KARAKTERISTIK BACKSCATTER CITRA ALOS PALSAR PADA TEGAKAN HUTAN TANAMAN

KARAKTERISTIK BACKSCATTER CITRA ALOS PALSAR PADA TEGAKAN HUTAN TANAMAN Eucalyptus grandis AYUB WOISIRI SEKOLAH PASCASARJANA INSTITUT PERTANIANN BOGOR BOGOR 2011

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Kajian Karakteristik Backscatter Citra ALOS PALSAR pada Tegakan Hutan Tanaman Eucalyptus grandis adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Bogor, Desember 2011 AYUB WOISIRI

ABSTRACT AYUB WOISIRI. The Backscatter Characteristic of ALOS PALSAR Imagery Within Eucalyptus grandis forest plantation stand. Under direction of I NENGAH SURATI JAYA and M. BUCE SALEH This study was performed to identify the relationship beetwen the backscatter of ALOS PALSAR having pixel size of 50 x 50 m and 6,25 x 6,25 m, and the variables of Eucalyptus grandis forest plantation stand. The main objective of the study is to identify the variables that affect backscatter value. The study was carried out in Samosir Regency, North Sumatera Province. This study found that the variable of stands that influence the backscatter are (1) basal area height of tree having classification accuracy of 61.7 %. for resolution of 50 meters; and (2) acreage of tree canopy and trees density and the classification accuracy of 85. %. for resolution 6.25 meters. Key words: ALOS PALSAR, Stands, Eucalyptus grandis, Backscatter

RINGKASAN AYUB WOISIRI. Kajian Karakteristik Backscatter Citra ALOS PALSAR pada Tegakan Hutan Tanaman Eucalyptus grandis. Dibimbing oleh I NENGAH SURATI JAYA dan M BUCE SALEH Satelit radar (radio detection and raging) merupakan sensor gelombang mikro (microwave) yang memungkinkan untuk melakukan perekaman permukaan bumi pada segala cuaca, baik siang maupun malam. Radar telah dikembangkan dengan pesat sejak dioperasikannya SEASAT, yaitu SIR-A, SIR-B, SIR-C, ERS-1, ERS-2, ALMAZ, JERS-1, RADARSAT dan ALOS PALSAR. Citra satelit tersebut beberapa telah digunakan dalam penelitian. Harrell et al. (1995) melakukan penelitian terhadap sensitifitas citra ERS-1 band C dan JERS-1 band L terhadap biomasa dan struktur tegakan. Selanjutnya Herman dan Dool (2005) menggunakan citra radar ERS-1 dan ERS-2 untuk penelitian karakteristik kekasaran permukaan dan tekstur sedimen. Hasil penelitian ini menunjukkan bahwa ada korelasi negatif antara backscatter dengan kandungan lumpur, serta korelasi positif yang signifikan antara backscatter dengan ukuran butir sedimen. Jepang meluncurkan satelit terbaru dengan menggunakan citra radar yaitu ALOS (Advance Land Observing Satelit). Satelit tersebut diluncurkan oleh Jepang pada tanggal 24 Juli 2006, yang memuat tiga sensor penginderaan jauh yaitu PRISM (Pachromatik Remote Sensing Instrument Stereo Mapping), AVNIR-2 (Advanced Visible and Near Infrared Radiometer type-2) dan PALSAR (Phased Array Synthetic Type L-Band Aperture Radar). Penelitian menggunakan citra ALOS PALSAR terkait dengan hamburan balik (backscatter) belum banyak dilakukan di bidang kehutanan terutama dalam hal pendeteksian dimensi tegakan hutan tanaman, oleh karena itu perlu dilakukan kajian yang mendalam terkait dengan penggunaan teknologi pengideraan jauh tersebut. Tujuan dari penelitian ini adalah untuk mengidentifikasi faktor-faktor pada peubah dimensi tegakan hutan tanaman Eucalyptus grandis yang mempengaruhi backscatter pada Citra ALOS PALSAR. Sedangkan manfaat penelitian ini adalah sebagai dasar untuk penyusunan klasifikasi citra ALOS PALSAR pada hutan tanaman. Penelitian dilaksanakan mulai Bulan Oktober 2010 sampai dengan April 2011, yang meliputi kegiatan pra pengolahan citra, pengolahan citra, pelaksanaan penelitian, pengolahan dan analisis data. Lokasi penelitian di PT HTI Toba Pulp Lestari Sektor Tele Kabupaten Somosir, Provinsi Sumatera Utara. Pengolahan dan analisis data citra satelit dilakukan di

Laboratorium Fisik Penginderaan Jauh dan Sistem Informasi Geografis, Fakultas Kehutanan Institut Pertanian Bogor. Data yang digunakan adalah citra ALOS PALSAR resolusi 50 meter dan 6,25 meter tahun liputan 2009. Pengolahan citra menggunakan software Erdas Imagine 9.1 dan Arcview 3.2. Data citra diolah dan dikonversi menjadi nilai backscatter dari tegakan hutan tanaman Eucalyptus grandis. Plot contoh berbentuk lingkaran dengan ukuran 0.1 ha dengan jumlah 60 plot contoh. Hasil penelitian menunjukkan pada citra ALOS PALSAR dengan resolusi 50 meter mampu mengkelaskan hutan tanaman Eucalyptus grandis berdasarkan peubah tinggi pohon dengan akurasi 61.7%. Sedangkan citra ALOS PALSAR resolusi 6.25 m mampu mengkelaskan hutan tanaman Eucalyptus grandis berdasarkan peubah luas tajuk dan jumlah pohon (n) dengan akurasi klasifikasi 85%. Penelitian ini menyarankan perlu dilakukan penelitian sejenis menggunakan citra ALOS PALSAR yang memiliki slope corrected data dan memperbaiki atau mereduksi noise. Kata Kunci: ALOS PALSAR, peubah tegakan, backscatter,eucalyptus grandis

Hak Cipta milik IPB, tahun 2011 Hak Cipta dilindungi Undang-Undang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan yang wajar IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB

KARAKTERISTIK BACKSCATTER CITRA ALOS PALSAR PADA TEGAKAN HUTAN TANAMAN Eucalyptus grandis AYUB WOISIRI Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Ilmu Pengelolaan Hutan SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2011

Penguji Luar Komisi pada Ujian Tesis : Dr.Dra Nining Puspaningsih,M.Si

Judul Tesis Nama NIM : Karakteristik Backscatter Citra ALOS PALSAR pada Tegakan Hutan Tanaman Eucalyptus grandis : AYUB WOISIRI : E151080011 Disetujui Komisi Pembimbing Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr Ketua Dr. Ir. M. Buce Saleh, MS Anggota Diketahui Ketua Program Studi Ilmu Pengelolaan Hutan Dekan Sekolah Pascasarjana Prof. Dr. Ir. Hariadi Kartodihardjo, MS Dr. Ir. Dahrul Syah, M.Sc.Agr Tanggal Ujian: Tanggal Lulus:

PRAKATA Puji dan syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa karena dengan rahmat dan karunia-nya, sehingga tesis yang berjudul Kajian Karakteristik Backscatter Citra ALOS PALSAR Pada Dimensi Tegakan Hutan Tanaman Eucalyptus berhasil diselesaikan. Tesis ini merupakan salah satu syarat untuk memperoleh gelar Magister Sains pada Sekolah Pascasarjana Institut Pertanian Bogor. Pada kesempatan ini, penulis menyampaikan ucapan terima kasih kepada semua pihak yang telah membantu hingga penyelesaian tesis ini, terutama : 1. Bapak Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr. dan Bapak Dr. Ir. M. Buce Saleh, M.S selaku komisi pembimbing atas bimbingan dan saran selama proses penyusunan tesis. 2. Rekan-rekan IPH angkatan 2008 dan rekan-rekan serta adik-adik di Laboratorium Fisik Remote Sensing dan Sistem Informasi Geografis Fakultas Kehutanan Institut Pertanian Bogor, atas saran dan bantuanya dalam penulisan tesis ini. 3. Japan Aerospace Exploration Agency (JAXA) dan Japan International Cooperation Agency (JICA) yang telah membantu dan menfasilitasi proses penelitian. 4. Istri dan putra putri penulis tercinta yang telah meluangkan waktu mendampingi penulis, memberikan semangat, dukungan dan doa. Serta keluarga besar penulis atas bantuan dan motifasinya. Penulis menyadari, bahwa tesis ini masih memiliki kelemahan dan kekurangan. Meskipun demikian, penulis berharap tesis ini dapat memberikan kontribusi positif dan bermanfaat bagi kita semua. Bogor, Desember 2011 AYUB WOISIRI

RIWAYAT HIDUP Penulis dilahirkan di Gaja Putih, Distrik Jayapura Selatan, Kota Jayapura Provinsi Papua pada tanggal 25 Januari 1977 dari ayah Yohanis Woisiri/Fonataba dan Ibu Salomina Moay. Penulis merupakan putra ketujuh dari sembilan bersaudara. Pendidikan sarjana ditempuh pada Jurusan Kehutanan, Fakultas Pertanian Universitas Negeri Papua, lulus pada tahun 2001. Pada tahun 2008 penulis diterima di Program Studi Ilmu Pengelolaan Hutan (IPH), Sekolah Pascasarjana Institut Pertanian Bogor (IPB). Pada tahun 2004 penulis mulai bekerja di Dinas Kehutanan Provinsi Papua pada Sub Bagian Program dan Perencanaan hingga saat ini. Selama menjadi mahasiswa, penulis pernah menjadi anggota pengurus Forum Pascasarjana Institut Pertanian Bogor. Penelitian ini didanai oleh JICA (Japan International Cooperation Agency) atas kerjasama dengan Laboratorium Fisik Remote Sensing dan Sistem Informasi Geografis Fakultas Kehutanan Institut Pertanian Bogor.

DAFTAR ISI DAFTAR ISI. DAFTAR TABEL. DAFTAR GAMBAR......... DAFTAR LAMPIRAN Halaman ix xi xii xiii I PENDAHULUAN 1.1 Latar Belakang. 1 1.2 Perumusan Masalah.. 3 1.3 Tujuan dan Manfaat..... 4 1.4 Hipotesis Penelitian... 4 1.5 Kerangka Pemikiran.. 4 II METODOLOGI PENELITIAN 2.1 Waktu dan Tempat. 6 2.2 Data, Software, Hardware dan Alat Penelitian 6 2.2.1 Data. 6 2.2.2 Hardware dan Software... 10 2.2.3 Alat Penelitian 10 2.3 Tahapan Penelitian.. 10 2.3.1 Pra Pengolahan Citra 10 2.3.2 Pengolahan Citra.. 13 2.3.3 Pengumpulan Data Lapangan. 17 2.3.4 Pengolahan Data Lapangan. 20 2.3.5 Analisis Data. 22 III HASIL DAN PEMBAHASAN 3.1 Karakteristik Tegakan.. 25 3.1.1 Diameter Batang 26 3.1.2 Tinggi Pohon. 26 3.1.3 Diameter Tajuk. 27 3.1.4 Volume Pohon.. 28

3.1.5 Kerapatan Pohon... 28 3.1.6 Luas Bidang Dasar. 29 3.1.7 Biomassa 30 3.1.9 Leaf Area Index.... 30 3.2. Hubungan Antara Peubah Tegakan Eucalyptus grandis 34 3.3 Hasil Pengolahan Data Citra..... 35 3.4 Analisis Korelasi... 40 3.5 Analisis Diskriminan 42 3.5.1 Uji Peubah Dimensi Tegakan.. 42 3.4.2 Hasil Klasifikasi Fungsi Diskriminan.. 46 IV SIMPULAN DAN SARAN 4.1 Simpulan.... 47 4.2 Saran... 47 DAFTAR PUSTAKA 48 LAMPIRAN.. 51

DAFTAR TABEL Halaman 1. Kisaran panjang gelombang band radar.... 6 2. Karakteristik ALOS PALSAR.. 7 3. Data lapangan tanaman Eucalyptus grandis. 25 4. Data pengolahan tanaman Eucalyptus grandis..... 25 5. Diameter batang tanaman Eucalyptus grandis..... 26 6. Tinggi total tanaman Eucalyptus grandis.. 27 7. Diameter tajuk tanaman Eucalyptus grandis... 27 8. Luas tajuk tanaman Eucalyptus grandis..... 28 9. Volume pohon tanaman Eucalyptus grandis... 28 10. Kerapatan pohon tanaman Eucalyptus grandis... 28 11. Luas bidang dasar tanaman Eucalyptus grandis.... 29 12. Biomasa tanaman Eucalyptus grandis.... 30 13. Nilai backscatter pada citra resolusi 6.25 m..... 36 14. Nilai backscatter pada citra resolusi 50 m... 36 15. Matrik jarak Euclidean citra Alos Palsar resolusi 6.25 m. 38 16. Matrik separabilitas citra Alos Palsar resolusi 6.25 m. 38 17. Matrik jarak Euclidean citra ALOS PALSAR resolusi 50 m... 40 18. Matrik separabilitas citra Alos Palsar resolusi 50 m. 40 19. Korelasi antara peubah tegakan Eucalyptus grandis... 41 20. Uji peubah dimensi tegakan dengan citra Alos Palsar resolusi 6.25 m... 42 21. Fungsi diskriminan citra resolusi 6.25 m.. 43 22. Uji peubah dimensi tegakan dengan citra Alos Palsar resolusi 50 m 44 23. Fungsi diskriminan citra resolusi 50 m..... 45 24. Akurasi klasifikasi citra Alos Palsar resolusi 6.25 m.. 46 25. Akurasi klasifikasi citra Alos Palsar resolusi 50 m.. 46

