IDENTIFIKASI KUALITAS TEMPAT TUMBUH (BONITA)

MENGGUNAKAN CITRA DIJITAL NON METRIK RESOLUSI

TINGGI DI KPH MADIUN PERUM PERHUTANI UNIT II
JAWA TIMUR

SRI WAHYUNI

DEPARTEMEN MANAJEMEN HUTAN

FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
2012
 RINGKASAN

SRI WAHYUNI. Identifikasi Kualitas Tempat Tumbuh (Bonita) Menggunakan

Citra Dijital Non Metrik Resolusi Tinggi di KPH Madiun Perum Perhutani Unit II
Jawa Timur. Skripsi. Manajemen Hutan, Institut Pertanian Bogor. Dibimbing oleh
I NENGAH SURATI JAYA.

Kualitas tempat tumbuh adalah ukuran tingkat kesuburan tanah yang

berhubungan erat dengan produktivitas kayu yang dapat dihasilkan, sedangkan
bonita adalah ukuran yang digunakan untuk indeks kualitas tempat tumbuh.
Penetapan nilai bonita sering didasarkan pada hubungan antara rata-rata peninggi
dengan umur tegakan. Penentuan bonita dilakukan menggunakan peubah peninggi
yang dimulai penggunaannya sejak tahun 1932 oleh H.E. Wolff von Wolffing.
Peninggi diukur berdasarkan tinggi rata rata dari 100 pohon tertinggi dalam luasan
1 hektar, prinsip ini kemudian dikorelasikan dengan umur pohon sedemikian rupa,
sehingga membentuk kurva indeks kelas bonita.
Bonita tanaman jati relatif tidak berubah dalam jangka waktu yang lama
dan memerlukan waktu yang cukup lama serta biaya yang besar untuk merevisi
bonita secara konvensional. Sehubungan dengan hal tersebut, maka diperlukan
suatu metode yang efisien guna melakukan evaluasi terhadap bonita untuk
mengetahui keakuratan bonita menggunakan teknologi penginderaan jauh. Tujuan
dari penelitian ini, yaitu mengidentifikasi peubah tegakan yang diukur pada citra
yang dapat digunakan sebagai penentu bonita tegakan dan mengevaluasi
keakuratan peta bonita yang ada pada saat ini khususnya pada tegakan jati.
Penelitian ini dilakukan di KPH Madiun Perum Perhutani Unit II, Jawa
Timur menggunakan citra digital non metrik resolusi 20cm rekaman bulan April
2011. Identifikasi bonita dilakukan berdasarkan peubah tegakan pada citra dengan
metode interpretasi visual terhadap variabel kerapatan tajuk (C), diameter tajuk
(D), dan jumlah pohon (N). Disain plot sampling dilakukan menggunakan
ekstensi IHMB Jaya Versi 6. Analisis statistik yang dilakukan mencakup uji
korelasi tinggi pohon dengan variabel citra, uji akurasi peninggi, analisis
diskriminan terhadap bonita lapangan, dan bonita berdasarkan peubah citra.
Hardware yang digunakan adalah komputer yang dilengkapi software ArcView
3.2, Erdas Image 9.1, Minitab 14 dengan analisis diskriminan.
Penelitian ini menemukan bahwa kerapatan tajuk (C), diameter tajuk (D)
dan jumlah pohon (N) dapat digunakan sebagai variabel penduga kualitas tempat
tumbuh (bonita) jati dengan akurasi sebesar 68,4% di BPKH Dagangan dan
81,6% di BKPH Dungus. Penelitian ini juga menemukan bahwa kesesuaian bonita
hasil pengukuran lapangan dengan peta bonita yang ada saat ini mempunyai
tingkat kesesuaian yang sangat rendah, yaitu 29% di BKPH Dagangan dan 23% di
BKPH Dungus. Penelitian juga menunjukkan bahwa bonita harus di evaluasi
setiap jangka waktu tertentu secara berkala. Penggunaan citra dijital non metrik
resolusi tinggi dapat menjadi salah satu alat untuk merevisi peta bonita secara
berkala.

