View
314
Download
4
Category
Preview:
Citation preview
1
MODEL PERTUMBUHAN RATA-RATA DIAMETER, RATA-RATA TINGGI DAN VOLUME TEGAKAN
Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan Timur)
NUR MALIKI ARIFIANDY E 14101045
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR 2006
2
MODEL PERTUMBUHAN RATA-RATA DIAMETER, RATA-RATA TINGGI DAN VOLUME
TEGAKAN Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan Timur)
NUR MALIKI ARIFIANDY
Skripsi Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Kehutanan pada Fakultas Kehutanan Institut Pertanian Bogor
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR 2006
3
Judul Skripsi : MODEL PERTUMBUHAN RATA-RATA DIAMETER, RATA-RATA TINGGI DAN VOLUME TEGAKAN Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan Timur).
Nama Mahasiswa : NUR MALIKI ARIFIANDY
NRP : E14101045
Departemen : Manajemen Hutan
Program Studi : Manajemen Hutan
Menyetujui :
Dosen Pembimbing I Dosen Pembimbing II
(Prof. Dr. Ir. Endang Suhendang, MS ) (Tatang Tiryana S. Hut., M.Sc) NIP. 130 933 588 NIP. 132 231 998
Mengetahui,
Dekan Fakultas Kehutanan IPB
(Prof. Dr. Ir. Cecep Kusmana, MS) NIP. 131 430 799
Tanggal Lulus : 18 Januari 2006
i
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala Rahmat
dan Hidayah-Nya serta shallawat dan salam kepada Nabi Muhammad SAW maka
penulis dapat menyelesaikan penyusunan skripsi yang berjudul Model
Pertumbuhan Rata-Rata Diameter, Rata-Rata Tinggi, dan Volume Tegakan
Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II,
Kalimantan Timur).
Pada kesempatan ini penulis mengucapkan terima kasih kepada :
1. Bapak Prof. Dr. Ir. Endang Suhendang, MS dan Bapak Tatang Tiryana,
S.Hut., M.Sc. yang telah membimbing penulis selama penulisan skripsi
ini.
2. Ir. Sucahyo Sadiyo, MS selaku dosen penguji dari Departemen Hasil
Hutan, dan Ir. Ervizal A.M. Zuhud, MS selaku dosen penguji dari
Departemen Konservasi Sumberdaya Hutan dan Ekowisata.
3. Mamih, Papih, Teteh dan Mas Ido yang telah memberikan dukungan baik
moril maupun materiil serta curahan kasih sayangnya.
4. Bapak Sukrul, Bapak Zakir, Bapak Suradi, Bapak Dudi, Bapak Susanto,
Bapak Saiful, Bapak Agus, serta seluruh staf di PT. Sumalindo Hutani
Jaya II yang telah membantu penulis dalam mengumpulkan data penelitian
5. Rekan-rekan senasib seperjuangan satu bimbingan Kania dan Pipin, rekan-
rekan kelompok PKL Dita, Dini, Arga, Dedi, dan Pudy, dan rekan
MNH38 atas kebersamaan dan persahabatannya selama ini.
6. Serta seluruh pihak yang tidak dapat disebutkan satu persatu yang telah
membantu penulis dalam penyusunan skripsi ini.
Akhir kata, penulis berharap skripsi ini dapat bermanfaat bagi penulis dan
pihak yang membutuhkan.
Bogor, Januari 2006
Penulis
2
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 15 Mei 1983 dari ayah Edy
Effendy dan ibu Nuraini Suksminingrum. Penulis merupakan putri ketiga dari
tiga bersaudara.
Penulis menempuh jalur pendidikan sejak tahun 1988 pada TK Persiapan
Bersama Jakarta, dilanjutkan pada tahun 1989 di SDN 04 PG Jakarta. Tahun 1995
melanjutkan pendidikan di SLTPN 257 Jakarta, dan pada tahun 1998 penulis
melanjutkan pendidikan di SMUN 39 Jakarta, pada tahun 2001 penulis masuk IPB
melalui jalur UMPTN, memilih Jurusan Manajemen Hutan , Fakultas Kehutanan.
Selama di bangku kuliah penulis mengikuti kegiatan Praktek Pengenalan
dan Pengelolaan Hutan (P3H) di Cilacap, Batu Raden, dan Getas. Pada tahun
2005 penulis mengikuti kegiatan Praktek Kerja Lapang (PKL) di PT. Sumalindo
Lestari Jaya, Tbk. Kalimatan Timur.
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan,
penulis melakukan penyusunan skripsi dengan judul Model Pertumbuhan
Rata-Rata Diameter, Rata-Rata Tinggi, dan Volume Tegakan Acacia
mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan
Timur) di bawah bimbingan Prof. Dr. Ir. Endang Suhendang, MS dan
Tatang Tiryana, S.Hut., M.Sc.
3
RINGKASAN
Nur Maliki Arifiandy. Model Pertumbuhan Rata-Rata Diameter, Rata-Rata Tinggi, dan Volume Tegakan Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan Timur). Di bawah bimbingan Prof. Dr. Ir. Endang Suhendang, MS dan Tatang Tiryana, S.Hut., M.Sc.
Pembangunan Hutan Tanaman Industri (HTI) merupakan salah satu upaya untuk memenuhi kebutuhan bahan baku industri pengolahan hasil hutan kayu. Permintaan terhadap kayu dari HTI meningkat seiring dengan meningkatnya konsumsi kayu masyarakat dan makin berkurangnya produksi kayu dari hutan alam akibat laju kerusakan hutan alam yang semakin tinggi. Untuk itu, diperlukan adanya pengolahan HTI yang lebih intensif dengan berpegang pada prinsip kelestarian hasil. Untuk mendukung upaya ini perlu dibuat rencana pengelolaan HTI dengan seksama. Salah satu data yang harus diperhatikan dalam penyusunan rencana pengelolaan HTI seperti ini adalah pertumbuhan tegakan yang memiliki tingkat ketepatan dan ketelitian tinggi. Salah satu jenis tanaman yang banyak dikembangkan pada HTI adalah Acacia mangium yang merupakan jenis cepat tumbuh (fast growing species). Untuk mendukung pengelolaan HTI maka informasi pertumbuhan tegakan dalam bentuk model pertumbuhan sangat diperlukan.
Bahan yang digunakan dalam penelitian ini adalah data sekunder hasil pengukuran berulang pada Petak Ukur Permanen (PUP) seluas 0.1 Ha sebanyak 60 petak pada tegakan A. Mangium. Alat-alat yang digunakan dalam analisis data adalah alat tulis, kalkulator, PC (Personal Computer). Pengolahan data dilakukan dengan menggunakan analisis regresi linear dan non linear dengan bantuan software Excel, dan Statistica.
Dalam pemilihan model terbaik, model-model pertumbuhan yang digunakan adalah model dari: Bruce dan Schumacher (1950), Chapman-Richards (1959), Prodan (1968), Alder (1980) yang telah dimodifikasi oleh Harbagung (2004), dan Wiroatmodjo (1984) dengan menambahkan peubah kerapatan tegakan (jumlah pohon per hektar). Dalam menentukan model pertumbuhan terbaik dilakukan uji statistik, yaitu uji peranan peubah bebas, koefisien determinasi, koefisien determinasi terkoreksi, root mean squares error, dan simpangan rata-rata.
Dengan mengkombinasikan antara uji statistik, kelogisan bentuk kurva, dan kesederhanaan penerapan di lapangan maka model pertumbuhan terbaik masing-masing untuk diameter tegakan adalah 0,539 0,34658,885D U N= , tinggi tegakan adalah 2,274, 271 3, 646 lnT U= + , dan pertumbuhan volume per hektar adalah 1
0, 01 0, 516 0,1V U Ne e
= + +.
Penelitian ini juga ingin membuktikan asumsi bahwa terdapat hubungan yang kuat antara kerapatan tegakan dengan pertumbuhan diameter dan pertumbuhan tinggi. Untuk membuktikan hal tersebut maka dilakukan pengujian dengan rumus persentase pertumbuhan diameter dan tinggi, dengan menggunakan N1=1100 dan N2=700 didapatkan persentase untuk pertumbuhan diameter adalah
4
16,91% dan untuk pertumbuhan tinggi adalah 7,72%. Berdasarkan hasil tersebut maka dapat disimpulkan bahwa kerapatan tegakan memiliki pengaruh yang lebih kuat terhadap pertumbuhan diameter dibandingkan pertumbuhan tinggi. Hal ini disebabkan karena pertumbuhan diameter lebih dipengaruhi oleh faktor eksternal sedangkan pertumbuhan tinggi lebih dipengaruhi oleh faktor internal dari tegakan.
