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. geoff@kgs.ku.edu.

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. geoff@kgs.ku.edu.

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.