DAFTAR GAMBAR Halaman 1. Skema Kerangka pemikiran.... 5 2. Peta lokasi penelitian HTI PT TPL Provinsi Sumatera Utara.. 8 3. Data citra Alos Palsar : (a) HH resolusi 6.25 m, (b) HV resolusi 6.25, (c) HH resolusi 50 m dan (d) HV resolusi 50 m.... 9 4. Citra Alos Palsar : (a) sebelum cropping dan (b) hasil cropping. 11 5. Cluster citra Alos Palsar Filter resolusi 6.25 m.... 12 6. Pembuatan citra komposit Alos Palsar..... 13 7. Hasil klasifikasi : (a) 20 klaster dan (b) 5 klaster.. 16 8. Bentuk plot contoh penelitian 18 9. Peta sebaran plot contoh... 19 10. Foto LAI tanaman Eucalyptus grandis...... 21 11. Diagram alir penelitian....... 24 12. Kerapatan tegakan Eucalyptus grandis di area HTI PT TPL......... 29 13. Foto lapangan LAI berdasarkan kelas umur.... 31 14. Foto kelas umur tanaman Eucalyptus grandis. 33 15. Hubuangan antara diameter rata-rata dengan volume, biomassa, luas bidang dasar dan tinggi pohon rata-rata... 34 16. Hubuangan antara tinggi pohon rata-rata dengan diameter tajuk, volume pohon dan biomassa..... 35 17. Hasil Dendogram citar resolusi 6.25 m... 37 18. Hasil Dendogram citra resolusi 50 m...... 39 19. Hubungan luas tajuk dengan Backscatter 6.25 m.... 43 20. Hubungan jumlah pohon dengan Backscatter 6.25 m..... 44 21. Hubungan tinggi pohon dengan Backscatter 50 m...... 45

DAFTAR LAMPIRAN Halaman 1. Rekapitulasi data tegakan Eucalyptus grandis... 53 2. Nilai backsscatter resolusi 50 m 55 3. Nilai Backscctter. resolusi 6.25 m.. 57 4. Analisis diskriminan peubah tegakan yang mempengaruhi backscatter citra Alos Palsar resolusi 6.25 m.... 58 5. Analisis diskriminan peubah tegakan yang mempengaruhi backscatter citra Alos Palsar resolusi 6.25 m.... 68

I PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan salah satu negara yang memiliki hutan tropis terbesar di dunia, dengan kondisi iklim basa yang peluang tutupan awannya sepanjang tahun cukup tinggi. Selain itu potensi kebakaran hutan yang menimbulkan asap menjadi kendala lain. Permasalahan pemetaan dan monitoring hutan menjadi sangat sulit dilakukan dengan menggunakan citra optik. Satelit radar (radio detection and raging) merupakan sensor gelombang mikro aktif (microwave) yang memungkinkan untuk melakukan pengamatan permukaan bumi dengan baik pada segala cuaca, baik siang maupun malam. Radar telah dikembangkan dengan dioperasikan SEASAT, yaitu SIR-A, SIR-B, SIR-C, ERS-1, ERS-2, ALMAZ, JERS-1, RADARSAT dan ALOS PALSAR. Satelit RADAR banyak digunakan dalam penelitian seperti Harrell et al. (1995) melakukan penelitian terhadap sensitivitas citra ERS-1 band C dan JERS-1 band L terhadap biomasa dan struktur tegakan. Herman dan Dool (2005) menggunakan citra radar ERS-1 dan ERS-2 untuk penelitian karakteristik kekasaran permukaan dan tekstur sedimen. Hasil penelitiannya menunjukkan bahwa antara backscatter dengan kandungan lumpur memiliki korelasi negatif dan antara backscatter dengan ukuran butir sedimen memiliki korelasi positif. Selanjutnya, DiGiacomo et al. (2004) juga melakukan penelitian menggunakan citra radar pada ERS-1 dan ERS-2 band C menggunakan polarisasi HH untuk pengamatan terhadap bahaya pencemaran di lepas pantai California Selatan. Jepang meluncurkan satelit terbaru pada tanggal 24 Juli 2006 dengan menggunakan citra radar yaitu ALOS (Advance Land Observing Satelit). Satelit tersebut memiliki tiga komponen penginderaan jauh yaitu PRISM (Pachromatik Remote Sensing Instrument Stereo Mapping), AVNIR-2 (Advanced Visible and Near Infrared Radiometer type-2) dan PALSAR (Phased Array Synthetic Type L-Band Aperture Radar). Satelit ALOS PALSAR dengan sistem radar memiliki fungsi sensor yang mampu memancarkan gelombang microwave ke bidang permukaan tertentu. Selain

itu sensor RADAR juga dapat menerima beberapa bagian dari energi yang dihamburkan balik (backscattered) oleh permukaan dan dapat menangkap kekuatan (detection, amplitude) serta perbedaan waktu dari pancaran balik gelombang energi. Menurut Saleh (2009), fungsi sensor dengan nilai hamburan balik (backscatter) memiliki tiga faktor utama, yaitu; (1) sistem radar yaitu panjang gelombang, antena, dan kekuatan transmisi; (2) geometrik citra radar yaitu membatasi ukuran area yang diiluminasi dan dipengaruhi oleh lebar sinar, sudut pandang dan jaraknya; dan (3) karakter objek yaitu kekasaran dan komposisi permukaan, topografi, orientasi. Selanjutnya sensor yang memancarkan gelombang microwave, akan memberikan respon terhadap vegetasi karena memiliki penetrasi dan kedalaman polarisasi yang berbeda, yang dimulai dari X-Band, C-Band, hingga L-Band. Panjang gelombang L band ini yang digunakan oleh Citra satelit ALOS PALSAR. Penelitian menggunakan citra radar seperti ENVISAT ASAR dan ALOS PALSAR untuk mengetahui efek restorasi pada lahan gambut di Kalimantan Tengah, juga dilakukan oleh Jaenicke at al. (2011). Hasil penelitian tersebut mampu mendeteksi kelembapan tanah gambut, dimana menggunakan polarisasi silang (cross polarization) dan memiliki korelasi yang kuat antara koefisien backscatter. Menurut Filho et al. (2011) bahwa citra radar multi polarisasi band L untuk identifikasi lingkungan lahan basah di wilayah pesisir pantai utara Amazon Brasil, membuktikan bahwa polarisasi VV lebih unggul untuk mengenali morfologi daerah intertidal pada kondisi musim semi. Polarisasi HH lebih cocok untuk pemetaan lingkungan pesisir yang ditutupi oleh hutan dan belukar seperti mangrove dan tumbuhan bukit. Polarisasi HV cocok untuk membedakan zona transisi antara bakau dan dataran pesisir. Penelitian lain yang dikemukakan Urso dan Minacapilli (2006) menyatakan bahwa band L dan band C bisa digunakan untuk mengetahui distribusi spasial kandungan air tanah. Penelitiannya memberikan hasil bahwa penggunaan backscatter dari band L dapat memberikan informasi tentang

distribusi spasial kandungan air tanah, sedangkan band C tidak dapat memberikan informasi tentang distribusi spasial kandungan air tanah. Citra ALOS PALSAR yang menggunakan Band L dengan polarisasi HH dan polarisasi HV akan berpengaruh terhadap objek (vegetasi). Awaya et al. (2009) mengklasifikasi pemetaaan kawasan hutan, dan mengestimasi penyimpangan biomasa. Lebih lanjut Shimada and watanabe (2007) mengatakan bahwa ALOS PALSAR dengan Radar L-Band dan panjang gelombang (23 cm) telah dilakukan dalam banyak studi dan secara khusus bisa dilakukan untuk aplikasi pemetaan hutan. JICA dan IPB (2010) mampu mengklasifikasi 16 kelas penutupan lahan secara visual. Walaupun demikian penelitian menggunakan citra ALOS PALSAR terkait dengan hamburan balik (backscatter) belum banyak dilakukan di bidang kehutanan terutama dalam hal pendeteksian dimensi tegakan hutan tanaman. Oleh karena itu perlu dilakukan kajian yang mendalam terkait dengan penggunaan teknologi penginderaan jauh tersebut. 1.2 Perumusan Masalah Berdasarkan pemahaman teori radar pada citra ALOS PALSAR, maka dimungkinkan untuk melakukan deteksi terhadap berbagai tutupan lahan hutan terutama hutan tanaman. Hal ini disebabkan karena objek hutan tanaman mempunyai variasi struktur tajuk, konstanta dielektrik dan sudut kemiringan yang sensitif terhadap sensor. Ketiga faktor tersebut dimungkikan akan berpengaruh terhadap backscatter dan hutan tanaman dengan pola pengelolaan hutan tanaman semi insentif. Dengan demikian maka hutan tanaman Eucalyptus grandis memiliki karakteristik tegakan yang dapat dikaji dengan pendekataan kuantitatif, meskipun secara visual sulit dibedakan. Kajian tersebut bisa dilakukan dengan analisis backscatter yang dihubungkan dengan dimensi tegakan hutan Eucalyptus grandis berdasarkan peubah-peubah dimensi tegakan. Pertanyaan-pertanyaan penelitian yang dapat dijawab berdasarkan uraian di atas adalah apakah ada

hubungan antara backscatter dengan dimensi tegakan tanaman Eucalyptus grandis. 1.3 Tujuan dan Manfaat 1.3.1 Tujuan Tujuan utaman dari penelitian ini adalah untuk mengidentifikasi peubah-peubah pada dimensi tegakan tanaman Eucalyptus grandis yang mempengaruhi nilai backscatter citra ALOS PALSAR. 1.3.2 Manfaat Informasi tentang peubah dimensi tegakan hutan Eucalyptus grandis yang menentukan backscatter dapat digunakan sebagai dasar untuk menetapkan kelas-kelas hutan. Sekaligus sebagai informasi dasar bagi pihak - pihak terkait dalam pengembangan dan pemanfatan data dijital cirta satelit. 1.4 Hipotesis Adanya korelasi yang erat antara dimensi tegakan hutan tanaman Eucalyptus grandis dengan nilai backscatter pada Citra ALOS PALSAR. 1.5 Kerangka Pemikiran Kerangka pemikiran penelitian ini berangkat dari landsan teori bahwa nilai backscatter citra radar sangat dipengaruhi oleh variasi dimensi tegakan (karakteristik tegakan) seperti ukuran pohon, bentuk percabangan, ukuran dan pola ranting, kontirbusi daun, kerapatan tegakan dan batas tajuk. Untuk mengetahui peubah yang paling berpengaruh maka dilakukan analisis diskriminan dengan pendekataan kuantitatif (Gambar 1).

Teknologi pengideraan Jauh Citra RADAR Citra Optik Karakteristik Tegakan : - Pohon - Cabang - Ranting - Daun - Kerapatan - Tajuk Nilai backscatter citra ALOS PALSAR Identifikasi peubah dimensi tegakan yang mempengaruhi nilai backscatter Analisis Diskriminan Faktor yang mempengaruhi Kelas Klasifikasi HT Gambar 1 Skema kerangka pemikiran.

2.1 Waktu dan Tempat II METODOLOGI PENELITIAN Penelitian ini dilakukan pada bulan Oktober 2010 sampai dengan Mei 2011. Penelitian dilakukan di wilayah Kerja HTI PT Toba Pulp Lestari Sektor Tele Kecamatan Harian Boho Kabupaten Samosir Provinsi Sumatera Utara (Gambar 2). Penetapan lokasi didasarkan pada pertimbangan keunikan hutan tanaman Eucalyptus grandis yang berada pada ketinggian 1600-1800 m dpl dan topografi yang relative agak datar. Secara geografis lokasi penelitian terletak pada 02-03 LU dan 98 15 00-100 00 00 BT. Pengolahan data citra dan analisis dilakukan di Laboratorium Fisik Remote Sensing dan Sistem Informasi Geografis Fakultas Kehutanan Institut Pertanian Bogor. 2.2 Data, Software, Hardware dan Alat Penelitian 2.2.1 Data Data yang digunakan dalam penelitian ini adalah citra ALOS PALSAR resolusi 50 m dan citra ALOS PALSAR resolusi 6,25 m rekaman tahun 2009 (Gambar 3). Citra ALOS PALSAR tersebut menggunakan panjang gelombang pada band L yang mampu melakukan penetrasi hingga pada objek. Berdasarkan panjang gelombangnya untuk kisaran saluran band menggunakan abjad seperti P, L, X, C, X, Ku, K dan Ka yang masingmasing saluran memiliki daya tembusan atau penetrasi yang berbeda. Daya tembusan tersebut berturut-turuta dalah X<C< L, (Tabel 1). Tabel 1 Kisaran panjang gelombang band radar Radar band Panjang gelombang (m) Frekwensi (υ) GHz P-Band 30-100 1,0 -,3 L-Band 15-30 2,0 -,0 S-Band 7,5-15 4,0 -,2 C-Band 3,75-7,5 8,0 -,0 X-Band 2,4-3,75 12,5 -,0 Ku-Band 1,67-2,4 18,0 -,5 K-Band 1,1-1,67 26,5 -,0 Ka-Band 0,75-1,1 40,0 -,5 Sumber : Envisat (2002)

Pada penelitian ini data citra ALOS PALSAR yang digunakan memiliki dua polarisasi yaitu polarisasi HH dan polarisasi HV. Selain itu digunakan data pendukung antara lain ; peta rupa bumi, peta kawasan hutan dan perairan Provinsi Sumatera Utara. Selanjutnya karakteristik citra satelit ALOS PALSAR dapat dilihat pada Tabel 2. Tabel 2 Karakteristik ALOS PALSAR Mode Fine Scan SAR Polarimetric Center frequency Chirp bandwidth 1270 NH (L band) 28 MHz 14 MHz 14 MHz,28 MHz HH+HV or VV+VH Polarization HH or VV HH+HV or VV+VH Incident angel 8 to 60 deq 8 to 60 deq Range resolution 18 to 43 deq 7 to 44 m 14 to 88 m 100 m (multilook ) 14 MHz HH+HV +VH+VV 8 to 30 deq 24 to 89 m Observation 40 to 70 km 40 to 70 250 to 300 20 to 65 km swath km km Bit length 5 bits 5 bits 5 bits 3 or 5 bits Data Rate 240 Mbps 240 Mbps 120 Mbps, 240 Mbps 240 Mbps Ne Sigma zero <-23 db (swath width 70 km) <-25 db (swath width 70 km) < - 25 db < - 29 db S/A <-16 db (swath width 70 km) <-21 db (swath width 70 km) Radiometric 1 db/orbit : accuracy scene 1,5 db Size of antenna Azimuth : 8,9 m x elevation : 3,1 m Sumber : Jaxa(2007) >- 21 db > 19 db

Menurut Kaukab (2008), hamburan balik (backscatter) sensitive terhadap topografi, permukaan yang kasar seperti tanah lapang (terrain) dan penutupan tanah (ground cover), sifat-sifat dielektrik dan gerakan. Lebih lanjut kekasaran permukaan menyebabkan perbedaan pemantulan pulsa radar. Perbedaan pemantulan pulsa radar dapat di golongkan berdasarkan tiga jenis permukaan objek yaitu pantulan baur atau kesegala arah, biasanya pada citra dicirikan dengan rona yang cerah. Pantulan baur terjadi pada permukaan kasar seperti pada daerah berbatuan dan vegetasi hutan. Sebaliknya rona gelap pada citra merupakan permukaan objek yang halus seperti permukaan air yang tenang dan permukaan tanah yang datar. Pantulan sudut kearah sensor menyebabkan rona sangat cerah dan diameter melebar pada objek yang bersudut siku-siku seperti lereng depan akan lebih cerah di bandingkan dengan lereng bagian belakang (Purwadhi 2001).