Penentuan model pertumbuhan merupakan informasi dasar dalam penentuan keputusan manajemen, antar lain dalam penentuan daur tegakan. Hal ini dapat diketahui dengan melihat titik perpotongan antara kurva CAI (Current Annual Increment) dan MAI (Mean Annual Increment). Berdasarkan titik perpotongan kedua kurva tersebut, daur untuk tegakan A. mangium di HPHTI Sumalindo Hutani Jaya II, Kalimantan Timur adalah 5,25 tahun.
ii
DAFTAR ISI
Halaman
KATA PENGANTAR ..................................................................... i DAFTAR ISI .................................................................................... ii DAFTAR TABEL ......................................................................... iii DAFTAR GAMBAR ...................................................................... iv DAFTAR LAMPIRAN ................................................................... v
PENDAHULUAN Latar Belakang .................................................................... 1 Tujuan .................................................................................. 2 Hipotesis ................................................................................ 2
TINJAUAN PUSTAKA Acacia mangium Willd ......................................................... 3 Pertumbuhan ......................................................................... 4 Kurva Pertumbuhan .............................................................. 5 Model Pertumbuhan .............................................................. 5 Hasil Penelitian Lain ............................................................. 8 METODOLOGI
Lokasi dan Waktu Penelitian ................................................ 10 Bahan dan Alat Penelitian ..................................................... 10 Metode Penelitian ................................................................. 10
Penyiapan Data ............................................................... 10 Analisis Data ................................................................... 11
KEADAAN UMUM LOKASI PENELITIAN Letak dan Luas ...................................................................... 15 Tanah dan Geologi ................................................................ 15 Iklim ...................................................................................... 16 Kedaan Hutan (Potensi dan Jenis)......................................... 16 Sosial, Ekonomi dan Budaya Masyarakat ............................. 16
HASIL DAN PEMBAHASAN Model Pertumbuhan Diameter .............................................. 17 Model Pertumbuhan Tinggi .................................................. 19 Model Pertumbuhan Volume per Hektar .............................. 21 Hubungan Kerapatan dengan Pertumbuhan Diameter .......... 23 Hubungan Kerapatan dengan Pertumbuhan Tinggi .............. 24 Kegunaan Model Pertumbuhan untuk Pengelolaan Hutan ... 25
KESIMPULAN DAN SARAN Kesimpulan ........................................................................... 27 Saran ...................................................................................... 27
DAFTAR PUSTAKA ...................................................................... 28
LAMPIRAN ..................................................................................... 30
iii
DAFTAR TABEL
Halaman
Tabel 1. Rekapitulasi Analisis Regresi Model Pertumbuhan Diameter ............................................ 17 Tabel 2. Rekapitulasi Analisis Regresi Model Pertumbuhan Tinggi .................................................. 19 Tabel 3. Rekapitulasi Analisis Regresi Model Pertumbuhan Volume per Hektar.............................. 22
iv
DAFTAR GAMBAR
Halaman
Gambar 1. Bentuk Umum Kurva Pertumbuhan .......................... 5 Gambar 2. Kurva Pertumbuhan diameter ................................... 19 Gambar 3. Kurva Pertumbuhan Tinggi ...................................... 21 Gambar 4. Kurva Pertumbuhan Volume per Hektar .................. 23 Gambar 5. Hubungan Pertumbuhan Diameter dengan Kerapatan Tegakan ........................................ 24 Gambar 6. Hubungan Pertumbuhan Tinggi dengan Kerapatan Tegakan ....................................... 24 Gambar 7. Kurva CAI & MAI Volume per Hektar .................... 26
v
DAFTAR LAMPIRAN
Halaman
Lampiran 1. Analisis Ragam Model Pertumbuhan dari software Statistica .............................................. 31 Lampiran2. Perkiraan Pertumbuhan Tegakan A.mangium di HPHTI Sumalindo Hutani Jaya II ........................ 39
1
PENDAHULUAN
Latar Belakang
Pembangunan Hutan Tanaman Industri (HTI) merupakan salah satu upaya
untuk memenuhi kebutuhan bahan baku industri pengolahan hasil hutan kayu.
Permintaan terhadap kayu dari HTI meningkat seiring dengan meningkatnya
konsumsi kayu masyarakat dan makin berkurangnya produksi kayu dari hutan
alam akibat laju kerusakan hutan alam yang semakin tinggi. Untuk itu, diperlukan
adanya pengolahan HTI yang lebih intensif dengan berpegang pada prinsip
kelestarian hasil. Untuk mendukung upaya ini perlu dibuat rencana pengelolaan
HTI dengan seksama. Salah satu data yang harus diperhatikan dalam penyusunan
rencana pengelolaan HTI seperti ini adalah pertumbuhan tegakan yang memiliki
tingkat ketepatan dan ketelitian tinggi.
Pertumbuhan pohon merupakan perubahan dalam sistem organik yang
ditunjukan oleh adanya pertambahan diameter, tinggi dan volume pohon (Prodan,
1968). Informasi pertumbuhan memiliki peranan penting dalam pengambilan
keputusan manajemen, karena informasi ini dapat memberikan gambaran
mengenai pola dan titik-titik optimum pertumbuhan yang akan berkaitan dengan
keputusan perlakuan silvikultur yang akan diterapkan, penentuan daur, dan
prediksi hasil yang akan didapatkan (Harbagung, 2004). Informasi pertumbuhan
dapat disajikan dalam bentuk model pertumbuhan yang merupakan hubungan
dimensi tegakan (diameter, tinggi atau volume) dengan umur dan kerapatan
tegakan, yang digambarkan melalui kurva pertumbuhan.
Salah satu jenis tanaman yang banyak dikembangkan pada HTI adalah
Acacia mangium yang merupakan jenis yang cepat tumbuh (fast growing species).
Untuk mendukung pengelolaan HTI maka informasi pertumbuhan dalam bentuk
model pertumbuhan sangat diperlukan.
2
Tujuan
Penelitian ini bertujuan untuk mendapatkan model pertumbuhan diameter,
tinggi dan volume dari tegakan A. mangium berdasarkan hubungan dengan umur
dan kerapatan.
Hipotesis
1. Terdapat hubungan kuat antara kerapatan tegakan terhadap pertumbuhan
diameter.
2. Terdapat hubungan kuat antara kerapatan tegakan terhadap pertumbuhan
tinggi.
3
TINJAUAN PUSTAKA
Acacia mangium Willd.
Acacia mangium merupakan salah satu jenis tanaman yang memiliki
pertumbuhan cepat (fast growing species) dengan rata-rata kenaikan diameter
2-3 cm/tahun.. Termasuk dalam sub famili Mimosoideae, famili Leguminoceae,
dan ordo Rosales. Jenis ini tersebar secara alami di daerah timur laut Australia,
Papua Nugini hingga ke daerah Indonesia Timur (Papua Barat dan Kepulauan
Maluku). Populasinya menyebar luas mulai dari 050' LS di Irian Jaya hingga
19 LS di daerah Queensland, Australia (NAS, 1983).
Perdasarkan penelitian-penelitian yang telah dilakukan, menurut
Palokangas (1996) A. mangium merupakan jenis Akasia yang paling baik
pertumbuhannya di hampir semua tingkat kesuburan tanah dibandingkan dengan
jenis Akasia lainnya. Pohonnya berbatang lurus, dapat mencapai ketinggian
hingga 30 m dengan batang bebas cabang lebih dari setengah tinggi pohon (NAS,
1983). Tumbuh pada ketinggian 30 130 mdpl dengan curah hujan bervariasi
antara 1000 4500 mm/tahun (Badan Penelitian dan Pengembangan Kehutanan,
1994). Tumbuh pada tanah subur berpasir. Toleran terhadap tanah asam (pH 4.2),
miskin hara, dan drainase jelek (Nurhasybi, 2000). A. mangium merupakan jenis
pionir yang cepat tumbuh, sehingga sangat membutuhkan sinar matahari. Oleh
karenanya apabila mendapatkan naungan pertumbuhannya akan kurang sempurna
dengan bentuk tinggi dan kurus (Badan Penelitian dan Pengembangan Kehutanan,
1994).
Sejak dicanangkannya pembangunan HTI di Indonesia, jenis mangium
merupakan salah satu jenis favorit untuk ditanam. Pada awalnya jenis ini
dikelompokkan kedalam jenis kayu untuk memenuhi kebutuhan kayu serat
terutama untuk bahan baku industri pulp dan kertas, karena mangium memiliki
panjang serat 0,7-1 mm dengan kerapatan 410-530 kg/m3 (Palokangas, 1996).
Saat ini pemanfaatan kayu mangium meluas antara lain untuk: papan serat, kayu
lapis, venir lamina, furnitur, kayu pertukangan, papan partikel, dan kayu energi
(bahan bakar, dan arang). (Malik, et al., 2000).
4
Warna kayu teras dan gubal pada kayu mangium dapat dilihat jelas, yaitu
bagian teras berwarna lebih gelap yaitu agak kecoklatan hampir mendekati kayu
jati, sedangkan bagian gubalnya berwarna putih dan lebih tipis. Berdasarkan berat
jenis, keteguhan lentur statis dan tekan sejajar arah serat, kayu mangium ini
termasuk kelas kuat II-III (Malik, et al., 2000).
Pertumbuhan Tegakan
Pertumbuhan tegakan adalah pertambahan dimensi dari satu atau lebih
individu dalam suatu tegakan hutan dalam suatu jangka waktu (Vanclay, 1994).
Pertumbuhan tegakan merupakan perubahan ukuran sifat terpilih dari dimensi
tegakan yang terjadi selama periode tertentu (Davis dan Johnson, 1987).
Pertumbuhan merupakan hasil interaksi dari faktor internal dan faktor
eksternal. Faktor internal antara lain sifat genetik pohon, persediaan bahan
makanan dalam pohon dan persediaan air di dalam pohon. Sedangkan faktor
eksternal antara lain kerapatan tegakan, suhu, curah hujan, kelembapan udara,
komposisi kimia tanah, kandungan hara mineral, dan kandungan organisma dalam
tanah (Bruce dan Schumacher, 1950). Sedangkan menurut Husch, et al. (1982),
pertumbuhan tanaman merupakan interaksi antara lingkungan dan kemampuan
genetik dari tanaman tersebut. Faktor lingkungan yang berpengaruh antara lain
faktor iklim ( suhu dan curah hujan), faktor tanah (karakteristik fisik dan kimia
tanah, kelembapan tanah, dan mikroorganisma), topografi (kemiringan dan
ketinggian), dan faktor kompetisi (dengan tanaman lain dan hewan).