Kata kunci : Bonita, Peninggi, Jati (Tectona grandis L.f), citra dijital non metrik
resolusi tinggi, teknologi penginderaan jauh.
 SUMMARY
SRI WAHYUNI. Identification of growing site (bonita) using the non metric
digital image having 20 cm spatial resolution in KPH Madiun Perhutani Unit II,
East Java. Report. Forest Management, Bogor Agricultural University. Supervised
by I NENGAH SURATI JAYA.

The quality of growing site is a measure of soil fertility that closely

correlated with the stand productivity, while bonita is an index of site quality
for teak stand. The determination of bonita is computed on the basis of the
relationship between the average of the highest trees and the age of stand. The
determination of side index of jati (bonita) on the basis of the upperheight of stand
trees was developed by H.E. Wolff von Wolffing and implemented since 1932.
The upperheight is an average of 100 tallest trees height in one hectare. This
upperheight then correlated with the age of trees in a such way so side index curve
is perfomed.
A teak site index (bonita) will not change in a relatively long period and
need a quite long periode to revise it. To revise the bonita using conventional
method is usually time consuming and costly. For the above reasons, it is require
to develop an efficient method for bonita evaluation using the technology of
remote sensing. The objective of this study is to identify the stand variables that
measurable on the image for bonita determination, and to evaluate the accuracy of
existing bonita map, of teak stand.
This research was done in KPH Madiun Perhutani Unit II, East Java using
the non metric digital image having 20 cm spatial resolution which acquired in
April 2011. The site index identification was done on the basis of visual
interpretation of crown density (C), crown diameters (D), and number of trees
(N). The design of sampling was designed using IHMB Jaya Version 6 extension.
The statistical analysis performed includes correlation analysis, accuracy
assessment using upperheight, discriminant analyses bonita on stand variables
measured on the image. The hardware used was a computer with ArcView 3.2,
Erdas Image 9.1 and Minitab 14 softwares.
This research found that crown density (C), crown diameter (D) as well as
number of trees (N) can be used to assis the teak site index (bonita) having
accuracy 68,4% for BKPH Dagangan and 81,6% for BPKH Dungus. This study
found that the coincidence value between bonita measured on the basis ground
measurement and the existing bonita map in quite low, i.e, 29% for BPKH
Dagangan and 23% for BPKH Dungus. This study also shows that the bonita
could be evaluated periodically during certain period. The high resolution digital
non metric image could be used for revising the site index periodically.

Keyword : Bonita (site index), upperheight, teak (Tectona grandis L.f),

high resolution non metric digital image, remote sensing technology.
 IDENTIFIKASI KUALITAS TEMPAT TUMBUH (BONITA)
MENGGUNAKAN CITRA DIJITAL NON METRIK RESOLUSI
TINGGI DI KPH MADIUN PERUM PERHUTANI UNIT II
JAWA TIMUR

SRI WAHYUNI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Kehutanan pada
Departemen Manajemen Hutan
Fakultas Kehutanan Institut Pertanian Bogor

DEPARTEMEN MANAJEMEN HUTAN

FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
2012
 LEMBAR PENGESAHAN

Judul Penelitian : Identifikasi Kualitas Tempat Tumbuh (bonita)

Menggunakan Citra Dijital Non Metrik Resolusi Tinggi
di KPH Madiun Perum Perhutani Unit II Jawa Timur
Nama Mahasiswa : SRI WAHYUNI
Nomor Pokok : E14070017

Menyetujui,
Dosen Pembimbing

Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr

NIP. 19610909 198601 1 001

Mengetahui,
Ketua Departemen Manajeman Hutan

Dr. Ir. Didik Suharjito, MS

NIP. 19630401 199403 1 001

Tanggal Lulus :
 PERNYATAAN

Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Kualitas

Tempat Tumbuh (Bonita) Menggunakan Citra Dijital Non Metrik Resolusi Tinggi
di KPH Madiun Perum Perhutani Unit II Jawa Timur 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 telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhri skripsi ini.