Gambar 2 Peta lokasi penelitian HTI PT TPL Provinsi Sumatera Utara

(a) (b) (c ) (d) Gambar 3 Data citraalospalsar: (a) HHresolusi 6,25 m, (b) HV resolusi 6,25 m, (c) HHresolusi 50 m dan (d) HV resolusi 50 m.

2.2.2 Software dan Hardware Perangkat keras (hardware) yang digunakan dalam penelitian adalah komputer, sedangkan perangkat lunak (software) yang digunakan adalah Arcview 3.2, Erdas Imagine Versi 9.1, SPSS Statistik 17.0 dan Hemiview 2.1. 2.2.3 AlatPenelitian Alat yang digunakan di lapangan adalah clinometer, phiband, pita ukur, meteran, kompas, Global Positioning Sistem (GPS), kamera digital. 2.3 TahapanPenelitian 2.3.1 PraPengolahan Citra Pra pengolahan citra dalam pelaksanaan penelitian terdiri dari beberapa komponen yaitu : 2.4.1.1 Cropping Citra Data citra ALOS PALSAR yang diperoleh baik untuk resolusi 50 m dan resolusi 6.25 m memiliki ukuran yang besar sehingga perlu dilakukan cropping (pemotongan) citra. Cropping dilakukan untuk membatasi citra pada lokasi penelitian di areal kerja HTI PT. Toba Pul Lestari Sumatera Utara, sehingga tidak keluar dari area yang akan dibuat plot contoh. Citra ALOS PALSAR hasil cropping dapat dilihat pada Gambar 4. 2.4.1.2 Filtering Citra Data citra ALOS PALSAR biasanya mengalami pelemahan (fading) dan speckle yang merupakan gangguan (noise) sehingga mempengaruhi kualitas citra. Noise terjadi akibat adanya interaksi sinyal balik (backscatter)yang beragam dari berbagai objek yang ada di area tersebut. Interaksi gelombang akan membuat sinyal balik tersebut menghilang atau malah diperkuat sehingga akan menghasilkan pixel yang cerah dan gelap adaptif filtering yaitu proses untuk mengurangi noise yang terjadi pada citra RADAR. Pada penelitian ini untuk citra ALOS PALSAR resolusi 50 meter tidak dilakukan filtering karena tidak mengalami gangguan, sedang kan untuk citra ALOS PALSAR resolusi 6,25 meter menggunakan frost filter 7 x 7 (Gambar 5).

(a) Gambar 4 Citra Alos Palsar : (a) sebelum cropping (R: HH; G: HV dan B : HH/HV) dan (b) hasil cropping (R : HH; G : HV dan B : HH/HV). (b)

Gambar 5 Cluster citra Alos Palsar Filter resolusi 6,25 m.

13 2.3.2 Pengolahan Citra Pengolahan citra yang dilakukan dalam penelitian ini adalah : 2.3.2.1 Pembuatan Band Komposit Citra ALOS PALSAR tidak memiliki band yang lengkap sama seperti Citra Landsat. Citra ALOS PALSAR yang digunakan hanya memiliki polarisasi L- HH dan L- HV, sehingga dibuat band sintesis HH/HV dengan model aritmatika sederhana (JICA dan IPB 2010). Selanjutnya dilakukan penggabungan citra (stacking) polarisasi HH, HV dan HH/HV. Hasilnya diperoleh citra komposit (HH-HV-HH/HV) yang secara visual memiliki tingkat kecerahan tinggi, kaya warna yang mirip dengan citra landsat (Gambar 6). (a) (b) (c ) (d) Gambar 6 Pembuatan citra komposit ALOS PALSAR : (a) polarisasi HH, (b) polarisasi HV, (c) sintesis HH/HV dan (d) komposit (HH- HV-HH/HV).

2.3.2.2 Proses Klasifikasi Klasifikasi dalam teknik penginderaan jauh dalam konteks pengolahan dijital dapat diartikan sebagai proses pengelompokan pixel kedalam kelas-kelas yang ditetapkan oleh analis, berdasarkan peubahpeubah yang digunakan. Proses klasifikasi ada dua, yaitu klasifikasi terbimbing dan klasifikasi tidak terbimbing (Jaya 2009). Dalam penelitian ini digunakan proses klasifikasi tidakter bombing dimana proses pembentukan kelas (klaster-klaster) sebagian dikerjakan dengan komputer. Kelas-kelas atau klaster yang terbentuk dalam klasifikasi tersebut sangat tergantung pada data itu sendiri. Hasil klasifikasi dilakukan dari 20 kelas hingga menjadi 5 kelas untuk citra ALOS PALSAR resolusi 50 meter, kemudian dilakukan juga klasifikasi yang sama pada citra ALOS PALSAR resolusi 6.25 meter dari 20 kelas menjadi 4 kelas, hasil klasifikasi tersebut dilihat pada Gambar 7. Lebih lanjut untuk memudahkan analisis pengkelasan berdasarkan tingkat kemiripan dari masing-masing ukuran klaster yang digunakan, maka diperlukan suatu teknik untuk menyusun urutan pengelompokan klaster, yang dapat digambarkan dengan dendogram. Dendogram adalah kurva yang menggambarkan pengelompokan klaster, untuk memudahkan analisis pengkelasan. Salah satu metode penggambarannya ialah metode tetangga terdekat (nearest neighbor method) yaitu metode penggambaran klaster berdasarkan pada jarak terdekat dari anggota klaster. Perbedaan tersebut sudah dapat dipisahkan dengan nilai separabilitas yang diperoleh saat melakukan klasifikasi.

(a) 15

(b) Gambar 7 Hasil klasifikasi : (a) klasifikasi 20 klaster dan (b) klasifikasi 5 klaster.

17 2.3.3 Pengumpulan Data Lapangan 2.3.3.1 Teknik Penarikan Contoh Penarikan plot contoh dilakukan dengan dua tahapan sebagai berikut : 1. Menentukan lokasi titik plot contoh diambi secara purposive sampling berdasarkan hasil klasifikasi yang telah dibuat pada citra. 2. Pembuatan plot contoh berbentuk lingkaran dengan jari-jari (R) 17, 8 m atau dengan luas 0,1 ha (Gambar 8). Jumlah plot contoh yang dibuat sebanyak 60 plot, dengan sebaran sebagaimana disajikan pada Gambar 9. 2.3.3.2 Teknik Pengambilan Data lapangan Teknik pengambilan data lapangan dilakukan sebagai berikut : 1. Titik plot yaitu titik yang sejak awal ditentukan di citra, dimana titik tersebut menggambarkan lokasi yang tempatnya dapat diketahui dengan pasti baik di lapangan maupun di peta. Posisi titik di lapangan ditentukan berdasarkan global positioning system (GPS). 2. Data lapangan yang dikumpulkan dalam penelitian ini adalah : a. Titik koordinat pusat plot contoh:posisikoordinatxdany plot contohdi lapangan diambil menggunakan Global Position System, b. Nama jenis dan umur tanaman: meliputi jenis tanaman Eucalyptus grandis berdasarkan tahun tanam, c. Diameter tanaman: untuk tanaman berdiameter lebih dari 10 cm diukur pada setinggi dada (130 cm) dan untuk tanaman berdiameter kurang dari 10 cm diameter diukur pada pangkal batang. d. Tinggi total: merupakan tinggi tanaman dari pangkal batang sampai ujung tajuk tanaman, e. Diameter tajuk: merupakan diameter rata-rata tajuk yang diukur dua kali pada arah Utara-Selatan dan Barat-Timur,

f. Jenis penutupan di bawah tegakan: adanya jenis-jenis tanaman penutup tanah di bawah tegakan tanaman utama, g. Kemiringan lapangan (slope): merupakan kemiringan pada pusat plot dengan kondisi di sekitarnya, h. Aspek: arah kemiringan lereng yang ditentukan dari pusat plot contoh, i. LAI (Leaf Area Index): adalah rasio jumlah luas permukaan daun atas vegetasi di bagi dengan luas permukaan tanah di tempat tanaman itu tumbuh, biasanya mulai dari 0 untuk tanah kosong sampai 6 untuk hutan lebat. Nilai LAI diukur menggunakan kamera yang dilengkapi dengan lensa fish eye. R=17.8 17 Gambar 8 Bentuk plot contoh penelitian

Gambar 9 Peta sebaran plot contoh HTI PT TPL 19

2.3.4 Pengolahan Data Data yang telah diukur di lapangan diolah sebagai berikut: 1) Kerapatan tanaman (K) Jumlah tanaman setiap plot, digunakan untuk menghitung kerapatan tanaman (K), yaitu dengan rumus sebagai berikut. K... (1) Keterangan n = Jumlah tanaman dalam plot Lp = Luas Plot Contoh (ha) 2) Luas Bidang Dasar (LBDS) Luas bidang dasar per hektar dihitung menggunakan persamaan: n = ¼. π.di² i 1 LBDS=... (2) Lp Keterangan: LBDS = Luas bidang dasar per hektar (m 2 /Ha) Π = 3,14 Di = diameter setinggi dada (130 cm) (meter) dari pohon ke-i Lp = luas plot contoh (ha) 3) Volume Tegakan Volume tanaman dihitung berdasarkan diameter dan tinggi tanaman setiap plot menggunakan persamaan umum, yaitu: Vk = n i = 1 ¼. π.di².hi Lpk... (3) Keterangan: V = volume tegakan per hektar (m 3 /ha) pada plot ke-k π = 3,14 D = diameter setinggi dada (130 cm) (meter) dari pohon ke-i H = tinggi tanaman total (meter) dari pohon ke-i Lp = luas plot contoh (ha) dari pohon ke-k

21 4) Luas Tajuk (LTjk) Luas tajuk per hektar (m 2 ) dihitung menggunakan persamaan: n = L Tj(k) = 2 ¼. π.d ( ) i 1 tj i Lp(k)... (4) Keterangan: L Tj = Luas Tajuk per hektar (m 2 /ha) π = 3,14 D tjk(i) = diameter tajuk tanaman (m) dari pohon ke i Lp(k) = luas plot contoh (ha) ke-k n = Jumlah tanaman dalam plot 4) Biomassa diatas permukaan tanah Biomassa tanaman Eucalyptus grandis dihitung menggunakan persamaan, Onrizal et al. (2009) sebagai berikut: W i = 0,0678 x D 2,5794... (5) (6) W = n = 2,.5794 0,0678(D) i 1 X 10.000... Lp Keterangan: W i = Biomassa tanaman (cm/kg) W = Total biomassa tanaman (ton/ha) Lp = luas plot contoh (ha) 5) Leaf Area Index(LAI) Nilai LAIdiperoleh berdasarkan input foto setiap plot contoh ke dalam software Hemiview 2.1. Nilai indeks diperoleh secara otomatis berdasarkan kondisi objek setelah proses pada software. Contoh foto LAI terlihat pada Gambar 10. Gambar 10 Foto LAI tanaman Eucalyptus grandis.

2.3.4 Analisis Data 2.3.4.1 Analisis Nilai Backscatter Analisis backscatter dilakukan berdasarkan nilai DN pada polarisasi HH dan polarisasi HV yang dikonversi menjadi nilai backscatter dengan menggunakan persamaan Shimada et al. (2009) : NRCS (db) = 10* Log10 (DN 2) + CF Keterangan : NRSC = Normalized Radar Cross Section DN = Digital Number CF = Calibration Factor = -83,0 2.3.6.3 Analisis Diskriminan Analisis diskriminan dilakukan setelah terlebih dahulu dilakukan uji korelasi antara peubah-peubah diskriminan. Pengujian dilakukan untuk melihat apakah terdapat korelasi yang cukup kuat antara peubah berdasarkan koefisien korelasi dengan nilai r yang berkisar antara 1 dan -1. Nilia r yang mendekati 1 dan -1 menunjukan semakin erat hubungan linier antara peubah tersebut ( mattjik dan Sumertajaya 2000). Hipotesis dari uji korelasi adalah jika Ho diterima maka terdapat hubungan dengan nilai r 0,7071 dan jika H1 ditolak maka tidak ada hubungan korelasi dengan nilai r < 0,7071. Hasil korelasi tersebut kemudian dibuat uji Z untuk mengetahui kebenaran koefisien korelasi tersebut dengan menggunakan uji Z hitung. Jika Z hitung 1,96 maka Ho diterima dan dinyatakan ada hubungan erat dan jika Z hitung >1,96 maka H1 diterima dan dinyatakan tidak berhubungan erat, dengan menggunakan tingkat kepercayaan 95 %.

