pengujian teknik interpolasi sediaan tegakan dan … · bagian dari tim pelaksana inventarisasi...
TRANSCRIPT
PENGUJIAN TEKNIK INTERPOLASI SEDIAAN TEGAKAN DAN BIOMASSA BERBASIS IHMB PADA HUTAN LAHAN KERING PT TRISETIA INTIGA, KABUPATEN LAMANDAU, KALIMANTAN TENGAH
FAUZIAH DWI HAYATI
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR 2013
ii
PENGUJIAN TEKNIK INTERPOLASI SEDIAAN TEGAKAN DAN BIOMASSA BERBASIS IHMB PADA HUTAN LAHAN KERING PT TRISETIA INTIGA, KABUPATEN LAMANDAU, KALIMANTAN TENGAH
FAUZIAH DWI HAYATI
SKRIPSI Sebagai salah satu syarat untuk memperoleh
gelar Sarjana Kehutanan pada Fakultas Kehutanan Institut Pertanian Bogor
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR 2013
iii
ABSTRAK FAUZIAH DWI HAYATI. Pengujian Teknik Interpolasi Sediaan Tegakan dan Biomassa Berbasis IHMB Pada Hutan Lahan Kering PT Trisetia Intiga, Kabupaten Lamandau, Kalimantan Tengah. Dibimbing oleh I NENGAH SURATI JAYA.
Interpolasi spasial merupakan suatu proses perhitungan untuk mengestimasi nilai pada wilayah yang tidak terukur dari wilayah yang terukur dengan asumsi atribut data tersebut memiliki hubungan spasial yang kontinu. Penggunaan sampel data IHMB untuk pendugaan sebaran spasial volume dan biomassa tegakan merupakan sebuah tantangan tugas yang menarik, khususnya dalam mensukseskan program REDD+. Pada penelitian ini diuji beberapa metode interpolasi yang dapat digunakan untuk mengestimasi sediaan tegakan dan biomassa berbasis data IHMB di hutan lahan kering. Metode IDW (Inverse Distance Weight) dan Kriging diuji untuk interpolasi volume tegakan seluruh jenis kayu (D>10 cm), jenis kayu komersil (D>40 cm) dan biomassa. Analisis spasial yang dilakukan mencakup pembuatan isoline, pembangunan TIN (Triangulated Irreguler Network), konversi ke grid, konversi grid ke vektor dan perhitungan nilai tengah. Penelitian ini menunjukkan bahwa Metode IDW dengan power 3 memberikan estimasi terbaik untuk interpolasi seluruh jenis kayu (D>10 cm), jenis kayu komersil (D>40 cm) dan biomassa. Pada Metode Kriging interpolasi terbaiknya dihasilkan dengan pendekatan spherical dan circular. Secara umum, Metode IDW memberikan hasil sedikit lebih baik dibandingkan dengan metode Kriging dalam menduga sebaran spasial sediaan dan biomassa tegakan. Kata kunci: interpolasi, Kriging, IDW, IHMB, sediaan tegakan, biomassa
ABSTRACT FAUZIAH DWI HAYATI. Interpolation Method of IHMB based Standing Stock and Biomass on Dry Land Forest, PT Trisetia Intiga, Lamandau Regency, Middle Borneo. Supervised by I NENGAH SURATI JAYA. Spatial interpolation is a calculation process to estimate the value at unmeasured areas with the assumption that the data attributes have continuos spatial relationships. The use of IHMB sample data for estimating standing stock and biomass distribution is an interesting challenge of task, particularly in supporting the REDD+ program. In this study, several interpolation methods were examined to obtain the best method to be used in estimating the standing stock and biomass based on IHMB data in dry land forests. The IDW (Inverse Distance Weight) and Kriging method were tested for interpolating all size timber class (D>10 cm), commercial tree species (D>40 cm). The spatial analysis performed includes isolines development, construction of TIN (Triangulated irregular network), conversion to grid, grid to vector conversion and calculating the mean. This study shows that the IDW of power 3 provides the best estimation for interpolating all tree size from all species (D>10 cm), comerciall species (D>40 cm) and biomass, respectively. For the Kriging Method, the best estimation was derived from spherical and circular approaches. In general, the IDW method gives slightly better estimation than the Kriging method on estimating spatial distribution of standing stock and biomass. Keyword : interpolation, Kriging, IDW, IHMB, standing stock, biomass
iv
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi berjudul Pengujian Teknik
Interpolasi Sediaan Tegakan dan Biomassa Berbasis IHMB Pada Hutan Lahan
Kering PT Trisetia Intiga, Kabupaten Lamandau, Kalimantan Tengah adalah
benar-benar hasil karya saya sendiri dengan bimbingan dosen pembimbing dan
belum pernah digunakan sebagai karya ilmiah pada Perguruan Tinggi atau
lembaga manapun. 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 skripsi ini.
Bogor, Februari 2013
Fauziah Dwi Hayati
NIM E14080090
v
LEMBAR PENGESAHAN
Judul Penelitia : Pengujian Teknik Interpolasi Sediaan Tegakan dan Biomassa Berbasis IHMB Pada Hutan Lahan Kering PT Trisetia Intiga, Kabupaten Lamandau, Kalimantan Tengah
Nama Mahasiswa : Fauziah Dwi Hayati Nomor Pokok : E14080090 Departemen : Manajemen Hutan
Menyetujui : Dosen Pembimbing
Prof. Dr. Ir. I Nengah Surati Jaya, M. Agr NIP. 19610909 198601 1 001
Mengetahui : Ketua Departemen Manajemen Hutan IPB
Dr. Ir. Didik Suharjito, MS. NIP. 19630401 199403 1 001
Tanggal :
vi
RIWAYAT HIDUP
Penulis dilahirkan pada 22 Januari 1990 di Bogor, Jawa Barat. Penulis
adalah anak kedua dari tiga bersaudara pasangan Bapak Wawan Karyawan dan
Ibu N. Siti Hodijah. Penulis menyelesaikan pendidikan dasar di SDN Harjasari 1
lulus tahun 2002, pendidikan menengah pertama di SMP Negeri 3 Bogor lulus
tahun 2005 dan pendidikan menengah atas di SMA Negeri 3 Bogor lulus tahun
2008. Pada tahun yang sama penulis diterima melalui jalur USMI (undangan
Seleksi Masuk IPB) di Departemen Manajemen Hutan, Fakultas Kehutanan.
Selama menjadi mahasiswa, penulis aktif berorganisasi di bidang kesenian
(PSM Agriaswara IPB dan KSB Masyarakat Roempoet) dan himpunan profesi
FMSC(Forest Manajemen Student Club). Penulis pernah menjadi salah satu
bagian dari tim pelaksana Inventarisasi Hutan di Gunung Geulis Golf and Resort.
Penulis juga pernah menjadi asisten Pelatihan Sistem Informasi Geografis (SIG)
tingkat dasar dalam rangka ‘Kegiatan Kajian Pemetaan Spasial Lingkungan Hidup
Kota Batam’, Pelatihan Teknologi Informasi Desain Sistem Informasi Kehutanan
Berbasis WebGIS Kehutanan Provinsi Papua, asisten Pelatihan Sistem Informasi
Geografis untuk pascasarjana dan asisten mata kuliah Geomatika dan Inderaja
Kehutanan tahun ajaran 2011-2012. Selain itu penulis juga aktif dalam beberapa
kegiatan kepanitiaan acara kampus maupun luar kampus.
Pada tahun 2009, penulis mengikuti pelaksanaan Praktek Pengenalan
Ekosistem Hutan (PPEH) jalur Gunung Sawal-Pangandaran, Jawa Barat.
Dilanjutkan pada tahun 2010 Praktek Pengelolaan Hutan (PPH) di Hutan
Pendidikan Gunung Walat Sukabumi. Setelah itu, pada tahun 2011 penulis
mengikuti pelaksanaan Praktek Kerja Lapang (PKL) di PT Trisetia Intiga,
Provinsi Kalimantan Tengah. Penulis pernah mengikuti kegiatan magang mandiri
di Kementerian Kehutanan Subdit Hutan Tanaman Rakyat.
vii
PRAKATA
Dengan menyebut nama Allah Yang Maha Pengasih lagi Maha Penyayang,
segala puji bagi Allah Tuhan semesta alam, atas segala limpahan rahmatnya
sehingga penulis dapat menyelesaikan skripsi ini yang berjudul “Pengujian
Teknik Interpolasi Sediaan Tegakan dan Biomasa Berbasis IHMB Pada Hutan
Lahan Kering PT Trisetia Intiga, Kabupaten Lamandau, Kalimantan Tengah.
Penulis juga mengucapkan terimakasih kepada Prof. Dr. Ir. I Nengah Surati Jaya,
M. Agr selaku dosen pembimbing yang telah memberikan bimbingan dan arahan
dalam menyelesaikan skripsi ini, orang tua penulis Bapak Wawan Karyawan dan
Ibu N. Siti Hodijah, kakak-kakak penulis Siti Atia Destri Rahmawati dan Maulana
Arsyad juga adik penulis Muhamad Ega Nugraha atas segala doa dan dukungan.
Serta teman-teman seperjuangan dalam menyelesaikan masa studi di IPB.
Penelitian ini dilakukan pada bulan April 2012 didasari oleh Pedoman
Inventarisasi Hutan Menyeluruh Berkala (IHMB) yang tertulis dalam Peraturan
Menteri Kehutanan Republik Indonesia Nomor P.33/Menhut-II/2009 Pada Usaha
Pemanfaatan Hasil Hutan Kayu Pada Hutan Produksi. Dalam hal ini dilakukan
pengujian metode interpolasi terhadap plot contoh IHMB untuk menduga sediaan
tegakan dan biomassa yang lokasinya tidak terjangkau oleh plot contoh tersebut.
Oleh karena itu, diperlukan metode terbaik demi keakuratan dugaan sediaan
tegakan dan biomassa yang mendekati nilai aktual. Penulis menyadari bahwa
penelitian ini masih banyak kekurangan karena keterbatasan yang dimiliki. Oleh
karena itu kritikan dan saran yang membangun untuk perbaikan penelitian ini
sangat penulis harapkan. Semoga ini memberikan manfaat bagi pihak-pihak yang
membutuhkan.
Bogor, Februari 2013
Fauziah Dwi Hayati
viii
DAFTAR ISI
DAFTAR ISI .......................................................................................................... i
DAFTAR TABEL .................................................................................................. iii
DAFTAR GAMBAR ............................................................................................. iv
DAFTAR LAMPIRAN .......................................................................................... vi
BAB I PENDAHULUAN ........................................................................................ 1
1.1 Latar Belakang................................................................................................ 1
1.2 Permasalahan .................................................................................................. 5
1.3 Tujuan ............................................................................................................. 5
1.4 Manfaat ........................................................................................................... 5
BAB II METODOLOGI .......................................................................................... 6
2.1 Waktu dan Tempat ......................................................................................... 6
2.2 Data, Software dan Hardware ......................................................................... 6
2.2.1 Data IHMB .............................................................................................. 6
2.2.2 Software ................................................................................................... 7
2.2.3 Hardware .................................................................................................. 7
2.3 Metode Penelitian ........................................................................................... 7
2.3.1 Pengumpulan Data ................................................................................... 7
2.3.2 Perhitungan Volume dan Biomassa ......................................................... 9
2.3.3 Perhitungan Volume dan Biomassa per Hektar ....................................... 9
2.3.4 Pemilihan Data Contoh ............................................................................ 9
2.3.5 Analisis Sistem Informasi Geografis (SIG) ........................................... 11
2.3.5.1 Pembuatan Isoline Sediaan Tegakan dan Biomassa .................... 11
2.3.5.2 Pembangunan TIN Sediaan Tegakan dan Biomassa ................... 16
2.3.6 Analisis Uji Validasi .............................................................................. 17
2.3.7 Pembuatan Ranking (Skoring) ............................................................... 18
BAB III LOKASI DAN KEADAAN UMUM ...................................................... 20
3.1 Letak Geografis dan Luas Areal kerja IUPHHK-HA ................................... 20
3.2 Status Areal .................................................................................................. 21
ix
3.3 Keadaan Hutan ............................................................................................. 22
3.4 Sediaan Tegakan ........................................................................................... 23
3.5 Keadaan Lahan ............................................................................................. 24
3.6 Geologi dan Tanah ....................................................................................... 25
3.6.1 Geologi .................................................................................................. 25
3.6.2 Tanah ..................................................................................................... 26
3.7 Iklim ............................................................................................................. 26
3.8 Hidrologi ...................................................................................................... 27
3.9 Demografi ..................................................................................................... 27
3.10 Aksesibilitas ............................................................................................... 28
BAB IV HASIL DAN PEMBAHASAN ............................................................... 29
4.1 Analisis Metode ............................................................................................ 29
4.1.1 Interpolasi Metode IDW ........................................................................ 29
4.1.2 Interpolasi Metode Kriging .................................................................... 33
4.2 Uji Validasi ................................................................................................... 39
4.3 Pemilihan Metode Terbaik ........................................................................... 44
BAB V KESIMPULAN DAN SARAN ................................................................. 50
5.1 Kesimpulan ................................................................................................... 50
5.2 Saran ............................................................................................................. 50
DAFTAR PUSTAKA ............................................................................................ 51
LAMPIRAN ........................................................................................................ 54
ii
x
DAFTAR TABEL
2.1 Daftar Nama Jenis Kayu di PT Trisetia Intiga ......................................... 8
2.2 Penentuan Jumlah Plot Model dan Plot Validasi ..................................... 11
3.1 Luas IUPHHK PT Trisetia Intiga Berdasarkn Penggunaan Kawasan dalam Areal Keja ..................................................................................... 20
3.2 Penutupan Lahan Areal Kerja IUPHHK PT Trisetia Intiga ..................... 21
3.3 Wilayah IUPHHK yang Overlap Penggunaannya dengan Perkebunan .. 23
3.4 Data Sediaan Tegakan di Areal Kerja IUPHHK PT Trisetia Intiga Berdasarkan Hasil IHMB ........................................................................ 24
3.5 Kelas kelerengan tempat di Areal Kerja IUPHHK PT Trisetia Intiga ..... 24
3.6 Kelas ketinggian tempat di Areal Kerja IUPHHK PT Trisetia Intiga ..... 25
3.7 Formasi Geologi Areal Kerja IUPHHK PT Trisetia Intiga ...................... 25
3.8 Jenis Tanah yang Terdapat di Areal Kerja IUPHHK PT Trisetia Intiga ........................................................................................................ 26
3.9 Jumlah dan Distribusi Curah Hujan di Areal Kerja IUPHHK PT Trisetia Intiga ........................................................................................... 27
3.10 Jumlah Penduduk di Sekitar Areal Kerja IUPHHK PT Trisetia Intiga ........................................................................................................ 28
4.1 Rekap Nilai Tengah untuk Metode IDW .................................................. 33
4.2 Rekap Nilai Tengah untuk Metode Kriging ............................................. 39
4.3 Nilai Uji Validasi Pada Pengujian Seluruh Jenis Kayu D>10 cm untuk Metode IDW .................................................................................. 41
4.4 Nilai Uji Validasi Pada Pengujian Jenis Kayu Komersil D>40 cm untuk Metode IDW ................................................................................. 41
4.5 Nilai Uji Validasi Pada Pengujian Biomassa untuk Metode Kriging ..... 42
4.6 Nilai Uji Validasi Pada Pengujian Seluruh Jenis Kayu D>10 cm untuk Metode IDW .................................................................................. 44
4.7 Nilai Uji Validasi Pada Pengujian Jenis Kayu Komersil D>40 cm untuk Metode Kriging ............................................................................ 44
4.8 Nilai Uji Validasi Pada Pengujian Biomassa untuk Metode Kriging .... 44
4.9 Perbandingan Hasil Uji Validasi dan Skor Kedua Metode ..................... 49
xi
DAFTAR GAMBAR
2.1 Sebaran Plot IHMB di PT Trisetia Intiga ................................................ 6
2.2 Sebaran Plot Model dan Plot Validasi Seluruh Jenis Kayu D>10 cm .... 10
2.3 Sebaran Plot Model dan Plot Validasi Jenis Kayu Komersil D>40 cm .. 10
2.4 Semivariogram Pada Metode Kriging ..................................................... 14
2.5 Semivariogram Pada (a) Spherical method (b) Exponential method (c) Linear with sill method (d) Gaussian method ................................... 16
2.6 Diagram Alir Penelitian .......................................................................... 19
3.1 Penggunaan Kawasan Areal Keja PT Trisetia Intiga .............................. 21
3.2 Penutupan Lahan Areal Kerja IUPHHK PT Trisetia Intiga .................... 22
4.1 Sebaran Volume (m3/ha) untuk Seluruh Jenis Kayu D>10 cm dengan Metode IDW ........................................................................................... 29
4.2 Nilai Tengah (m3/ha) untuk Seluruh Jenis Kayu D>10 cm dengan Metode IDW ........................................................................................... 30
4.3 Sebaran Volume (m3/ha) untuk Jenis Kayu Komersil D>40 cm dengan Metode IDW ............................................................................. 31
4.4 Nilai Tengah (m3/ha) untuk Jenis Kayu Komersil D>40 dengan Metode IDW ........................................................................................... 31
4.5 Sebaran Volume (ton/ha) untuk Biomassa dengan Metode IDW .......... 32
4.6 Nilai Tengah (m3/ha) untuk Biomassa D>10 cm dengan Metode IDW . 33
4.7 Semivariogram Pada Pengujian Seluruh Jenis Kayu D>10 cm ............. 34
4.8 Semivariogram Pada Pengujian Jenis Kayu Komersil D>40 cm ........... 34
4.9 Semivariogram Pada Pengujian Biomassa ............................................. 34
4.10 Sebaran Volume (m3/ha) untuk Seluruh Jenis Kayu D>10 cm dengan Metode Kriging ....................................................................................... 35
4.11 Nilai Tengah (m3/ha) untuk Seluruh Jenis Kayu D>10 cm dengan Metode IDW ........................................................................................... 36
4.12 Sebaran Volume (m3/ha) untuk Jenis Kayu Komersil D>40 cm dengan Metode Kriging ......................................................................... 37
4.13 Nilai Tengah (m3/ha) untuk Jenis Kayu Komersil D>40 cm dengan Metode IDW ........................................................................................... 37
4.14 Sebaran Volume (ton/ha) untuk Biomassa dengan Metode Kriging ...... 38
4.15 Nilai Tengah (ton/ha) untuk Biomassa dengan Metode Kriging ........... 39
xii
4.16 Bobot Terbaik Estimasi Volume (m3/ha) untuk Seluruh Jenis Kayu D>10 cm dengan Metode IDW ............................................................. 45
4.17 Bobot Terbaik Estimasi Volume (m3/ha) untuk Jenis Kayu Komersil D>40 cm dengan Metode IDW ............................................................. 45
4.18 Bobot Terbaik Estimasi Volume (m3/ha) untuk Biomassa dengan Metode IDW .......................................................................................... 46
4.19 Bobot Terbaik Estimasi Volume (m3/ha) untuk Seluruh Jenis Kayu D>10 cm dengan Metode Kriging ......................................................... 47
4.20 Bobot Terbaik Estimasi Volume (m3/ha) untuk Jenis Kayu Komersil D>40 cm dengan Metode Kriging ......................................................... 47
4.21 Bobot Terbaik Estimasi Volume (m3/ha) untuk Biomassa dengan Metode Kriging ...................................................................................... 48
4.22 Kurva Rata-rata Skor Metode IDW dan Kriging .................................... 49
v
xiii
DAFTAR LAMPIRAN
Lampiran 1 Daftar Kayu di PT Trisetia Intiga ............................................. 50
Lampiran 2 Hasil Interpolasi Metode IDW untuk Seluruh Jenis Kayu D>10 cm ................................................................................... 58
Lampiran 3 Hasil Interpolasi Metode IDW untuk Jenis Kayu Komersil D>40 cm ................................................................................... 59
Lampiran 4 Hasil Interpolasi Metode IDW untuk Biomassa ....................... 60
Lampiran 5 Hasil Interpolasi Metode Kriging untuk Seluruh Jenis Kayu D>10 cm ................................................................................... 63
Lampiran 6 Hasil Interpolasi Metode Kriging untuk Jenis Kayu Komersil D>40 cm ................................................................................... 64
Lampiran 7 Hasil Interpolasi Metode Kriging untuk Biomassa .................. 65
Lampiran 8 Hasil Semivariogram Pada Metode Kriging untuk Seluruh Jenis Kayu D>10 cm ................................................................ 66
Lampiran 9 Hasil Semivariogram Pada Metode Kriging untuk Jenis Kayu Komersil D>40 cm ................................................................... 66
Lampiran 10 Hasil Semivariogram Pada Metode Kriging untuk Biomassa .. 67
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pemanasan global (global warming) merupakan peningkatan temperatur di
planet bumi secara global yang menimbulkan dampak secara langsung maupun
tidak langsung terhadap masa depan bumi termasuk manusia dan makhluk hidup
lain. Peningkatan temperatur bumi tersebut meliputi temperatur atmosfer, laut,
dan daratan bumi (Muhi 2011). Menurut Abdullah dan Khairuddin tahun 2009,
efek rumah kaca (greenhouse effect) yang menjadi penyebab pemanasan global
merupakan proses terperangkapnya energi matahari dan gas-gas lain di atmosfer.