Menurut Kramer dan Kozlowski (1960), pertumbuhan merupakan hasil
akhir dari interaksi beberapa proses-proses fisiologi pertumbuhan yang baik
membutuhkan pemasukan yang cukup dari makanan, air, cahaya, nutrisi mineral,
hormon, dan oksigen serta suhu lingkungan yang sesuai. Secara fisiologi,
kebutuhan lingkungan adalah kondisi yang memungkinkan untuk membentuk
makanan yang cukup untuk pertumbuhan dan perawatan dari keseimbangan air
didalam yang cukup.
5
Kurva pertumbuhan
Secara umum kurva pertumbuhan berbentuk sigmoid. Menurut Spurr
(1952), kurva pertumbuhan dapat dibagi kedalam tiga bagian namun tidak dapat
dipisahkan secara pasti. Pada tahap awal, pertambahan bergerak lambat namun
semakin lama kecepatan pertumbuhan meningkat. Pada tahap kedua, pertumbuhan
bergerak cepat hingga mencapai titik maksimal dan membentuk garis lurus. Dan
pada tahap akhir, kecepatan pertumbuhan mulai turun secara perlahan setelah
mencapai titik maksimal.
Menurut Prodan (1968), kurva pertumbuhan dimulai dari nol kemudian
meningkat. Pada awalnya kurva akan bergerak secara perlahan dan terus
meningkat hingga mencapai titik belok, setelah itu kecepatannya akan turun
secara perlahan. Sedangkan menurut Munez (1981) dalam Widodo (1989)
menyebutkan bahwa tidak seluruh bentuk kurva pertumbuhan bergerak asimtotik
pada bagian akhirnya. Kurva pertumbuhan peninggi, rata-rata diameter, dan tinggi
pohon bergerak asimtotik pada bagian akhirnya, sedangkan kurva pertumbuhan
lbds dan volume tegakan tidak demikian halnya
Model Pertumbuhan
Vanclay (1994) menyatakan bahwa model pertumbuhan dapat digunakan
untuk memprediksi hasil yang akan didapatkan dan untuk menentukan perlakuan
silvikultur yang tepat serta cara mengelolanya. Hal ini mengingat dalam
Gambar 1. Bentuk umum kurva pertumbuhan
6
pengusahaan HTI memerlukan informasi mengenai pertumbuhan untuk menyusun
rencana pengelolaannya.
Terdapat beberapa model fungsi pertumbuhan baik menggunakan satu
variabel maupun dua variabel, antara lain :
1. Bruce dan Schumacher (1950)
tLogY loglog 10 += tLnY lnln 10 +=
Dimana :
Y : karakteristik pertumbuhan (diameter, tinggi, atau volume pohon)
t : umur
0, 1 : parameter fungsi
2. Chapman-Richards (1959)
( ) mkteWY = 1/11 Dimana :
Y : karakteristik pertumbuhan (diameter, tinggi, atau volume pohon)
t : umur
e : bilangan euler
k : konstanta
W, m : parameter fungsi
3. Prodan (1968) p
p xxxY ++++= ....2210 xY t /0 += xxY 10/ +=
2210
2 / xxxY ++= Dimana :
Y : karakteristik pertumbuhan (diameter, tinggi, atau volume pohon)
x : umur
0, 1, 2 : parameter fungsi
7
4. Alder (1980)
( )kAbaLnY /1+= Dimana :
Y : karakteristik pertumbuhan (diameter, tinggi, atau volume pohon)
A : umur
k : konstanta
a, b : parameter fungsi
5. Wiroatmodjo (1984) NA cebeaY ++= /1
cb NAaY = 11 ++= cNbAaY
Dimana :
Y : karakteristik pertumbuhan (diameter, tinggi, atau volume pohon)
A : umur
e : bilangan euler
N : kerapatan tegakan
a,b,c : parameter fungsi
6. Harbagung (2004)
Untuk penelitian Model Hasil Tegakan Hutan Tanaman Acacia mangium
Willd., di daerah Semaras Pulau Laut Kalimantan Selatan, Harbagung
memodifikasi model pertumbuhan dari Alder sebagai berikut :
( )ln kY a b A= + Dimana :
Y : karakteristik pertumbuhan (diameter, tinggi, atau volume pohon)
A : umur
k : konstanta
a, b : parameter fungsi
8
Hasil Penelitian Lain
Penelitian mengenai model pertumbuhan telah dilakukan untuk berbagai
jenis tegakan. Berikut ini hasil penelitian mengenai model pertumbuhan jenis A.
mangium yang telah dilakukan :
1. Penelitian dilakukan oleh Harbagung di areal kerja PT. INHUTANI II,
Sub Unit Hutan Tanaman Industri (HTI) Semaras, Pulau Laut Kalimantan
Selatan. Data keragaman dimensi tegakan yang digunakan adalah jumlah
pohon, diameter dan tinggi berdasarkan umur yang ada yaitu 1, 2, 3, 5, 6,
8, dan 9 tahun. Plot yang digunakan adalah temporary sample plot
berbentuk lingkaran 0,1 ha.
Didapatkan model pertumbuhan terbaik adalah :
( )1,183742,38963 7,32155D lnA= + ( )1,560503, 42891 5, 28962H lnA= +
1,677557 2,05946ln 0,15047LnV B lnH= + + Dimana :
D : diameter tegakan rata-rata
H : tinggi tegakan
V : volume tegakan dalam 1 ha
B : luas bidang dasar tegakan dalam 1 ha
A : umur tegakan
2. Penelitian dilakukan oleh Perum Perhutani Unit III Jawa Barat
bekerjasama dengan Fakultas Kehutanan Institut Pertanian Bogor di
BKPH Subang dan Cikeusik-KPH Banten, BKPH Cibenda-KPH
Majalengka, dan BKPH Jati Munggul, Plosokerep, Cikawung-BKPH
Indramayu. Data diambil dari Petak Percobaan Permanen (PPP) yang
dibuat tahun 1992 sebanyak 9 seri dan masing-masing terdiri atas 7 buah
PPP berukuran 0,1225 ha.
Didapatkan model pertumbuhan terbaik adalah :
BONITA II : 1 1exp(2,52 1,37 115 )D A N = 1 1exp(3,04 0,86 1161 )B A N = 1 1exp(4,87 3, 23 1132 )V A N =
9
BONITA III : 1 1exp(2,70 2,58 219 )D A N = 1 1exp(3,64 4,82 347 )B A N = 1 1exp(5,13 6,21 152 )V A N = BONITA IV : 1 1exp(3,14 2,28 2 )D A N = 1 1exp(4,52 5,36 788 )B A N = 1 1exp(6, 42 6,81 886 )V A N = Dimana :
D : diameter tegakan
B : bidang dasar tegakan
V : volume tegakan
A : umur tegakan
N : jumlah pohon
10
METODOLOGI
Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan di PT. Sumalindo Hutani Jaya II (PT. SHJ II),
Site Sei Mao/ Bhirawa Kabupaten Kutai Kartanegara, Kalimantan Timur.
Pengambilan data dilaksanakan pada bulan April 2005.
Bahan dan Alat Penelitian
Bahan yang digunakan dalam penelitian ini adalah data sekunder hasil
pengukuran berulang pada Petak Ukur Permanen (PUP) seluas 0,1 Ha sebanyak
60 petak pada tegakan A. Mangium. Kegiatan inventarisasi dilakukan dengan
metode systematic sampling yang dilakukan oleh bagian Perencanaan sub bagian
inventarisasi di HPHTI SHJ II, Kalimantan Timur.
Alat-alat yang digunakan dalam analisis data adalah: alat tulis, kalkulator,
PC (Personal Computer). Pengolahan data dilakukan dengan menggunakan
analisis regresi linear dan non linear dengan bantuan software Excel, dan
Statistica.
Metode Penelitian
Penyiapan Data
Data yang digunakan adalah data sekunder, yang merupakan hasil
pengukuran secara periodik pada PUP berbentuk lingkaran seluas 0,1 Ha. Data
tersebut dikelompokkan berdasarkan petaknya, kemudian dirata-ratakan. Jumlah
petak yang digunakan adalah 60 petak, yang berasal dari 1) RKT 1997/1998
terdiri dari umur 3, 4, dan 5 tahun, 2) RKT 1998/1999 terdiri dari umur 2, 3, dan 4
tahun, dan 3) RKT 2003/2004 terdiri dari umur 1 tahun. Data hasil pengukuran
yang digunakan adalah umur (U), kerapatan tegakan per hektar (N/Ha), diameter
rata-rata (cm), tinggi rata-rata (m), dan volume per hektar (m3/Ha).
Setelah tahapan pengambilan data, kegiatan dilanjutkan dengan tahapan
penyiapan data. Langkah awal yang dilakukan adalah pemilihan petak ukur yang
memiliki kondisi topografi seragam, dimana petak-petak dengan kondisi topografi
yang berbeda dipisahkan dan tidak digunakan dalam pengolahan data. Kemudian
11
data yang terpilih dimasukan kedalam komputer dengan menggunakan software
Microsoft Excel untuk selanjutnya dilakukan pengolahan data dengan
menggunakan software Statistica.
Analisis Data
1. Penyusunan model pertumbuhan
Dalam penelitian ini, model pertumbuhan yang dibuat adalah model
pertumbuhan diameter, tinggi, dan volume per ha tegakan hutan tanaman
A. mangium. Dalam penentuan model terbaik menggunakan analisis
regresi non linear (hal ini mengingat bentuk kurva pertumbuhan yang
sigmoid). Model-model pertumbuhan yang digunakan adalah model dari:
Bruce dan Schumacher (1950), Chapman-Richards (1959), Prodan (1968),
Alder (1980) yang telah dimodifikasi oleh Harbagung (2004), dan
Wiroatmodjo (1984) dengan menambahkan peubah kerapatan tegakan
(jumlah pohon per hektar).