23 Persamaan yang digunakan dalam Uji Z tersebut adalah : Zhitung Zρ Z α Keterangan : Zρ = Nilia koefisien korelasi yang diharapkan pada populasi Zr = Nilai koefisien korelasi α = Pendekatan simpanan baku Selanjutnya analisis diskriminan merupakan suatu analisis peubah ganda yang digunakan untuk mengelompokkan suatu individu atau objek kedalam suatu kelompok yang telah ditentukan sebelumnya berdasarkan peubah-peubah pada tanaman Eucalyptus grandis. Analisis tersebut menggunakan proses analisis diskriminan yang di jelaskan Santoso (2010) sebagai berikut : 1. Analisis diskrimian pada Tanaman Eucalyptus grandis dilakukan dengan metode enter dan metode step wise 2. Mengguji signifikan dari fungsi diskriminan yang telah terbentuk dengan menggunakan Wilk s Lambda, F test dan lainnya 3. Menguji ketepatan klasifikasi dari fungsi diskriminan 4. Melakukan Interpertasi terhadap fungsi diskriminan 5. Malakukan validasai atau persentase (hit rasio) dari fungsi diskriminan

Mulai Citra ALOS Pra Pengolahan Citra : Registrasi, cropping Pembuatan Citra Komposit Citra ALOS PASALR 50 m Citra ALOS PASALR 6,25m Speckle Suppression (Filtering Citra) Backscatter Citra Klastering Evaluasi Clustering Citra FieldAtributJoins Data Olahan Tanaman Eucalyptus. Grandis Analisis Diskriminan Faktor yang sangat berpengaruh : Hasil Klasifikasi Citra Selesai Gambar 11 Diagram alir penelitian

25 III HASIL DAN PEMBAHASAN 3.1 Karakteristik Tegakan Tegakan tanaman Eucalyptus grandis pada PT HTI Toba Pulp Lestari memiliki rotasi tebangan yang relatif pendek dengan kisaran umur antara umur tanam satu tahun hingga umur tanam lima tahun. Tegakan Eucalyptus grandis mempunyai rotasi tebangan lima tahun. Meskipun interval umur tanaman tersebut relatif pendek tetapi cukup memiliki perbedaan (Tabel 3). Tabel 3 Data lapangan tanaman Eucalyptus grandis. Diameter (cm) LAI Tinggi pohon (m) Jumlahpohon (n) Terkecil 5,80 0,41 1,98 60,00 2,00 Rata-Rata 11,17 0,66 9,40 68,00 2,71 Terbesar 17,34 0,92 17,43 75,00 3,01 Nilai Peubah Diameter tajuk (m) Data pengukuran lapangan pada Tabel 3 menggambarkan bahwa adanya perbedaan yang cukup besar antara nilai terendah dan tertinggi pada peubah dimensi tegakan hutan tanaman Eucalyptus grandis. Pengolahan data lapangan menjadi volume pohon, luas tajuk, kerapatan, luas bidang dasar (LBDS) dan biomassa diatas permukaan tanah disajikan pada Tabel 4. Tabel 4 Data pengolahan tanaman Eucalyptus grandis. Nilai Peubah Volume m 3 /ha Luas tajuk (m 2 /plot) Kerapatan (n/ha) LBDS (m2/ha) Biomassa (ton/ha) Terkecil 0,31 305,93 596 2,84 8,33 Rata-Rata 6,96 589,02 646 6,13 68,86 Terbesar 20,12 706,50 745 9,87 170,27 Data Tabel 4 menggambarkan bahwa dimensi tegakan tanaman Eucalyptus grandis memiliki pertumbuhan yang relatif berbeda antara kelas umur tanaman muda dan kelas umur tanaman tua. Menurut Latifah (2004) pertumbuhan tanaman Eucalyptus grandis untuk setiap kelas umur sangat

bervariasi baik untuk pertumbuhan diameter pohon, pertumbuhan tajuk, maupun pertambahan riap volume. 3.1.1 Diameter Batang Pada peubah diameter batang pohon ada perbedaan antara kelas umur dimana diameter batang terendah pada umur tanaman satu tahun (0,058 m) dan diameter terbesar pada umur tanaman empat tahun (0,17 m) ( Tabel 5). Tabel 5 Diameter batang tanaman Eualyptus grandis. Umur (Tahun) Diameter batang (m) Terkecil Rata-rata Terbesar 1 0,058 0,061 0,069 2 0,090 0,097 0,104 3 0,113 0,129 0,141 4 0,149 0,159 0,178 Data diameter pada Tabel 5 menjelaskan bahwa ada perbedaan diameter yang cukup besar antara tanaman umur satu tahun hingga tanaman umur empat tahun. Perbedaan diameter tersebut tetap terlihat pada setiap kelas umur tanaman. Selain itu data tersebut menggambarkan perbedaan ukuran diameter yang sangat besar antara umur tanaman muda dan umur tanaman tua. Diameter tersebut juga memungkinkan akan terjadi perbedaan volume dan biomassa pada setiap kelas umur. 3.1.2 Tinggi Pohon Data pengukuran tinggi pohon tanaman Eucalyptus grandis juga mengalami perbedaan pada setiap kelas umur tanaman. Berdasarkan pengukuran dilapangan, ditemukan adanya perbedaan tinggi tanaman, terutma antara umur tanaman satu tahun dan umur tanaman dua tahun. Sedangkan tinggi pada umur tanaman tiga tahun dan umur tanaman empat tahun juga berbed. Untuk lebih jelasnya, rekapitulasi data dapat di lihat pada Tabel 6.

27 Tabel 6 Tinggi total tanaman Eucalyptus grandis. Umur (Tahun) Tinggi total (m) Terkecil Rata-rata Terbesar 1 1,89 2,39 3,00 2 5,80 6,69 7,31 3 10,51 11,57 12,22 4 16,39 16,96 17,42 3.1.3 Diameter Tajuk Pada pengukuran diameter tajuk terlihat adanya perbedaan antara kelas umur, baik diameter tajuk umur tanaman muda maupun diameter tajuk umur tanaman tua (Tabel 7). Tabel 7 Diameter tajuk tanaman Eucalyptus grandis. Umur (Tahun) Diameter tajuk (m) Terkecil Rata-rata Terbesar 1 2,00 2,09 2,63 2 2,48 2,76 2,93 3 2,86 2,98 3,00 4 2,84 2,96 3,00 Data pada Tabel 7 menjelaskan bahwa diameter tajuk pada umur tanaman satu tahun terlihat sangat kecil dan tidak merata pertumbuhan diameter tajuknya bila dibandingkan dengan diameter tajuk pada umur tanaman dua tahun. Umur tanaman tiga tahun dan umur tanaman empat tahun diameter tajuk hampir merata di setiap plot contoh. Perbedaan diameter tajuk tersebut akan berpengaruh pula pada luas tajuk tanaman Eucalyptus grandis, baik untuk tanaman yang berumur muda maupuan tanaman tua. Luas tajuk tanaman tersebut dapat disajikan pada Tabel 8.

Tabel 8 Luas tajuk tanaman Eucalyptus grandis. Umur (Tahun) Luas tajuk (m²/plot) Terkecil Rata-rata Terbesar 1 30,59 34,87 54,31 2 44,40 60,22 67,43 3 64,21 69,58 70,65 4 63,53 68,94 70,65 3.1.4 Volume Pohon Data perhitungan volume pohon tanaman Eucalyptus grandis memperlihatkan adanya perbedaan berdasarkan kelas volume (Tabel 9). Pertambahan volume untuk setiap umur tanaman naik secara cepat terutama pada umur tanaman tiga tahun hingga empat tahun. Tabel 9 Volume pohon tanaman Eucalyptus grandis. Umur (Tahun) Volume pohon (m³/ha) Terkecil Rata-rata Terbesar 1 0,3 0,38 0,650 2 2,3 2,25 2,95 3 6,22 7,62 9,47 4 14,5 17,12 20,12 3.1.5 Kerapatan Pohon Data data lapangan dan perhitungan kerapatan pohon atau jumlah pohon (n) pada setiap plot contoh berkisar 596 pohon hingga 745 pohon. Hasil perhitungan kerapatan tegakan tanaman Eucalyptus grandis, tersebut disajikan pada Tabel 10. Tabel 10 Kerapatan pohon Tanaman Eucalyptus grandis. Umur (Tahun) Karapatan pohon (n/ha) Terkecil Rata-rata Terbesar 1 596,37 672,57 745,46 2 616,25 674,56 745,46 3 606,25 683,84 745,46 4 646,07 693,11 745,46

29 Pada Tabel 10 menjelaskan bahwa kerapatan pohon terbesar pada semua tingkatan umur sama yaitu 745,46 pohon/ha. Selain itu juga terlihat pada Gambar 13 bagaimana bentuk pertumbuhan tanaman Eucalyptus grandis pada umur tiga tahun yang terlihat sangat rapat antara pohon yang satu dengan pohon yang lain. Gambar 12 Kerapatan tanaman Eucalyptus grandis di Area HTI PT TPL. 3.1.6 Luas Bidang Dasar (LBDS) Data hasil perhitungan luas bidang dasar dasar tegakan Eucalyptus grandis menjelaskan bahwa nilai paling besar dijumpai pada tanaman berumur empat tahun yaitu 2,84 m²/ha, sedangkan yang paling rendah pada tanaman berumur satu tahun yaitu 9,32 m²/ha (Tabel 11). Tabel 11 Luas bidang dasar tanaman Eucalyptus grandis. Luas bidang dasar (m²/ha) Umur (Tahun) Terkecil Rata-rata Terbesar 1 3,088 3,352 4,253 2 4,900 5,240 5.,630 3 6,273 6,814 8,320 4 2,840 8,819 9,320

3.1.7 Biomassa Biomassa tegakan tanaman Eucalyptus grandis, diatas permukaan tanah memiliki perbedaan antara setiap kelas umur disajikan pada Tabel 12. Tabel 12 Biomassa tanaman Eucalyptus grandis. Umur (Tahun) Biomassa pohon (ton/ha) Terkecil Rata-rata Terbesar 1 8,34 11,904 14,599 2 34,27 38,156 44,82 3 66,29 82,559 106,24 4 115,27 142,559 170,27 Data sebagaimana pada Tabel 12 menggambarkan bahwa setiap umur tanaman memiliki nilai biomassa yang cukup bervariasai mulai dari umur satu tahun hingga umur empat tahun. Selain itu bisa dijelaskan bahwa biomassa tanaman Eucalyptus grandis memiliki sediaan yang berbeda pada umur satu tahun hingga umur empat tahun dan ini menandahkan perbedaan kelas umur untuk setiap umur tanaman Eucalyptus grandis diareal PT HTI TPL sektor tele. 3.1.8 Leaf Area Indeks (LAI) Data LAI yang diperoleh menggunakan software hemivew berkisar antara 0.41 dan 1.18. Pengambilan data LAI menggunakan kamera digital disajikan pada Gambar 13. Kemudian diolah sehingga memperoleh indeks LAI. Selain foto leaf area indeks juga diambil beberapa foto lapangan berdasarkan kelas umur tegakan tanaman Eucalyptus grandis (Gambar 14).

31 (a) (b) Gambar (c ) (d) 13 Foto lapangan LAI berdasarkan kelas umur : (a) Foto LAI umur satu tahun, (b) Foto LAI umur dua tahun, (c) Foto LAI umur tiga tahun dan (d) Foto LAI umur empat tahun.

(a) (b)

33 (c ) Gambar 14 Foto kelas umur tanaman Eucalyptus grandis : (a) tanaman umur satu tahun, (b) tanaman umur dua tahun, (c ) tanaman umur tiga tahun dan (d) tanaman umur empat tahun. (d)

3.2 Hubungan antara peubah tegakan Eucalyptus grandis Hubungan antara diameter tegakan dengan beberapa peubah lainnya, disajikan pada Gambar (15). Volume (m³/ha) 25.00 20.00 15.00 10.00 5.00 0.00 y = 0.171x 2 2.167x + 7.237 R² = 0.925 0.00 10.00 20.00 Biomassa (ton/ha) 200.000 150.000 100.000 50.000 0.000 y = 0.932x 2 7.755x + 24.89 R² = 0.917 0.00 10.00 20.00 Diameter rata rata (cm) Diameter rata rata (cm) (a) (b) Luas Bidang Dasar (m²/ha) 15.000 10.000 5.000 0.000 y = 0.540x + 0.017 R² = 0.910 0.00 10.00 20.00 Diameter rata rata (cm) Tinggi Pohon rata rata (m) 20.00 y = 1.430x 6.738 15.00 R² = 0.929 10.00 5.00 0.00 0.00 10.00 20.00 Diameter rata rata (cm) (c) (d) Gambar 15 Hubungan antara diameter rata-rata dengan ; (a) volume, (b) biomassa, (c) luas bidang dasar dan (d) tinggi pohon rata-rata. Gambar 15 menjelaskan bahwa ukuran diameter rata-rata (cm) tanaman Eucalyptus grandis memiliki hubungan yang erat dengan volume pohon (m³/ha), biomassa (ton/ha), luas bidang dasar (m²/ha) dan tinggi pohon (m). Hubungan antara diameter rata-rata (m) dengan sedia tegakan volume pohon (m³/ha) menghasilkan koefisien determinasi (R²) sebesar 92,5%. Demikian pula hubungan diameter rata-rata dengan biomassa diatas permukaan tanah menghasilkan nilai R² sebesar 91,7%. Hubungan diameter rata-rata dengan luas bidang dasar dan antara diameter rata-rata dengan tinggi pohon secara berurutan nilai R² adalah 91% dan 92,9%.