Efek rumah kaca yang disebabkan oleh energi matahari merupakan sebuah proses
alami guna menghangatkan bumi dari suhu dingin. Sedangkan efek rumah kaca
yang disebabkan oleh gas lain hasil aktivitas manusia disebut dengan Gas Rumah
Kaca (GRK). GRK memiliki sifat “menyerap” radiasi gelombang panjang (sinar
infra merah) dan menyebabkan naiknya suhu di bumi. Semakin banyak emisi
GRK yang dihasilkan maka semakin tinggi kenaikan suhu di bumi. Menurut
KNLH (2009) salah satu GRK yang mempunyai kontribusi terbesar terhadap
pemanasan global dan perubahan iklim adalah Karbon dioksida (CO2). Karbon
dioksida adalah gas yang dapat bertahan cukup lama di atmosfer yang mempunyai
efek sebagai penyelimut bumi dengan cara energi yang berasal dari matahari
berupa radiasi gelombang pendek termasuk di dalamnya cahaya tampak ketika
menyentuh permukaan bumi energi ini berubah dari cahaya menjadi panas lalu
menghangatkan bumi.
Hutan mampu menghasilkan dan menyerap CO2. Menurut Butler (2010)
emisi GRK Indonesia mencapai 2.1 milyar ton CO2 di tahun 2005. Sebagian besar
emisi tersebut berasal dari sektor kehutanan. Ilmuwan memperkirakan bahwa
emisi yang dihasilkan dari deforestasi dan degradasi hutan mencapai 20% dari
seluruh emisi gas rumah kaca (GRK) per tahun. Ketika hutan ditebang atau
digunduli, biomassa yang tersimpan di dalam pohon akan membusuk atau terurai
dan menghasilkan gas CO2. Selain itu, beberapa kawasan hutan melindungi
sejumlah besar karbon yang tersimpan di bawah tanah. Ketika lahan gambut
2
dibakar, maka emisi karbon yang dikeluarkan tidak hanya terbatas dari vegetasi
yang tumbuh di permukaan tanah, bahan organik yang ada di dalam tanah pun
akan terurai dan mengeluarkan CO2 (CIFOR 2010).
Fungsi hutan dalam menyerap karbondioksida dilakukan melalui proses
fotosintesis yang dilakukan oleh pohon. Hasil riset menunjukkan bahwa dari 32
milyar ton CO2 yang dihasilkan oleh aktivitas manusia per tahunnya kurang dari 5
milyar ton diserap oleh hutan (CIFOR 2010). Karbon yang diserap tersebut diubah
menjadi oksigen dan disimpan sebagai biomassa di dalam tubuh pohon sepanjang
tidak terbakar atau lapuk. Biomassa merupakan keseluruhan materi yang berasal
dari makhluk hidup, termasuk bahan organik yang hidup maupun yang mati, baik
yang ada di atas permukaan tanah maupun yang ada di bawah permukaan tanah
(Sulistyo et al. 2010). Biomassa secara spesifik merujuk pada limbah pertanian
seperti jerami, sekam padi, limbah perhutanan seperti serbuk gergaji, tinja kotoran
hewan, sampah dapur, lumpur kubangan dan sebagainya. Dalam kategori jenis
tanaman, yang termasuk biomassa adalah kayu putih, poplar hybrid, kelapa sawit,
tebu, rumput, rumput laut dan lain-lain.
Sejak tahun 1994, berbagai negara telah berupaya membuat kerangka kerja
mengenai perubahan iklim. Kemudian tahun 1997, Protokol Kyoto disetujui
bersama sebagai mekanisme untuk mereduksi emisi gas rumah kaca. Proyek
penyerapan karbon melalui penggunaan lahan, perubahan penggunaan lahan dan
kegiatan kehutanan bisa menunjukkan situasi win-win solution dari sudut pandang
perubahan iklim dan pembangunan berkelanjutan (Mudiyarso 2005). Mekanisme
Pembangunan Bersih (MPB) atau dikenal juga dengan Clean Development
Mechanism (CDM) merupakan salah satu mekanisme yang terdapat di dalam
Protokol Kyoto 1997. Sebagai negara berkembang, Indonesia berkesempatan
untuk menyetujui MPB karena mekanisme ini mewajibkan negara maju untuk
menurunkan emisi gas rumah kacanya dengan mengembangkan proyek ramah
lingkungan di negara berkembang, sedangkan negara berkembang tidak
diwajibkan untuk mengurangi emisinya. Proyek ramah lingkungan tersebut dapat
dilakukan dengan pendekatan konservasi mengingat Indonesia memiliki dua per
tiga hutan di dunia. Salah satu pendekatan yang dimaksud adalah REDD,
kependekan dari Reducing Emissions from Deforestation and Forest Degradation
3
(pengurangan emisi dari deforestasi dan degradasi hutan). REDD berbeda dengan
kegiatan konservasi sebelumnya karena dikaitkan langsung dengan insentif
finansial untuk konservasi yang bertujuan menyimpan karbon di hutan (CIFOR
2010).
Untuk menjaga eksistensi fisik dan kualitas hutan tetap terjaga diperlukan
suatu pengelolaan yang berdasarkan azas kelestarian dan lingkungan. Manajemen
pengelolaan hutan yang terintegrasi perlu didukung oleh data dan informasi dasar
tentang kondisi fisik hutan (Jaya 2010). Potensi sumberdaya tersebut dapat
diketahui melalui kegiatan inventarisasi hutan. Inventarisasi hutan adalah suatu
usaha untuk menguraikan kuantitas dan kualitas pohon-pohon hutan serta berbagai
karakteristik-karakteristik areal tempat tumbuhnya. Suatu inventarisasi yang
lengkap dipandang dari segi penaksiran kayu harus berisi deskripsi areal berhutan
serta kepemilikannya, penaksiran volume pohon-pohon yang masih berdiri,
penaksiran riap dan pengeluaran hasil (Husch 1987). Inventarisasi hutan
dilakukan untuk mengetahui kondisi biofisik sumberdaya hutan baik yang berupa
flora, fauna maupun keadaan fisik lapangan, serta kondisi sosial ekonomi dari
areal atau kawasan hutan yang diinventarisasi.
Salah satu metode yang dikembangkan oleh Kementerian Kehutanan yakni
metode Inventarisasi Hutan Menyeluruh Berkala (IHMB). IHMB merupakan
inventarisasi hutan berkala sepuluh tahunan untuk menyusun rencana karya usaha
pemanfaatan hasil hutan sepuluh tahunan, yang wajib dilakukan oleh para
pemegang Izin Usaha Pemanfaatan Hasil Hutan kayu dalam Hutan Alam
(IUPHHK-HA) dan Hutan Tanaman (IUPHHK-HT) berdasarkan Peraturan
Pemerintah RI Nomor 6 Tahun 2007 tentang Tata Hutan dan Penyusunan Rencana
Pengelolaan Hutan, serta Pemanfaatan Hutan. Oleh karena itu, akan tersedia data
sediaan tegakan areal IUPHHK di Indonesia melalui data hasil IHMB. Dari hasil
IHMB ini biomassa tegakan berdiri (pohon) dapat dihitung menggunakan
persamaan allometrik yang didasarkan pada pengukuran diameter batang dan
tinggi pohon. Berdasarkan keberadaannya di alam, karbon di atas permukaan
tanah meliputi biomassa pohon, biomassa tumbuhan bawah dan nekromassa
(Hairiah et al. 2011). Kelompok biomassa ini dapat diestimasi menggunakan
model pendugaan biomassa berdasarkan data IHMB.
4
Dalam Peraturan Menteri Kehutanan Republik Indonesia Nomor
P.33/Menhut-II/2009 Tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala
(IHMB) Pada Usaha Pemanfaatan Hasil Hutan Kayu Pada Hutan Produksi
dilakukan dengan konsep sampling. Konsep ini menyebabkan kemungkinan
adanya lokasi-lokasi yang tidak mampu terwakili oleh sampel yang diambil untuk
menerangkan karakteristik vegetasi di lokasi tersebut. Hal ini mampu
diminimalisir dengan menggunakan metode-metode yang ada dalam sistem
informasi geografis (SIG). SIG memiliki kemampuan untuk menggabungkan
berbagai data pada suatu titik tertentu di bumi, menggabungkannya, menganalisa
dan akhirnya memetakan hasilnya (Puntodewo 2003). Dalam ilmu spasial data
titik-titik “sampel” input dari data yang telah diukur dapat ditransformasikan
menjadi informasi petak. Selanjutnya melalui ilmu spasial kondisi titik-titik
lainnya yang terletak diantara titik-titik sampel tersebut diestimasi menggunakan
metode “interpolasi permukaan” (surface interpolation) (Jaya 2010).
Interpolasi spasial adalah metode atau fungsi matematis untuk menduga
nilai pada lokasi-lokasi yang datanya tidak tersedia dan metode ini
mengasumsikan bahwa atribut data bersifat kontinu di dalam ruang dan atribut ini
saling berhubungan secara spasial (Webster dan Oliver 2007 diacu dalam
Primatika 2011). Metode interpolasi yang dapat digunakan, antara lain metode
interpolasi IDW (Inverse Distance Weight), Spline dan Kriging. Pendugaan
sediaan tegakan dan biomassa pada wilayah – wilayah yang tidak diwakili plot
dilakukan dengan pendekatan interpolasi spasial. Metode interpolasi menampilkan
pola-pola spasial contoh dari hasil perhitungan dan dapat dibandingkan dengan
pola-pola spasial dari obyek-obyek spasial lain. Metode yang direkomendasikan
pada pelaksanaan IHMB adalah metode IDW. Namun demikian, beberapa IHMB
ada yang menggunakan metode interpolasi spline dan kriging. Oleh karena itu,
kajian terhadap beberapa metode interpolasi ini perlu difokuskan untuk
mengetahui sampai sejauh mana tingkat keakuratannya untuk menghasilkan
dugaan sediaan dengan nilai yang mendekati akurat.
Metode interpolasi yang digunakan umumnya membuat suatu asumsi
tentang bagaimana menentukan estimasi terbaik. Apapun metode yang digunakan,
hasil yang lebih reliable (handal) selalu akan diperoleh dari input titik – titik yang
5
lebih rapat dengan distribusi yang lebih menyebar. Setiap metode ini akan
memberikan hasil interpolasi yang berbeda. Akan menjadi mudah dan bermanfaat
bagi pengguna berikutnya apabila ada kajian tentang perbandingan hasil
interpolasi dengan metode yang berbeda sehingga metode yang tepat dapat dipilih.
1.2 Permasalahan
Secara umum, teknik interpolasi yang digunakan adalah metode IDW
(Invers Distance Weight) atau Invers Jarak Tertimbang dengan nilai pangkat 2.
Ada beberapa pertanyaan mendasar yang perlu dikaji dalam rangka aplikasi
metode ini, antara lain:
1. Benarkah metode IDW ini paling sesuai untuk interpolasi IHMB
dibandingkan dengan metode lain (Kriging)?
2. Berapakah nilai bobot yang paling terbaik?
3. Seberapa besar keakuratan masing – masing metode tersebut?
Berdasarkan pertanyaan di atas, maka perlu dilakukan pengujian beberapa
metode interpolasi dan bobotnya dalam mengestimasi sediaan tegakan yang
mendekati kondisi aktualnya di lapangan.
1.3 Tujuan
Tujuan penelitian ini adalah untuk menemukan metode interpolasi yang
paling teliti dalam interpolasi spasial sediaan tegakan dan biomassa hutan alam
lahan kering di Pangkalan Bun, Kalimantan Tengah.
1.4 Manfaat
Penelitian ini diharapkan bermanfaat bagi pembaca, pemerintah daerah
setempat dan pihak-pihak yang terkait, hasil penelitian ini dapat digunakan
sebagai informasi dan pertimbangan dalam menggunakan metode interpolasi yang
paling akurat untuk menduga (estimasi) sediaan tegakan dan biomassa.
2.1 Wak
Pene
Trisetia I
dilakukan
dan GIS,
Bogor.
2.2 Data
2.2.1 Data
Data
(Inventari
Lamandau
Trisetia In
efektif yan
665 plot s
Dari hasil
ktu dan Te
elitian ini d
Intiga, Kab
pada Mei s
Departemen
a, Software
a IHMB
a yang dig
sasi Hutan
u, Kalimant
ntiga (PT T
ng disurvey
sampel, seti
IHMB ters
Gam
M
empat
dilaksanakan
bupaten Lam
sampai Feb
n Manajem
e dan Hard
gunakan d
n Menyelur
tan Tengah
TSI) dilaksa
y adalah 58
iap plot sam
ebut terdap
mbar 2.1 S
BAB
METODO
n dua tahap
mandau, K
bruari 2013
men Hutan,
dware
dalam pene
ruh Berkala
h. Kegiatan
anakan pad
436.9 Ha. P
mpel beruku
at 583 plot
ebaran plot
II
OLOGI
p, yakni pa
Kalimantan
di Laborato
Fakultas K
elitian ini
a) di PT T
n IHMB pa
da areal selu
Pelaksanaan
uran 20 m x
t yang berve
t IHMB PT
ada bulan A
Tengah. P
orium Fisik
ehutanan, I
adalah da
Trisetia Int
ada areal IU
uas 69070
n IHMB ini
125 m atau
egetasi huta
Trisetia Int
April 2012 d
Pengolahan
Remote Se
Institut Pert
ata hasil IH
tiga, Kabu
UPHHK-HA
Ha dengan
i dilakukan
u seluas 0.2
an (Gambar
tiga
di PT
data
ensing
tanian
HMB
upaten
A PT
n luas
pada
5 Ha.
2.1).
7
2.2.2 Software
Software yang digunakan dalam melakukan penelitian ini adalah Arcview
3.3 yang dilengkapi dengan Extension berbasis IHMB dan Kriging Interpolator
3.2, Arcgis 9.3 dan MS Office.
2.2.3 Hardware
Hardware yang digunakan adalah seperangkat PC (Portable Computer) dan
printer.
2.3 Metode Penelitian
2.3.1 Pengumpulan Data
Pengumpulan data pada penelitian ini dilakukan dengan mengambil data
sekunder dari Rencana Kerja Umum (RKU) dan file elektronik IHMB PT TSI.
Data yang diambil berupa data kondisi umum lokasi penelitian seperti letak
geografis dan luas areal kerja, geologi dan tanah, iklim, keadaan hutan, kondisi
sosial ekonomi. Selain data kondisi umum dilakukan pemilihan atribut data
sekunder yakni no plot, id plot, Easting (E), Northing (N), nama jenis pohon,
kelompok jenis, diameter pohon, tinggi bebas cabang, tinggi total, tinggi tempat.
Selanjutnya dilakukan studi pustaka untuk mengetahui :
a. Nama jenis pohon, nama botani, family (data terlampir)
b. Kelas kuat kayu adalah tingkat ketahanan alami suatu jenis kayu terhadap
kekuatan mekanis (beban) dinyatakan dalam Kelas Kuat I, II, III, IV dan V.
Makin besar angka kelasnya makin rendah kekuatannya. Kekuatan kayu
berhubungan dengan berat jenis (BJ). Makin berat BJ-nya, umumnya makin
kuat pula kayunya. Semakin ringan suatu kayu, akan berkurang pula
kekuatannya. Kayu memiliki BJ yang berkisar antara minimum 0.20 hingga
1.28. Berikut kekuatan kayu menurut berat jenisnya (Dumanauw 2001) :
Kelas kuat I : BJ > 0.90
Kelas kuat II : BJ 0.90 – 0.60
Kelas kuat III : BJ 0.60 – 0.40
Kelas kuat IV : BJ 0.40 – 0.30
Kelas kuat V : BJ < 0.30
c. Rumus volume dan biomassa
8
d. Kelompok kayu dibagi berdasarkan jenis komersil dan non komersil. Jenis
komersil terdiri dari kayu meranti dan rimba campuran, sedangkan jenis non
komersil terdiri dari kayu lindung dan indah. Pada areal kerja IUPHHK PT
TSI terdapat 17 jenis kayu non komersil (7 jenis kayu lindung, 9 jenis kayu
indah) dan 303 jenis kayu komersil (288 jenis kayu rimba campuran, 15
jenis kayu meranti), nama jenis kayu tersebut disajikan pada Tabel 2.1.