Bogor, Maret 2012

Sri Wahyuni
NRP. E14070017
 KATA PENGANTAR

Segala puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah
melimpahkan rahmat dan hidayah-Nya kepada penulis, sehingga penulis diberikan
kemudahan dan kelancaran dalam menyelesaikan skripsi dengan judul Identifikasi
Kualitas Tempat Tumbuh (Bonita) Menggunakan Citra Dijital Non Metrik
Resolusi Tinggi di KPH Madiun Perum Perhutani unit II Jawa Timur.
Skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana
Kehutanan di Departemen Manajemen Hutan, Fakultas Kehutanan, Institut
Pertanian Bogor. Skripsi ini berisi gambaran mengenai penyusunan metode
evaluasi kualitas tempat tumbuh (bonita) Jati (Tectona grandis L,f) menggunakan
teknologi citra dijital nonmentrik resolusi tinggi serta analisis dimensi tegakan
citra (kerapatan tajuk, diameter tajuk dan jumlah pohon) untuk pendugaan kualitas
tempat tumbuh (bonita).
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh
karena itu, kritik dan saran yang bersifat membangun dari semua pihak sangat
penulis harapkan untuk perbaikan skripsi ini. Penulis berharap skripsi ini dapat
bermanfaat dan dapat memberikan informasi yang berguna bagi semua pihak yang
membutuhkan.

. Bogor, Maret 2012

Penulis
 RIWAYAT HIDUP

Penulis dilahirkan pada tanggal 1 Mei 1989 di Bukittinggi, Sumatera

Barat. Penulis adalah anak kedua dari empat bersaudara pasangan Bapak
Muhammad Akbal dan Ibu Elimarni, S.Pd. Penulis menyelesaikan pendidikan
dasar di SD Negeri 35 Pincuran VII lulus tahun 2001, pendidikan menengah
pertama di SLTP Negeri 3 Lintau Buo Utara lulus tahun 2004, dan menengah atas
di SMA Negeri 1 Lintau Buo lulus tahun 2007. Pada tahun yang sama, penulis
diterima di IPB melalui jalur USMI (Undangan Seleksi Masuk IPB) di
Departemen Manajemen Hutan, Fakultas Kehutanan.
Selama menjadi mahasiswa, penulis pernah menjadi Asisten mata kuliah
Inventarisasi Hutan pada tahun ajaran 2010-2011, Asisten mata kuliah Teknik
Inventarisasi Hutan dan mata kuliah Geomatika dan Inderaja pada tahun ajaran
2011-2012. Selain itu, penulis juga aktif sebagai Sekretaris divisi Pengembangan
Sumber Daya Manusia (PSDM) dalam Forest Management Student Club (FMSC)
periode 2009-2010, sebagai Ketua divisi Kesekretariatan dalam Forest
Management Student Club (FMSC) periode 2010-2011, dan sebagai Anggota
divisi Pengembangan Sumber Daya Manusia (PSDM) dalam Pengurus Cabang
Sylva IPB periode 2010-2011. Penulis juga terlibat dalam pelatihan Analisis
Display Citra kerjasama Fakultas Kehutanan IPB dengan Dinas Provinsi Papua
sebagai Asisten pada tahun 2011, dan ikut berpartisipasi dalam berbagai
kepanitiaan kegiatan kemahasiswaan di Institut Petanian Bogor khususnya
kegiatan Fakultas Kehutanan.
Pada tahun 2009, penulis melakukan kegiatan Praktek Pengenalan
Ekosistem Hutan (PPEH) di Sancang Barat dan Kamojang, Provinsi Jawa Barat,
lalu Praktek Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat
Sukabumi pada tahun 2010 dan pada tahun 2011 melakukan Praktek Kerja
Lapang (PKL) di PT. Balikpapan Forest Industries, Provinsi Kalimantan Timur.
 UCAPAN TERIMA KASIH