35 Diameter Tajuk ratarata (m) 4 3 2 1 0 y = 0.414ln(x) + 1.867 R² = 0.731 0.00 10.00 20.00 Volume rata rata (m³/ha) 25.00 20.00 15.00 10.00 5.00 0.00 y = 0.065x 2 0.111x + 0.294 R² = 0.985 0.00 10.00 20.00 Tinggi rata rata (m) Tinggi rata rata (m) (a) (b) Biomassa (ton/ha) 200.000 150.000 100.000 50.000 0.000 y = 0.26x 2 + 3.973x + 0.644 R² = 0.964 0.00 10.00 20.00 Tinggi rata rata (m) (c) Gambar 16 Hubungan antara tinggi pohon rata-rata dengan; (a) diameter tajuk, (b) volume pohon dan (c) biomassa. Gambar 16 menjelaskan bahwa ukuran tinggi pohon (m) memiliki hubungan korelasi dengan diameter tajuk (m), volume pohon (m³/ha) dan biomassa diatas permukaan tanah (ton/ha). Hubungan antara tinggi rata-rata dengan diameter tajuk memiliki koefisien determinasi (R²) sebesar 73,1%. Demikian juga antara tinggi rata-rata dengan volume pohon dan antara tinggi rata-rata dengan biomassa secara berturut-turut nilai R² adalah 98,5% dan 96,4%. 3.2 Hasil Pengolahan Data Citra 3.2.1 Nilai Backscatter Nilai backscatter pada citra ALOS PALSAR diperoleh dari nilai dijital number (DN) setiap pixel yang dikonversi kedalam nilai backscatter menggunakan persamaan Shimada et al. (2009). Konversi dilakukan pada citra resolusi 6,25 m dan citra resolusi 50 m. Rentang nilai terkecil

sampai dengan terbesar dari backscatter citra ALOS PALSAR resolusi 6,25 m untuk polarisasi HH dan polarisasi HV disajikan pada Tabel 13. Tabel 13 Nilai backscatter pada citra resolusi 6,25 m. Backscatter Minimum Maksimum Rata-rata HH -5,36939-8,15207-6,2163 HV -10,0946-12,9661-11,8526 Pada Tabel 13 menjelasan bahwa nilai backscatter polarisasi HH lebih tinggi (-4.63844) dibandingkan dengan nilai backscatter polarisasi HV(-12.573). Demikian pula citraalos PALSAR resolusi 50 m yang nilai backscatter polarisasi HH lebih tinggi dibandingkan dengan nilai backscatter polarisasi HV (Tabel 14). Tabel 14 Nilai backscatter pada citra resolusi 50 m. Backscatter Minimum Maksimum Rata-rata HH -4,63844-7,62521-5,79713 HV -12,5737-15,8381-14,4837 Dengan kata lain nilia backscatter baik pada citra ALOS PALSAR resolusi 50 m maupun citra ALOS PALSAR resolusi 6.25 m mempunyai pola yang sama dimana polarisasi HH lebih tinggi dibandingkan dengan polarisasi HV. Menurut Purwadhi (2001) kekasaran permukaan menyebabkan perbedaan pemantulan pulsa RADAR. Tanaman Eucalyptus grandis pada usia tua cenderung memiliki tingkat kekasaran permukaan yang lebih tinggi dibandingkan dengan tanaman umur satu tahun. 3.2.2 Hasil Klastering Pada studi ini jumlah klaster awal yang dibuat adalah 20 klaster, baik untuk citra resolusi 50 m maupun untuk citra resolusi 6,25 m, secara spesifik jarak antara klaster dihitung menggunakan jarak Euclidean dan digambarkan dengan metode lingkage disajikan pada Gambar 17.

37 (a) (b) Gambar 17 Hasil Dendogram citra resolusi 6.25m : (a) 20 klaster dan (b) 5 klaster

Pada Gambar 17 terlihat bahwa jumlah klaster awal pada dendogram adalah 20 klaster dan berdasarkan hasil separabilitas diketahui bawah beberapa pasangan mempunyai nilai separabilitas yang sangat rendah. Lebih lanjut dilakukan proses penggabungan klaster dan diperoleh 5 klaster (Gambar 17b). Hasil penggabungan tersebut diperoleh nilai separabilitas yang cukup baik (Tabel16) dan nilai backscatter yang dianalisis menggunakan jarak Euclidean disajikan pada Tabel 15. Tabel 15 Matrik jarak Euclidean citra Alos Palsar resolusi 6,25 m. C1 C2 C3 C4 C5 C1 4,5245 78,0672 9,3691 2,5426 C2 77,4704 4,9168 4,7541 C3 76,1845 76,0761 C4 8,9061 C5 Berdasarkan hasil klasifikasi yang dilakukan pada citra ALOS PALSAR resolusi 6,25 m, dari lima kelas yang terbentuk, plot contoh di lapangan tersebar pada kelas dua (C2), empat (C4)dan lima (C5) yang merupakan hutan tanaman Eucalyptus grandis, sedangkan kelas satu (C1) adalah tanaman pertanian dan C3 badan air. Tabel 16 Matrik separabilitas citra Alos Palsar resolusi 6,25 m. Class C1 C2 C3 C4 C5 C1 0 1853,946 2000 1999,954 1999,927 C2 0 1969,154 1999,907 1891,363 C3 0 2000 1997,906 C4 0 1966,534 C5 0 Tabel 16 menjelaskan bahwa nilai separabilitas yang dimiliki lebih besar dari 1600 sehingga 5 kelas pada Citra ALOS ALSAR resolusi 6.25 m layak dipisahkan menjadi beberapa kelas.

39 (a) (b) Gambar 18 Hasil Dendogram citra resolusi 50 m : (a) 20 klaster dan (b) 4 klaster

Pada Gambar 18 terlihat bahwa jumlah klaster awal pada dendogram adalah 20 klaster dan berdasarkan hasil separabilitas diketahui bawah beberapa pasangan mempunyai nilai separabilitas yang sangat rendah. Lebih lanjut dilakukan proses penggabungan klaster dan diperoleh 4 klaster (Gambar 18b). Hasil penggabungan tersebut diperoleh nilai separabilitas yang cukup baik (Tabel 18) dan nilai backscatter yang dianalisis menggunakan jarak Euclidean disajikan pada Tabel 17. Tabel 17 Matrik jarak Euclidean citra ALOS PALSAR resolusi 50 m. C1 C2 C3 C4 C1 2,0899 11,3654 4,5822 C2 9,2755 2,4923 C3 6,7832 C4 Berdasarkan hasil klasifikasi yang dilakukan pada citra ALOS PALSAR resolusi 50 m, dari empat kelas yang terbentuk, plot contoh di lapangan tersebar pada dua kelas hutan tanaman Eucalyptus grandis yaitu, kelas tiga (C3) dan empat (C4), sedangkan pada kelas satu (C1) adalah tanah terbuka dan pada kelas dua (C2) adalah badan air. Tabel 18 Matrik separabilitas citra ALOS PALSAR resolusi 50 m. Class C1 C2 C3 C4 C1 0 1760,637 1986,659 1906,500 C2 0 1813,189 1998,287 C3 0 1997,892 C4 0 Berdasarkan Tabel 18 dapat dijelaskan bahwa C3 dan C4 dapat dipisahkan dengan sangat baik (nilai separabilitasnya sebesar 1997 termasuk kategori good ). 3.4 Analisis Korelasi Analisis korelasi antara peubah ditunjukan dengan nilai koefisien korelasi (r), nilai tersebut bukan menggambarkan hubungan sebab akibat

41 antara peubah tetapi lebih menggambarkan keterkaitan linier antara peubah yang berpengaruh terhadap nilai backscatter. Korelasi antara peubah dimensi tanaman Eucalyptus grandis disajikan pada Tabel 19. Tabel 19 Korelasi antara peubah tegakan Eucalyptus grandis. Peubah Dbh LAI H Vol n Dtjk Ltjk K Lbds bio Diameter 1 Pohon LAI -.252 1 Tinggi Total.972* -.249 1 Volume Pohon.921* -.264.965* 1 Jumlah Pohon.255 -.146.208.239 1 Diameter Tajuk.812* -.121.771*.648.192 1 Luas Tajuk.822* -.120.781*.659.198.999 * 1 Kerapatan.242 -.145.196.230.998 *.176.182 1 LBDS.971* -.242.982*.949 *.316.799 *.808 *.303 1 Biomaasa.940* -.247.974*.982 *.213.703.714 *.202.965 * Keterangan : *) Signifika (r > 0,7 ) pada Tinggkat kepercayaan 95% Dbh= diameter batang, h=tinggi, Vol= volume, n= jumlah pohon, D_tjk= diameter tajuk L_tjk= luas tajuk, K= kerapatan dan LBDS= Luas bidang dasar dan Bio= biomassa Dari Tabel 19 diketahui bahwa peubah diameter pohon, memiliki hubungan erat dengan tinggi pohon, volume pohon, diameter tajuk, luas tajuk, luas bidang dasar dan biomassa. Sementara leaf area indeks, jumlah pohon dan kerapatan pohon tidak memiliki hubungan yang erat dengan diameter rata-rata. Hal yang sama juga terjadi pada peubah tinggi pohon yang tidak memiliki hubungan korelasi dengan peubah leaf area indeks, jumlah pohon dan kerapatan. Sedangkan untuk volume pohon hanya memiliki hubungan dengan, luas bidang dasar dan biomassa. Selanjutnya untuk diameter tajuk memiliki hubungan erat dengan luas tajuk, luas bidang

dasar dan biomassa. Kemudian luas tajuk memiliki hubungan erat dengan luas bidang dasar dan biomassa. Jumlah pohon hanya memiliki hubungan erat dengan kerapatan, sedangkan luas bidang dasar hanya memiliki hubungan erat dengan biomaasa. Hubungan antara peubah tersebut menunjukan bahwa adanya keterkaitan linier antara peubah. Hal ini menandahkan bahwa keragaman peubah tanaman yang satu dapat menerangkan keragaman peubah tanaman yang lain, sehingga menunjukan bahwa peubah-peubah tersebut dapat mempengaruhi nilai backscatter citra ALOS PALSAR. 3.5 Analisis Diskriminan Berdasarkan hasil analisis diskriminan, diketahui bahwa peubahpeubah tegakan tanaman Eucalyptu grandis memiliki hubungan yang kuat dengan karakter backscatter pada Citra ALOS PALSAR resolusi 6,25 m dan citra ALOS PALSAR resolusi 50 m. Selanjutkan dengan klasifikasi fungsi diskriminan diketahui persentasedari hutan tanaman Eucalyptus grandis. 3.5.1 Uji Peubah Dimensi Tegakan 3.5.1.1 Citra ALOS PALSAR Resolusi 6,25 m Fungsi diskriminan yang dihasilkan menyatakan bahwa dimensi tegakan diameter tajuk (m), luas tajuk (m²/ha), jumlah pohon (n/ha) dan kerapatan pohon (n/ha) tanaman Eucalyptus grandis mampau membedakan nilai backscatterpada citra ALOS PALSAR resolusi 6.25 m (signifikan < 0,05). Nilai signifikan tersebut menyatakan bahwa bahwa pada taraf kepercayaan 95 % peubah tersebut mempengaruhi variasi nilai backscatter. Has uji disajikan pada Tabel 20. Tabel 20 Uji peubah dimensi tegakan dengan citra Alos Palsar 6,25 m. Wilks' Lambda F df1 df2 Sig. Diameter 0,904 3,037 2 57 0,056 LAI 0,992,234 2 57 0,792 Tinggi Pohon 0,952 1,452 2 57 0,243 Volume 0,968,931 2 57 0,400 Jumlah Pohon 0,858 4,707 2 57 0,013*