Tabel 2.1 Daftar nama jenis kayu di PT Trisetia Intiga Kelompok
Jenis Nama Jenis
Rimba Campuran (RC)
Agathis, Akasia,Anggrung, Ayau, Ba'at, Babara, Baji'ing, Bakau, Balaban, Balau, Balau Merah, Bangku, Banitan, Bansul, Banuat, Barangketam, Barikobung, Baroba, Bawang, Bayur, Bawang Hutan, Bedaru, Bejung, Bekalu, Bekapas, Bekunyit, Belanti, Bengaris, Bentana, Benuang, Benyalin, Benyalung, Betapai, Bintangur, Bolas, Brebikang, Bunling, Bunut, Butun, Damar timau, Dara, Dema, Dirung, Djaring, Emang, Embak, Gading, Gambir, Gandis, Garung, Gelam, Gembor, Gerunggang, Getah Merah, Gita, Gomi, Habu, Hais, Honap, Idur, Ilan, Ilat, Ipang, Ipu, Jabon, Jabon putih, Jambu-jambu, Jamoi, Jangkang, Januat, Jengkol hutan, Jirak, Kaboi, Kabosi, Kajul, Kaliat, Kamambung, Kanipul, Kanopa, Kanuat, Kapengil, Kapuk, Kapur, Karakubung, Karakung, Karamu, Karanayup, Karobung, Karuat, Katikal, Kayu abu, Kayu batu, Kayu buhu, Kayu bunga, Kayu furu, Kayu rabun, Kecapi, Kedondong, Kekali, Keliat, Kelopak, Kelpau, Keluat, Kemaja, Kembayau, Kemenyan, Kempas, Kempili, Kemuning, Kemunting, Kenabu, Kenakun, Kenanga, Kenapai, Kenari, Kenduyung, Kenipan, Kenopa, Kepayang, Kepuh, Kerakas, Kerangas, Keranji, Kerasang, Keriba, Ketapang, Kinip, Klampis, Kondang, Kumpang, Kumpat, Kunyit, Kusi, Laban, Langko, Lempahung, Lengkunang, Limun, Linang, Linggi, Lintak, Lodja, Lonsu, Lunding, Mahabai, Mahang, Majing, Malapan, Mambulan, Mampudu, Mampul, Manggurun, Mangil, Mangis labi, Manjing, Mantorung, Markubung, Matang, Matoa, Medang, Memarik, Membulan, Mempisang, Mengkudu, Mentajai, Mentawa, Merabu, Merah, Merambung, Meras, Merawan, Merbau, Mersawa, Nansau, Nanua, Ngensarai laut, Nilam, Nyaru, Omet, Pahi, Pakek, Palung, Pamai, Pandali, Pandau, Panggil, Pangit, Pangkutan, Paning, Pauh kijang, Pelawan, Pempaan, Pendaran, Pendaring, Pendiruk, Pendung, Penduri, Penjuling, Penopa, Penyeluangan, Penyerang tupai, Persi, Perupuk, Petai, Petai hutan, Pinang, Pinus, Pisang-pisang, Pitam, Poga, Ponsi, Pontang, Potai, Pudu, Sanok, Sansarai, Saon, Sarang, Saras, Sarawa, Sarua, Sedawak, Segulang, Sengkubang, Sengon, Sewo, Sibau, Silar, Simpur, Singkang priuk, Sumpak, Sungkai, Sungkup, Surian, Takuyung, Tambosi, Tampajok, Tampasi, Tangkalak, Tangkutis, Terentang, Timau, Tongkoi, Tuba, Ubar, Umbing, Undingdam, Yanduk dan Yas.
Kayu Meranti (KM)
Bangkirai, Basampa, Giam, Kalapi, Keruing, Kontoi, Kubing, Lentang, Majau, Meranti, Meranti kuning, Meranti merah, Meranti putih, Nyatoh, Pakit dan Sintuk
Kayu Lindung (KL)
Duku, Durian, Hambawang, Jelutung, Kapul, Pulut, Tengkawang dan Teratungan
Kayu Indah (KI)
Bengkal, Cempedak, Dahu, Eboni, Kayu malam, Kelampai, Lansat, Mempelam, Sindur dan Ulin
Sumber : Diadaptasi dari laporan hasil IHMB PT Trisetia Intiga (2010)
9
2.3.2 Perhitungan Volume dan Biomassa
Berdasarkan tabel volume PT Trisetia Intiga, perhitungan volume dibedakan
berdasarkan kelompok jenis yakni kelompok jenis meranti dan non meranti (Noor
2009). Untuk kelompok meranti dihitung dengan rumus :
Volume = 0.0000562×D2.87×10-0.0041
Sedangkan untuk kelompok non meranti :
Volume = 0.000074×D2.69×10-0.00175×Dbh
Perhitungan biomassa menggunakan model (Agustina 2013) : y=1.003x+7.355
Keterangan : D = diameter setinggi dada (cm)
y = seluruh biomassa atas permukaan (ton/ha)
x = biomassa tegakan berdiri D>10 cm (ton/ha)
2.3.3 Perhitungan Volume dan Biomassa per Hektar
Volume per hektar dihitung berdasarkan volume per plot dalam atribut data
sekunder yang dibagi dengan luasan plot masing-masing. Untuk D 10-19 cm
memiliki luas plot seluas 0.01 ha, kelas D 20-29 cm seluas 0.04 ha dan D di atas
30 cm 0.25 ha.
2.3.4 Pemilihan Data Contoh
Kajian interpolasi ini dilakukan menggunakan data yang diambil dari titik
plot IHMB yang telah ditransformasikan menjadi informasi petak. Berdasarkan
informasi tersebut titik plot dibagi menjadi 3 kelompok, yakni :
a. Seluruh jenis kayu dengan D>10 cm
b. Jenis kayu komersil D>40 cm
c. Biomassa
Pemilihan data sampel dilakukan dengan memilih plot yang tersebar merata.
Untuk kajian ini data tersebut kemudian dibagi menjadi dua kelompok secara
berselang-seling, yaitu setengah dari jumlah plot digunakan untuk membangun
model dan setengahnya lagi untuk validasi model. Pemilihan plot yang digunakan
disajikan pada Gambar 2.2 dan 2.3.
Gambar
Gambar
r 2.2 Sebara
2.3 Sebara
an plot mod
an plot mode
del dan plot
el dan plot v
validasi sel
validasi jen
luruh jenis k
is kayu kom
kayu D>10
mersil D>40
10
cm
0 cm
11
Sebaran plot IHMB untuk jenis kayu komersil terlihat lebih renggang
karena tidak semua plot IHMB terdapat jenis kayu komersil D>40 cm. Dari 583
plot IHMB yang bervegetasi hutan, terdapat 453 plot IHMB yang memiliki jenis
komersil D>40 cm. Sehingga jumlah data yang diolah untuk jenis kayu komersil
D>40 cm lebih sedikit dibandingkan dengan data untuk seluruh jenis kayu D>10
cm dan biomassa (Tabel 2.2).
Tabel 2.2 Penentuan jumlah plot model dan plot validasi
No Kelompok Jenis Jumlah Plot Total Model Validasi
1 Seluruh Jenis Kayu D>10cm 148 167 315 2 Jenis Kayu Komersil D>40cm 128 150 278 3 Biomassa D>10cm 148 167 315
2.3.5 Analisis Sistem Informasi Geografis (SIG)
Dalam pemetaan, interpolasi adalah proses estimasi nilai pada wilayah yang
tidak disampel atau diukur, sehingga menghasilkan peta sebaran nilai pada
seluruh wilayah (Gamma Design Software 2005). Interpolasi spasial
mengasumsikan bahwa atribut data bersifat kontinu di dalam ruang dan atribut ini
saling berhubungan secara spasial. Penelitian ini mengkaji penggunaan metode
IDW dan Kriging untuk interpolasi sediaan tegakan dan biomassa. Rekap data
hasil pengolahan dan pengelompokkan data yang telah diolah menggunakan
program pengolahan data, selanjutnya dilakukan analisis spasial menggunakan
software ArcView 3.3 (Extention berbasis IHMB dan Kriging Interpolator 3.2)
dan ArcGIS 9.3 guna menghasilkan estimasi penyebaran potensi volume dan
biomassa per petak.
2.3.5.1 Pembuatan Isoline Sediaan Tegakan dan Biomassa
Dalam penelitian ini, isoline dibangun dengan dua macam teknik
interpolasi, yaitu metode Inverse Distance Weight (IDW) dan metode Kriging.
a. Metode IDW
Metode IDW adalah salah satu metode interpolasi permukaan (surface
interpolation) dengan prinsip titik inputnya dapat berupa titik pusat plot yang
tersebar secara acak maupun tersebar merata. Pada proses interpolasi dengan
metode IDW, terdapat dua parameter yang dapat dikaji yakni power dan jumlah
12
sampel. Menurut Pramono (2008) penggunaan jumlah sampel data tidak memiliki
efek yang berarti dalam proses interpolasi, maka pada penelitian ini diujikan
parameter power atau nilai pangkat dengan berbagai tingkat (power 1 sampai 30).
Power berpengaruh dalam menentukan pentingnya nilai sampel data pada
perhitungan interpolasi. Dengan power yang semakin besar maka terbentuk
permukaan yang semakin halus. Bentukan permukaan tersebut dapat
menunjukkan bahwa nilai yang diperoleh dari hasil interpolasi mulai mendekati
nilai-nilai dengan jarak yang terdekat seiring dengan besarnya power yang
digunakan.
Menurut Jaya (2011), nilai pangkat (power) yang optimal ditentukan dengan
meminimalisir nilai akar pangkat 2 dari kesalahan prediksi (RMSPE). Kesalahan
prediksi ini diukur melalui uji validasi silang menggunakan plot yang telah
dipilih. Nilai pangkat yang memberikan nilai RMSPE terkecil disebut dengan
nilai pangkat yang optimal atau terbaik. Besarnya bobot adalah proporsional
terhadap kebalikan jarak pangkat nilai bobot, karena itulah jika jarak meningkat
maka bobot akan menurun. Hal itu mengakibatkan semakin tinggi nilai power
maka semakin berkurang pengaruh dari sampel data sekitarnya dan hasil
interpolasi menjadi lebih detail. Pada titik plot yang berdekatan cenderung
menghasilkan rentang nilai yang sama, sedangkan pada titik plot yang berjauhan
menghasilkan rentang nilai yang berbeda. Rentang nilai tersebut ditunjukkan
dengan warna dan garis yang menjadi penegas perbedaan nilai (Gambar 4.1. 4.2.
4.3).
Metode bobot inverse distance atau jarak tertimbang terbalik (IDW)
memperkirakan nilai-nilai atribut pada titik-titik yang tidak disampel
menggunakan kombinasi linier dari nilai-nilai sampel tersebut dan ditimbang oleh
fungsi terbalik dari jarak antar titik (Li 2008). Secara konseptual, jarak efektif
dapat dianggap untuk memperpendek jarak antara titik contoh dan node
diinterpolasi oleh faktor yang sama dengan rasio anisotropi (Tomczak 1998).
Radius pencarian dapat disesuaikan untuk menentukan jumlah titik data tetangga
yang digunakan ketika interpolasi berlangsung pada setiap node. Metode IDW
yang dikaji pada penelitian ini menggunakan metode tetangga terdekat (Nearest
Neighbors/NN), jumlah titik tetangga sebanyak 12 titik dan ukuran sel 30 m.
13
Interpolasi tetangga terdekat ini harus memilih sejumlah input titik di sekitarnya
(number of neighbours/input points).
Pada metode ini, nilai sediaan Z pada lokasi tertentu diperoleh dari sejumlah
sediaan Zi...Zn yang terletak pada jarak D1...Dn dari titik Z. Hasil interpolasi Z
adalah rata-rata tertimbang dari sejumlah nilai Zi dikalikan dengan masing-
masing bobotnya (wi) dan dibagi dengan total bobot. Secara matematis rumus
mendapatkan nilai rata-rata tertimbang ini adalah sebagai berikut (Jaya 2010):
∑∑ atau ∑ /
∑ /
Dimana wi adalah 1/Jarak pangkat p dari nilai Zi, p biasanya sama dengan 2
(default) dan Di adalah jarak. Terdapat 30 power atau p yang terdapat pada
metode IDW. Pangkat (power) yang digunakan berfungsi untuk mengatur
signifikansi pengaruh dari titik-titik yang ada di sekitar. Dengan pangkat yang
lebih tinggi maka akan menghasilkan pengaruh jarak ke titik di sekitarnya lebih
rendah. Hal tersebut dibuktikan dengan hasil estimasi menjadi kurang memuaskan
ketika p adalah 1 dan 2 dibandingkan dengan p adalah 4 (Ripley 1981 diacu dalam
Li 2008). IDW disebut sebagai “moving average” bila p adalah 0 (Brus et al 1996
diacu dalam Li 2008), interpolasi linear ketika p adalah 1 dan rata-rata bergerak
tertimbang ketika p tidak sama dengan 1 (Burrough dan McDonell 1998 dalam Li
2008).
b. Metode Kriging
Kriging adalah teknik interpolasi geostatistik yang menganggap baik jarak
dan variasi antara data dari titik contoh saat memperkirakan nilai di daerah yang
tidak diketahui. Estimasi yang dibuat oleh metode ini menggunakan kombinasi
tertimbang linier dari nilai data di seluruh titik yang akan diprediksi (Bohling
2005). Metode kriging memiliki universal kriging dan ordinary kriging sebagai
pendekatannya. Universal kriging termasuk ke dalam multivariate yakni metode
yang mampu menggunakan informasi sekunder dan mengacu pada lebih dari satu
variabel penjelas, sedangkan ordinary kriging termasuk ke dalam univariate yakni
metode yang tidak menggunakan informasi sekunder (Li 2008), karena itulah
14
penelitian ini memilih ordinary kriging untuk dikaji dengan menggunakan satu
variabel.
Metode ordinary kriging yang digunakan dalam penelitian ini adalah
dengan berbagai tingkat method (circular, exponential, gaussian, linier with sill
dan spherical), lag interval 300 m, search distance 30 m dan ukuran sel 30 m.
Terdapat perbedaan prinsip dalam mengestimasi nilai pada setiap. Pada
exponential method terjadi peningkatan dalam semivariogram yang sangat curam
dan mencapai nilai sill secara asimtotik. Gaussian method merupakan bentuk
kuadrat dari exponential sehingga menghasilkan bentuk parabolik pada jarak yang
dekat (Bohling 2005).
Metode ini membuat semivariogram sebagai visualisasi, pemodelan dan
eksploitasi autokorelasi spasial dari variabel. Semivariogram merupakan setengah
dari variogram, dengan simbol γ. Variogram adalah ukuran dari variansi untuk
menentukan jarak dimana nilai-nila data pengamatan menjadi tidak saling
tergantung atau ada korelasinya. Berikut gambaran mengenai semivariogram pada
kriging (lihat Gambar 2.4) :
Sumber : Bohling (2005)
Gambar 2.4 Semivariogram pada metode kriging
Karakteristik semivariogram dari korelasi spasial dalam arti data kurang
atau tidak berkorelasi seiring bertambahnya jarak (lag) dari posisi data. Sill adalah
nilai semivarian pada bagian variogram teratas (level off) atau sebagai ‘amplitudo’
Semivariogram
Covariance
Variance
15
suatu komponen tertentu dari variogram. Range adalah jarak lag ketika
semivariogram mencapai sill atau korelasi sama dengan nol pada jarak tersebut.
Nugget adalah ketika lag mendekati nol nilai semivariogram. Nugget mewakili
variasi pada jarak (lag) yang sangat kecil atau lebih kecil dari sampel (Bohling
2005). Metode kriging digunakan untuk mengestimasi besarnya nilai karakteristik
� pada titik tidak tersampel berdasarkan informasi dari karakteristik titik-
tersampel yang berada di sekitarnya dengan mempertimbangkan korelasi spasial
yang ada dalam data tersebut. Estimator kriging �(u) dituliskan dalam rumus
(Bohling 2005) :
Keterangan :
u, uα = vektor lokasi untuk estimasi dan salah satu dari data yang berdekatan,
dinyatakan sebagai α
m(u) = nilai ekspektasi dari Z(u)
m(uα) = nilai ekspektasi dari Z(uα)
λα (u) = nilai Z(uα) untuk estimasi lokasi u. Nilai Z(uα) yang sama akan memiliki
nilai yang berbeda untuk estimasi pada lokasi berbeda
n = banyaknya data sampel yang digunakan untuk estimasi
Metode ordinary kriging yang memiliki asumsi bahwa rata-rata (mean) tidak
diketahui dan bernilai konstan. Pada ordinary kriging, m(u) merupakan mean dari
Z(u) yaitu m(u)=E(Z(u)), dimana E(Z(u))=µ. Cressie (1993) diacu dalam Alfiana
(2010) menjelaskan bahwa ordinary kriging berhubungan dengan prediksi spasial
dengan dua asumsi :
Asumsi model : Z(u) = µ + δ(u), u � D, µ � R dan µ tak diketahui
Asumsi prediksi :
∑ dengan ∑ 1
Keterangan :
δ(u) = nilai error pada Z(u)
n = banyaknya data sampel yang digunakan untuk estimasi
16
(a) (b)
(c) (d)
Sumber : Li (2008)
Gambar 2.5 Semivariogram (a) spherical method (b) exponential method (c) linear with sill method (d) gaussian method
2.3.5.2 Pembangunan TIN Sediaan Tegakan dan Biomassa
Untuk mendapatkan sediaan tegakan yang mencakup semua lokasi termasuk
yang tidak terwakili oleh sampel titik IHMB, maka perlu dilakukan proses
pengolahan untuk mengubah fitur garis hasil interpolasi menjadi fitur polygon.