1.1 Model pertumbuhan dengan menggunakan peubah bebas umur :
a) ppUUUY ++++= ....2210 ....................... (1) b) UY t /0 += ...................................................... (2) c) UUY 10/ += ................................................... (3) d) 2210
2 / UUUY ++= ..................................... (4) e) ( )kUY ln10 += ................................................. (5) f) ( ) mkUeY = 1/10 1 ............................................... (6)
1.2 Model pertumbuhan dengan peubah bebas umur dan kerapatan
tegakan:
a) 21 )/(0 HaNUY = ...................................... (7)
b) 23210 )/( UUHaNY +++= ....................... (8) c) )/1()/( 210 UHaNY ++= ............................ (9) d) )/(
210
1HaNU ee
Y ++= ................................ (10)
e) 121
10 )/( ++= HaNUY ............................ (11)
12
f) UNLnY lnln 210 ++= ................................ (12) Dimana,
Y : nilai karakteristik pertumbuhan rata-rata diameter
(cm), atau rata-rata tinggi (m), dan atau volume
per hektar (m3/ha).
U : umur tegakan (tahun)
N/Ha : kerapatan tegakan per hektar (jumlah pohon per
hektar)
K : konstanta
e : bilangan euler (2.71828)
m,0, 1 p : koefisien regresi
2. Pemilihan model pertumbuhan
Model yang baik merupakan model yang mampu memenuhi maupun
mendekati kriteria-kriteria uji dari pemilihan model yang telah ditetapkan.
Oleh karena itu dalam tahapan penentuan model terbaik harus melewati
beberapa kriteria uji yang telah ditetapkan, berikut ini merupakan kriteria-
kriteria uji yang dilakukan dalam pemilihan model terbaik :
a. Uji tingkat kepentingan peranan peubah bebas
Uji ini bertujuan untuk mengetahui peranan tiap peubah bebas
dalam pembentukan model yang dilakukan dengan melihat nilai
probability (p-value), dengan hipotesis
H0 : i sama dengan nol untuk semua i, terima H0.
H1 : setidaknya ada satu i tidak sama dengan nol, terima H1.
Dengan kriteria :
Jika nilai p > , terima H0, sedangkan jika nilai p , terima H1.
Maka dengan nilai p yang sama atau lebih kecil dari berarti
hubungan regresi antara peubah bebas dengan peubah tak bebas
adalah nyata atau sangat nyata.
b. Koefisien determinasi (R2)
Koefisien determinasi (R2) merupakan ukuran kemampuan peubah
bebas dalam menjelaskan variasi dari peubah tak bebasnya.
Dengan semakin tinggi nilai R2 (mendekati 100%) maka semakin
13
besar variasi yang dapat dijelaskan, yang dinyatakan dengan
rumus:
%1002 =JKTJKRR
c. Koefisien determinasi terkoreksi (R2adj)
R2adj merupakan nilai koreksi R2 dengan peubah bebasnya,
dinyatakan dengan rumus :
%100//12 =
dbtJKTdbsJKSR adj
d. Root Mean Squares Error (RMSE)
RMSE menunjukkan besarnya tingkat kesalahan dalam
menentukan nilai dugaan. Memiliki nilai ideal 0, dinyatakan
dengan rumus :
KTSRMSE = e. Simpangan rata-rata (S)
S merupakan tingkat keakuratan dari pendugaan model
pertumbuhan ditunjukkan oleh nilai selisih antara data dengan nilai
dugaan, dinyatakan dengan rumus :
100
i i
i
Y YS
n Y
= Dimana :
JKR : Jumlah Kuadrat Regresi
JKT : Jumlah Kuadrat Total
JKS : Jumlah Kuadrat Sisa
dbs : Derajat bebas sisa
dbt : Derajat bebas total
KTS : Kuadrat Tengah Sisa
n : Jumlah unit contoh
iY : Nilai pengukuran diameter/tinggi, dan atau volume/ha ke-i
iY : Nilai prediksi diameter/ tinggi, dan atau volume/ha ke-i
14
Dari kriteria uji tersebut, pemilihan model terbaik dapat dilakukan dengan
melihat nilai uji statistik tersebut. Dimana model yang baik memiliki kelogisan
model pertumbuhan yang sigmoid, memiliki nilai R2 terbesar yang idealnya
mendekati 100%. Selain itu memiliki nilai RMSE terkecil mendekati 0, dan nilai
S terkecil mendekati nol.
15
KEADAAN UMUM LOKASI
Letak dan Luas
Lokasi PT. Sumalindo Hutani Jaya II (SHJ II) Site Sei Mao/ Bhirawa
secara geografis terletak diantara koordinat 006 LU sampai 019 LS dan
11709 BT sampai 11721 BT, dengan variasi ketinggian antara 30 80 m
diatas permukaan laut. Secara administratif pemerintahan terletak di Kecamatan
Sebulu, Tenggarong Seberang, Muara Badak, dan Marang Kayu Kabupaten Kutai
Kartanegara Propinsi Kalimantan Timur. Sedangkan menurut administrasi
pemangkuan hutan daerah ini termasuk RPH Sebulu dan Muara Kaman BKPH
Sebulu dan Bontang KPH Sebulu dan Bontang Dinas Kehutanan Kabupaten Kutai
Kartanegara Dinas Kehutanan Propinsi Kalimantan Timur.
Areal PT. SHJ II Site Sei Mao/ Bhirawa berbatasan dengan :
Utara : PT. Indo Minco (Pertambangan)
dan PT. Usaka Indah (Perkebunan)
Timur : PT. Indo Minco (Pertambangan)
Selatan : PT. Indo Minco (Pertambangan)
Barat Daya : PT. Bhineka Wana (HTI Transmigrasi)
Barat : PT. Surya Hutani Jaya (HTI)
Berdasarkan Kepmen No. 675/ Kpts-II/ 1997 tanggal 10 Oktober 1997
luas areal unit manajemen PT. SHJ II Site Sei Mao/ Bhirawa adalah 70.300 Ha,
sedangkan luas areal efektif adalah 30.000 Ha.
Tanah dan Geologi
PT. SHJ II Site Sei Mao/ Bhirawa memiliki jenis tanah kambisol, alluvial,
rensina dan podsolik. Formasi geologi terdiri dari :
Formasi Bebuluh (batu gamping dengan sisipan gamping pasiran dan serpih).
Formasi Balikpapan (perselingan batu gamping dengan lempung, dengan sisipan lanau, serpih, batu gamping dan batu bara).
16
Formasi Pamaluan (batu lempung lanauan, batu lempung pasiran dan batu lempung serpihan, dan sisipan tipis batu lanau; napal; batu pasir; dan batu
bara).
Formasi Pulau Balang (batu pasir berselingan dengan batu lempung dan batu lanau, sisipan tipis lignit, batu gamping/ batu pasir gampingan).
Iklim
PT. SHJ II Site Sei Mao/ Bhirawa memiliki tipe iklim hutan hujan tropis
dengan angka curah hujan bulanan diatas 60 mm sepanjang tahun, dengan curah
hujan tertinggi pada bulan Mei dan curah hujan terendah pada bulan September.
Keadaan Hutan (potensi dan jenis)
Tanaman pokok pada areal PT. SHJ II Site Sei Mao/ Bhirawa adalah
Acacia mangium. Selain itu ditanam pula Gmelina arborea, Paraserianthes
falcataria, Tectona grandis, dan Duabanga mollucana, namun untuk
pertumbuhan keempat jenis tersebut tidak maksimal sehingga memiliki potensi
yang rendah untuk dikembangkan.
Sosial Ekonomi dan Budaya Masyarakat.
Jumlah penduduk disekitar areal PT. SHJ II Site Sei Mao/ Bhirawa adalah
147.049 orang, dengan pembagian :
Anak-anak 17 tahun : 56.911 orang Angkatan kerja 17 tahun : 89.367 orang Angkatan tidak produktif 55 tahun : 824 orang Masyarakat sekitar memeluk agama Islam (81,4%), Katholik (13,9%) dan
lain-lain (3,7%). Memiliki mata pencaharian bertani (49,4%), berdagang (1,0%)
dan lain-lain (49,6%). Mata pencaharian lain-lain ini termasuk antara lain sebagai
tenaga kerja di perusahaan PT. SHJ II Site Sei Mao/ Bhirawa
Fasilitas pendidikan yang ada sudah cukup memadai dimana terdapat TK,
SD, SMP, dan SLTA, sedangkan untuk fasilitas peribadatan telah memadai
dimana terdapat masjid, gereja, dan pura.
17
HASIL DAN PEMBAHASAN
Model Pertumbuhan Diameter
Dalam pemilihan model terbaik terdapat tiga aspek yang perlu
diperhatikan, yaitu: 1). uji statistik, 2). kelogisan bentuk kurva, dan 3).
kesederhanaan penerapan di lapangan. Berdasarkan rekapitulasi hasil dari kriteria-
kriteria uji pada Tabel 1, dapat dilihat bahwa dengan adanya penambahan peubah
bebas kerapatan tegakan maka keragaman dari peubah tak bebas diameter dapat
semakin diterangkan, walaupun tidak terlalu berbeda nyata. Hal ini juga
ditunjukkan dengan p-value peubah bebas kerapatan tegakan yang dibawah nilai
(0.05).