43 Diameter_Taju 0,893 3,430 2 57 0,039* k Luas Tajuk 0,892 3,434 2 57 0,039* Kerapatan 0,861 4,596 2 57 0,014* LBDS 0,963 1,101 2 57 0,340 Biomassa 0,964 1,056 2 57 0,355 Keterangan * Memiliki perbedaan (sig < 0,05) Maka Ho= diterima (ada perbedaan dari fungsi diskriminan) * Tidak Memiliki perbedaan (sig > 0,05) Maka H1= ditolak (tidak ada perbedaan antara fungsi diskriminan) Tabel 20 menjelaskan ada enam peubah yang tidak signifikan yaitu diameter pohon, volume, tinggi pohon, leaf area index, luas bidang dasar dan biomassa diatas permukaan tanah. Berdasarkan hasil uji wilk,s lambda maka keenam peubah tersebut dipastikan tidak memenuhi fungsi diskriminan.sebaliknya untuk empat peubah terpilih karakteristiknya memenuhi fungsi diskriminan untuk dilakukan analisis lebih lanjut. Hal ini berarti bahwa peubah jumlah pohon, diameter tajuk, luas tajuk dan kerapatan pohon, memberikan kontribusi terhadapat variasi backscatter pad citra resolusi 6,25 m. Lebih lanjut pada analisis diskriminan dengan metode step wise diperoleh peubah luas tajuk dan jumlah pohon (n) yang mempengaruhi backscatter citra ALOS PALSAR resolusi 6,25 m (Tabel 21). Tabel 21 Fungsi diskriminan citra resolusi 6,25 m. Wilks' Lambda Exact F Step Peubah Statisti c df1 df2 df3 Statisti c df1 df2 Sig. 1 Jumlah Pohon,858 1 2 57,00 0 4,707 2 57,000,013 2 Luas Tajuk,713 2 2 57,00 0 5,154 4 112,000,001 Hasil analisis diskriminan menjelaskan bahwa peubah yang terpilih pada citra ALOS PALSAR resolusi 6,25 m adalah luas tajuk dan kerapatan. Hubungan antara backscatter citra resolusi 6,25 meter dengan peubah luas

tajuk disajikan pada Gambar 19 dan hubungan backscatter dengan jumlah pohon (n) disajikan pada Gambar 20. Backscatter HH 0 5 y = 0.000x 2 + 0.048x 7.854 R² = 0.022 10 0.00 50.00 100.00 Backscatter HV 0 5 10 15 y = 0.000x2 + 0.077x 13.85 R² = 0.037 0.00 50.00 100.00 Luas Tajuk (m²) Luas Tajuik (m²) (a) Gambar 19 Hubungan luas tajuk dengan backscatter 6,25 m : (a) HH dan (b) HV. (b) Backscatter HH 0 5 10 y = 0.005x 6.992 R² = 0.001 0 50 100 Backscatter HV 0 5 10 15 y = 0.021x 13.33 R² = 0.011 0 50 100 Jumlah Pohon (n) Jumlah Pohon (n) (a) Gambar 20 Hubungan jumlah pohon dengan backscatter 6,25 m : (a) HH dan (b) HV 3.5.1.2 Citra ALOS PALSAR Resolusi 50 m Hasil fungsi diskriminan menyatakan bahwa dimensi tegakan tinggi pohon (m), volume (m³/ha) dan biomassa (ton/ha) tanaman Eucalyptus grandismembedakan nilai backscatter pada citra ALOS PALSAR resolusi 50 m (signifikan<0,05). Nilai signifikan tersebut mengartikan bahwa pada taraf kepercayaan 95 % menyatakanpeubah tersebut memiliki perbedaan dan mempengaruhi nilai backscatter, sehingga dilakukan analisis lanjutan. Hasil uji tersebut disajikan pada Tabel 22. Tabel 22 Uji peubah dengan citra Alos Palsar resolusi 50m. Wilks' Lambda F df1 df2 Sig. Diameter 0,999,031 1 58 0,862 LAI 0,981 1,096 1 58 0,300 Tinggi Pohon 0,928 4,524 1 58 0,038* (b)

45 Volume 0,934 4,111 1 58 0,047* Jumlah Pohon 0,989,647 1 58 0,424 Diameter_Tajuk 0,993,390 1 58 0,535 Luas Tajuk 0,993,432 1 58 0,514 Kerapatan 0,990,590 1 58 0,445 LBDS 0,943 3,535 1 58 0,065 Biomassa 0,931 4,329 1 58 0,042* Keterangan * Memiliki perbedaan (sig < 0,05) Maka Ho= diterima (ada perbedaan dari fungsi diskriminan) * Tidak Memiliki perbedaan (sig > 0,05) Maka H1= ditolak (tidak ada perbedaan antara fungsi diskriminan) Hasil uji pada Tabel 22 memperlihatkantiga peubah dimensi tegakan tanaman Eucalyptus grandis yang menyebabkan variasi backscatteryaitutinggi pohon, volume dan biomassa. Sedangkan tujuh peubah lainnya menyatakan tidak signifikan. Analisis lebih lanjut mengunakan metode step wise diperoleh peubah terpilih untuk citra resolusi 50 m berdasarkan fungsi diskriminan adalah tinggi pohon, seperti disajikan pada Tabel 23. Tabel 23 Fungsi diskriminan citra resolusi 50 m. Wilks' Lambda Exact F Step Peubah Statistic df1 df2 df3 Statistic df1 df2 Sig. 1 Tinggi Pohon,928 1 1 58,00 0 4,524 1 58,000,03 8 Hasil analisis diskriminan menjelaskan bahwa peubah yang terpilih pada citra ALOS PALSAR resolusi 50 m adalah tinggi pohon yang mempengaruhi nilai backscatter karena penetrasi panjang gelombang mampu menembus daun, cabang, batang hingga ke lantai dasar. Hubungan antara backscatter citra resolusi 50 m dengan tinggi pohon disajikan pada Gambar 21.

Backscatter HH 0 2 4 6 8 10 y = 0.014x 2 + 0.266x 6.580 R² = 0.237 Backscatter HV 0 5 10 15 20 y = 0.002x 2 + 0.053x 14.71 R² = 0.007 0.00 10.00 20.00 0.00 10.00 20.00 Tinggi Pohon (m) Tinggi Pohon (m) (a) (b) Gambar 21 Hubunganberdasarkan tinggi pohon dengan backscatter50 m : backscatter HH(a) dan backscatter HV (b). 3.5.2 Hasil Klasifikasi Fungsi Diskriminan Klasifikasi dengan fungsi diskriminan selanjutnya dievaluasi dengan melihat nilai hit rasio untuk menggambarkan tingkat akurasinya, baik untuk citra resolusi 50 m maupun citra resolusi 6,25 m. Hasil klasifikasi citra ALOS PALSAR resolusi 6.25 m dengan variabel terpilih adalah luas tajuk dan jumlah pohon (n) diperoleh akurasi diskriminannya adalah 85 % (Tabel 24). Tabel 24 Akurasi klasifikasi citra ALOS PALSAR resolusi 6.25 m. Prediksi Anggota Kelompok Kelas 2 4 5 Total 2 7 0 5 12 4 0 2 0 2 5 20 2 24 46 Jumlah 27 4 29 60 Keterangan :Hit rasio (akurasi) = (51)/60*100 = 85% Tabel 24 menggambarkan bahwa akurasi klasifikasi yang dihasilkan dari ketiga kelas diperoleh akurasi 85 %. Berdasarkan hasil

47 tersebut maka dapat disimpulkan bawah tanaman Eucalyptus grandis pada citra ALOS PALSAR resolusi 6.25 m dapat diklasifikasi kedalam tiga kelas. Selanjutnya untuk akurasi Citra ALOS PALSAR resolusi 50 m dengan peubah terpilih adalah tinggi pohon disajikan pada Tabel 25. Tabel 25 Akurasi klasifikasi citra ALOS PALSAR resolusi 50 m. Prediksi Anggota Kelompok Kelas 3 4 Total 3 13 5 18 4 18 24 42 Jumlah 31 29 60 Keterangan : Hit Ratio (akurasi) = 37/60*100=61.7% Dari hasil analisis diketahui hit ratio adalah 61.7 %. Berdasarkan hasil tersebut maka dapat disimpulkan bawah tanaman Eucalyptus grandis pada citra ALOS PALSAR resolusi 50 m dapat diklasifikasi kedalam dua kelas. 4.1 Simpulan IV SIMPULAN DAN SARAN Darihasilpembahasandapatdisimpulkansebagaiberikut : 1. Variasi backscatter tegakan tanaman Eucalyptus grandis pada citra ALOS PALSAR resolusi 50 m dipengaruhi oleh variasi peubah tinggi pohon (m), sedangkan pada citra ALOS PALSAR resolusi 6,25 dipengaruhi oleh variasipeubahluastajuk (m²/plot ) danjumlahpohon (n). 2. Citra ALOS PALSAR resolusi 6,25 m mampu mengelompokan tegakan Eucalyptus grandis kedalam tiga (3) kelas yaitu kelas dua, kelas empat dan kelas lima dengana kurasi 85 %. 3. Citra ALOS PALSAR resolusi 50 m mampu mengelompokan tegakan Eucalyptus grandis kedalam dua (2) kelas yaitu kelas tiga dan kelas empat dengan akurasi 61.7 %. 4.2 Saran

1. Perlu dilakukan penelitian yang sama dengan citra ALOS PALSAR yang memiliki slope corrected data dan memperbaiki atau mereduksi noise. 2. Perlu dilakukan kajian backscatter pada hutan tanaman Eucalyptus grandis di daerah dataran rendah untuk melihat polarisasi HH atau HVdengan karakteristik tempat tumbuh yang berbeda. DAFTAR PUSTAKA Awaya,T Takahashi., Y Kiyono, H. Saito, M. Shimada, INS Jaya, MB Saleh and Limin SH. 2009.Landcover Monitoring and Biomass Estimation Using PALSAR Data in Palangkaraya, Indonesia, dalam; Workshop on Exploring The Use of ALOS PAlSAR for Forets Resource Management; Development of Forest Degradation Index and Carbon Emission Estimation Method Using PALSAR Data In Indonesia. 3 November 2009. DiGiacomo PM, L. Washburn, B Holt, Burton HJ. 2004. Coastal pollution hazards in southern California observed by SAR imagery: storm water plumes, wastewater plumes, and natural hydro carbon seeps. Marine Pollution Bulletin 49:1013 1024. Envisat Environment Satelit.2002. SAR Sample Porduct.PO-MO-ESA-GS- 1005 Envisat Post Launch Product. Filho P, Wardir RP, SWP Rodrigues,FR Costa, JC Mura, FD Gonçalves. 2011. Discrimination of coastal wetland environments in the Amazon region based on multi-polarized L-band airborne Synthetic Aperture Radar imagery. Estuarine, Coastal and Shelf Science 30:11. Harrell PA,BargeauL.L Chavez, Kasischke, E.SN, H.F French, Christensen N. L. 1995. Sensitivity of ERS-1 and JERS-1 radar data to biomass and stand structure in Alaskan boreal forest. Remote Sensing of Environment 54:247-260. Herman PMJ, Dool AW. 2005. Characterisation of surface roughness and sediment texture of intertidal flats using ERS SAR imagery. Remote Sensing of Environment 98:96-109. Jaya, INS 2009.Analisis Citra Dijital ;Prespektif Pengindraan Jauh Untuk Pengelolaan Sumberdaya Alam. Teori dan Praktek menggunakan ERDAS Imagine Fakultas Kehutanan IPB.

49 Jansen, 2000.Remote Sensing of TheEnviroment An Earth Resource Perspetif. Univerity of South Carolina. Prentice Hall Upper, New Jersey. [JAXA] Japan Aerospace Exploration Agency. 2007. ALOS User Handbook.http://www.eorc.jaxa.jp/ALOS/en/doc/alos_userhb_en.p df [15 Februari 2011) JICA and IPB. 2010. Penafsiran Visual Citra ALOS PALSAR ;Pengenalan Penutupan Lahan Hutan di Indonesia.Versi 2. Jaenicke J, Englhart S, Siegert F. 2011. Monitoring the effect of restoration measures in Indonesian peatlands by radar satellite imagery. Journal of Environmental Management 92:630-638. Kaukab M. 2008. Rancang Bangun Simulasi Radar. Modul Pengajaran Fakultas Teknik Univesitas Indonesia 2008. Latifah S. 2004. Pertumbuhan Dan Hasil Tegakan Eucalyptus Grandi di Hutan Tanaman Industri Jurnal Fakultas Pertanian Universitas Sumatera Utara. Lillesand, MT. and Kiefer RW. 1997. Remote Sensing and Image Interpretation Dulbahri. PenerjemahSuharyadi, penyutingyogyakarta :GadjahMada University Press Mattjik, A.A. dan M Sumertajaya. 2000. Perancangan Percobaan: Aplikasi SAS dan Minitab. Jilid 1 IPB Press. Bogor Onrizal, Cecep Kusmana, M Mansor, Rudi Hartoni. 2009. Estimating aboveground Biomassa and Carbon Stock of planted Eucaluptus Grandis in Toba Plateau North Sumatera. Purbaya BSdanAshari. 2005. AnalisisStatistikdengan Microsoft Exeldan SPSS.Yogyakarta :Edisi I PenerbitAndi Yogyakarta. Purwadhi FSH. 2001.Interpertasi Citra Digital. Jakarta :PT Gramedia Widiasarana Indonesia Jakarta. Saleh M B. (2010). Modul Pelatihan Penggunaan Citra Alos Palsar Dalam Pemetaan Penutupan Lahan Hutan, Bogor: Kerjasama Japan International Cooperation Agency (JICA) dan Fakultas Kehutanan Institut Pertanian Bogor.Februari 2010. Soesilo, I (1992). Teknolgi Pencinteraan RADAR untuk Kesejahteraan dan Keamanan, Disampaikan pada persentase Teknis Aplikasi Imaging Radar Untuk Militer di Markas TNI AU, Jakarta 21 November 1992. Santoso S. 2010. Statistik Multivariat, Konsep dan Aplikasi SPSS. Jakarta :Penerbit PT Elex Media Komputindo.

Shimada M,O Isoguchi.TK Isono. 2009. PALSAR Kalibration Faktor Update. https//auig.eoc jaxa.jp/auigs/en/dok/an/20090109en_- 3.html [Desember 2009] -------- Shimada and Watanabe. 2007.New Eyes in the Sky: Cloud-Free Tropical Forest Monitoring for REDD with the Japanese Advanced Land Observing Satellite (ALOS). Konvensi Kerangka Kerja PBB tentang Perubahan Iklim (UNFCCC) Konferensi Para Pihak (COP), 3-14 Desember 2007. Urso GD, Minacapilli M. 2006. A semi-empirical approach for surface soil water content estimation from radar data without a-priori information on surface roughness. Journal of Hydrology 321: 297 310. Wisnu W, Imam AR, 2000 Penafsiran Luas Bidang Dasar pada Tegakan Jati dengan menggunakan parameter tinggi, diameter tajuk, tinggi jumlah pohon melalu foto udara Buletin Kehutanan No. 34. 2000.