Proses ini dapat dilakukan menggunakan metode Triangulated Irreguler Network
yang dikenal dengan TIN. Jaringan tidak teratur segitiga (TIN) dikembangkan
oleh Peuker untuk model elevasi digital yang menghindari redudansi dari
ketinggian matriks dalam sistem grid (Burrough dan McDonnell 1998 diacu
dalam Li 2008). Dalam TIN semua titik contoh bergabung menjadi serangkaian
segitiga berdasarkan triangulasi Delauney. Masing-masing segitiga kosong
sehingga tidak mengandung nilai dari salah satu titik contoh. TIN membentuk
dasar yang berbeda untuk membuat estimasi dibandingkan dengan yang
digunakan di nearest neighbour. Nilai dari titik contoh dalam segitiga diestimasi
oleh interpolasi polinomial linier atau kubik (Ripley 1981, Webster dan Oliver
2001 dalam Li 2008). Hasil TIN yang terbentuk selanjutnya dapat dikonversi ke
17
grid (convert to grid) dan kemudian ditransformasikan ke vektor (convert grid to
vector). Hasil dari konversi vektor ini dapat digunakan sebagai data per petak.
2.3.6 Analisis Uji Validasi
Untuk mendapatkan informasi tentang keakuratan dan peringkat dari setiap
metode, maka dilakukan uji validasi menggunakan setengah data plot yang secara
sengaja dipisahkan untuk melakukan pengujian. Ukuran yang digunakan untuk
validasi ini adalah RMSPE (Root Mean Squared Prediction Error), SR
(Simpangan Rata-rata) dan SA (Simpangan Agregat). Ukuran kesalahan ini telah
digunakan pada banyak penelitian untuk mengukur tingkat kesalahan dugaan atau
prediksi terhadap model yang dibuat, seperti pada penelitian Pande (2010) untuk
menguji keakuratan dalam pemilihan metode interpolasi terbaik dan Agustina
(2013) untuk menguji validasi model biomassa atas permukaan pada hutan alam.
Adapun rumus masing -masing dari setiap ukuran validasi adalah sebagai berikut:
1. RMSPE (Root Mean Squared Prediction Error) dengan rumus:
Nilai RMSPE adalah nilai yang dihitung dari nilai validasi silang dimana
nilainya diperoleh melalui akar dari rata-rata jumlah kuadrat nisbah antara selisih
nilai dugaan hasil interpolasi dengan nilai aktualnya pada titik plot validasi
terhadap nilai aktual. Semakin kecil nilai RMSPE maka nilai dugaannya semakin
mendekati akurat. Berikut rumus RMSPE yang digunakan:
Keterangan :
Ti(m) = nilai dugaan ke i berdasarkan interpolasi
Ti(a) = nilai aktual hasil IHMB (Spurr 1952)
n = jumlah plot validasi
2. SR (Simpangan Rata-rata) dengan rumus:
Keterangan :
Ti(m) = nilai dugaan ke i berdasarkan interpolasi
Ti(a) = nilai aktual hasil IHMB (Spurr 1952)
n = jumlah plot validasi
%100
5.0
1
2
)(
)()(
×
⎟⎟⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜⎜⎜
⎝
⎛
∑=
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛ −
=n
n
i aiTaiTmiT
RMSPE
( ) ( )
( ) 100%
i m i a
i m
T T
TSR x
n
⎧ ⎫−⎪ ⎪⎪ ⎪⎪ ⎪⎨ ⎬=⎪ ⎪⎪ ⎪⎪ ⎪⎩ ⎭
∑
18
Simpangan rata-rata adalah rata-rata jumlah dari nilai mutlak selisih antara
jumlah nilai dugaan dan nilai aktual, proporsional terhadap jumlah nilai dugaan.
Menurut Spurr (1952) nilai rata-rata simpangan yang baik adalah tidak lebih dari
10%.
3. SA (Simpangan Agregat) dengan rumus:
Keterangan :
Ti(m) = nilai dugaan ke i berdasarkan interpolasi
Ti(a) = nilai aktual hasil IHMB (Spurr 1952)
Simpangan agregat merupakan selisih antara jumlah nilai dugaan dari hasil
interpolasi dan jumlah nilai aktual dari hasil IHMB pada titik plot validasi,
sebagai persentase terhadap nilai dugaan. Menurut Spurr (1952) persamaan yang
baik memiliki simpangan agregat (SA) antara -1 sampai +1.
2.3.7 Pembuatan Ranking (Skoring)
Hasil dari uji validasi (RMSPE, SR dan SA) akan dihitung nilai skornya. Nilai skor
ini dihitung dari setiap ukuran kesalahan kemudian dibuat nilai rata-ratanya. Rata-rata
skor yang dihasilkan dijadikan acuan dalam menentukan metode terbaik. Nilai rata-rata
skor berbanding lurus dengan nilai dari ukuran kesalahan. Semakin besar skor maka
semakin besar kesalahan prediksi, dan semakin kecil nilai rata-rata skor maka semakin
kecil pula keslahan prediksi. Sehingga metode terbaik yang dipilih memiliki skor
terendah. Pembuatan ranking (skoring) ini pernah diujikan pada penelitian Pande (2010)
dengan konsep yang sama. Cara ini berhasil dalam melogiskan hasil prediksi dari metode
interpolasi. Nilai rata-rata skor yang digunakan berkisar 0 – 5. Berikut rumus dari
pembuatan ranking (skoring):
a – min amax min a 4 1
Keterangan:
ai : nilai RMSPE, SR dan SA
min: nilai terendah
max: nilai tertinggi
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
∑=
∑=
−∑==
n
iT
n
iT
n
iT
SAmi
aimi
1
11
)(
)()(
19
Gambar 2.6 Diagram Alir Penelitian
Mulai Pengumpulan Data
Perhitungan Volume dan Biomassa per Hektar
Pemilihan Data ContohData
Validasi
Analisis SIG
Inverse Distance Weight (IDW)
Kriging
Pembuatan Semivariogram
Validasi Model
Skoring Metode Terbaik Selesai
Selesai
Data Model
Pembuatan Isoline
Pembangunan TIN
Convert to Grid
Convert Grid to Shape
Perhitungan Nilai Tengah
Ditolak
Diterima
Pembuatan Isoline
Pembangunan TIN
Convert to Grid
Convert Grid to Shape
Perhitungan Nilai Tengah
20
BAB III
LOKASI DAN KEADAAN UMUM
3.1 Letak Geografis dan Luas Areal kerja IUPHHK-HA
Berdasarkan Surat Keputusan Perpanjangan IUPHHK No. 113/Menhut-
II/2006 tanggal 19 April 2006, PT Trisetia Intiga memperoleh Ijin Usaha
Pemanfaatan Hasil Hutan Kayu (IUPHHK) pada areal hutan seluas 69070 Ha di
provinsi Kalimantan Tengah. Letak areal IUPHHK PT Trisetia Intiga menurut
administrasi pemerintahan, termasuk wilayah Kecamatan Bulik, Kabupaten
Lamandau dan Kecamatan Arut Utara, Kabupaten Kotawaringin Barat
Kalimantan Tengah. Wilayah pengelolaannya termasuk dalam Dinas Kehutanan
Kabupaten Lamandau dan Kabupaten Kotawaringin Barat, Dinas Kehutanan
Propinsi Kalimantan Tengah. Secara geografis terletak pada 01° 33’ – 02° 00’
Lintang Selatan dan 111° 28’ 21” – 111° 48’ 12” Bujur Timur. Adapun batas-
batas areal IUPHHK PT Trisetia Intiga adalah :
Sebelah Utara : HPH PT Karda Traders
Sebelah Selatan : Hutan Negara
Sebelah Timur : HPH PT Intrado Jaya Intiga, PT Erythrina Nugraha Megah,
PT Korintiga Hutani dan Hutan Lindung
Sebelah barat : Hutan Negara
Tabel 3.1 Luas IUPHHK PT Trisetia Intiga Berdasarkan Penggunaan Kawasan dalam Areal Kerja
Penggunaan Kawasan Luas (ha) Persen Buffer Zone 4156.90 6Desa/enclave 160.10 0.2Kebun Benih (KB) 627.30 0.9Perlindungan Plasma Nutfah (PPN) 1314.00 1.9PUP 641.30 0.9Sempadan Sungai 1891.70 2.7Sarana dan prasarana lain yang belum dibangun 1841.80 2.7Areal THPB 22767.80 33Areal TPTI 22742.10 32.9Areal TPTII 12926.90 18.7Jumlah 69070.00 100
Sumber : Laporan IHMB PT Trisetia Intiga (2010)
Berd
24946 Ha
(areal ber
dan TPTII
Gamb
3.2 Stat
Fung
PALSAR
September
Oktober 2
Ta
PenutupanHutan sekHutan sekPerkebunSemak beBadan airLahan terJumlah
Sumber
dasarkan fu
, HP seluas
sih produks
I.
bar 3.1 Pen
tus Areal
gsi kawasa
A0800428
r 2007, A08
2007 (Tabel
abel 3.2 Pe
n Lahan kunder baikkunder rusakan
elukar r rbuka
: Laporan IHM
ngsi kawasa
s 13877 Ha
si) adalah
nggunaan ka
an berdasar
-001 liputan
800428-003
3.2).
nutupan lah
k k
MB PT Triseti
an areal term
dan HPK s
58436.9 H
awasan area
rkan tutupan
n 15 Septem
3 liputan 2 O
han areal ke
32
6ia Intiga (201
masuk dala
seluas 3024
Ha yang terd
al kerja IUPH
n lahan ha
mber 2007,
Oktober 200
erja IUPHHK
Luas (ha)38885.95723278.916
912.8772581.288
35.7612516.599
68211.3980)
am fungsi H
47 Ha. Luas
diri atas are
HHK PT Tr
asil penafsi
, A0800428
07, A08004
K PT Triset
Per
Hutan HPT s
s areal efekt
eal THPB,
risetia Intig
ran citra A
8-002 liputa
428-004 lipu
tia Intiga
rsentase (%57.034.13
1.343.70.053.69
100.00
21
seluas
tifnya
TPTI
a
ALOS
an 15
utan 2
%) 1 3 4 8 5 9 0
Kaw
Intiga sek
keseimban
penyangga
2.7% dari
areal kerja
petak uku
luas sekita
Gam
3.3 Kea
Kon
kawasan y
bergelomb
relatif lan
lahan. Di
dan perkeb
pemanfaat
wasan produ
kitar 84.6%
ngan ekolo
a 4957.3 Ha
i total areal
a adalah ar
ur permanen
ar 4424.4 H
mbar 3.2 P
adaan Huta
ndisi umum
yang masih
bang hingga
ndai, namun
Sebelah Te
bunan sawi
tan kawasa
uksi (luas a
% dari luas
gi dan fun
a (10.3%) d
l. Kawasan
real kebun
n (PUP) da
Ha atau sekit
enutupan la
an
m kawasan
berhutan. p
a curam. D
n rendah p
enggara top
it masuk ke
an hutan di
areal efektif
s areal tota
ngsi lingku
dan sempada
bukan unt
benih (KB)
n sarana la
tar 6.4% (G
ahan areal k
sangat be
potensi kayu
Di Sebelah B
otensi kayu
pografi relat
dalam kaw
i dalam are
f) di areal k
al. Kawasa
ngan lainn
an sungai se
tuk produks
), perlindun
ain yang be
ambar 3.2).
kerja IUPHH
eragam, di
unya cukup
Barat Daya
unya dan ti
tif landai. n
wasan hutan.
eal kerja PT
kerja IUPH
an lindung
nya dialoka
eluas 1891.7
si yang dia
ngan plasm
elum dibang
.
HK PT Trise
sebelah U
tinggi, nam
a merupakan
inggi tingk
namun bany
. Berdasark
T Trisetia
HHK PT Tr
untuk me
sikan dari
7 Ha atau se
lokasikan d
ma nutfah (P
gun dengan
etia Intiga
Utara merup
mun topogra
n kawasan
kat penyerob
yak areal ter
kan kajian sp
Intiga dipe
22
risetia
enjaga
areal
ekitar
dalam
PPN).
n total
pakan
afinya
yang
botan
rbuka
pasial
eroleh
23
gambaran bahwa sekitar 25.3% dari luas wilayah kerjanya atau sekitar 17453 Ha
bertampalan (overlap) dengan ijin lokasi perkebunan. Di areal kerja PT Trisetia
ini ada 6 perusahaan perkebunan yang telah mendapatkan ijin lokasi
pembangunan kelapa sawit. Overlap terluas adalah dengan PT Mentobi Mitra
Lestari (PT MML), selanjutnya disusul oleh PT Tanjung Sawit Abadi (PT TSA)
dan PT Sawit Multi Abadi (PT SMA).
Dilihat dari segi fungsi kawasannya (TGHK), luas areal overlap terluas ada
di fungsi HP seluas 10558 Ha, selanjutnya di areal HPK seluas 6379 Ha dan
sisanya sekitar 517 Ha termasuk dalam fungsi HPT. Secara keseluruhan, wilayah
kerja dari PT Trisetia Intiga ini. 45% dari luas wilayahnya adalah berupa HPK.
selanjutnya 35% HPT dan 20% HP (Tabel 3.3).
Tabel 3.3 Wilayah IUPHHK yang overlap penggunaannya dengan perkebunan
Perusahaan HP (ha) HPT (ha) HPK (ha) Jumlah (ha) Presentase (%)PT SMA 168 517 2809 3494 5.1PT SWA 4647 - 31 4677 6.8PT.MML 5743 - 314 6057 8.8PT FLTI - - 247 247 0.4PT.KSA - - 2978 2978 4.3Jumlah Overlap 10558 517 6379 17453 25.3Tidak Overlap 3153 23750 24714 51617 74.7Jumlah 13711 24267 31092 69070 100Presentase (%) 19.8 35.1 45.0 100
Sumber : Laporan IHMB PT Trisetia Intiga (2010)
3.4 Sediaan Tegakan
Berdasarkan hasil IHMB tersebut diketahui bahwa hutan di areal kerja
IUPHHK PT Trisetia Intiga masih cukup baik dan layak untuk dikelola dan
diusahakan secara berkelanjutan yaitu dengan menerapkan prinsip-prinsip
pengelolaan hutan lestari, khususnya dalam hal pengaturan hasil hutan yang
didasarkan pada sediaan tegakan dan kemampuan regenerasi dari hutan di areal
tersebut. Sediaan tegakan yang terdapat di areal kerja IUPHHK PT Trisetia Intiga
didominasi oleh jenis kayu rimba campuran pada kelas D 10-19 cm. Jumlah jenis
kayu meranti meranti mendominasi pada kelas D>40 cm dan D>50 cm
dibandingkan jenis rimba campuran dan kayu indah pada kelas diameter tersebut.
24
Jenis kayu indah memiliki jumlah yang paling sedikit diantara ketiganya pada
setiap kelas diameter (Tabel 3.4). Hal ini membuktikan bahwa sediaan tegakan di
areal kerja PT Trisetia Intiga layak dipanen untuk jenis komersil kelas D>40 cm.
Tabel 3.4 Data sediaan tegakan (m3) di areal kerja IUPHHK PT Trisetia Intiga berdasarkan hasil IHMB
Kelompok Jenis
Sediaan tegakan per kelas diameter
10-19 cm 20-39 cm 40 cm- up 50 cm – up
N N V N V N V
Meranti 6575069 901580 676520 399080 2472780 376982 2414532
Rimba Campuran
20118075 4949423 884857 398062 1129306 217875 826353
Kayu Indah 1947486 36486 12687 69511 177643 64191 168647
Jumlah 28640630 5887472 1574064 866653 3779729 659048 3409531
Sumber : Laporan IHMB PT Trisetia Intiga (2010)
3.5 Keadaan Lahan
Keadaan topografi di areal kerja IUPHHK PT Trisetia Intiga, bervariasi dari
dataran sampai agak curam. Berdasarkan analisis peta topografi areal IUPHHK
tersebut kondisi kelas lereng areal kerja IUPHHK PT Trisetia Intiga dapat dilihat
pada Tabel 3.5. Dari kondisi topografi lahannya, keadaan topografi di areal kerja
IUPHHK PT Trisetia Intiga yang paling dominan secara keseluruhan adalah datar
seluas 54056 Ha atau sebesar 78.26% dari seluruh areal kerjanya. Keadaan
topografi curam hanya seluas 1501 Ha atau sebesar 2.18 % dari seluruh wilayah
areal kerjanya.
Tabel 3.5 Kelas kelerengan tempat di areal kerja IUPHHK PT Trisetia Intiga
Bentuk Wilayah Kelas Kelerengan Luas (Ha)
Ha % Datar A (0 – 8%) 37871 54.8Landai B (8 – 15%) 13179 9.1Agak Curam C (15 – 25%) 12522 8.1Curam D (25 -40%) 5366 7.8Sangat Curam E ( > 40%) 133 0.2
Jumlah 69070 100Sumber : Laporan IHMB PT Trisetia Intiga (2010)
25
Berdasarkan data ketinggian tempat (Tabel 3.6), sebagian besar luas areal
kerja PT Trisetia Intiga terletak pada ketinggian 0 – 250 mdpl (84.41%). hanya
11.9% yang terdapat pada ketinggian antara 200 – 500 mdpl dan hanya sedikit
areal yang berada pada ketinggian diatas 500 mdpl.
Tabel 3.6 Kelas ketinggian tempat di areal kerja IUPHHK PT Trisetia Intiga Kelas tinggi Luas (ha) Persen
0-250 58299.12 84.41250-500 8252.21 11.95500-750 1789.27 2.59
750-1000 705.39 1.021000-1250 24.00 0.03
Jumlah 69070.00 100.00 Sumber : Laporan IHMB PT Trisetia Intiga (2010)
3.6 Geologi dan Tanah
3.6.1 Geologi
Berdasarkan Peta Geologi Kalimantan Tengah Lembat Tumbang Manjul
Skala 1:250.000 terbitan Pusat Penelitian dan Pengembangan Geologi Bandung
Tahun 1978 dalam Laporan IHMB (2010). Formasi geologi areal IUPHHK PT
Trisetia Intiga berada pada kompleks batuan Oligosen dan Eosen Bawah. Seperti
disajikan Tabel 3.7 terlihat bahwa formasi geologi terbesar adalah Lava Andesit,
Riolit dan Desit sebesar 56.62%, sedangkan formasi geologi paling kecil sebesar
6.57% yaitu Andesit.