Tabel 1. Rekapitulasi Analisis Regresi Model Pertumbuhan Diameter
Model H0/H1 R2 R2adj RMSE S 1. D 2, 444 3, 056U= + H1 85,7 85,2 1,48 13,6 2. 14, 812 9, 659(1 / )D U= H1 77,56 77,18 1,84 16,98
3. 0,159 0, 039
UD =
+
H1 84,77 84,51 1,51 14,33
4. 2
20, 088 0, 252 0, 021
UD
U U=
+ +
H1 85,76 85,26 1,48 13,54
5. 1,5725, 399 4, 367(ln )D U= + H1 85,89 85,4 1,47 13,47
6. 1
(1 0,956)0,3320, 759(1 )
UD e
= H1 84,31 83,76 1,55 14,56
7. 0,539 0,34658, 885D U N = H1 89,25 88,87 1,29 12,98 8. 7,184 0, 004 2, 3D N U= + H1 89 88,41 1,31 13,18 9. 17, 521 0, 004 8, 083(1 / )D N U= H1 81,06 80,4 1,71 16,2
10. 1
0, 071 0, 358 0,1D U N
e e= + +
H1 83,34 82,76 1,6 14,81
11. 8, 628 7, 293(1 / ) 4103, 482(1 / )D U N= + H1 82,32 81,7 1,65 15,63 12. 7, 332 0, 0003 0, 553(ln )LnD U= + H1 85,72 85,22 1,18 12,89
Berdasarkan dari uji statistik yang telah dilakukan dapat dilihat bahwa
model pertumbuhan dengan peubah bebas kerapatan tegakan dan umur memiliki
nilai koefisien determinasi (R2) dan koefisien determinasi terkoreksi (R2adj) yang
tidak banyak berbeda. Model 7 memiliki nilai R2 dan R2adj tertinggi yaitu 89,25%
dan 88,87% sedangkan Model 9 memiliki nilai R2 dan R2adj terendah yaitu 81,06%
dan 80,4% . Pada Model 7 memiliki arti bahwa peubah bebas (umur dan kerapatan
18
tegakan) dapat menerangkan keragaman peubah tak bebasnya (diameter) sebesar
88,87%, sedangkan sisanya sebesar 11,13% tidak dapat diterangkan oleh peubah
bebasnya. Hal ini disebabkan oleh banyaknya faktor-faktor yang mempengaruhi
pertumbuhan seperti sifat genetik pohon, persediaan bahan makanan dalam pohon
dan persediaan air di dalam pohon, kerapatan tegakan, suhu, curah hujan,
kelembapan udara, komposisi kimia tanah, kandungan hara mineral, dan
kandungan organisma dalam tanah (Bruce dan Schumacher, 1950), sedangkan
dalam model ini hanya memperhitungkan faktor umur dan kerapatan tegakan saja.
Dilihat dari kriteria uji nilai RMSE yang menunjukkan tingkat keakuratan
dari suatu model, dihasilkan Model 12 memiliki nilai RMSE terkecil yaitu 1,18,
sedangkan Model 9 memiliki nilai RMSE tertinggi sebesar 1,71. Sedangkan
dilihat dari nilai S yang menunjukkan tingkat keakuratan, dan nilai S terkecil
terdapat pada Model 12 yaitu sebesar 12,89%, sedangkan Model 9 memiliki S
terbesar yaitu 16,2%.
Berdasarkan kriteria pemilihan model yang kedua yaitu kelogisan bentuk
kurva pertumbuhan yang mendekati sigmoid, hanya terdapat satu model yang
cenderung membentuk garis linear yaitu Model 8, sedangkan model lainnya
mendekati bentuk sigmoid. Dan apabila berdasarakan kriteria kesederhanaan
seluruh model pertumbuhan dengan peubah bebas umur dan kerapatan tegakan
yang digunakan dalam penelitian ini termasuk dalam kategori sederhana, dimana
seluruh model mudah digunakan dan diterapkan.
Dengan mengombinasikan ketiga kriteria uji tersebut maka dalam penelitian
ini Model 7 yaitu 0,539 0,34658,885D U N= dipilih sebagai model terbaik untuk menggambarkan pertumbuhan diameter tegakan hutan tanaman A. mangium di
PT. Sumalindo Hutani Jaya II, Kalimantan Timur.
19
02468
101214
1 2 3 4 5
Umur (th)
Dia
met
er (c
m)
Gambar 2. Kurva pertumbuhan diameter
Model Pertumbuhan Tinggi
Pengolahan data yang dilakukan dalam penelitian ini menggunakan model
pertumbuhan dari Bruce-Schumacher (1950), Chapman-Richards (1959), Prodan
(1968), Alder (1980) yang telah dimodifikasi oleh Harbagung (2004) dan
Wiroatmodjo (1984), dengan menggunakan peubah umur dan peubah umur
dengan kerapatan tegakan.
Tabel 2. Rekapitulasi Analisis Regresi Model Pertumbuhan Tinggi
Model H0/H1 R2 R2adj RMSE S
1. 2
2, 687 1, 301 0, 247T U U= + + H1 90,6 90,27 1,35 15,52 2. 14, 295 10, 426(1 / )T U= H1 71,82 71,34 2,32 24,84
3. 0, 28 0, 012
UT
U=
+
H1 88,08 87,88 1,51 16,91
4. 2
20, 228 0, 484 0, 022
UT
U U=
+
H1 90,73 90,4 1,34 15,45
5. 2,327
4, 271 3, 646 lnT U= + H1 91 90,69 1,32 15,11
6.
1(1 0,973)0,072
1, 301(1 )T e=
H1 88,04 87,62 1,52 17,01
7. 0,799 0,22317, 577T U N = H1 90,07 89,72 1,39 15,82
8. 26,122 0, 003 0, 753 0, 302T N U U= + + H1 91,98 91,55 1,26 15,16 9. 16, 475 0, 003 9,158(1 / )T N U= H1 73,63 72,7 2,26 24,67
10. 1
0, 66 0, 693 0,1T U N
e e= + +
H1 85,02 84,49 1,7 19,43
11. 9, 437 8, 567(1 / ) 3223, 884(1 / )T U N= +
H1 74,16 73,25 2,24 24,29
12. 5,172 0, 0002 0, 718(ln )LnT U= + H1 85,14 84,62 1,25 16,49
20
Berdasarkan kriteria uji yang telah dilakukan Tabel 2, didapatkan bahwa
penambahan kerapatan tegakan tidak berpengaruh nyata terhadap pertumbuhan
tinggi. Hal ini dapat dilihat dari p-value pada peubah bebas kerapatan yang
nilainya lebih tinggi dari nilai (0,05). Sehingga dalam penentuan model terbaik
menggunakan model dengan peubah bebas umur. Hal ini juga didukung oleh
pendapat Haeruman dalam Widodo (1989) dimana pertumbuhan tinggi pohon
sangat dipengaruhi oleh kesuburan tempat tumbuh, berkorelasi kuat dengan
volume, namun berkorelasi lemah dengan kerapatan tegakan.
Dilihat dari hasil uji statistik yang telah dilakukan didapatkan model
pertumbuhan tinggi memiliki nilai koefisien determinasi (R2) dan koefisien
determinasi terkoreksi (R2adj) yang tidak banyak berbeda, dimana Model 5
memiliki nilai R2 dan R2adj tertinggi yaitu 91% dan 90,69%, sedangkan model 2
memiliki nilai R2 dan R2adj terendah yaitu 71,82% dan 71,34%. Makna dari nilai
R2adj pada Model 5 adalah peubah bebas model ini dapat menerangkan keragaman
dari peubah tak bebasnya sebesar 90,69%, sedangkan sisanya sebesar 9,31%
keragaman peubah tak bebasnya tidak dapat diterangkan oleh peubah bebasnya
Hal ini dapat terjadi mengingat pertumbuhan dipengaruhi oleh banyak faktor,
seperti genetik pohon, iklim (suhu, cahaya, angin, curah hujan), tanah, dan teknik
budidaya silvikultur (Kramer dan Kozlowski, 1960), sedangkan model ini hanya
memperhitungkan faktor umur saja.
Selain itu dilihat dari nilai RMSE yang didapatkan, Model 5 memiliki nilai
RMSE yang paling kecil yaitu 1,32, sedangkan Model 2 memiliki nilai RMSE
yang paling tinggi yaitu 2,32. Dilihat dari nilai S terkecil terdapat pada Model 5
yaitu sebesar 15,11%, sedangkan Model 2 memiliki S terbesar yaitu 24,84%.
Selain kriteria uji statistik, kelogisan bentuk kurva juga perlu diperhatikan.
Berdasarkan model pertumbuhan yang digunakan, kurva pertumbuhan yang
dihasilkan cenderung membentuk garis linear, kecuali model 2 yang berbentuk
sigmoid. Namun dengan hasil pengujian yang telah dilakukan hal tersebut tidak
cukup untuk menjadikan model 2 sebagai model terbaik. Oleh karena itu dalam
penelitian ini dengan mengombinasikan kriteria pemilihan model memilih Model
5 yaitu 2,3274, 271 3, 646 lnT U= + sebagai model pertumbuhan terbaik untuk PT. Sumalindo Hutani Jaya II, Kalimantan Timur.
21
02468
1012141618
1 2 3 4 5
Umur (th)
Ting
gi (m
)
Gambar 3. Kurva pertumbuhan tinggi
Model Pertumbuhan Volume per Hektar (V/Ha)
Berdasarkan kriteria-kriteria uji yang telah dilakukan pada Tabel 3, model
pertumbuhan untuk volume per hektar didapatkan bahwa dengan penambahan
peubah bebas kerapatan tegakan dapat meningkatkan keragaman dari
pertumbuhan volume per Hektar, walaupun tidak terlalu berbeda. Namun,
beberapa model dengan peubah bebas kerapatan tegakan dan umur memiliki nilai
p-value untuk koefisien kerapatan yang lebih besar dari nilai (0,05).
Dalam pemilihan model pertumbuhan Volume per Hektar perlu diingat
bahwa Volume per Hektar dipengaruhi oleh banyak jumlah pohon per hektarnya,
yang dinyatakan dengan rumus : =
=Nj
iij
j
VmW
mHaV1
2
2
)()(10000/
Dimana :
V/Ha : volume per hektar ;
Wj : luas plot ke-j ;
Vij : volume pohon ke-I dalam plot ke-j.