LAMPIRAN 51

Lampiran 2 Nilai backsscatter resolusi 50 M CLUSTER Band_HH Band_HV Class 1-6.39500113-14.90044835 Class 2-6.679975725-15.60495232 Class 3-6.061315042-13.81542133 Class 4-5.729104737-14.15332191 Class 5-5.815181674-15.53412859 Class 6-4.897344465-13.23595678 Class 7-5.271090743-13.85432976 Class 8-4.959551171-12.57368401 Class 9-7.238958061-15.30005157 Class 10-5.664277544-13.94486748 Class 11-5.939062737-13.34181462 Class 12-5.294984041-14.6229331 Class 13-5.967564205-14.38111243 Class 14-6.144453591-15.33033806 Class 15-7.555883521-15.52902061 Class 16-5.505306227-14.43669059 Class 17-4.73304014-14.37072933 Class 18-4.763189169-14.77723186 Class 19-5.968687242-16.36081322 Class 20-6.429759434-14.32430372 Class 21-5.38197072-15.73107227 Class 22-6.393758348-14.95294046 Class 23-5.130999157-14.23650176 Class 24-5.15189077-13.23009117 Class 25-4.91114311-15.03134665 Class 26-5.240361705-14.00889445 Class 27-5.904501046-14.82427683 Class 28-5.732031604-13.74210934 Class 29-4.638439972-14.65994524 Class 30-5.705480245-13.08172218 Class 31-7.164632191-17.11978395 Class 32-4.862873754-14.601893 Class 33-5.392530592-14.48108231 Class 34-6.021848019-13.59601703 Class 35-5.486089843-13.41053544 Class 36-4.835080187-15.20817136 Class 37-5.865595845-14.23239807 Class 38-5.165451215-15.10627567 Class 39-5.503537548-14.94415547 Lampiran 2 (lanjutan nilai backscatter resolusi 50 m)

53 CLUSTER Band_HH Band_HV Class 40-5.148363745-15.07332442 Class 41-5.554362333-14.72991049 Class 42-4.887188316-13.95848737 Class 43-5.500167193-13.05684175 Class 44-5.794482133-14.03664966 Class 45-5.61549003-13.97798394 Class 46-6.40613153-14.36666804 Class 47-5.858795309-15.83805368 Class 48-6.133084194-14.24188954 Class 49-5.475320502-12.62321391 Class 50-6.437031528-14.54474301 Class 51-6.614661552-14.61996599 Class 52-5.49944197-14.15846513 Class 53-6.43901309-14.89348034 Class 54-5.850224201-14.29248075 Class 55-4.789113496-14.62284983 Class 56-6.176600216-14.82768596 Class 57-6.636504523-14.02091645 Class 58-6.592915257-14.29114089 Class 59-7.291847834-15.10108803 Class 60-7.625209491-15.15222283

Lampiran 3 Nilai backsscater resolusi 6, 25 M CLUSTER Band_HH Band_HV Class 1-7.219056916-11.80774902 Class 2-7.048156265-11.95561331 Class 3-7.004309284-11.36511355 Class 4-6.733000994-11.54174635 Class 5-6.226317577-11.19902002 Class 6-6.744034151-13.49274365 Class 7-6.187547611-12.57877171 Class 8-5.986528239-12.79594704 Class 9-8.016284563-12.96605059 Class 10-6.694322158-11.44344955 Class 11-6.196613898-10.80086382 Class 12-7.185171116-12.03095117 Class 13-5.747803773-11.02336856 Class 14-7.444238159-12.60769144 Class 15-7.569359443-12.14857019 Class 16-6.02177116-11.00655362 Class 17-6.720739066-11.16330342 Class 18-6.059304712-12.47735396 Class 19-5.989360423-12.81842417 Class 20-7.112717058-12.28219192 Class 21-6.464666609-13.82436292 Class 22-7.170806102-12.06914649 Class 23-5.765082393-11.12510248 Class 24-5.369392507-10.39552709 Class 25-5.924788499-12.67304734 Class 26-5.814486306-11.1513715 Class 27-6.8421392-12.06347021 Class 28-7.031723429-11.89045314 Class 29-5.98227436-10.9990616 Class 30-6.300711416-10.63857473 Class 31-6.137783376-11.93451968 Class 32-6.710788993-12.08605766 Class 33-6.684307518-11.62825909 Class 34-6.380386216-10.9492558 Class 35-6.313957999-11.45882727 Class 36-6.3038814-12.01677791 Class 37-7.03450843-12.10148059 Class 38-6.59447569-13.40297133 Class 39-6.622363173-12.2783801 Lampiran 3 (lanjutan nilai backscatter resolusi 6,25 m)

55 CLUSTER Band_HH Band_HV Class 40-6.246333295-12.00090747 Class 42-7.05695493-12.09087473 Class 43-6.856064299-11.22581247 Class 44-6.698725855-11.85155276 Class 45-6.640457088-11.08374912 Class 46-7.126765665-11.6531449 Class 47-6.745533604-12.55222192 Class 48-6.643757305-11.51820989 Class 49-5.474806538-10.09460712 Class 50-6.644399239-11.93201526 Class 51-6.797153048-11.43281191 Class 52-6.705015886-11.88337585 Class 53-7.248735703-12.22395594 Class 54-7.038761169-12.19431796 Class 55-5.867386098-12.15997669 Class 56-6.93495611-12.11824245 Class 57-6.534971445-11.66896984 Class 58-6.935195457-11.52908992 Class 59-8.152072143-12.56235026 Class 60-7.009321204-11.93943293

Lampiran 4 Analisis diskriminan Citra ALOS PALSAR resolusi 6.25 m Discriminant Notes Output Created 11-Aug-2011 08:21:41 Comments Input Data C:\Data_AYUB\Palsar_6.25\Back_komposit \analisis_5klas_6.25m_final.spv.sav Active Dataset Filter Weight Split File DataSet1 <none> <none> <none> N of Rows in Working Data File 60 Missing Value Handling Definition of Missing Cases Used User-defined missing values are treated as missing in the analysis phase. In the analysis phase, cases with no user- or system-missing values for any predictor variable are used. Cases with user-, systemmissing, or out-of-range values for the grouping variable are always excluded. Resources Processor Time 0:00:01.297 Elapsed Time 0:00:01.313 Analysis Case Processing Summary Unweighted Cases N Percent Valid 60 100.0 Excluded Missing or out-of-range group codes 0.0

57 At least one missing discriminating variable Both missing or out-ofrange group codes and at least one missing discriminating variable 0.0 0.0 Total 0.0 Total 60 100.0 Lampiran 4 (lanjutan analisis diskriminan) Group Statistics Valid N (listwise) GRIDCODE Mean Std. Deviation Unweighted Weighted 2 Diameter.148333.1069268 12 12.000 LAI.642500.2180544 12 12.000 Tinggi Pohon 9.681667 5.3939273 12 12.000 Volume Pohon 7.110833 6.5238032 12 12.000 Jumlah Pohon 69.416667 3.5280263 12 12.000 Diameter Tajuk 2.810833.3160684 12 12.000 Luas Tajuk 627.818333 126.1676328 12 12.000 Kerapatan Pohon 1535.333333 77.9047593 12 12.000 LBDS 6.338833 2.0027173 12 12.000 Biomassa 69.671750 47.9837083 12 12.000 4 Diameter.060000.0000000 2 2.000 LAI.725000.0070711 2 2.000 Tinggi Pohon 2.735000.3747666 2 2.000 Volume Pohon.505000.2050610 2 2.000 Jumlah Pohon 75.000000.0000000 2 2.000 Diameter Tajuk 2.100000.1414214 2 2.000

Luas Tajuk 342.635000 51.9087088 2 2.000 Kerapatan Pohon 1659.000000.0000000 2 2.000 LBDS 3.948500.4306280 2 2.000 Biomassa 15.576000 4.4830570 2 2.000 5 Diameter.111087.0367713 46 46.000 LAI.679348.1955323 46 46.000 Tinggi Pohon 9.403043 5.5993436 46 46.000 Volume Pohon 7.005217 6.7522272 46 46.000 Jumlah Pohon 67.956522 3.3925181 46 46.000 Diameter Tajuk 2.703261.3676112 46 46.000 Luas Tajuk 582.468913 147.6644649 46 46.000 Kerapatan Pohon 1503.760870 75.6019355 46 46.000 LBDS 6.071783 2.1645837 46 46.000 Biomassa 69.074174 52.6657638 46 46.000 Total DBH M_.116833.0591606 60 60.000 Diameter.673500.1958019 60 60.000 LAI 9.236500 5.5528914 60 60.000 Tinggi Pohon 6.809667 6.6411825 60 60.000 Volume Pohon 68.483333 3.5960980 60 60.000 Jumlah Pohon 2.704667.3697616 60 60.000 Diameter Tajuk 583.544333 148.3617486 60 60.000 Luas Tajuk 1515.250000 79.8521144 60 60.000 Kerapatan Pohon 6.054417 2.1193358 60 60.000 LBDS 67.410417 51.3751451 60 60.000 Lampiran 4 (lanjutan analisis diskriminan) Tests of Equality of Group Means

59 Wilks' Lambda F df1 df2 Sig. Diameter.904 3.037 2 57.056 LAI.992.234 2 57.792 Tinggi Pohon.952 1.452 2 57.243 Volume Pohon.968.931 2 57.400 Jumlah Pohon.858 4.707 2 57.013 Diameter Tajuk.893 3.430 2 57.039 Luas Tajuk.892 3.434 2 57.039 Kerapatan Pohon.861 4.596 2 57.014 LBDS.963 1.101 2 57.340 Biomassa.964 1.056 2 57.355 Box's Test of Equality of Covariance Matrices Log Determinants GRIDCODE Rank Log Determinant 2 2 12.158 4. a. b 5 2 12.296 Pooled within-groups 2 12.248 The ranks and natural logarithms of determinants printed are those of the group covariance matrices. a. Rank < 2 b. Too few cases to be non-singular Test Results a Box's M.812 F Approx..252

df1 3 df2 5608.025 Sig..860 Tests null hypothesis of equal population covariance matrices. Lampiran 4 (lanjutan analisis diskriminan) Stepwise Statistics Variables Entered/Removed a,b,c,d Wilks' Lambda Step Entered Statistic df1 df2 df3 1 Jumlah Pohon.858 1 2 57.000 2 Luas Tajuk.713 2 2 57.000 At each step, the variable that minimizes the overall Wilks' Lambda is entered. a. Maximum number of steps is 20. b. Minimum partial F to enter is 3.84. c. Maximum partial F to remove is 2.71. d. F level, tolerance, or VIN insufficient for further computation.

61 Variables Entered/Removed a,b,c,d Wilks' Lambda Exact F Step Statistic df1 df2 Sig. 1 4.707 2 57.000.013 2 5.154 4 112.000.001 At each step, the variable that minimizes the overall Wilks' Lambda is entered. a. Maximum number of steps is 20. b. Minimum partial F to enter is 3.84. c. Maximum partial F to remove is 2.71. d. F level, tolerance, or VIN insufficient for further computation. Variables in the Analysis Step Tolerance F to Remove Wilks' Lambda 1 2 Jumlah Pohon.893 7.035.892 Luas Tajuk.893 5.691.858 Lampiran 4 (lanjutan analisis diskriminan) Variables Not in the Analysis

Step Tolerance Min. Tolerance F to Enter Wilks' Lambda 0 Diameter 1.000 1.000 3.037.904 LAI 1.000 1.000.234.992 Tinggi Pohon 1.000 1.000 1.452.952 Volume Pohon 1.000 1.000.931.968 Jumlah Pohon 1.000 1.000 4.707.858 Diameter Tajuk 1.000 1.000 3.430.893 Luas Tajuk 1.000 1.000 3.434.892 Kerapatan Pohon 1.000 1.000 4.596.861 LBDS 1.000 1.000 1.101.963 Biomassa 1.000 1.000 1.056.964 1 Diameter.839.839 4.816.732 LAI.970.970.398.846 Tinggi Pohon.901.901 3.173.771 Volume Pohon.890.890 2.572.786 Jumlah Pohon.896.896 5.652.714 Diameter Tajuk.893.893 5.691.713 Luas Tajuk.004.004.172.853 Kerapatan Pohon.830.830 3.452.764 LBDS.905.905 2.575.786 2 Diameter.665.665 1.713.671 LAI.961.877.137.710 Tinggi Pohon.391.387.542.699 Volume Pohon.553.553.474.701 Jumlah Pohon.003.003.298.706 Diameter Tajuk.003.003.814.693

63 Luas Tajuk.321.321.473.701 Kerapatan Pohon.486.479.535.700 Wilks' Lambda Step Number of Variables Lambda df1 df2 df3 1 1.858 1 2 57 2 2.713 2 2 57 Lampiran 4 (lanjutan analisis diskriminan) Wilks' Lambda Exact F Step Statistic df1 df2 Sig. 1 4.707 2 57.000.013 2 5.154 4 112.000.001 Pairwise Group Comparisons a,b Step GRIDCODE 2 4 5 1 2 F 4.652 1.766 Sig..035.189 4 F 4.652 8.277 Sig..035.006 5 F 1.766 8.277 Sig..189.006 2 2 F 8.371 1.031

Sig..001.363 4 F 8.371 9.956 Sig..001.000 5 F 1.031 9.956 Sig..363.000 a. 1, 57 degrees of freedom for step 1. b. 2, 56 degrees of freedom for step 2. Summary of Canonical Discriminant Functions Eigenvalues Function Eigenvalue % of Variance Cumulative % Canonical Correlation 1.356 a 91.2 91.2.512 2.034 a 8.8 100.0.182 a. First 2 canonical discriminant functions were used in the analysis. Wilks' Lambda Test of Function(s) Wilks' Lambda Chi-square df Sig. 1 through 2.713 19.091 4.001 2.967 1.903 1.168 Lampiran 4 (lanjutan analisis diskriminan) Standardized Canonical Discriminant Function Coefficients