Tabel 3.7 Formasi Geologi Areal IUPHHK PT. Trisetia Intiga
Kode Formasi geologi Luas (ha) (%) Kgm Granit Granadiorit Monzonit 26116 37.81 Rvk Lava Andesit, Riolit dan Desit 39110 56.62 Tma Andesit 4884 6.57
Jumlah 69070 100.00 Sumber : Peta Geologi Lembar Tumbang Manjul Kalimantan Tengah. Skala 1: 250.000 (1979) dalam Laporan IHMB PT Trisetia Intiga (2010)
26
3.6.2 Tanah
Berdasarkan Peta Land System and Suitability lembar Ambalu (1615)
Kalimantan Tengah Skala 1: 250.000 yang diterbitkan oleh Pusat Penelitian
Tanah dan Agroklimat Badan Penelitian dan Pengembangan Pertanian Bogor
dalam Laporan IHMB PT Trisetia Intiga (2010) jenis tanah yang terdapat areal
PT. Trisetia Intiga adalah Tropodults dan Distropepts. Jenis tanah secara lengkap
disajikan pada Tabel 3.8.
Tabel 3.8 Jenis tanah yang terdapat di areal IUPHHK PT. Trisetia Intiga
Formasi tanah Luas (ha) (%)Tropodults 29237 42.33Tropodults 9419 13.64Distropepts 24920 36.08Distropepts 5490 7.95Jumlah 69070 100
Sumber : Peta Land System and Suitability lembar Ambalu (1615) Kalimantan Tengah. Skala 1:250.000 dalam Laporan IHMB PT Trisetia Intiga (2010)
3.7 Iklim
Berdasarkan klasifikasi iklim menurut Schmidt dan Ferguson (1951) dalam
Laporan Akhir IHMB (2010) iklim di areal kerja IUPHHK PT Trisetia Intiga
termasuk dalam tipe iklim A dengan curah hujan > 100 mm sepanjang tahun.
Menurut hasil pengukuran curah hujan di stasiun meteorologi dan Geofisika
Pangkalan Bun pada tahun 2008, curah hujan tahunan rata-rata yang tercatat pada
penakar hujan adalah sebesar 2957.2 mm/tahun dengan hari hujan sebanyak 234
hari/tahun. Curah hujan bulan yang tertinggi sebesar 414.3 mm terjadi pada bulan
Januari dengan jumlah hari 27 hari. Curah hujan terendah terjadi pada bulan Juni
yakni sebesar 123.9 mm dan jumlah hari hujan sebanyak 10 hari (Tabel 3.9).
Suhu udara rata-rata bulanan bervariasi antara 25.6ºC – 26.9ºC, dengan rata-
rata tahunan 26.3ºC. Kelembaban bulanan bervariasi antara 84% - 93%.
Penyinaran matahari rata-rata bulanan bervariasi antara 34% - 67% dengan rata-
rata tahunan 53%. Untuk kecepatan angin rata-rata bulanan bervariasi antara 5
Knots – 7 Knots dengan rata-rata tahunan sebesar 6 Knots ( Stasiun Meteorologi
Iskandar Pangkalan Bun 2008 dalam Laporan Akhir IHMB 2010).
27
Tabel 3.9 Jumlah dan distribusi curah hujan di sekitar areal IUPHHK PT Trisetia Intiga
No. Bulan Curah Hujan (mm) Hari Hujan1. Januari 414.3 272. Februari 138.9 163. Maret 247.7 254. April 275.6 215. Mei 200.6 126. Juni 123.9 107. Juli 193.6 208. Agustus - -9. September 124.8 1010. Oktober 129.9 1211. November 147.5 1812. Desember 289.5 23Jumlah 2286.3 193Sumber : Stasium Meteorologi dan Geofisika Pangkalan Bun (2004) dalam Laporan IHMB PT Trisetia Intiga (2010)
3.8 Hidrologi
Areal IUPHHK PT Trisetia Intiga dilalui oleh beberapa sungai yang cukup
besar. Sungai-sungai tersebut terdiri dari Sungai Bulik, Sungai Martobi dan
Sungai Palikodan. Keberadaaan sungai bagi masyarakat sekitar adalah sangat
vital. Disamping berfungsi sebagai sarana transportasi, sungai juga dimanfaatkkan
untuk memenuhi kebutuhan air rumah tangga baik untuk dikonsumsi ataupun
untuk sarana kebersihan (MCK). Sungai-sungai yang ada di areal IUPHHK PT
Trisetia Intiga ini memiliki topografi yang cukup datar dan dipenuhi oleh
bebatuan yang cukup besar. Namun apabila terjadi hujan sepanjang malam. maka
air sungai akan meluap dan membanjiri areal di sekitar Basecamp Palikodan. Air
sungai yang ada disekitar areal IUPHHK PT Trisetia Intiga ini bewarna jernih dan
akan bewarna keruh jika terjadi hujan.
3.9 Demografi
Areal kerja IUPHHK PT Trisetia Intiga seluruhnya termasuk ke dalam
wilayah administrasi Kecamatan Bulik dan Mentobi Raya. Jumlah penduduk
28
didominasi oleh laki-laki angkatan kerja produktif 15-54 tahun (Tabel 3.10).
Bidang usaha yang mendukung perekonomian masyarakat setempat antara lain
pertanian teknis, lahan kering (ladang), tangkap ikan (sungai), berburu dan kebun
(karet dan kelapa sawit). Mayoritas bidang usaha yaitu pertanian, ladang dan
kebun serta menjadi tenaga kerja pada perusahaan perkebunan maupun kehutanan
yang dekat dengan pemukiman tersebut. Pada umumnya agama yang dianut oleh
sebagian besar masyarakat desa di sekitar areal kerja adalah pemeluk agama
islam, kristen protestan dan hindu kahariangan.
Tabel 3.10 Jumlah penduduk di sekitar areal IUPHHK PT Trisetia Intiga Tahun 2007
Uraian Satuan Kobar Lamandau Jumlah Penduduk : 1. Anak – anak 0 - 14 tahun
a. Laki – laki b. Perempuan
2. Angkt. kerja produktif 15 – 54 tahun a. Laki – laki b. Perempuan
3. Angkt. kerja tidak produktif > 55 tahun a. Laki – laki b. Perempuan
Jiwa Jiwa Jiwa
Jiwa Jiwa
Jiwa Jiwa
68169 35262 32907
142955 74936 68019
12307 7060 5247
Jumlah Jiwa 223431 56935Sumber : Buku Kotawaringin Barat dan Lamandau (2007) dalam Laporan IHMB PT Trisetia Intiga (2010)
3.10 Aksesibilitas
Areal IUPHHK PT. Trisetia Intiga memiliki tingkat aksesibilitas yang
cukup tinggi. Perjalanan yang ditempuh dari jakarta menuju Pangkalan Bun
membutuhkan waktu satu jam jika melewati jalan udara. Sedangkan perjalanan
menuju Basecamp Palikodan dapat ditempuh dengan jalan darat selama empat
jam. Kondisi jalan sebagian besar sudah beraspal, akan tetapi pada musim
penghujan masih terdapat hambatan pada beberapa ruas jalan akibat genangan air.
sehingga kendaraan roda empat sering terjebak dalam lumpur.
4.1 Ana
4.1.1 Inte
Berd
kisaran ni
(D>10 cm
dipilih ka
kesalahan
dimana pa
rentang ni
kisaran da
Gam
Pada
untuk selu
Hasil stud
alisis Metod
erpolasi Me
dasarkan ha
lai volume
m) adalah 17
arena memi
RMSPE, S
ada power
ilai hasil in
ari 17.225sa
mbar 4.1 EsD>
a Gambar 4
uruh jenis d
di ini berbe
HASIL
de
etode IDW
asil interpo
yang dihas
7 sampai de
iliki nilai k
SR dan SA
1 nilai berk
nterpolasi ID
ampai denga
stimasi seba>10 cm den
4.1 disajikan
dan seluruh
eda dengan
BAB I
DAN PEM
olasi pada p
ilkan pada
ngan 749 m
kesalahan y
A. Setiap p
kisar antara
DW pada po
an 749.098 m
aran volumengan Metod
n contoh es
h ukuran (D
n Pande (2
IV
MBAHAS
pengujian p
bobot terba
m3/ha. Bobo
yang paling
ower memi
20.437dan
ower 4 hing
m3/ha.
e (m3/ha) unde IDW
stimasi seba
D>10 cm) m
2010) yang
SAN
power3 dar
aik untuk se
ot terbaikden
g kecil berd
iliki rentan
n 719.201 m
gga 30 yan
ntuk seluruh
aran spasial
menggunaka
menemuka
ri metode I
eluruh jenis
ngan power
dasarkan uk
ng nilai ber
m3/ha, sedan
ng memiliki
h jenis kayu
sediaan teg
an metode I
an bahwa u
29
IDW,
kayu
r 3 ini
kuran
rbeda,
ngkan
i nilai
u
gakan
IDW.
untuk
30
metode IDW power 1 memberikan estimasi terbaik untuk interpolasi volume
seluruh jenis kayu (kayu indah, lindung, komersil dan rimba) (D>10 cm).
Pada penelitian ini, nilai tengah yang dihasilkan dari setiap power
memberikan hasil yang bervariasi. Metode IDW dari Power 1 sampai dengan
Power 30 menghasilkan rata-rata nilai tengah berkisar mulai dari 211 m3/ha
sampai dengan 227 m3/ha. Nilai tengah pada power 2 sampai power 12
menghasilkan nilai yang semakin mendekati nilai tengah aktual yakni 219 m3/ha
(Lihat Gambar 4.2).
Gambar 4.2 Nilai tengah (m3/ha) untuk seluruh jenis kayu D>10 cm dengan
Metode IDW
Hasil interpolasi pada pengujian metode IDW power 3 menghasilkan
kisaran nilai volume untuk jenis kayu komersil (D>40 cm) adalah 5 sampai
dengan 584 m3/ha. Kisaran nilai volume yang dihasilkan dari power 1 berbeda
hingga power 3. Sedangkan pada power 4 sampai 30 menghasilkan kisaran nilai
yang sama. Pada power 1, kisaran nilai volume yang dihasilkan berkisar antara
7.116 dan 559.541 m3/ha, sedangkan power 2 memiliki kisaran nilai volume yang
lebih lebar mulai dari 5.150 sampai dengan 584.039 m3/ha. Lebih lanjut power 3
memiliki kisaran nilai yang hampir sama dengan power 2 yaitu antara 5.140 dan
584.238 m3/ha kisaran nilai volume yang relatif sama juga pada power 4 sampai
30 mulai dari 5.140 sampai 584.240 m3/ha. Distribusi spasial hasil interpolasi
dengan metode IDW power 3 untuk jenis komersial (D>40 cm) disajikan pada
Gambar 4.3. Hasil penelitian ini berbeda dengan hasil penelitian yang dilakukan
oleh Pande (2010) yang menjelaskan bahwa untuk jenis kayu komersil (meranti
dan rimba ) (D>40 cm) menghasilkan bobot optimal pada power 1.
200205210215220225230
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Rat
a-ra
ta n
ilai t
enga
h (m
3/ha
)
Bobot (Power)
Nilai tengah prediksi Nilai tengah aktual
Gambar 4
Seca
tengah yan
aktualnya
komersil
tengah ya
Metode ID
tengah ber
Gamb
9
10
10
11
11
Rat
a-ra
ta n
ilai t
enga
h (m
3/ha
)
.3 SebaranMetode
ara umum, p
ng dihasilka
(underestim
(D>40 cm)
ang dihasilk
DW dari Po
rkisar mulai
bar 4.4 NilaMet
95
00
05
10
15
1 2 3 4
n volume (mIDW powe
pada pendu
an dari setia
mate). Nila
) adalah se
kan semak
ower 1 samp
i dari 101.2
ai tengah (mtode IDW
4 5 6 7 8 9
Nilai teng
m3/ha) untuker 3
ugaan volum
ap power m
ai aktual ra
ebesar 109.
kin mendek
pai dengan
m3/ha samp
m3/ha) untuk
9 10 11 12 13 14
Bob
ah prediksi
k jenis kayu
me jenis kay
memberikan
ata-rata pad
.9 m3/ha. S
kati nilai ak
Power 30 m
pai dengan
k jenis kayu
4 15 16 17 18 19
bot (Power)
Nilai t
u komersil D
yu komersil
hasil yang
da plot val
Semakin be
ktual (Liha
menghasilk
106.8 m3/h
u komersil D
9 20 21 22 23 24
tengah aktual
D>40 cm de
(D>40 cm)
kurang dari
idasi jenis
esar power
at Gambar
kan rata-rata
ha.
D>40 cm de
4 25 26 27 28 29
31
engan
) nilai
i nilai
kayu
nilai
4.4).
a nilai
engan
9 30
Untu
3 berkisar
metode ID
power 4
biomassa
kisaran ni
nilai berki
sampai 30
ton/ha. Di
Nila
memberik
nilai tenga
Metode ID
tengah ber
disajikan
IDW.
uk estimasi
r antara 51
DW power 1
kisaran nil
mulai dari
ilai antara 5
isar antara 5
0 memiliki k
stribusi spa
Gambar 4.
ai tengah ya
kan lebih da
ah yang dih
DW dari Po
rkisar mulai
rekap nilai
biomassa,
1 dan 1509
1 sampai de
lai kurang
60.9 sampa
50.8 ton/ha
50.700 ton/h
kisaran nila
asial untuk b
5 Sebaran
ang dihasilk
ari nilai aktu
hasilkan sem
ower 1 samp
i dari 579.4
i tengah da
sebaran nil
ton/ha. Es
engan powe
lebih sama
ai dengan
dan 1508.4
ha dan 150
ai sama yakn
biomassa di
biomassa (t
kan dari seti
ualnya sebe
makin mend
pai dengan
4 m3/ha sam
ari seluruh
ai yang dih
stimasi nilai
er 3 cukup b
a besar. Pa
1478.8 ton/
4 ton/ha. P
8.571 ton/h
ni berkisar
sajikan pad
ton/ha) deng
iap power p
esar 577.4 m
dekati nilai
Power 30 m
mpai dengan
peubah ya
hasilkan met
i biomassa
bervariasi, s
ada power
/ha. Power
ada Power
ha. Berbeda
antara 50.7
da Gambar 4
gan Metode
pada penguj
m3/ha. Sema
aktual (Lih
menghasilk
616.1 m3/h
ang diguaka
tode IDW p
yang dihas
sedangkan m
1 kisaran
2 menghas
3 menghas
dengan pow
00 dan 150
4.5.
e IDW
jian biomas
akin kecil p
hat Gambar
kan rata-rata
ha. Pada tab
an pada m
32
power
silkan
mulai
nilai
silkan
silkan
wer 4
8.572
sa ini
power
r 4.6).
a nilai
el 4.1
metode
33
Gambar 4.6 Nilai tengah (m3/ha) untuk biomassa D>10 cm dengan Metode
IDW
Tabel 4.1 Rekap nilai tengah untuk Metode IDW
Peubah Estimasi (m3/ha), *(ton/ha)
Minimum Maksimum Rata-rata Seluruh Jenis Kayu (D>10 cm) 212 216 214Jenis Kayu Komersil (D>40 cm) 101 104 102.5Biomassa* 552 565 558.5
4.1.2 Interpolasi Metode Kriging
Pada metode ini evaluasi dapat dilakukan terhadap nilai pada kurva
semivariogramnyayang menyatakan korelasi spasial dan nilai antara sampel data.
Semivariogram dihitung berdasarkan sampel dengan jarak, beda nilai dan jumlah
sampel data. Bila jarak semakin dekat maka nilai ragam (variance) semakin kecil.
Sedangkan bila jarak semakin jauh maka nilairagam semakin besar.. Pada
pengujian dapat terlihat pada jarak yang jauh niklai variasi yang dihasilkan naik
turun secara drastis (Gambar 4.7. 4.8. 4.9). Secara visual, berdasarkan nilai ragam
yang diperlihatkan, model yang paling mendekati nilai aktulnya adalah bentuk
circular dan spherical (Gambar 4.7 dan 4.9).
550
560
570
580
590
600
610
620
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Rat
a-ra
ta n
ilai t
enga
h (m
3/ha
)
Bobot (Power)
Nilai tengah prediksi Nilai tengah aktual
Gamb
Gamba
Peng
menghasil
kayu mula
pendekata
bar 4.7 Sem
ar 4.8 Semi
Gamba
gujian met
lkan kisaran
ai dari 70 m
an spherica
mivariogram
ivariogram p
r 4.9 Semiv
thod (pend
n nilai volu
m3/ha samp
l. Sama ha
m pada Peng
pada Penguj
variogram p
dekatan) da
ume pendek
pai dengan
alnya denga
gujian Seluru
ujian Jenis K
pada Penguj
ari hasil in
katan yang
540 m3/ha
an metode
uh Jenis Ka
Kayu Komer
jian Biomas
nterpolasi m
terbaik unt
(setelah pe
IDW, met
ayu D>10cm
rsial D>40c
ssa
metode Kr
tuk seluruh
embulatan)
tode pende
34
m
cm
riging
jenis
pada
ekatan
terpilih di
kesalahan
dari setia
pendekata
exponentia
Kisaran n
m3/hadan
m3/hadan
Metode K
Menurut p
seluruh je
spherical
Terdapat k
pengujian
Gamb
idasarkan a
RMSPE, S
ap pendeka
an circular
al nilai yan
nilai yang
470 m3/ha
530 m3/ha.
Kriging deng
penelitian P
enis kayu D
dan (kayu m
kesamaan p
seluruh jen
bar 4.10 Sede
atas nilai ke
SR dan SA
atan memi
berkisar an
ng dihasilka
dihasilkan
a dan pada
Distribusi
gan pendeka
Pande (2010
D>10 cm (k
meranti dan
pendekatan y
nis kayu D>
ebaran voluengan Meto
esalahan ya
A. Estimasi
iliki nilai
ntara 70 m
an mulai da
pada pend
a pendekata
spasial untu
atan model
0) pendekat
kayu indah
n rimba) ad
yang dapat
>10 cm.
ume (m3/ha)de Kriging
ang paling k
kisaran nil
yang relat
m3/hadan 43
ari 60 m3/ha
dekatan ga
an linear w
uk biomass
spherical d
tan terbaik y
dan lindun
dalah metod
digunakan
untuk selur
kecil meng
lai volume
tif bervaria
30 m3/ha. P
asampai den
aussian ber
with sill ber
a (D>10 cm
disajikan pad
yang dapat
ng) adalah m
de circular
yakni pend
ruh jenis ka
ggunakan uk
yang dihas
asi yakni
Pada pende
ngan 570 m
rkisar antar
rkisar antar
m) menggun
da Gambar
digunakan
metode circ
dan expone
dekatan sphe
ayu D>10 cm
35
kuran
silkan
pada
ekatan
m3/ha.
ra 70
ra 70
nakan
4.10.
pada
cular,
ential.
erical
m
36
Gambar 4.11 Nilai tengah (m3/ha) untuk seluruh jenis kayu D>10 cm dengan
Metode Kriging
Gambar 4.11 menunjukkan kisaran nilai volume tersebut dihasilkan nilai
tengah untuk dibandingkan dengan nilai tengah aktualnya. Nilai tengah yang
dihasilkan dari semua pendekatan kurang dari nilai aktual yakni sebesar 219.7
m3/ha. Nilai tengah prediksi hasil interpolasi dengan pendekatan circular,
exponential, gaussian, spherical dan linear with sill berkisar antara 212.7 m3/ha
dan 215.6 m3/ha.