Pada kesempatan ini penulis mengucapkan terima kasih yang sebesar-

besarnya kepada:
1. Ibunda tercinta Elimarni S.Pd, Ayahanda M.Akbal, Kakak tercinta Sitralita
S.Kep, Adik-adik tersayang Ryan Rizky Kurnia dan Miftahul Jannah serta
Keluarga besar penulis yang tak pernah lelah memberikan perhatian,
semangat dan kasih sayang, serta kepercayaan dan doa yang selalu
dipanjatkan untuk keberhasilan penulis.
2. Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr selaku dosen pembimbing skripsi,
atas segala bimbingan pengarahan, motivasi, kesabaran, biaya, dan waktu
yang telah diberikan dalam penyusunan skripsi ini.
3. Dr. Ir. Agus Priyono Kartono, M.Si selaku dosen penguji dan Dr. Evi Yulita
Yovi, M.Life. Env. Sc selaku Ketua sidang dalam ujian komprehensif.
4. Dr. Ir. Yulius Hero, M.Sc sebagai komisi pendidikan yang telah meluangkan
waktu membaca dan mengoreksi penulisan skripsi.
5. Bapak. Uus Saepul M dan Aa Edwine Setia P, S.Hut atas segala bantuan dan
pengarahan yang telah diberikan dalam penyusunan skripsi ini.
6. Ir. Lukmand Hakim atas kepercayaan akan data yang diolah penulis.
7. Kepada segenap pihak KPH Madiun, Ir. FX Istiono, MM selaku ADM,
Bambang Cahyo Purnomo, S.Hut selaku Waka, Asper BKPH Dungus Bapak
Yanto, Asper BKPH mojorayung Bapak Bob, dan Asper BKPH Dagangan
Bapak Noor, Mandor di lapangan Bapak Sugino, Mas Eko, Mas Giri, Mas
Heri, Mbah, Pak Nyoto, Roni, Pak Samsul, Pak Joko dan Bapak Djumali
beserta Keluarga atas kepercayaan akan data yang diolah penulis, bantuan di
lapangan baik itu moril dan materil serta bantuan lain yang sangat berarti
bagi penulis.
8. Erwin Darma atas semangat, waktu, dan perhatiannya kepada penulis.
9. Nuraini Erisa, S.Hut, Emilya Norita, SE, dan Melati Nuswantari atas
semangat, bantuan, dan perhatiannya.
10. Saudara-saudara satu bimbingan Fathia Amalia Ramadhani, Eri
Septiawardani dan I Putu Arimbawa Pande atas motivasi dan dukungan
semangat serta bantuan yang sangat banyak dalam penyelesaian skripsi ini.
11. Sahabat-sahabat seperjuangan di laboratorium fisik remote sensing Tantri
Janiatri S.Hut, Erry Maulana Wicaksono, Aditya Pradhana, Aditya Sani
Sasmita, I Made Haribhawana Wijaya, Vivi Selviana dan Monika Turana
atas bantuan semangat yang sangat berarti bagi penulis, serta keluarga besar
laboratorium fisik Remote Sensing Kak pipit, Kak Wuland, Kak Ratih, Kak
Puan, Kak Anom, Kak Puin, Kak Ina, Kak Chika, Kak Dian, Kak Baki, Kak
Puut, Ibu Eva, Ibu Immy, Ibu Tien, Bunda, Pak sigit, Pak Anwar, Pak Jaya
dan Tulang atas semangat yang diberikan.
12. Sahabat-sahabat bersenda gurau dan tempat bercerita Divo Jonriatno S.kh,
Qori Pebrial Ilham S.Hut, Andrie Ridzki P, Rizki Agung, John Sandi
Lembong, Rian Slamet, Anggi Rianto, Hilhamsyah Putra Haska, dan Rizki
Saputra.
13. Seluruh Dosen dan Staf Departemen Manajemen Hutan, seluruh Teman-
teman Departemen Manajemen Hutan dan Fakultas Kehutanan IPB
Angkatan 44 atas kebersamaannya selama ini yang tidak dapat penulis
sebutkan namanya satu persatu-satu.