Oleh karena itu pemilihan model terbaik pertumbuhan Volume per Hektar
menggunakan peubah bebas kerapatan tegakan dan umur.
22
Tabel 3. Rekapitulasi Analisis Regresi Model Pertumbuhan Volume per
Hektar
Model H0/H1 R2 R2adj RMSE S
1. 24, 071 2, 025 3, 347V U U= + H1 88,37 87,96 9,7 44,02
2. 64, 637 61, 956(1 / )V U= H1 60,71 60,04 17,68 80,74
3. 0,16 0, 019
UV
U=
H1 87,25 87,03 10,07 57,2
4. 2
21,112 0, 415 0, 052
UV
U U=
+
H1 89 88,62 9,44 43,21
5. 2,9915, 373 17, 262(ln )V U= + H1 89,07 88,69 9,41 41,61
6. 1
(1 0,1)0,000026, 897(1 )V e
= H1 76,89 76,08 13,68 119,86
7. 1,921 0,0782, 095V U N= H1 88,27 87,86 9,74 40,42
8. 21,127 0, 004 1,197 3, 264N U UV = + + H1 88,45 87,83 9,76 43,14
9. 64, 3626 0, 0004 62,1160(1 / )V N U= + H1 60,71 59,34 17,84 80,71
10. 10, 01 0, 516 0,1
V U Ne e
= + +
H1 89,19 88,81 9,36 42
11. 60, 760 60, 473(1 / ) 2572, 550(1 / )V U N= +
H1 60,75 59,37 17,83 80,7
12. ( ) 3,191 0, 0004 1, 713(ln )Ln V N U= + + H1 81,68 81,03 1,68 43,02
Berdasarkan kriteria uji statistik, model pertumbuhan Volume per Hektar
memiliki nilai koefisien determinasi (R2) dan koefisien determinasi terkoreksi
(R2adj) tidak berbeda banyak. Model 10 memiliki nilai R2 dan R2adj tertinggi yaitu
89,19% dan 88,81%, sedangkan model 9 memiliki nilai R2 dan R2adj terendah
yaitu 60,75% dan 59,37%. Pada Model 10 nilai R2adj memiliki arti peubah bebas
dapat menerangkan keragaman peubah tak bebasnya sebesar 88,81%, sedangkan
sisanya sebesar 11,91% tidak dapat diterangkan oleh peubah bebasnya.
Dilihat dari nilai RMSE yang menunjukkan tingkat keakuratan suatu
model, didapatkan hasil Model 12 memiliki nilai RMSE terkecil yaitu 1,68,
sedangkan model 9 memiliki nilai RMSE tertinggi sebesar 17,84. Berdasarkan
nilai S yang juga menunjukkan keakuratan dari suatu model didapatkan, nilai S
terkecil terdapat pada Model 7 yaitu sebesar 40,42%, sedangkan Model 9
memiliki nilai S terbesar yaitu 80,71%.
Sedangkan berdasarkan bentuk kurva yang dihasilkan dari model-model
tersebut didapatkan bahwa model pertumbuhan Volume per Hektar cukup
23
mendekati sigmoid. Dengan mengombinasikan antara kriteria uji statistik,
kelogisan bentuk kurva, dan kesederhanaan maka dalam penelitian ini memilih
Model 10 yaitu 10, 01 0, 516 0,1
V U Ne e= + +
sebagai model terbaik untuk
pertumbuhan Volume per Hektar di PT. Sumalindo Hutani Jaya II, Kalimantan
Timur.
0
20
40
60
80
100
1 2 3 4 5
Umur (th)
V/H
a (m
3/ha
)
Gambar 4. Kurva pertumbuhan Volume per Hektar
Hubungan Kerapatan dengan Pertumbuhan Diameter
Menurut Bruce dan Schumacher (1950) pertumbuhan dipengaruhi oleh
faktor internal dan faktor eksternal. Faktor internal ini antara lain sifat genetik
pohon, persediaan bahan makanan dalam pohon dan persediaan air di dalam
pohon. Sedangkan faktor eksternal antara lain adalah kerapatan tegakan, suhu,
curah hujan, kelembapan udara, komposisi kimia tanah, kandungan hara mineral,
dan kandungan organisma tanah. Salah satu faktor eksternal yang sering
digunakan dalam penyusunan model pertumbuhan adalah kerapatan tegakan
Pembuktian asumsi bahwa terdapat hubungan yang kuat antara kerapatan
tegakan dengan pertumbuhan diameter dibuktikan menggunakan rumus persentase
pertumbuhan diameter 100%YGY= dimana G adalah pertumbuhan dan Y
adalah diameter pada umur tertentu. Pertumbuhan diameter didapatkan dari model
terbaik pertumbuhan diameter yang menggunakan peubah bebas umur dan
kerapatan tegakan, yaitu 0,539 0,34658,885D U N= dengan menggunakan kerapatan untuk N1 = 1100 dan N2 = 700. Pada umur 5 tahun, hasil yang didapatkan adalah
16,91%.
24
0
2
4
6
8
10
12
14
16
1 2 3 4 5
umur (th)
Dia
met
er (c
m)
D N=1100D N=700
Gambar 5. Hubungan Pertumbuhan Diameter dengan Kerapatan Tegakan pada
Berbagai Umur
Hubungan Kerapatan dengan Pertumbuhan Tinggi
Pembuktian asumsi bahwa terdapat hubungan yang kuat antara kerapatan
tegakan dengan pertumbuhan tinggi dibuktikan menggunakan rumus persentase
pertumbuhan tinggi 100%YGY= dimana G adalah pertumbuhan dan Y adalah
tinggi pada umur tertentu. Pertumbuhan tinggi didapatkan dari model terbaik
pertumbuhan tinggi yang menggunakan peubah bebas umur dan kerapatan
tegakan, yaitu 26,122 0, 003 0, 753 0, 302T N U U= + + dengan menggunakan kerapatan N1 = 1100 dan N2 = 700. Hasil yang didapatkan untuk tinggi 7,72%
pada umur 5 tahun.
024
68
1012
141618
1 2 3 4 5
umur (th)
Ting
gi (m
)
T N=1100T N=700
Gambar 6. Hubungan Pertumbuhan Tinggi dengan Kerapatan Tegakan pada
Berbagai Umur
25
Dengan membandingkan hasil antara persentase pengaruh pertumbuhan
diameter tegakan dengan pertumbuhan tinggi tegakan, maka dapat disimpulkan
bahwa kerapatan tegakan lebih berpengaruh kuat terhadap pertumbuhan diameter
tegakan dibandingkan pertumbuhan tinggi tegakan. Hal ini didukung oleh
pendapat Haeruman dalam Widodo (1989) yang mengatakan bahwa pertumbuhan
tinggi pohon sangat dipengaruhi oleh kesuburan tempat tumbuh, berkorelasi kuat
dengan volume, namun berkorelasi lemah dengan kerapatan tegakan. Hal ini juga
sesuai dengan pendapat Pandit (1995) dimana pertumbuhan diameter merupakan
hasil dari kegiatan kambium vaskuler yang mengadakan pertumbuhan sekunder
dan menghasilkan jaringan sekunder (xylem dan floem). Pertumbuhan diameter
dibangun oleh hasil fotosintesis simpanan sehingga dimulai lebih lambat dan lebih
lama dibandingkan pertumbuhan tinggi pada pohon, memiliki sifat fluktuatif
berdasarkan faktor lingkungan, kelembaban udara, intensitas cahaya, dan
temperatur. Dan juga persaingan antar individu pohon dalam mengabsorbsi air
sangat terpengaruh, oleh karena itu kerapatan tegakan juga mempengaruhi
pertumbuhan. Selain itu hasil ini juga menguatkan dalam pemilihan model
pertumbuhan terbaik untuk model pertumbuhan diameter dan tinggi.
Kegunaan Model Pertumbuhan untuk Pengelolaan Hutan
Model pertumbuhan ini dapat digunakan untuk memproyeksikan
perkembangan diameter, tinggi, dan Volume per Hektar, menghitung besarnya
riap dari tanaman A. mangium. Riap merupakan pertumbuhan tahunan
berdasarkan interval waktu. Riap dapat dikelompokkan menjadi tiga bagian yaitu
Riap tahunan berjalan (Current Annual Increment, CAI), Riap rata-rata tahunan
(Mean Annual Increment, MAI), dan Riap periodik tahunan (Periodic Annual
Increment, PAI) (Loetsch et al., 1973).
Dalam pengelolaan HTI, informasi mengenai daur volume optimum sangat
diperlukan. Informasi ini dapat diketahui dengan adanya perhitungan CAI yang
merupakan turunan pertama dari model pertumbuhan dan perhitungan MAI,
dimana daur optimum didapatkan pada saat titik perpotongan antara CAI dan titik
26
MAI. Berdasarkan persamaan terbaik dari pertumbuhan Volume per Hektar, yaitu
: 10, 01 0, 516 0,1
V U Ne e= + +
maka dapat ditentukan nilai CAI dan MAI
Berdasarkan perhitungan yang telah dilakukan didapatkan daur volume
maksimum untuk tanaman A. mangium adalah pada umur 5,25 tahun. Hal ini
diperlihatkan pada Gambar 7. dengan terjadinya perpotongan antara CAI dan MAI
pada umur 5,25 tahun. Nilai selengkapnya dari CAI dan MAI terdapat pada
Lampiran 2.