Hasil interpolasi pada pengujian method (pendekatan) metode Kriging ini
menghasilkan kisaran nilai volume pada pendekatan terbaik untuk jenis kayu
komersil adalah 30 dan 340 m3/ha (setelah pembulatan) juga pada pendekatan
spherical. Kisaran nilai volume yang dihasilkan pada pendekatan circular,
exponential, gaussian dan linear with sill memiliki nilai yang sama yakni berkisar
antara 30 dan 280 m3/ha. Distribusi spasial untuk jenis komersial (D>40 cm)
disajikan pada Gambar 4.12. Hasil studi ini sama dengan hasil penelitian yang
dilakukan oleh Pande (2010) yang menjelaskan bahwa metode spherical sebagai
pendekatan yang optimal untuk jenis kayu meranti dan rimba yang tergabung
dalam jenis kayu komersil D>40 cm.
208210212214216218220222
Circular Exponential Gaussian Linear With Sill Spherical
Rat
a-ra
ta n
ilai t
enga
h (m
3/ha
)
Bobot (Power)
Nilai tengah prediksi Nilai tengah aktual
Gambar 4
Kisa
model unt
seperti pa
pendekata
perubahan
adalah 10
exponentia
m3/ha.
Gam
910101111
Rat
a-ra
ta n
ilai t
enga
h (m
3/ha
)
4.12 Sebadeng
aran volum
tuk dibandi
ada seluruh
an kurang d
nnya tidak
0.7 m3/ha.
al, gaussian
mbar 4.13 NM
9500051015
Circu
aran volumean Metode
me tersebut
ngkan deng
jenis D>1
dari nilai te
signifikan.
Nilai predi
n, spherical
Nilai tengahMetode Krig
ular Expo
Nilai teng
e (m3/ha) uKriging
dihitung n
gan nilai ten
10 cm, nila
engah aktu
Nilai aktua
iksi hasil in
l dan linear
h (m3/ha) unging
onential
Bo
gah prediksi
untuk jenis
nilai tengah
ngah pada t
ai tengah y
al pada set
al pada jeni
nterpolasi d
r with sill be
ntuk jenis ko
Gaussian
obot (Power)
Nilai
s kayu kom
hnya pada
titik plot va
yang dihasil
tiap titik pl
is kayu kom
dengan pend
erkisar anta
omersil D>4
Linear With Si
tengah aktual
mersil D>40
setiap titik
alidasinya.
lkan dari s
lot model t
mersil D>4
dekatan circ
ara 100.2 –
40 cm deng
ill Spherica
37
0 cm
k plot
Sama
semua
tetapi
40 cm
cular,
100.7
an
al
Kisa
metode K
pembulata
spherical
ton/ha, se
yang diha
pendekata
Distribusi
Rata
besar dari
adalah 5
pendekata
antara 58
menyajika
G
aran bioma
Kriging pad
an) pada c
sama denga
edangkan pa
asilkan juga
an exponent
spasial untu
a-rata nilai
i rata-rata n
77.4 ton/h
an circular,
6.5 ton/ha
an rekap dar
Gambar 4.14
assa yang
da pengujian
circular. K
an circular
ada pendek
a sama yak
tial rentang
uk jenis kom
tengah biom
nilai tengah
ha. Sedang
exponentia
dan 623.3
ri nilai teng
4 Sebaran b
dihasilkan
n method a
Kisaran biom
yakni mula
katan gauss
kni berkisa
g nilai yang
mersial (D>
massa yang
h aktualnya
gkan kisara
l, gaussian
3 ton/ha (L
ah dengan k
biomassa (to
bobot terb
adalah 220
massa yan
ai dari 220
sian dan lin
ar antara 23
g berkisar a
>40 cm) disa
g dihasilkan
a. Nilai ten
an biomas
n, spherical
Lihat Gam
ketiga peub
on/ha) deng
baik dari h
0 dan 1070
ng dihasilka
ton/ha samp
near with s
30 dan 107
antara 210 d
ajikan pada
n oleh metod
ngah aktual
ssa yang
dan linear
mbar 4.15).
ah yang ber
gan Metode
hasil interp
0 ton/ha (se
an pende
mpai dengan
sill rentang
70 ton/ha.
dan 1070 t
a Gambar 4.
de Kriging
l pada biom
dihasilkan
with sill ber
Pada tabe
rbeda.
Kriging
38
polasi
etelah
ekatan
1070
nilai
Pada
on/ha
14.
lebih
massa
oleh
rkisar
el 4.2
39
Gambar 4.15 Nilai tengah (m3/ha) untuk biomassa D>10 cm dengan Metode
Kriging
Tabel 4.2 Rekap nilai tengah (m3/ha) untuk Metode Kriging Terbaik
Peubah Estimasi (m3/ha), *(ton/ha)
Minimum Maksimum Rata-rata Seluruh Jenis Kayu (D>10 cm) 209 213 211Jenis Kayu Komersil (D>40 cm) 97 98 97.5Biomassa* 570 572 571
4.2 Uji Validasi
Nilai hasil pemodelan cenderung mempunyai yang berbeda dengan nilai
aktual di lapangannya yang didefinisikan sebagai kesalahan (error). Nilai
kesalahan ini dapat dihitung melalui uji validasi dari titik contoh yang telah
ditentukan. Uji validasi dilihat dari nilai ukuran kesalahan berupa Root Mean
Square Prediction Error (RMSPE), Simpangan Rata-rata (SR dalam %) dan
Simpangan Agregat (SA). Nilai RMSPE merupakan nilai prediksi kesalahan dari
data validasi. Nilai RMSPE yang dihasilkan dari metode IDW terkecil didapatkan
pada pengujian biomassa power 3 dengan nilai 0.860. Sedangkan nilai RMSPE
terbesar didapatkan pada pengujian jenis kayu komersil D>40 cm power 30
dengan nilai 2.003. Pada pengujian biomassa dan seluruh jenis kayu D>10 cm
berturut-turut dengan nilai terbesar dihasilkan oleh power 1 dan power 2 dengan
nilai 0.967 dan 1.403. Nilai RMSPE terkecil yang dihasilkan pada pengujian
seluruh jenis kayu D>10 cm dan jenis kayu komersil D>40 cm adalah berturut-
turut power 28 dan power 3 dengan nilai 1.117 dan 1.665.
540
560
580
600
620
640
Circular Exponential Gaussian Linear With Sill Spherical
Rat
a-ra
ta n
ilai t
enga
h (m
3/ha
)
Bobot (Power)
Nilai tengah prediksi Nilai tengah aktual
40
Nilai SR merupakan nilai ukuran yang menyatakan penyimpangan (deviasi)
data terhadap rata-ratanya dan dikalikan 100% agar terlihat presentase
kesalahannya. Nilai SR yang dihasilkan pada metode IDW mendapatkan kisaran
pada setiap power lebih besar dari 10%. Nilai SR terkecil dari seluruh kelompok
jenis dihasilkan pada pengujian biomassa dengan nilai 0.364% power 2 dan nilai
SR terbesar dihasilkan pada pengujian jenis kayu komersil D>40 cm dengan nilai
0.806% power 30. Nilai SR terkecil dari hasil pengujian pada seluruh jenis kayu
D>10 cm dan jenis kayu komersil D>40 cm sama dihasilkan oleh power 2 dengan
nilai berturut-turut adalah 0.364% dan 0.602%. Nilai SR terbesar dari hasil
pengujian seluruh jenis kayu D>10 cm dan biomassa adalah 0.489% dan 0.434%
pada power 29 dan 30.
Nilai SA menghasilkan ukuran kesalahan dengan nilai terkecil diantara
RMSPE dan SR. Nilai terkecil tersebut antara lain -0.038 pada seluruh jenis kayu
D>10 cm; -0.092 pada jenis kayu komersil D>40 cm dan -0.037 pada biomassa.
Hasil-hasil tersebut dihasilkan oleh power 2, 1 dan 9. Nilai terbesar yang
dihasilkan SA adalah -0.019 pada power 29 pengujian seluruh jenis kayu
D>10cm, -0.062 pada power 20 pengujian jenis kayu komersil D>40 cm dan
0.052 pada power 17 untuk biomassa (Tabel 4.3 sampai dengan 4.5).
41
Tabel 4.3 Nilai uji validasi untuk Metode IDW untuk Seluruh jenis kayu D>10 cm
Ukuran Kesalahan
IDW (Power) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
RMSPE 1.403 1.371 1.291 1.291 1.225 1.230 1.228 1.239 1.244 1.171 1.183 1.180 1.193 1.196 1.196 SR 0.382 0.364 0.384 0.383 0.419 0.418 0.418 0.440 0.431 0.442 0.449 0.447 0.450 0.452 0.447 SA -0.037 -0.038 -0.036 -0.031 -0.033 -0.033 -0.032 -0.032 -0.029 -0.030 -0.028 -0.029 -0.026 -0.027 -0.026
Ukuran Kesalahan
IDW (Power) 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
RMSPE 1.203 1.207 1.144 1.143 1.144 1.154 1.160 1.160 1.166 1.169 1.170 1.178 1.117 1.122 1.122 SR 0.469 0.471 0.469 0.457 0.465 0.466 0.468 0.473 0.467 0.478 0.485 0.486 0.487 0.488 0.489 SA -0.026 -0.026 -0.024 -0.023 -0.024 -0.023 -0.022 -0.024 -0.021 -0.022 -0.021 -0.021 -0.020 -0.019 -0.020
Tabel 4.4 Nilai uji validasi untuk Metode IDW untuk Jenis kayu komersil D>40 cm
Ukuran Kesalahan
IDW (Power) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
RMSPE 1.944 1.740 1.650 1.693 1.715 1.750 1.758 1.758 1.754 1.773 1.782 1.794 1.801 1.803 1.864 SR 0.625 0.602 0.622 0.637 0.653 0.670 0.680 0.679 0.694 0.699 0.702 0.706 0.716 0.711 0.716 SA -0.092 -0.076 -0.080 -0.076 -0.066 -0.071 -0.073 -0.070 -0.073 -0.069 -0.068 -0.065 -0.071 -0.070 -0.068
Ukuran Kesalahan
IDW (Power) 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
RMSPE 1.866 1.888 1.916 1.929 1.935 1.933 1.935 1.974 1.974 1.974 1.988 1.990 1.993 1.994 2.003 SR 0.721 0.728 0.739 0.750 0.750 0.742 0.757 0.759 0.763 0.772 0.773 0.772 0.779 0.797 0.806 SA -0.068 -0.069 -0.069 -0.069 -0.064 -0.065 -0.067 -0.064 -0.062 -0.064 -0.063 -0.062 -0.063 -0.062 -0.062
42
Tabel 4.5 Nilai uji validasi untuk Metode IDW untuk Biomassa
Ukuran Kesalahan
IDW (Power) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
RMSPE 0.967 0.894 0.860 0.862 0.886 0.888 0.895 0.869 0.905 0.912 0.886 0.894 0.920 0.922 0.897 SR 0.310 0.316 0.322 0.333 0.343 0.354 0.354 0.359 0.363 0.367 0.373 0.378 0.381 0.380 0.385 SA -0.009 -0.005 -0.003 -0.004 0.011 0.011 0.019 0.025 0.024 0.032 0.039 0.041 0.044 0.045 0.037
Ukuran Kesalahan
IDW (Power) 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
RMSPE 0.902 0.907 0.908 0.906 0.908 0.911 0.911 0.892 0.898 0.898 0.901 0.901 0.905 0.903 0.903 SR 0.393 0.395 0.399 0.398 0.401 0.408 0.417 0.419 0.421 0.421 0.423 0.425 0.430 0.432 0.434 SA 0.043 0.052 0.045 0.046 0.046 0.046 0.046 0.047 0.049 0.049 0.051 0.050 0.051 0.049 0.049
43
Nilai hasil validasi untuk metode Kriging juga dilihat dari ukuran
kesalahan RMSPE, SR dan SA pada seluruh jenis kayu D>10cm, jenis kayu
komersil D>40cm dan biomassa. Berbeda dengan nilai yang dihasilkan metode
IDW, pada metode Kriging nilai SR memiliki kisaran nilai terendah
dibandingkan RMSPE dan SA. Pada metode kriging dengan pengujian pada
seluruh jenis kayu D>10 cm memperoleh nilai terkecil sampai terbesar yakni
berturut-turut pendekatan exponential, linear with sill, spherical, circular dan
gaussian. Nilai RMSPE yang dihasilkan yakni berturut-turut dari terkecil sampai
terbesar 1.399; 1.400; 1.487; 1.493 dan 1.500. Berbeda halnya dengan pengujian
pada jenis kayu komersil D>40 cm pendekatan dengan nilai terkecil dihasilkan
oleh pendekatan spherical dengan nilai 2.175. Pendekatan exponential, linear with
sill dan gaussian menghasilkan nilai yang sama yaitu sebesar 2.225. Sedangkan
pada pendekatan dengan nilai terbesar dihasilkan oleh pendekatan circular yakni
2.226. Pada pengujian biomassa diperoleh nilai terkecil sampai terbesar yakni
berturut-turut pendekatan exponential. Circular, spherical, linear with sill dan
gaussian. Nilai RMSPE yang dihasilkan yakni berturut-turut dari terkecil sampai
terbesaryaitu 0.998; 1.012; 1.013; 1.031 dan 1.129.
Untuk nilai SR pengujian pada jenis kayu komersil D>40 cm diperoleh
nilai yang sama pada seluruh pendekatan yaitu sebesar 0.66%. Pengujian pada
biomassa nilai SR yang dihasilkan bervariasi setiap pendekatan. Nilai terkecil
sampai terbesar berturut-turut dihasilkan oleh pendekatan gaussian sebesar
0.301% , linear with sill sebesar 0.303% , circular dan spherical sebesar 0.305%
serta exponential dan sebesar 0.309%. Sama seperti yang dihasilkan RMSPE dan
SR, untuk nilai SA menghasilkan nilai yang sama pada jenis komersil D>40 cm
dengan pendekatan exponential, linear with sill dan gaussian adalah -0.128.
Sedangkan pada pendekatan circular dan spherical bernilai -0.127. Pada
pengujian biomassa diperoleh nilai terkecil sampai terbesar yakni berturut-turut
pendekatan circular, spherical, exponential, linear with sill dan gaussian. Nilai
SA yang dihasilkan yakni berturut-turut dari terkecil sampai terbesar 0.008517;
0.008957; 0.003104; 0.022497 dan 0.062608. Nilai hasil uji validasi tersebut
disajikan pada Tabel 4.6. 4.7 dan 4.8.
44
Tabel 4.6 Nilai uji validasi pada pengujian seluruh jenis kayu D>10 cm dengan Metode Kriging
Ukuran Kesalahan
Kriging (Metode) Circular Exponential Gaussian Linear With Sill Spherical
RMSPE 1.500 1.400 1.493 1.487 1.399SR (%) 0.361 0.358 0.358 0.352 0.354SA -0.053 -0.032 -0.046 -0.038 -0.038
Tabel 4.7 Nilai uji validasi pada pengujian jenis kayu komersil D>40 cm dengan Metode Kriging
Ukuran Kesalahan
Kriging (metode) Circular Exponential Gaussian Linear With Sill Spherical
RMSPE 2.226 2.225 2.225 2.225 2.175SR (%) 0.662 0.633 0.633 0.633 0.633SA -0.172 -0.091 -0.091 -0.091 -0.097
Tabel 4.8 Nilai uji validasi pada pengujian biomassa dengan Metode Kriging
Ukuran Kesalahan
Kriging (metode) Circular Exponential Gaussian Linear With Sill Spherical
RMSPE 1.003 0.984 1.056 1.004 1.002SR (%) 0.310 0.309 0.311 0.310 0.310SA -0.006 -0.006 -0.011 -0.007 0.006
4.3 Pemilihan Metode Terbaik
Hasil dari uji validasi dilanjutkan dengan perhitungan skor sebagai acuan
dalam pemilihan bobot terbaik yang dapat digunakan pada seluruh jenis kayu
D>10cm, jenis kayu komersial D>40cm dan biomassa D>10cm. Semakin rendah
rata-rata skor yang dihasilkan maka semakin bagus bobot yang dapat digunakan
untuk interpolasi. Gambar 4.16, 4.17 dan 4.18 menunjukan bobot terbaik pada
seluruh jenis kayu D>10cm, jenis kayu komersial D>40cm dan biomassa untuk
metode IDW.
45
Gambar 4.16 Bobot terbaik estimasi volume (m3/ha) untuk seluruh jenis kayu
D>10 cm dengan Metode IDW
Gambar 4.17 Bobot terbaik estimasi volume (m3/ha) untuk jenis kayu komersil
D>40 cm dengan Metode IDW
0
1
2
3
4
5
6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Nila
i Sko
r
Bobot (Power)
RMSPE SR SA Rata-rata Skor
0
1
2
3
4
5
6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Nila
i Sko
r
Bobot (Power)
RMSPE SR SA Rata-rata Skor
46
Gambar 4.18 Bobot terbaik estimasi volume (m3/ha) untuk Biomassa
dengan Metode IDW
Nilai skor merupakan rata-rata dari ranking pada nilai SR, RMSPE dan SA.
Rata-rata skor terendah dipilih menjadi bobot (power) terbaik dari hasil
perhitungan skor yang digunakan dalam proses interpolasi metode IDW dengan
nilai kesalahan terkecil. Pada metode kriging rata-rata skor terendah dimiliki oleh
metode spherical untuk seluruh jenis kayu D>10 cm dan jenis kayu komersil
D>40 cm dan metode circular untuk biomassa. Rata-rata skor pada pengujian
seluruh jenis kayu mendapatkan nilai terendah berturut-turut setelah spherical
yakni linear with sill, exponential, circular dan gaussian dengan rentang nilai
rata-rata skor berkisar 2.489 sampai 3.667. Berbeda dengan pengujian pada jenis
kayu komersil D>40 cm memiliki rata-rata nilai skor yang sama pada exponential,
gaussian dan linear with sill yakni sebesar 3.569 serta yang tertinggi dihasilkan
oleh circular dengan rata-rata skor sebesar 5.000. Rata-rata nilai skor terkecil
dimiliki oleh spherical sebesar 2.333. Pada biomassa, rata-rata skor dengan nilai
terendah setelah circular berturut-turut dihasilkan oleh metode spherical, linear
with sill, exponential dan gaussian. Rentang nilai rata-rata skor yang dihasilkan
berkisar 1.986 sampai 3.667 (Lihat Gambar 4.19 sampai dengan 4.21).