Semoga Allah SWT memberikan limpahan atas kebaikan berupa pahala, serta
diberikan balasan yang setimpal. Amin
 DAFTAR ISI

Halaman
DAFTAR ISI ....................................................................................................... i
DAFTAR TABEL .............................................................................................. iii
DAFTAR GAMBAR .......................................................................................... iv
DAFTAR LAMPIRAN ...................................................................................... vi
I. PENDAHULUAN
1.1. Latar Belakang .......................................................................................... 1
1.2. Kerangka Berfikir ..................................................................................... 3
1.3 Tujuan ....................................................................................................... 4
1.3 Manfaat ..................................................................................................... 4
II. METODE PENELITIAN
2.1. Lokasi dan Waktu Penelitian ................................................................... 5
2.2. Data, Hardware, Software dan Alat ........................................................ 6
2.3. Metode Penelitian .................................................................................... 11
2.3.1. Pengolahan Awal Citra (Image pre-processing) ............................ 11
2.3.1.1. Koreksi Geometrik ........................................................... 11
2.3.1.2. Analisis Data Citra ............................................................ 12
a. Desain Plot .................................................................... 12
b. Pengukuran Dimensi Tegakan ...................................... 12
2.3.2. Pemetaan Desain Plot Penelitian .................................................... 15
2.3.3. Pengambilan Data Lapangan .......................................................... 15
2.3.4 Pengolahan Data Lapangan ............................................................ 18
2.3.5. Uji Korelasi .................................................................................... 19
2.3.6 Analisis Fungsi Diskriminan ........................................................... 21
2.3.6 Akurasi Peninggi ............................................................................. 22
III. KONDISI UMUM LOKASI PENELITIAN
3.1. Luas Geografis ......................................................................................... 24
3.2. Topografi dan Iklim ................................................................................. 25
3.3. Daerah Aliran Sungai dan Tanah ............................................................. 25
3.4. Kependudukan .......................................................................................... 25
 ii

IV. HASIL DAN PEMBAHASAN

4.1. Pengolahan Data Citra dan Data Lapangan ............................................. 27
4.2. Uji Korelasi .............................................................................................. 31
4.3. Hubungan Rasio Diameter dengan Bonita .............................................. 35
4.4. Analisis Diskriminan ............................................................................... 36
4.5. Akurasi Bonita ......................................................................................... 40
V. KESIMPULAN DAN SARAN
5.1. Kesimpulan ............................................................................................... 44
5.2. Saran ......................................................................................................... 44
DAFTAR PUSTAKA ......................................................................................... 45
LAMPIRAN ........................................................................................................ 47
 DAFTAR TABEL

No. Halaman

1. Mata pencaharian penduduk di kecamatan sekitar hutan tahun 1998

di wilayah KPH Madiun ................................................................................ 26
2. Matriks korelasi antara peubah tinggi total rata-rata dengan peubah
pada citra pada BKPH Dagangan.................................................................. 31
3. Matriks korelasi antara peubah tinggi total rata-rata dengan peubah
pada citra pada BKPH Dungus ..................................................................... 33
4. Nilai akurasi klasifikasi bonita di lapangan terhadap peubah C, D dan
N pada citra pada lokasi BKPH Dagangan .................................................... 36
5. Nilai akurasi klasifikasi bonita di lapangan terhadap peubah C, D dan
N pada citra pada lokasi BKPH Dungus ....................................................... 37
6. Fungsi diskriminan untuk kelompok bonita terhadap peubah citra ............... 39

7. Persentase keseuaian bonita petak dilapangan dengan bonita yang

dilakukan akurasi peninggi pada BKPH Dagangan ...................................... 40
8. Persentase keseuaian bonita petak dilapangan dengan bonita yang
dilakukan akurasi peninggi pada BKPH Dagangan ...................................... 40
9. Nilai akurasi klasifikasi bonita peninggi pada BKPH Dagangan .................. 41