0.00
10.00
20.00
30.00
40.00
50.00
60.00
0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5
Umur (th)
CAI&
MA
I V/H
a
CAIMAI
Gambar 7. Kurva CAI & MAI Volume per Hektar
27
KESIMPULAN DAN SARAN
Kesimpulan
1. Model pertumbuhan diameter tegakan Acacia mangium di PT. Sumalindo
Hutani Jaya II adalah 0,539 0,34658,885D U N= dengan nilai R2 sebesar 89,25%, R2adj sebesar 88,87%, RMSE sebesar 1,29, dan S sebesar 12,98%.
2. Model pertumbuhan tinggi tegakan Acacia mangium di PT. Sumalindo
Hutani Jaya II adalah 2,3274, 271 3, 646 lnT U= + , dengan nilai R2 sebesar 91%, R2adj sebesar 90,69%, RMSE sebesar 1,32, dan S sebesar 15,11%.
3. Model pertumbuhan volume per hektar tegakan Acacia mangium di PT.
Sumalindo Hutani Jaya II adalah 10, 01 0, 516 0,1
V U Ne e= + +
, dengan
nilai R2 sebesar 89,19%, R2adj sebesar 88,81%, RMSE sebesar 9,36, dan S
sebesar 42%.
4. Kerapatan tegakan memiliki pengaruh yang lebih besar terhadap
pertumbuhan diameter dibandingkan terhadap pertumbuhan tinggi.
5. Daur optimum untuk tegakan Acacia mangium di PT. Sumalindo Hutani
Jaya II adalah pada saat umur 5,25 tahun.
Saran
1. Mengingat pertumbuhan dipengaruhi oleh berbagai macam faktor, oleh
karena itu diperlukan penelitian lebih lanjut mengenai pertumbuhan
dengan penambahan peubah bebas seperti kualitas tempat tumbuh.
2. Untuk mendapatkan hasil yang lebih baik, diperlukan penambahan variasi
data dari berbagai umur sehingga dapat dihasilkan persamaan yang lebih
baik dan lebih mewakili.
3. Diperlukan data tambahan berupa pohon peninggi dengan tujuan agar
dapat menyusun kurva pertumbuhan berdasarkan kualitas tempat tumbuh
yang ada di PT. Sumalindo Lestari Jaya Tbk.
DAFTAR PUSTAKA
Amaro, Ana, D. Reed, M. Tome, and I. Themido. 1998. Modeling Dominant Height Growth : Eucalyptus Plantations in Portugal. Society of American Foresters. Forest Science 44(1): 37-46.
Badan Penelitian dan Pengembangan Kehutanan. 1994. Pedoman Teknis
Penanaman Jenis-Jenis Kayu Komersil. Departemen Kehutanan Badan Penelitian dan Pengembangan Kehutanan. Jakarta.
Badan Penelitian dan Pengembangan Kehutanan. 1998. Pedoman Pembangunan
Hutan Tanaman Industri . Departemen Kehutanan Badan Penelitian dan Pengembangan Kehutanan. Jakarta.
Bruce, D and FX Schumacher. 1950. Forest Mensuration. Mc Graw-Hill Book
Company Inc. New York. Budiyanto. Eko. 2002. Model Pertumbuhan Rata-Rata Diameter dan Rata-Rata
Tinggi Pohon Untuk Tegakan Agathis loranthifolia Salisb. Skripsi. Jurusan Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor. Tidak Diterbitkan.
Davis, LS and KN Johnson. 1987. Forest Management 3rd Edition. Mc. Graw-Hill
Book Company Inc. New York. Harbagung. 2004. Model Hasil Tegakan Hutan Tanaman Acacia mangium Willd.
Di daerah Semaras Pulau Laut Kalimantan Selatan. Bul. Pen. Hutan 644: 11-30.
________. 2004. Model Hasil Tegakan Hutan Tanaman Acacia mangium Willd.
Di Kecamatan Tungkal Ulu, Kabupaten Tanjung Jabung Barat Jambi Sumatra. Bul.Pen. Hutan 645: 1-23.
Husch, Charles Miller, and Thomas beers. 1982. Growth of The Tree. John Willey
and Sons Inc. Krieger Publishing Company: Florida. Kramer, PJ and TT. Kozlowski. 1960. Physiology of Trees. Mc Graw-Hill Book
Company. New York. Loetsch F, F Zohrer, and KE Haller. 1973. Forest Inventory Vol II. Translataed to
English by KF Panzer. BLV Ver Lagsgesell Schaft. Muenchen. Malik, Jamaludin, Adi santoso, dan Osly Rachman. 2000. Himpunan Sari Hasil
Penelitian Mangium dan Tusam. Badan Penelitian dan Pengembangan Kehutanan dan Perkebunan. Bogor.
National Academy of Sciences. 1983. Mangium and Other Fast Growing Acacias for The Humid Tropics. National Academy Press. Washington DC.
Nurhasybi. 2000. Atlas Benih Tanaman Hutan Indonesia. Balai Teknologi
Perbenihan Vol 2 No.3. Bogor. Palokangas. 1996. Acacia mangium in Pulp and Paper Production Reforestation :
Meeting The Future Industrial Wood Demand. Proceeding of A Workshop Held in Jakarta. Enso Group Nordic Forest Development.
Pandit, IKN. 1995. Anatomi Pertumbuhan dan Kualitas Kayu. Disertasi Fakultas
Pasca Sarjana IPB. Bogor. Tidak Diterbitkan. Prihanto, Budi dan Muhdin. 2005. Metode Statistika Diktat Kuliah. Departemen
Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor. Bogor.
Prodan, M. 1968. Forest Biometrics. Pergamon Press, Oxford. London. Spurr, SH. 1952. Forest Inventory. The Ronald Press Company. New York. Suhendang, Endang. 1990. Hubungan Antara Dimensi Tegakan Hutan Tanaman
Dengan Faktor Tempat Tumbuh dan Tindakan Silvikultur Pada Hutan Tanaman Pinus Merkusii JungH Et De Vriese di Pulau Jawa. Disertasi Fakultas Pasca Sarjana IPB. Tidak Diterbitkan.
Sumalindo Hutani Jaya II. 2004. Daftar Compartemen Tanaman. HPHTI
Sumalindo Hutani Jaya II Site Sei Mao/Bhirawa. ________________________. 2005. Rencana Karya Tahunan 2005. HPHTI
Sumalindo Hutani Jaya II Site Sei Mao/Bhirawa. Vanclay, JK. 1994. Modelling Forest Growth and Yield. CAB International.
United Kingdom. Widodo, P. 1989. Model Pertumbuhan Hasil Tegakan Hutan Tanaman Seumur
Pinus merkusii Jungh et de vriese. Disertasi. Fakultas Pasca Sarjana IPB. Tidak Diterbitkan.
Wiroatmodjo. 1984. Model Perhitungan Pertumbuhan dan Hasil Kayu Bulat
Hutan Tanaman Pinus Merkusii di Jawa. Disertasi Fakultas Pasca Sarjana IPB. Tidak Diterbitkan.