0
1
2
3
4
5
6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Nila
i Sko
r
Bobot (Power)
RMSPE SR SA Rata-rata Skor
Gamba
Gambar
RMSSRSARata-
Nila
i Sko
r
RMSSRSARata-
Nila
i Sko
r
ar 4.19 BobD>
4.20 BoboD>40
SPE
-rata skor
0.000
1.000
2.000
3.000
4.000
5.000
6.000
SPE
-rata skor
0.000
1.000
2.000
3.000
4.000
5.000
6.000
bot terbaik e10 cm deng
t terbaik est0 cm dengan
Circular
5.0005.0001.0003.667
Circular
5.0005.0005.0005.000
estimasi volgan Metode
timasi volumn Metode K
Exponential
1.0561.4615.0002.506
Exponential
4.9474.7601.0003.569
ume (m3/haKriging
me (m3/ha) Kriging
Gaussian
Kriging (meto
4.7153.6122.3323.553
Gaussian
Kriging (meto
4.9474.7601.0003.569
a) untuk selu
untuk jenis
Linear WSill
ode)
4.4641.0004.0433.169
Linear WSill
ode)
4.9474.7601.0003.569
uruh jenis k
s kayu kome
With Spher
4 1.00 1.83 4.69 2.4
With Sphe
7 1.00 1.00 5.09 2.3
47
kayu
ersil
rical
00056389
rical
00000033
Gambar
Perb
metode ID
validasi d
rendah dib
kayu D>1
IDW dan k
Dari
oleh meto
tingkat ke
metode ID
merupakan
seluruh jen
4.22).
RMSSRSARata-
Nila
i Sko
r
r 4.21 Bobo
bandingan j
DW dan k
dan rata-rat
bandingkan
0 cm dan b
kriging untu
i kedua met
ode IDW pa
esalahan (e
DW. Sehing
n metode te
nis kayu D>
SPE
-rata skor
0.000
1.000
2.000
3.000
4.000
5.000
6.000
ot terbaik es
jumlah nila
kriging men
ta skor pad
dengan me
biomassa. P
uk semua k
tode tersebu
ada dua kelo
error) yang
gga dapat di
erbaik yang
>10cm, jeni
Circular
1.4543.1401.3641.986
stimasi biom
ai dari hasil
nghasilkan
da metode
etode Krigin
ada tabel 4
elompok jen
ut dapat dili
ompok jeni
g dimilikiny
simpulkan b
g dapat dipi
is kayu kom
Exponential
1.0005.0001.0002.333
massa (ton/h
l uji validas
nilai yang
IDW mem
ng pada sem
.7 disajikan
nis yang diu
ihat bahwa
is yang diuj
ya paling k
bahwa pada
lih dalam m
mersil D>40
Gaussian
Kriging (meto
5.0001.0005.0003.667
ha) dengan M
si dan rata-
berbeda. J
mberikan ni
mua penguj
n nilai rata-r
ujikan.
total skor t
jikan. Hal i
kecil diban
a penelitian
melakukan i
0 cm dan bio
n Linear WSill
ode)
2.0312.0932.3042.143
Metode Kri
-rata skor a
Jumlah has
ilai yang p
ian seluruh
rata skor m
terendah dim
itu berarti b
ndingkan de
ini metode
interpolasi u
omassa (Ga
With Sphe
1 1.43 3.24 1.33 2.0
48
iging
antara
sil uji
paling
h jenis
metode
miliki
bahwa
engan
IDW
untuk
ambar
erical
458280393044
T
Jenis
SeluruJenis KD>10
Jenis KKomerD>40
Bioma
Catat
0.00
0.50
1.00
1.50
2.00
2.50
3.00
Rat
a ra
ta sk
or
Tabel 4.9 Pe
s UKe
uh Kayu
cm
RMSSR (SA Rata
Kayu rsil cm
RMSSR (SA Rata
assa
RMSSR (SA Rata
tan : *) merup
Gambar 4.
00
00
00
00
00
00
00
Seluruh
erbandingan
Ukuran esalahan
SPE (%)
a-rata skor SPE (%)
a-rata skor SPE (%)
a-rata skor pakan metode
.22 Kurva r
Jenis Kayu Dcm
n hasil uji v
Hasil Validas
1.0.
-0.0.1.0.
-0.0.0.0.
-0.0.
terbaik denga
rata-rata sko
D>10 Jenis Ka
IDW
validasi dan
MetodeIDW
si Sk
291 3.4384 1.6036 1.2546 2.1650 1.0622 1.3080 2.5731 1.6833 2.2333 1.7003 3.1388 2.3
an skor terend
or metode I
ayu Komersil cm
Kriging
skor kedua
e Interpolas
or HaVali
30 142 054 -009* 000 280 074 -051* 063 142 068 -091* 0ah
IDW dan Kr
D>40 Bio
metode
i Kriging
asil idasi Sko
.399 3.2
.354 2.5
.034 3.4
.573 3.0
.175 1.0
.661 1.0
.127 5.0
.903 2.3
.003 2.0
.310 2.5
.006 5.0
.436 3.2
riging
omassa D>10
49
or
247576408077000000000333089574000221
cm
50
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari pembahasan sebagaimana diuraikan di depan dapat disimpulkan
beberapa hal sebagai berikut :
1. Interpolasi volume tegakan untuk seluruh jenis kayu (D>10cm), jenis kayu
komersial (D>40cm) dan biomassa dapat menggunakan Metode IDW
dengan Power 3 dan Metode Ordinary Kriging,
2. Secara umum interpolasi volume dan biomassa tegakan menggunakan
metode IDW memberikan ketelitian sedikit lebih baik dibandingkan dengan
Metode Kriging,
3. Pada Metode Ordinary Kriging interpolasi terbaiknya adalah dengan;
a. Spherical method untuk volume seluruh jenis kayu (D>10cm) dan
jenis kayu komersial (D>40cm), dan
b. Circular method untuk biomassa.
5.2 Saran
Mengingat saat ini tersedia data IHMB di setiap perusahaan pemegang Ijin
Usaha Pemanfaatan Hasil Hutan Kayu (IUPHHK), yang tersebar di berbagai
ekosistem dan kelas hutan, maka penelitian lanjutan terkait dengan pengujian
metode interpolasi volume tegakan dan biomassa perlu dilakukan. Pengujian-
pengujian lanjutan sebaiknya dititik beratkan pada tipe-tipe dan kondisi hutan
yang berbeda. Saat ini pengujian pada ekosistem hutan rawa gambut dan hutan
mangrove di Indonesia belum dilakukan.
51
DAFTAR PUSTAKA
Agustina TL. 2013. Model Pendugaan Biomassa Hutan Alam Lahan Kering Menggunakan Citra Alos Palsar Resolusi 50 m di Areal Kerja PT Trisetia Intiga [Skripsi]. Bogor (ID): Institut Pertanian Bogor.
Alfiana AN. 2010. Metode Ordinary Kriging Pada Geostatistika [Skripsi]. Yogyakarta (ID): Universitas Negeri Yogyakarta.
Bohling G. 2005. Kriging. http://people.ku.edu/~gbohling/cpe940 [Internet]. 19 Oktober 2005;[diunduh tanggal 2013 Januari 31]. C&PE 940: Kansas Geological Survey. [email protected].
Bohling G. 2005. Introduction to Geostatistics and Variogram Analysis. http://people.ku.edu/~gbohling/cpe940 [Internet]. 17 Oktober 2005; [diunduh tanggal 2013 Januari 31]. C&PE 940: Kansas Geological Survey. [email protected].
Butler RA. 2010. Indonesia Penghasil Gas Rumah Kaca Terbesar Ke-3 Namun Pengurangan Penggundulan Hutan Tawarkan Kesempatan Besar Kata Pemerintah. Banget I, penerjemah. http:/indonesia.mongabay.com [Internet]. 1 Oktober 2010;[diunduh tanggal 2013 Februari 1].
[CIFOR] Center for Internasional Forestry Research. 2010. REDD Apakah itu?Pedoman CIFOR tentang hutan, perubahan iklim dan REDD. Bogor (ID): CIFOR.
Dumanauw JF. 2001. Mengenal Kayu. Yogyakarta (ID): Kanisius.
[Dephut] Departemen Kehutanan. 2009. Peraturan Pemerintah Nomor 33 Tahun 2009 tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala (IHMB) pada Usaha Pemanfaatan Hasil Hutan kayu pada Hutan Produksi. Jakarta (ID): Departemen Kehutanan.
Gamma Design Software. 2005. Interpolation in GS+. http://www.geostatistics.com/OverviewInterpolation.html [Internet]. 5 Januari 2005; [2013 Januari 2].
Hairiah K. Ekadinata A. Sari RR. Rahayu S. 2011. Pengukuran Cadangan Karbon: dari tingkat lahan ke bentang lahan. Petunjuk praktis.Ed ke-2. Bogor (ID): World Agroforestry Centre. ICRAF SEA Regional office. University of Brawijaya (UB). Malang.
Husch. B. 1987. Perencanaan Inventarisasi Hutan. Agus Setyarso. penerjemah. Jakarta (ID): UI Pr. Terjemahan dari: Forest Planning.
52
Jaya INS. 2010. Inventarisasi Hutan dan Perencanaan Pengaturan Kelestarian Tegakan Hutan. Direktorat Jenderal Bina Produksi Kehutanan. Jakarta (ID): Departemen Kehutanan RI.
Jaya INS. 2011. Validasi Interpolasi Metode ‘Inverse Distance Weighted’ Terhadap Hasil IHMB [laporan]. Direktorat Jenderal Bina Usaha Kehutanan.2 (1).
[KNLH] Kementerian Negara Lingkungan Hidup. 2009. Emisi Gas Rumah Kaca Dalam Angka. Jakarta (ID): KNLH.
Krisnawati H. 2000. Struktur Tegakan dan Komposisi Jenis Hutan Alam Bekas Tebangan di Kalimantan Tengah [catatan penelitian]. Buletin Penelitian Hutan Visi & Misi P3H & KA. 639: 13-19.
Li J, Heap DA. 2008. A Review of Spatial Interpolation Methods for Environmental Scientists. Record 2008 (23): 137 p. Canberra (AU): Geoscience Australia.
Manfaat Penggunaan Biomassa. Asia Biomass Handbook. Bab 1: 1-2. http://www.jie.or.jp/biomass/AsiaBiomassHandbook/Indonesian/Part1_I.pdf [Internet]. [diunduh tanggal 2013 Januari 31].
Mitas L, Mitasova. H. 1999. Spatial Interpolation. In: P.Longley. M.F. Goodchild. D.J. Maguire. D.W.Rhind (Eds.). Geographical Information Systems: Principles. Techniques. Management and Applications. Wiley.
Mudiyarso D. Herawati H. editor. 2005. Carbon Forestry. Who Will Benefit? Proceedings of Workshop on Carbon Sequestration and Sustainable Livelihoods. [Waktu dan tempat pertemuan tidak diketahui]. Bogor (ID): CIFOR. Hlm 2-7.
Noor MF. 2009. Pembuatan Tabel Volume Lokal di PT Trisetia Intiga Kabupaten Lamandau Kalimantan Tengah [Skripsi]. Bogor (ID): Institut Pertanian Bogor.
Tiryana T. 2005. Biomassa dan Simpanan Karbon pada Hutan Tanaman Mangium (Acacia mangium Willd). Bogor (ID): Fakultas Kehutanan Institut Pertanian Bogor.
Tomczak M. 1998. Spatial Interpolation and its Uncertainty Using Automated Anisotropic Inverse Distance Weighting (IDW)-Cross-Validation/Jackknife Approach: Journal of Geographic Information and Decision Analysis [Internet]. [Diunduh 2013 Februari 9]; 2(2): 18-30. Tersedia pada: http//www.academia.edu/2395839/Spatial_Interpolation_and_its_Uncertaint
53
y_Using_Automated_Anisotropic_Inverse_Distance_Weighting_(IDW)_Cross_Validation_Jackknife_Approach.
Pande. 2011. Teknik Interpolasi Sediaan Tegakan Berbasis IHMB Pada Hutan Lahan Kering PT Inhutani I Labanan Kabupaten Berau Kalimantan Timur.[Skripsi]. Bogor (ID): Institut Pertanian Bogor.
Pramono GH. 2008. Akurasi Metode IDW dan Kriging untuk Interpolasi Sebaran Sedimen Tersuspensi di Maros. Sulawesi Selatan. Forum Geografi. Vol 22. No 1. Juli 2008: 145-158.
Primatika RA. 2011. Pengaruh Arah Sirkular terhadap Laju Deformasi dan Pendugaan Laju Deformasi dengan Metode Kriging (Circular Kriging) [Tesis]. Bogor (ID): Institut Pertanian Bogor.
Puntodewo A. Dewi S. Tarigan J. 2003. Sistem Informasi Geografis untuk Pengelolaan Sumberdaya Alam. Bogor (ID): CIFOR.
[PT TSI] PT Trisetia Intiga. 2010. Laporan Akhir IHMB. Lamandau, Kalimantan Tengah.
Spurr SH. 1952. Forest Inventory. New York. The Ronald Press Company.
Sulistyo B. Gunawan T. Hartono. 2010. Pemetaan Faktor C Yang Diturunkan Dari Berbagai Indeks Vegetasi Data Penginderaan Jauh Sebagai Masukan Pemodelan Erosi di DAS Merawu. [Jurnal]. Fakultas Pertanian Universitas Bengkulu. Bengkulu.