10. Nilai akurasi klasifikasi bonita peninggi pada BKPH Dungus ...................... 42

11. Fungsi diskriminan untuk kelompok bonita terhadap peubah citra ............... 43
 DAFTAR GAMBAR

No. Halaman

1. Kerangka berfikir penelitian .......................................................................... 4

2. Lokasi penelitian ............................................................................................ 5
3. Peta grid plot lapangan dan jaringan jalan BKPH Dagangan ........................ 7
4 Peta grid plot lapangan dan jaringan jalan BKPH Dungus ............................ 8
5. Plot penelitian di BKPH Dagangan ............................................................... 9
6. Plot penelitian di BKPH Dungus ................................................................... 10
7. Profil pohon pada citra ................................................................................... 13
8. Perhitungan kerapatan tajuk pohon pada citra ............................................... 14
9. Perhitungan diameter tajuk pohon pada citra ................................................. 15
10. Plot lingkaran ................................................................................................. 16
11. Grafik indeks bonita H.E. Wolf von Wolfing (1932) .................................... 17
12. Diagram alur tahapan penelitian .................................................................... 23
13. Peta lokasi penelitian berdasarkan wilayah kerja KPH Madiun...................... 24
14. Diagram pencar peubah D dengan N pada keterangan bonita lapangan
di lokasi BKPH Dagangan. ............................................................................ 27
15. Diagram pencar peubah D dengan N pada keterangan bonita lapangan
di lokasi BKPH Dungus ................................................................................ 28
16. Diagram pencar peubah C dengan N pada keterangan bonita lapangan
di lokasi BKPH Dagangan ............................................................................. 28
17. Diagram pencar peubah C dengan N pada keterangan bonita lapangan
di lokasi BKPH Dungus ................................................................................ 29
18. Diagram pencar peubah C dengan Dpada keterangan bonita lapangan
di lokasi BKPH Dagangan ............................................................................. 29
19. Diagram pencar peubah C dengan Dpada keterangan bonita lapangan
di lokasi BKPH Dungus ................................................................................ 30
20. Hubungan antara tinggi pohon dengan persentase kerapatan
tajuk (C) di lokasi BKPH Dagangan ............................................................. 31
21. Hubungan antara tinggi pohon dengan kerapatan tajuk (D)
di lokasi BKPH Dagangan ............................................................................. 31
22. Hubungan antara tinggi pohon dengan jumlah pohon (N)
di lokasi BKPH Dagangan ............................................................................. 32
 v

23. Hubungan antara tinggi pohon dengan persentase kerapatan

tajuk (C) di lokasi BKPH Dungus ................................................................. 33
24. Hubungan antara tinggi pohon dengan kerapatan tajuk (D)
di lokasi BKPH Dungus ................................................................................ 33
25. Hubungan antara tinggi pohon dengan jumlah pohon (N)
di lokasi BKPH Dungus ................................................................................ 34
26. Hubungan rasio diameter dengan bonita di lokasi BKPH Dagangan ............ 35
27. Hubungan rasio diameter dengan bonita di lokasi BKPH Dungus ................ 36
28. Proporsi nilai analisis diskriminan bonita lapangan di lokasi BKPH
Dagangan ....................................................................................................... 37
29. Proporsi nilai analisis diskriminan bonita lapangan di lokasi BKPH
Dungus ........................................................................................................... 38
30. Proporsi nilai analisis diskriminan bonita akurasi peninggi di lokasi
BKPH Dagangan ........................................................................................... 41
31. Proporsi nilai analisis diskriminan bonita akurasi peninggi di lokasi
BKPH Dungus ............................................................................................... 42
 DAFTAR LAMPIRAN