LAMPIRAN
31
Lampiran 1. Analisis Ragam Model Pertumbuhan dari software Statistica Model pertumbuhan Diameter Model is: D=2.444+3.056U2 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5985.162 3.00000 1995.054 905.6697 0.00
Residual 125.562 57.00000 2.203
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 5985.162 3.00000 1995.054 134.0514 0.00 Model is: D=14.812-9.659(1/U) Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5913.707 2.00000 2956.854 870.4694 0.00
Residual 197.017 58.00000 3.397
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 5913.707 2.00000 2956.854 198.6765 0.00 Model is: D=U/(0.159+0.039U) Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5977.022 2.00000 2988.511 1296.411 0.00
Residual 133.703 58.00000 2.305
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 5977.022 2.00000 2988.511 200.804 0.00 Model is: D=U2 /(-0.088+0.252U+0.022U2) Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5985.702 3.00000 1995.234 909.6647 0.00
Residual 125.022 57.00000 2.193
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 5985.702 3.00000 1995.234 134.0635 0.00
32
Model is: D=a+b*(ln(U))^c 5.399+4.367(lnU)1.572 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5986.836 3.00000 1995.612 918.1676 0.00
Residual 123.888 57.00000 2.173
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 5986.836 3.00000 1995.612 134.0889 0.00
Model is: D=a*(1-Euler^((-b)*U))^1/(1-c) 0.759(1-e(-0.332U))1/1-0.956 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5972.984 3.00000 1990.995 823.9154 0.00
Residual 137.741 57.00000 2.417
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 5972.984 3.00000 1990.995 133.7786 0.00 Model is: D= 58.885U0.539N-0.346 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 6016.300 3.00000 2005.433 1210.601 0.00
Residual 94.424 57.00000 1.657
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 6016.300 3.00000 2005.433 134.749 0.00 Model is: D=7.184-0.004N+2.3U-0.05U2 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 6014.151 4.00000 1503.538 871.8553 0.00
Residual 96.573 56.00000 1.725
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 6014.151 4.00000 1503.538 101.0255 0.00 Model is: D=17.521-0.004N-8.083(1/U) Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5944.449 3.00000 1981.483 679.2639 0.00
Residual 166.275 57.00000 2.917
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 5944.449 3.00000 1981.483 133.1395 0.00
33
Model is: D=1/0.071+0.358e-U+0.1e-N Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5964.454 3.00000 1988.151 774.7596 0.00
Residual 146.271 57.00000 2.566
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 5964.454 3.00000 1988.151 133.5876 0.00
Model is: D=a+(b*U^(-1))+(c*N^(-1)) 8.628-7.293U-1+4103.482N-1 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5955.513 3.00000 1985.171 729.0349 0.00
Residual 155.212 57.00000 2.723
Total 6110.724 60.00000
Corrected Total 878.083 59.00000
Regression vs.Corrected Total 5955.513 3.00000 1985.171 133.3873 0.00 Model is: Ln D= ln7.332-0.0003N+0.553lnU Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 285.3157 3.00000 95.10523 3304.914 0.00
Residual 1.6403 57.00000 0.02878
Total 286.9560 60.00000
Corrected Total 11.4883 59.00000
Regression vs.Corrected Total 285.3157 3.00000 95.10523 488.427 0.00 Model Pertumbuhan Tinggi Model is: T=a+b*U+c*U^2 2.687+1.301U+0.247U2 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5221.643 3.00000 1740.548 955.7089 0.00
Residual 103.809 57.00000 1.821
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5221.643 3.00000 1740.548 92.9529 0.00 Model is: T=14.295-10.426(1/U) Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5014.174 2.00000 2507.087 467.1430 0.00
Residual 311.277 58.00000 5.367
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5014.174 2.00000 2507.087 133.8895 0.00
34
Model is: T= U/0.28+0.012U Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5193.771 2.00000 2596.885 1143.819 0.00
Residual 131.681 58.00000 2.270
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5193.771 2.00000 2596.885 138.685 0.00
Model is: T= U2/-0.228+0.484U-0.023U2 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5223.028 3.00000 1741.009 968.8905 0.00
Residual 102.424 57.00000 1.797
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5223.028 3.00000 1741.009 92.9775 0.00 Model is: T= 4.271+3.646lnU2.327 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5226.048 3.00000 1742.016 998.9053 0.00
Residual 99.404 57.00000 1.744
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5226.048 3.00000 1742.016 93.0313 0.00 Model is: T=a*(1-Euler^((-b)*U))^1/(1-c) 1.301(1-e-0.072U)1/1-0.973 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5193.367 3.00000 1731.122 747.0471 0.00
Residual 132.085 57.00000 2.317
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5193.367 3.00000 1731.122 92.4495 0.00 Model is: T=a*(u^b)*(N^c) 17.577U0.799N-0.223 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5215.701 3.00000 1738.567 902.9404 0.00
Residual 109.751 57.00000 1.925
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5215.701 3.00000 1738.567 92.8471 0.00
35
Model is: T=a+b*N+c*U+d*U^2 6.122-0.003N+0.753U+0.302U2 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5236.871 4.00000 1309.218 827.6783 0.00
Residual 88.581 56.00000 1.582
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5236.871 4.00000 1309.218 69.9180 0.00
Model is: T=16.475-0.003N-9.158(1/U) Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5034.075 3.00000 1678.025 328.2603 0.00
Residual 291.377 57.00000 5.112
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5034.075 3.00000 1678.025 89.6139 0.00 Model is: T=1/(a+(b*Euler^(-U))+(c*Euler^(-N))) 1/0.66+0.693e-U+0.1e-N Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5159.939 3.00000 1719.980 592.3321 0.00
Residual 165.513 57.00000 2.904
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5159.939 3.00000 1719.980 91.8545 0.00 Model is: T=a+(b*U^(-1))+(c*N^(-1)) 9.437-8.567U-1+3223.884N-1 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 5039.979 3.00000 1679.993 335.4414 0.00
Residual 285.473 57.00000 5.008
Total 5325.452 60.00000
Corrected Total 1104.778 59.00000
Regression vs.Corrected Total 5039.979 3.00000 1679.993 89.7190 0.00 Model is: LnT= ln5.172-0.0002N+0.718LnU Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 251.7834 3.00000 83.92780 1823.544 0.00
Residual 2.6234 57.00000 0.04602
Total 254.4068 60.00000
Corrected Total 17.6519 59.00000
Regression vs.Corrected Total 251.7834 3.00000 83.92780 280.521 0.00
36
Model Pertumbuhan Volume per Hektar Model is: V=a+b*U+c*U^2 4.071-2.048U+3.347U2 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 93101.58 3.00000 31033.86 329.5882 0.000000
Residual 5367.09 57.00000 94.16
Total 98468.67 60.00000
Corrected Total 46153.91 59.00000
Regression vs.Corrected Total 93101.58 3.00000 31033.86 39.6716 0.000000
Model is: V=64.637-61.955(1/U) Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 80336.54 2.00000 40168.27 128.4879 0.000000
Residual 18132.13 58.00000 312.62
Total 98468.67 60.00000
Corrected Total 46153.91 59.00000
Regression vs.Corrected Total 80336.54 2.00000 40168.27 51.3484 0.000000 Model is: V=U/0.16-0.019U Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 92585.09 2.00000 46292.55 456.3491 0.000000
Residual 5883.58 58.00000 101.44
Total 98468.67 60.00000
Corrected Total 46153.91 59.00000
Regression vs.Corrected Total 92585.09 2.00000 46292.55 59.1772 0.000000 Model is: V=U2/1.112-0.415U+0.052U2 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 93391.74 3.00000 31130.58 349.5111 0.000000
Residual 5076.93 57.00000 89.07
Total 98468.67 60.00000
Corrected Total 46153.91 59.00000
Regression vs.Corrected Total 93391.74 3.00000 31130.58 39.7952 0.000000 Model is: V= 5.373+17.262lnU2.991 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 93424.61 3.00000 31141.54 351.9120 0.000000
Residual 5044.07 57.00000 88.49
Total 98468.67 60.00000
Corrected Total 46153.91 59.00000
Regression vs.Corrected Total 93424.61 3.00000 31141.54 39.8092 0.000000
37
Model is: LnV= ln4.636+1.639lnU Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 539.4609 2.00000 269.7305 1003.473 0.00
Residual 15.5902 58.00000 0.2688
Total 555.0511 60.00000
Corrected Total 83.7581 59.00000
Regression vs.Corrected Total 539.4609 2.00000 269.7305 190.001 0.00
Model is: V= 2.095U1.921N0.078 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 93056.38 3.00000 31018.79 326.6769 0.000000
Residual 5412.29 57.00000 94.95
Total 98468.67 60.00000
Corrected Total 46153.91 59.00000
Regression vs.Corrected Total 93056.38 3.00000 31018.79 39.6523 0.000000 Model is: V= -1.127+0.004N-1.197U+3.264U2 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 93136.43 4.00000 23284.11 244.5332 0.000000
Residual 5332.24 56.00000 95.22
Total 98468.67 60.00000
Corrected Total 46153.91 59.00000
Regression vs.Corrected Total 93136.43 4.00000 23284.11 29.7648 0.000000 Model is: V= 64.363+0.0004N-62.116(1/U) Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 80336.85 3.00000 26778.95 84.18352 0.000000
Residual 18131.82 57.00000 318.10
Total 98468.67 60.00000
Corrected Total 46153.91 59.00000
Regression vs.Corrected Total 80336.85 3.00000 26778.95 34.23238 0.000000 Model is: V=1/(a+(b*Euler^(-U))+(c*Euler^(-N))) 1/0.01+0.516e+0.1e-N Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 93478.50 3.00000 31159.50 355.9181 0.000000
Residual 4990.17 57.00000 87.55
Total 98468.67 60.00000
Corrected Total 46153.91 59.00000
Regression vs.Corrected Total 93478.50 3.00000 31159.50 39.8322 0.000000
38
Model is: V=a+(b*U^(-1))+(c*N^(-1)) 60.76-60.473U-1+2572.55N-1 Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 80352.97 3.00000 26784.32 84.27531 0.000000
Residual 18115.70 57.00000 317.82
Total 98468.67 60.00000
Corrected Total 46153.91 59.00000
Regression vs.Corrected Total 80352.97 3.00000 26784.32 34.23924 0.000000
Model is: LnV=ln3.191+0.0004N+1.713lnU Level of confidence: 95.0% ( alpha=0.050)
Sum of squares DF Mean squares F-value p-value
Regression 539.7026 3.00000 179.9009 668.1005 0.00
Residual 15.3485 57.00000 0.2693
Total 555.0511 60.00000
Corrected Total 83.7581 59.00000
Regression vs.Corrected Total 539.7026 3.00000 179.9009 126.7239 0.00
39
Lampiran 2. Perkiraan Pertumbuhan Tegakan Mangium (A. mangium) di HPHTI Sumalindo Hutani Jaya II Diameter
Umur (th) Kerapatan tegakan (N/Ha) Perkiraan pertumbuhan (cm) 1 1100 5.23 2 1045 7.74 3 993 9.80 4 943 11.64 5 896 13.37 6 851 15.01 7 809 16.60 8 768 18.16 9 730 19.70 10 693 21.22
Tinggi
Umur (th) Kerapatan tegakan (N/Ha) Perkiraan pertumbuhan (m) 1 1100 4.27 2 1045 5.82 3 993 8.81 4 943 12.07 5 896 15.30 6 851 18.43 7 809 21.43 8 768 24.30 9 730 27.03 10 693 29.66
Untuk pertumbuhan diameter dan tinggi untuk umur 6-10 tahun merupakan estimasi dari model pertumbuhan. Volume per Hektar
Umur (th) Kerapatan tegakan (N/Ha)
Perkiraan pertumbuhan
(m3/Ha)
Riap Volume CAI (m3/Ha) MAI (m3/Ha)
1 1100 5.02 - 5.02 2 1020 12.59 21.23 6.29 3 969 28.32 39,09 9.44 4 921 52.43 48.41 13.12 5 876 76.32 37.10 15.26 6 851 91.69 19.48 15.28 7 833 99.03 8.32 14.15 8 792 102.03 3.24 12.75 9 715 103.18 1.22 11.46 10 680 103.61 0.45 10.36
CoverHalaman JudulLembar PengesahanKata PengantarRiwayat HidupRingkasanDaftar IsiDaftar TabelDaftar GambarDaftar LampiranPendahuluanTinjauan PustakaMetodologiKeadaan Umum LokasiHasil dan PembahasanKesimpulan dan SaranDaftar PustakaUntitled
Recommended