54
LAMPIRAN
Lampiran 1 Daftar kayu di PT Trisetia Intiga
Nama Jenis Nama Latin Family Kelas Kuat
Kelompok Jenis
Berat Jenis (BJ)
Agathis Agathis spp. Araucariaceae III RC 0.49 Akasia Acacia mangium Fabaceae III RC 0.34 Anggrung Trema orientalis (L.) Blume Ulmaceae II RC 0.62 Ayau Litsea sp. Lauraceae III RC 0.49 Ba'at Adinandra collina Kobuski Theaceae II RC 0.76 Babara - - II RC 0.65 Baji'ing Dipterocarpus spp. Dipterocarpaceae II RC 0.79 Bakau Rhizophora mangle L. Rhizoporaceae I RC 0.94 Balaban Shorea laevis Ridl Dipterocarpaceae I RC 0.9 Balau Shorea spp. Dipterocarpaceae I RC 0.98 Balau Merah Shorea kunstleri King. Dipterocarpaceae I RC 0.98 Bangkirai Shorea laevis Ridl Dipterocarpaceae I KM 0.91 Bangku Ganua motleyana Pierre Sapotaceae I RC 0.9 Banitan Polyaltha glauca Annonaceae II RC 0.75 Bansul Dipterocarpus spp. Dipterocarpaceae II RC 0.79 Banuat - - II RC 0.65 Barangketam - - II RC 0.65 Barikobung Endospermum spp. Euphorbiaceae III RC 0.45 Baroba - - II RC 0.78 Basampa Shorea spp. Dipterocarpaceae III KM 0.63 Bawang Melia excelsa Jack Meliaceae III RC 0.5 Bawang Hutan Scorodocarpus borneensis Becc. Olacaceae I RC 0.9 Bayur Pterospermum javanicum Jungh Steuliaceae III RC 0.52 Bedaru Cantleya corniculata Howard Icacinaceae I RC 1.84 Bejung Queus Fagaceae II RC 0.66 Bekalu - - II RC 0.65 Bekapas Botryophora geniculata Miq Euphorbiaceae II RC 0.65 Bekunyit Sageraea lanceolata Olacaceae III RC 0.5 Belanti Coccocerasborneense Euphorbiaceae II RC 0.65 Bengaris Koompassia malaccensis Warb Caesalpiniaceae I RC 0.95 Bengkal Albizia procera Benth. Malvaceae III KI 0.5 Bentana Dipterocarpus spp. Dipterocarpaceae II RC 0.79 Benuang Octomeles sumatrana Miq Daticaceae IV RC 0.33 Benyalin Dipterocarpus spp. Dipterocarpaceae II RC 0.79 Benyalung - - II RC 0.65 Betapai Dipterocarpus spp. Dipterocarpaceae II RC 0.79 Bintangur Calophyllum spp. Guttiferae II RC 0.78
55
Lanjutan lampiran 1
Nama Jenis Nama Latin Family Kelas Kuat
Kelompok Jenis
Berat Jenis (BJ)
Bolas - - II RC 0.65 Brebikang - - II RC 0.65 Bunling Shorea laevis Ridl Dipterocarpaceae I RC 0.9 Bunut Palaquium xanthoxhymum Pierre Sapotaceae II RC 0.67 Butun Cratoxylon formosum Dyer Gutticeae II RC 0.65 Cempedak Artocarpus teysmaniiMig Moraceae III KI 0.5 Dahu Dracontomelon spp. Anacardiaceae III KI 0.58 Damar timau Agathis spp. Araucariaceae II RC 0.49 Dara Myristica maxima Myristicaceae III RC 0.51 Dema - - II RC 0.65 Dirung Aralidium pinnatifidum Miq Araliaceae III RC 0.46 Djaring Pithecellobium jiringa Prain Mimbaceae III RC 0.42 Duku L. domesticum var. duku Meliaceae II KL 0.85 Durian Durio zibethinus Murr Bombacaceae III KL 0.57 Eboni Diospyros spp. Ebenaceae I KI 1.05 Emang Hopea mengarawan Miq Dipterocarpaceae II RC 0.7 Embak - - II RC 0.65 Gading Koilodepas Euphorbiaceae I RC 0.82 Gambir Trigonopleura malayana Hook.f. Euphorbiaceae III RC 0.57 Gandis Gainia parvifolia Miq Guttiferae II RC 0.75 Garung Endospermum spp. Euphorbiaceae III RC 0.45 Gelam Melaleuca leucadendra syn. M. leucadendron Malaleuca spp II RC 0.75 Gembor Macaranga conifera Muell Arg Euphorbiaceae II RC 0.65 Gerunggang Cratoxylon arborescena Blume. Guttiferae III RC 0.47 Getah Merah Gluta percha - II RC 0.65 Giam Cotylelobium spp. Dipterocarpaceae I KM 0.99 Gita - - II RC 0.65 Gomi - - II RC 0.65 Habu Dacryodes laxa Burseraceae III RC 0.52 Hais - - II RC 0.65 Hambawang - - II KL 0.65 Honap - - II RC 0.65 Idur Nephelium sp. Sapindaceae II RC 0.65 Ilan Anthocephalus cadamba Miq Rubiaceae III RC 0.42 Ilat Parinarium glaberrinum Hassk Rosidaceae II RC 0.85 Ipang - - II RC 0.65 Ipu Ailanthus malaborica Adc - IV RC 0.38 Jabon Anthocephalus cadamba Miq Rubiaceae III RC 0.42 Jabon putih Anthocephalus chinensis Lamk Rubiaceae III RC 0.42 Jambu-jambu Syzigium spp. Myrtaceae II RC 0.75 Jamoi - - II RC 0.65
56
Lanjutan lampiran 1
Nama Jenis Nama Latin Family Kelas Kuat
Kelompok Jenis
Berat Jenis (BJ)
Jangkang Homalocladium platicadum (f. muallbailey) Annonaceae II RC 0.63 januat - - II RC 0.65 Jelutung Dyera costulata (Miq.) Hook.f. Apocynaceae III KL 0.43 Jengkol Hutan Archidendron pauciflorum Fabaceae III RC 0.47 Jirak Symplocos fasciculata Zoll. Symplococeae IV RC 0.38 Jomai - - II RC 0.65 Jomui - - II RC 0.65 Kaboi Litsea firma Lauraceae II RC 0.66 Kabosi - - II RC 0.65 Kajul - - II RC 0.65 Kalapi Shorea spp. Dipterocarpaceae II KM 0.65 Kaliat - - II RC 0.65 Kamambung - - II RC 0.65 Kambayau - - II RC 0.65 Kampus - - II RC 0.65 Kamunting - - II RC 0.65 Kanduyung - - II RC 0.65 Kanipul - - II RC 0.65 Kanopa - - II RC 0.65 Kanuat - - II RC 0.65 Kapengil - - II RC 0.65 Kapuk - - II RC 0.65 Kapul Baccaurea dulcis Muell Arg Euphorbiaceae II KL 0.61 Kapur Dryobalanops aromatica Dipterocarpaceae II RC 0.81 Karakubung - - II RC 0.65 Karakung - - II RC 0.65 Karamu - - II RC 0.65 Karanayup - - II RC 0.65 Karobung - - II RC 0.65 Karuat - - II RC 0.65 Katikal Ochanostachys amentaceae Mast Olacaceae I RC 0.9 Kayu abu Agrilaria microcarpa - II RC 0.65 Kayu Batu Rhodemnia sp.2/ Mallatus penangensis Myrtaceae I RC 1.02 Kayu Buhu - - II RC 0.65 Kayu bunga Terminalia comintona Merr Combreceae II RC 0.85 Kayu Furu - - II RC 0.42 Kayu Malam Diospyros spp. Ebenaceae I KI 1.05 Kayu rabun - - II RC 0.65 Kecapi Sandoricum spp - II RC 0.65 Kedondong Spondias pinnata Anacardiaceae II RC 0.33 Kekali Madhuca lancifolia Sapotaceae II RC 0.63
57
Lanjutan lampiran 1
Nama Jenis Nama Latin Family Kelas Kuat
Kelompok Jenis
Berat Jenis (BJ)
Kelampai Elateriospermum tapos Euphorbiaceae II KI 0.76 Keliat - - II RC 0.65 Kelopak - - II RC 0.65 Kelpau - - II RC 0.65 Keluat - - II RC 0.65 Kemaja - - II RC 0.65 Kembayau - - II RC 0.66 Kemenyan Styrax benzoin Dryand Styracaceae II RC 0.54 Kempas Koompassia excelsa Caesalpiniaceae II RC 0.95 Kempili - - II RC 0.9 kemuning Murraya paniculata Jack Rutaceae I RC 1.09 Kemunting - - II RC 0.65 Kenabu - - II RC 0.65 Kenakun Cyathocalyx sp. Annonaceae II RC 0.65 Kenanga Canangium odoratum Annonaceae IV RC 0.33 Kenapai - - II RC 0.65 Kenari Canarium spp. Burseraceae III RC 0.5 Kenduyung - - II RC 0.65 Kenipan - - II RC 0.65 Kenopa - - II RC 0.65 Kepayang - - II RC 0.65 Kepuh Sterculia macrophylla Vent Sterculiaceae IV RC 0.39 Kerakas Acrosticum aureum Pteridaceae II RC 0.65 Kerangas - - II RC 0.65 Keranji Dialium platysepalum Backer Caesalpiniaceae I RC 0.98 Kerasang - - II RC 0.65 Keriba - - II RC 0.65 Keruing Dipterocarpus spp. Dipterocarpaceae II KM 0.79 Ketapang Terminalia spp. Combreaceae III RC 0.6 Kinip - - II RC 0.65 Klampis Acasia tormentosa Fabaceae III RC 0.5 Kondang - - II RC 0.65 Kontoi Shorea spp. Dipterocarpaceae II KM 0.65 Kubing Shorea laevis Ridl Dipterocarpaceae I KM 0.9 Kumpang Knema sp. Myristicaceae II RC 0.75 Kumpat Durio burmanica Griff Bombacaceae I RC 1.02 Kunyit Cuuma longa L Zingiberaceae II RC 0.65 Kusi Koompasia malaccensis Maing Caesalpiniaceae II RC 0.9 Laban Vitex pubescens Vahl Verbenaceae II RC 0.88 Langko Shorea leprosula Miq Dipterocarpaceae III RC 0.52 Lansat Baccaurea racemoon Meliaceae II KI 0.85
58
Lanjutan lampiran 1
Nama Jenis Nama Latin Family Kelas Kuat
Kelompok Jenis
Berat Jenis (BJ)
Lempahung - - II RC 0.65 Lengkunang - - II RC 0.65 Lentang Shorea spp. Dipterocarpaceae II KM 0.65 Limun - - II RC 0.65 Linang - - II RC 0.65 Linggi Dacryodes costata Burseraceae I RC 0.91 Lintak - - II RC 0.65 Lodja Queus Fagaceae II RC 0.66 Lonsu - - II RC 0.65 Lunding - - II RC 0.65 Mahabai Xylopia spp. Annonaceae II RC 0.63 Mahang Macaranga spp. Euphorbiaceae III RC 0.5 Majau Shorea spp. Dipterocarpaceae II KM 0.65 Majing - - II RC 0.65 Malapan - - II RC 0.65 Mambulan - - II RC 0.65 Mampudu - - II RC 0.65 Mampul - - II RC 0.65 Manggurun - - II RC 0.65 Mangil - - II RC 0.65 Mangis labi - - II RC 0.65 Manjing - - II RC 0.65 Mantorung Dipterocarpus spp. Dipterocarpaceae II RC 0.79 Markubung Macaranga spp. Euphorbiaceae III RC 0.5 Matang - - II RC 0.65 Matoa Pometia pinnataFORST. Sapindaceae II RC 0.77 Medang Cinnamomum parthenoxylon Meissn Lauraceae III RC 0.47 Memarik - - II RC 0.65 Membulan - - II RC 0.65 Mempelam Mangifera spp. Anacardiaceae II KI 0.625 Mempisang Xylopia spp. Annonaceae II RC 0.63 Mengkudu Morinda citrifolia Rubiaceae III RC 0.49 Mengurun - - II RC 0.65 Menjalin Celtis spp. Ulmaceae III RC 0.58 Mentabay - - II RC 0.65 Mentajai - - II RC 0.65 Mentanjai - - II RC 0.65 Mentawa Artocarpus anisophyllus Moracaceae II RC 0.65 Merabu - - II RC 0.65 Merah Mellettia Papicaceae II RC 0.73 Merambung Vernonia arborea Compaceae II RC 0.65
59
Lanjutan lampiran 1
Nama Jenis Nama Latin Family Kelas Kuat
Kelompok Jenis
Berat Jenis (BJ)
Meranti Shorea spp. Dipterocarpaceae III KM 0.5 Meranti Kuning Shorea faguetina Heim Dipterocarpaceae III KM 0.54 Meranti merah Shorea parvifolia Dyer Dipterocarpaceae III KM 0.48 Meranti Putih Shorea bracteolata Dyer Dipterocarpaceae II KM 0.66 Meras - - II RC 0.65 Merawan Hopea mengarawan Miq Dipterocarpaceae II RC 0.7 Merbau Intsia palembanica miq Fabaceae II RC 0.8 Merinjahan - - II RC 0.65 Mersawa Anisoptera marginata Korth Dipterocarpaceae II RC 0.61 Nansau - - II RC 0.65 Nanua - - II RC 0.65 Ngensarai Laut - - II RC 0.65 Nilam - - II RC 0.65 Nyaru - - II RC 0.65 Nyatoh Palaquium xanthoxhymum Pierre Sapotaceae II KM 0.67 Pahi Lophopetalum beccarianum P Celastriceae II RC 0.64 Pakek Shorea seminis V. Sl Dipterocarpaceae I RC 0.9 Pakit Shorea spp. Dipterocarpaceae II KM 0.65 Palung Palaquium dasyphyllum Pierre Sapotaceae II RC 0.62 Pamai Adenanthera Mimbaceae II RC 0.65 Pandali - - II RC 0.65 Pandau - - II RC 0.63 Panggil - - II RC 0.65 Pangit - - II RC 0.65 Pangkutan - - II RC 0.65 Paning - - II RC 0.65 Pauh Kijang Irvingin malayana Oliv Simarubaceae I RC 1.02 pelawan Tristania maingayi Duthie Myrtaceae I RC 1.17 Pempaan - - II RC 0.65 Pendaran - - II RC 0.65 Pendaring - - II RC 0.65 Pendiruk - - II RC 0.65 Pendung - - II RC 0.65 Penduri - - II RC 0.65 Penjuling - - II RC 0.65 Penopa - - II RC 0.65 Penyeluang - - II RC 0.63 Penyeluangan - - II RC 0.63 Penyerangtupai - - II RC 0.65 Persi - - II RC 0.65
60
Lanjutan lampiran 1
Nama Jenis Nama Latin Family Kelas Kuat
Kelompok Jenis
Berat Jenis (BJ)
Perupuk Lophopetalum beccarianum P Celastriceae II RC 0.64 Petai Parkia speciosa Hassk Mimbaceae III RC 0.96 Petai hutan Parkia speciosa Hassk Mimbaceae III RC 0.96 Pinang - - II RC 0.65 Pinus Pinus spp. Pinaceae III RC 0.55 Pisang-pisang Mezzetia parvifolia Annonaceae II RC 0.68 Pitam - - II RC 0.65 Poga - - II RC 0.7 Ponsi - - II RC 0.63 Pontang - - II RC 0.65 Potai Parkia speciosa Hassk Mimbaceae II RC 0.65 Pudu Calophyllum sclerophyllum V Guttiferae II RC 0.71 Puing - - II RC 0.65 Pukam - - II RC 0.65 Pulai Alstonia macrophylla wall.ex g.don Apocinaceae IV RC 0.46 Pulut Dyera costulata (Miq.) Hook.f. Apocynaceae III KL 0.53 Punak - - II RC 0.65 Pundur - - II RC 0.65 Putat Barringtonia racemosa Lecythidae III RC 0.59 Rasamala Altingia excelsa Noroña Hammamelidaceae II RC 0.81 Rengas Gluta aptera (King) Ding Hou Anacardiaceae II RC 0.69 Reraba - - II RC 0.65 Resak - - II RC 0.7 Resam - - II RC 0.65 Riga-riga - - II RC 0.63 Rua metoi Nephelium lappaceum L Sapindaceae I RC 0.91 Rukam Flacourtia inermis Roxb Flacaceae II RC 0.65 Rupis - - II RC 0.63 Sadawak - - II RC 0.63 Sahui - - II RC 0.63 Salam Eugenia spp. Myrtaceae II RC 0.76 Saliau - - II RC 0.65 Samak - - II RC 0.65 Samawa - - II RC 0.65 Sandak - - II RC 0.65 Sandau - - II RC 0.65 Sanok - - II RC 0.65 Sansarai - - II RC 0.65 Saon - - II RC 0.65 Sarang - - II RC 0.65 Saras - - II RC 0.65
61
Lanjutan lampiran 1
Nama Jenis Nama Latin Family Kelas Kuat
Kelompok Jenis
Berat Jenis (BJ)
Sarawa - - II RC 0.65 Sarua - - II RC 0.65 Sedawak - - II RC 0.65 Segulang Evodia sp. Rutaceae III RC 0.54 Sengkubak - - II RC 0.65 Sengon Paraserianthes falcataria Fabaceae IV RC 0.33 Sewo - - II RC 0.65 Sibau - - II RC 0.65 Silar - - II RC 0.65 Simpur Dillenia spp. Dilleniaceae II RC 0.76 Sindur Sindora spp. Fabaceae II KI 0.75 Singkang Priuk - - II RC 0.65 Sintuk Dryobalanops oocarpa Dipterocarpaceae II KM 0.65 Sumpak - - II RC 0.65 Sungkai Peronema canescens Verbenaceae II RC 0.62 sungkup - - II RC 0.65 Surian Koordersiodendron pinnatum Merr Anacardiaceae III RC 0.58 Takuyung - - II RC 0.65 Tambosi - - II RC 0.65 Tampajok - - II RC 0.65 Tampasi - - II RC 0.65 Tangkalak Knema sp. Myristicaceae II RC 0.75 Tangkutis - - II RC 0.65 Telihai - - II RC 0.65 Temoras - - II RC 0.63 Tempaja - - II RC 0.65 Tengkawang Shorea pinanga Dipterocarpaceae II KL 0.75 Tentopung - - II RC 0.65 Terap Artocarpus odoratissimus Moraceae III RC 0.44 Teratungan - - II KL 0.65 Terentang Campnospermum auriculatum Anacardiaceae III RC 0.4 Timau - - II RC 0.65 Tongkoi - - II RC 0.65 Tuba Strombossia javanica Bl Olacaceae II RC 0.65 Ubar Eugenia Myrtaceae II RC 0.8 Ulin Eusyderoxylon zwagery Lauraceae I KI 1.04 Umbing Dehaasia microcarpa Lauraceae II RC 0.65 Undingdam - - II RC 0.65 Yanduk - - II RC 0.65 Yas - - II RC 0.65
Sumber : Diadaptasi dari Laporan IHMB PT Trisetia Intiga dan berbagai sumber
62
Lampiran 2 Hasil interpolasi Metode IDW untuk Seluruh Jenis Kayu D>10 cm
63
Lampiran 3 Hasil interpolasi Metode IDW untuk Jenis Kayu Komersil D>40 cm
64
Lampiran 4 Hasil interpolasi Metode IDW untuk Biomassa
65
Lampiran 5 Hasil Interpolasi Metode Kriging untuk Seluruh Jenis Kayu D>10 cm
66
Lampiran 6 Hasil Interpolasi Metode Kriging untuk Jenis Kayu Komersil D>40 cm
67
Lampiran 7 Hasil Interpolasi Metode Kriging untuk Biomassa
68
Lampiran 8 Hasil Semivariogram Metode Kriging untuk Seluruh Jenis Kayu
D>10 cm
Lampiran 9 Hasil Semivariogram Metode Kriging untuk Jenis Kayu Komersil
D>40 cm
69
Lampiran 10 Hasil Semivariogram Metode Kriging untuk Biomassa
70
UCAPAN TERIMA KASIH
Pada kesempatan ini penulis mengucapkan terima kasih yang sebesar-besarnya
kepada :
1. Prof. Dr. Ir. I Nengah Surati Jaya, M. Agr selaku dosen pembimbing atas
segala bimbingan, pengarahan, kesabaran, ilmu, motivasi dan waktu selama
penyusunan skripsi.
2. Orang tua penulis Bapak Wawan Karyawan dan Ibu N. Siti Hodijah, kakak-
kakak penulis Siti Atia Destri Rahmawati dan Maulana Arsyad juga adik
penulis Muhamad Ega Nugraha serta seluruh keluarga besar penulis atas
segala doa dan dukungan yang diberikan tanpa henti kepada penulis.
3. Direksi dan staf PT Trisetia Intiga, khususnya Pak Margono, Pak Rifky, Pak
Bro, Pak Mu, Pak Sujadi, Pak Yuwel, Bu Nur, Pak Tamer, Onci Nias, Bang
Jack, Pak Suradi Suratman, Pak Wawan, Mba Leny, Pak Ferry, Mas Alvin
yang telah memberikan kesempatan dan bantuan kepada penulis selama
melakukan penelitian.
4. Bpk Uus Saeful M. Dan Aa Edwine Setia P, S. Hut atas segala ilmu dan
pencerahan yang telah diberikan.
5. Sandy Lesmana kesabaran dan kebersamaannya dalam mendampingi
penulis.
6. Sahabat-sahabat seperjuangan Suratiyaningrum S. Hut, Andita Ramadhanty
S. Kpm, Anggi Hapsari S. Hut, Ade Anggraini S. Hut, Siti Hanafiah
Hegemur S. Hut, Ehsa Septy Listianti, Evy Nurfiana SE, Maulina Sendy S.
Tp, Hilda Utami Anwar S. Tp, Tika Nurmalasari S. Gz, Grace Mutiara
Lauren SP, Afri Mahdane atas segala dukungan dan motivasi.
7. Keluarga besar Lab. Remote Sensing dan GIS : Tia Lia Agustina, Gina
Amalia, Pamungkas Nur Afrizal, Reflyani Puspita Dewi, Fajar Isnanu
Saidatu, Chatarina Ganis W, Febrina NS, Hikmat Megandana, Solekhudin,
Pak Dahlan, Pak Bejo, Pak Samsuri, Bu Eva, Mba Aci, Pak Israr atas
kebersamaannya.
8. Seluruh dosen dan staf Departemen Manajemen Hutan atas segala ilmu dan
bantuannya.
71
9. Keluarga besar MNH 45 atas segala kebersamaan dan dukungannya selama
belajar di Manajemen Hutan, Fahutan IPB.
10. Rekan-rekan Komunitas Seni Budaya Masyarakat Roempoet: Kak Ari, Kak
Agus, Kak Kuya, Kak Meri, Kak Tebe, Endita, Dimas, Cuga, Bagus Tri,
Bagus F, Geri, Amalia, Putri, Tria atas pengalaman, canda tawa, hiburan
dan kebersamaannya.
11. Semua pihak yang tidak dapat penulis sebutkan satu per satu atas semua
dukungan dan kebersamannya.