65 Function 1 2 Jumlah Pohon.905.548 Luas Tajuk -.815.676 Canonical Discriminant Function Coefficients Function 1 2 Jumlah Pohon.267.162 Luas Tajuk -.006.005 (Constant) -14.958-13.844 Unstandardized coefficients Functions at Group Centroids Function GRIDCODE 1 2 2 -.004.361 4 3.117 -.087 5 -.135 -.090 Unstandardized canonical discriminant functions evaluated at group means Classification Statistics Classification Processing Summary Processed 60 Excluded Missing or out-of-range group codes At least one missing discriminating variable 0 0

Classification Processing Summary Processed 60 Excluded Missing or out-of-range group codes At least one missing discriminating variable 0 0 Used in Output 60 Prior Probabilities for Groups Cases Used in Analysis GRIDCODE Prior Unweighted Weighted 2.333 12 12.000 4.333 2 2.000 5.333 46 46.000 Total 1.000 60 60.000 Lampiran 4 (lanjutan analisis diskriminan) Classification Function Coefficients GRIDCODE 2 4 5 Jumlah Pohon 6.293 7.054 6.185 Luas Tajuk -.018 -.038 -.020 (Constant) -213.809-259.089-205.554 Fisher's linear discriminant functions

67

Lampiran 4 (lanjutan analisis diskriminan)

69

Lampiran 4 (lanjutan analisis diskriminan) Classification Results b,c Predicted Group Membership GRIDCODE 2 4 5 Total Original Count 2 7 0 5 12 4 0 2 0 2 5 20 2 24 46 % 2 58.3.0 41.7 100.0 4.0 100.0.0 100.0 5 43.5 4.3 52.2 100.0 Cross-validated a Count 2 6 1 5 12 4 0 2 0 2 5 20 3 23 46 % 2 50.0 8.3 41.7 100.0 4.0 100.0.0 100.0 5 43.5 6.5 50.0 100.0 85.0% of cross-validated grouped cases correctly classified. SAVE OUTFILE='C:\Data_AYUB\Palsar_6.25\Back_komposit\analisis_5klas_6.25m_final.spv.sa v' /COMPRESSED.

71 Lampiran 5 Analisis diskriminan Citra Resolusi 50 m Discriminant Notes Output Created 04-Aug-2011 01:04:49 Comments Input Active Dataset DataSet3 Filter Weight Split File <none> <none> <none> N of Rows in Working Data File 60 Missing Value Handling Definition of Missing Cases Used User-defined missing values are treated as missing in the analysis phase. In the analysis phase, cases with no user- or system-missing values for any predictor variable are used. Cases with user-, system-missing, or out-of-range values for the grouping variable are always excluded. Resources Processor Time 0:00:00.625 Elapsed Time 0:00:00.641 Analysis Case Processing Summary Unweighted Cases N Percent Valid 60 100.0 Excluded Missing or out-of-range group codes At least one missing discriminating variable 0.0 0.0

Both missing or out-of-range group codes and at least one missing discriminating variable 0.0 Total 0.0 Total 60 100.0 Lampiran 5 (lanjutan analisis diskriminan) Group Statistics Valid N (listwise) GRIDCODE Mean Std. Deviation Unweighted Weighted 3 Diameter.118889.0940519 18 18.000 LAI.713889.2241360 18 18.000 Tinggi Pohon 6.973889 4.8634908 18 18.000 Volume Pohon 4.221667 5.4460166 18 18.000 Jumlah Pohon 69.055556 3.4890117 18 18.000 Diameter Tajuk 2.658889.3909850 18 18.000 Luas Tajuk 564.218889 156.697347 18 18.000 Kerapatan 1527.388889 77.0592888 18 18.000 LBDS 5.284944 1.9614390 18 18.000 Biomassa 46.902167 42.7966343 18 18.000 4 Diameter.115952.0369614 42 42.000 LAI.656190.1825290 42 42.000 Tinggi Pohon 10.206190 5.5994107 42 42.000

73 Volume Pohon 7.918810 6.8534852 42 42.000 Jumlah Pohon 68.238095 3.6546631 42 42.000 Diameter Tajuk 2.724286.3633861 42 42.000 Luas Tajuk 591.826667 145.806312 42 42.000 Kerapatan 1510.047619 81.3705623 42 42.000 LBDS 6.384190 2.1206029 42 42.000 Biomassa 76.199667 52.6779020 42 42.000 Total Diameter.116833.0591606 60 60.000 LAI.673500.1958019 60 60.000 Tinggi Pohon 9.236500 5.5528914 60 60.000 Volume Pohon 6.809667 6.6411825 60 60.000 Jumlah Pohon 68.483333 3.5960980 60 60.000 Diameter Tajuk 2.704667.3697616 60 60.000 Luas Tajuk 583.544333 148.361748 60 60.000 Kerapatan 1515.250000 79.8521144 60 60.000 LBDS 6.054417 2.1193358 60 60.000 Biomassa 67.410417 51.3751451 60 60.000 Lampiran 5 (lanjutan analisis diskriminan) Tests of Equality of Group Means Wilks' Lambda F df1 df2 Sig. Diameter.999.031 1 58.862

LAI.981 1.096 1 58.300 Tinggi Pohon.928 4.524 1 58.038 Volume Pohon.934 4.111 1 58.047 Jumlah Pohon.989.647 1 58.424 Diameter Tajuk.993.390 1 58.535 Luas Tajuk.993.432 1 58.514 Kerapatan Pohon.990.590 1 58.445 LBDS.943 3.535 1 58.065 Biomassa.931 4.329 1 58.042 Pooled Within-Groups Matrices a Diameter Tajuk Luas Tajuk Kerapatan Covariance Diameter.012 4.995 1.546 LAI -.011-4.511-2.664 Tinggi Pohon 1.575 639.348 103.018 Volume Pohon 1.582 644.883 140.121 Jumlah Pohon.279 115.444 288.537 Diameter Tajuk.138 55.345 5.700 Luas Tajuk 55.345 22225.133 2366.125 Kerapatan Pohon 5.700 2366.125 6420.969 LBDS.625 253.316 57.095 Biomassa 13.272 5399.893 974.299 Correlation Diameter.558.562.324 LAI -.155 -.155 -.170 Tinggi Pohon.786.795.238 Volume Pohon.657.668.270

75 Jumlah Pohon.208.215.998 Diameter Tajuk 1.000.999.191 Luas Tajuk.999 1.000.198 Kerapatan Pohon.191.198 1.000 LBDS.810.819.343 Biomassa.714.725.243 a. The covariance matrix has 58 degrees of freedom. Lampiran 5 (lanjutan analisis diskriminan) Covariance Matrices a GRIDCODE Diameter LAI Tinggi Pohon Volume Pohon Jumlah Pohon Diameter Tajuk 3 Diameter.009 -.009.161.135.151.015 LAI -.009.050 -.547 -.524 -.247 -.047 Tinggi Pohon.161 -.547 23.654 25.450 3.195 1.398 Volume Pohon.135 -.524 25.450 29.659 3.930 1.259 Jumlah Pohon.151 -.247 3.195 3.930 12.173.123 Diameter Tajuk.015 -.047 1.398 1.259.123.153 Luas Tajuk 6.220-19.171 573.908 519.802 55.269 61.216 Kerapatan Pohon 3.333-5.432 70.308 86.459 268.859 2.712 LBDS.071 -.221 9.240 9.901 2.536.569 Biomassa 1.188-4.212 202.966 229.671 39.500 11.056 4 Diameter.001.000.204.239.039.011 LAI.000.033 -.156 -.253 -.069.004 Tinggi Pohon.204 -.156 31.353 36.981 5.609 1.649

Volume Pohon.239 -.253 36.981 46.970 7.662 1.715 Jumlah Pohon.039 -.069 5.609 7.662 13.357.344 Diameter Tajuk.011.004 1.649 1.715.344.132 Luas Tajuk 4.488 1.567 666.482 696.746 140.395 52.910 Kerapatan Pohon.806-1.516 116.581 162.372 296.696 6.939 LBDS.077 -.054 11.709 13.878 2.733.648 Biomassa 1.862-1.699 286.829 353.630 48.726 14.191 Total Diameter.003 -.003.186.203.071.012 LAI -.003.038 -.306 -.372 -.109 -.012 Tinggi Pohon.186 -.306 30.835 35.584 4.254 1.594 Volume Pohon.203 -.372 35.584 44.105 5.812 1.606 Jumlah Pohon.071 -.109 4.254 5.812 12.932.263 Diameter Tajuk.012 -.012 1.594 1.606.263.137 Luas Tajuk 4.893-4.775 647.569 655.751 108.668 54.792 Kerapatan Pohon 1.531-2.405 89.302 124.054 286.674 5.361 LBDS.073 -.115 11.558 13.365 2.438.629 Biomassa 1.618-2.755 278.027 335.052 40.127 13.456 a. The total covariance matrix has 59 degrees of freedom. Lampiran 5 (lanjutan analisis diskriminan) Box's Test of Equality of Covariance Matrices Log Determinants

77 GRIDCODE Rank Log Determinant 3 1 3.164 4 1 3.445 Pooled within-groups 1 3.371 Test Results Box's M.458 F Approx..448 df1 1 df2 6203.536 Sig..503 Tests null hypothesis of equal population covariance matrices. Stepwise Statistics Variables Entered/Removed a,b,c,d Wilks' Lambda Step Entered Statistic df1 df2 df3 1 Tinggi Pohon.928 1 1 58.000 At each step, the variable that minimizes the overall Wilks' Lambda is entered. a. Maximum number of steps is 20. b. Minimum partial F to enter is 3.84. c. Maximum partial F to remove is 2.71. d. F level, tolerance, or VIN insufficient for further computation. Variables Entered/Removed a,b,c,d Step Wilks' Lambda

Exact F Statistic df1 df2 Sig. 1 4.524 1 58.000.038 At each step, the variable that minimizes the overall Wilks' Lambda is entered. a. Maximum number of steps is 20. b. Minimum partial F to enter is 3.84. c. Maximum partial F to remove is 2.71. d. F level, tolerance, or VIN insufficient for further computation. Lampiran 5 (lanjutan analisis diskriminan) Variables in the Analysis Step Tolerance F to Remove 1 Tinggi Pohon 1.000 4.524 Variables Not in the Analysis Step Toleranc e Min Tolerance F to Enter Wilks' Lambda 0 Diameter 1.000 1.000.031.999 LAI 1.000 1.000 1.096.981 Tinggi Pohon 1.000 1.000 4.524.928 Volume Pohon 1.000 1.000 4.111.934 Jumlah Pohon 1.000 1.000.647.989 Diameter Tajuk 1.000 1.000.390.993 Luas Tajuk 1.000 1.000.432.993 Kerapatan Pohon 1.000 1.000.590.990

79 LBDS 1.000 1.000 3.535.943 Biomassa 1.000 1.000 4.329.931 1 Diameter.645.645 2.936.882 LAI.934.934.246.924 Tinggi Pohon.074.074.005.928 Volume Pohon.937.937 1.749.900 Jumlah Pohon.383.383 2.612.887 Diameter Tajuk.368.368 2.648.886 Luas Tajuk.943.943 1.572.903 Kerapatan Pohon.037.037 1.061.911 LBDS.054.054.002.928 Wilks' Lambda Step Number of Variables Lambda df1 df2 df3 1 1.928 1 1 58 Wilks' Lambda Exact F Step Statistic df1 df2 Sig. 1 4.524 1 58.000.038 Lampiran 5 (lanjutan analisis diskriminan)

Pairwise Group Comparisons a Step GRIDCODE 3 4 1 3 F 4.524 Sig..038 4 F 4.524 Sig..038 a. 1, 58 degrees of freedom for step 1. Summary of Canonical Discriminant Functions Eigenvalues Function Eigenvalue % of Variance Cumulative % Canonical Correlation 1.078 a 100.0 100.0.269 a. First 1 canonical discriminant functions were used in the analysis. Wilks' Lambda Test of Function(s) Wilks' Lambda Chi-square df Sig. 1.928 4.319 1.038 Standardized Canonical Discriminant Function Coefficients Function Tinggi Pohon 1.000 1 Canonical Discriminant Function Coefficients

81 Function 1 Tinggi Pohon.185 (Constant) -1.712 Unstandardized coefficients Lampiran 5 (lanjutan analisis diskriminan) Functions at Group Centroids Function GRIDCODE 1 3 -.419 4.180 Unstandardized canonical discriminant functions evaluated at group means Classification Statistics Classification Processing Summary Processed 60 Excluded Missing or out-of-range group codes At least one missing discriminating variable 0 0 Used in Output 60 Prior Probabilities for Groups

Cases Used in Analysis GRIDCODE Prior Unweighted Weighted 3.500 18 18.000 4.500 42 42.000 Total 1.000 60 60.000 Classification Function Coefficients GRIDCODE 3 4 Tinggi Pohon.240.351 (Constant) -1.529-2.483 Fisher's linear discriminant functions

83 Lampiran 5 (lanjutan analisis diskriminan) Separate-Groups Graphs Classification Results b,c Predicted Group Membership GRIDCODE 3 4 Total Original Count 3 13 5 18 4 18 24 42 % 3 72.2 27.8 100.0 4 42.9 57.1 100.0 Cross-validated a Count 3 13 5 18 4 18 24 42 % 3 72.2 27.8 100.0 4 42.9 57.1 100.0 c. 61.7% of cross-validated grouped cases correctly classified.