No. Halaman

1. Data citra dan data lapangan pada lokasi BKPH Dagangan ................... 48
2. Data citra dan data lapangan pada lokasi BKPH Dungus ....................... 49
3. Klasifikasi bonita lapangan dan bonita peninggi di lokasi
BKPH Dagangan .................................................................................... 50
4. Klasifikasi bonita lapangan dan bonita peninggi di lokasi
BKPH Dungus ........................................................................................ 51
5. Analisis diskriminan bonita lapangan dengan peubah C, D dan N
pada citra untuk BKPH Dagangan dan BKPH Dungus .......................... 52
6. Analisis diskriminan bonita akurasi peninggi dengan peubah
C, D dan N pada citra untuk BKPH Dungus .......................................... 63
7. Analisis diskriminan bonita akurasi peninggi dengan peubah
C, D dan N pada citra untuk BKPH Dungus .......................................... 68
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Sektor kehutanan di Indonesia telah memberikan sumbangan yang besar
dalam menunjang pertumbuhan ekonomi baik dari segi perdagangan barang (kayu
dan non kayu) maupun dari segi manfaat jasa. Dampaknya, hutan telah mendapat
tekanan untuk kepentingan berbagai sektor antara lain: pertanian, pertambangan,
perikanan, dan sebagainya. Untuk menjaga eksistensi fisik dan kualitas hutan tetap
terjaga diperlukan suatu pengelolaan yang berdasarkan azas kelestarian lingkungan
(Darusman 2002).
Pemanfaatan citra satelit sebagai bahan kajian sumberdaya alam terus
berkembang, hal ini sejalan dengan semakin majunya teknologi pemrosesan dan
peningkatan kemampuan sensor satelit dalam merekam kondisi permukaan bumi.
Pengelolaan hutan yang terintegritas perlu didukung oleh data/informasi dasar
tentang kondisi fisik hutan. Data yang multi-waktu juga sangat bermanfaat untuk
memperkirakan laju dan arah terjadinya perubahan, sehingga kegiatan antisipasi
dapat segera dilakukan (Jaya 2010).
Kualitas tempat tumbuh (site quality) dari jenis satu tegakan pohon
dinyatakan sebagai peninggi untuk umur tertentu yang disebut pohon persatuan
luas, luas bidang dasar setinggi dada, dan rata-rata tinggi bidang dasar. Kondisi ini
berlaku pada suatu daerah yang keadaan tanahnya mirip dengan daerah yang akan
dibangun hutan tanaman industri (HTI), dimana mempunyai penentuan umur baku
tegakan. Hasil menyeluruh ini ditabulasikan untuk memudahkan mengetahui
volume kayu yang dihasilkan oleh peninggi pada umur tertentu. Parameter tersebut
disusun sedemikian rupa dengan melawan umur tegakan, sehingga didapat indeks
bonita. Umur tegakan yang digunakan dalam penyusunan indeks bonita adalah
umur tegakan saat melakukan penjarangan, yaitu 5, 10, 20, 25, , 105 tahun dan
hubungan peninggi dengan umur tegakan berdasarkan grafik disebut kelas bonita.
Pengklasifikasian produktivitas lahan hutan didalam produksi kayu jati
menggunakan parameter peninggi sebagai pengukurnya yang dimulai sejak tahun
1932 oleh H.E. Wolff von Wolffing. Peninggi yang diperoleh dari rata-rata pohon
tertinggi merupakan ciri terbaik dari produktivitas lahan hutan jati. Metode ini
 2

diisyaratkan dengan rata-rata jumlah 100 pohon tertinggi yang hidup merata pada
kawasan dengan luas 1 ha (Arief 2001).
Menurut Poerwowidodo (1990), penyusunan kelas-kelas bonita perlu
memperhatikan umur baku. Jika korelasi antara peninggi dan umur tegakan linier
positif, maka semakin tua suatu tegakan berarti memberikan mutu site yang makin
tinggi. Pada tegakan terlalu tua (>80 tahun), hubungan peninggi dan umur
cenderung tidak lagi linier, sehingga memberikan mutu site terlalu tinggi. Penilaian
mutu site pada tegakan terlalu muda (<30 tahun) sering memberikan mutu site
terlalu rendah. Hal ini berpeluang terjadinya gejolak pada kelas-kelas bonita setiap
kali diadakan pengukuran ulang. Sebenarnya, peninggi sebagai alat ukur
seharusnya mampu dijadikan pengukuran akurat bagi media dan pada lingkungan
yang sama pula. Dengan kata lain, jika peninggi digunakan untuk mengukur
produktivitas suatu kelas bonita pada pengkuran kapan saja akan menghasilkan
nilai yang sama pula. Istomo (1985) menyatakan bahwa peninggi itu sebenarnya
bukan merupakan alat yang akurat. Kenapa dikatakan tidak akurat, Arief (2001)
menyatakan penilaian terlalu rendah bagi tegakan yang masih muda dan sebaliknya
penilaian tertalu tinggi untuk tanaman yang sudah tua. Menurut Colie (1946)
pertumbuhan tanaman jati sangat dipengaruhi oleh faktor lingkungan, salah satu
faktor yang amat penting adalah kondisi tanah. Penelitian Siswanto (1997)
menunjukkan persentase kelerengan tanah mempunyai hubungan yang sangat nyata
dengan nilai bonita tanaman jati, dimana pada kondisi lahan yang datar tanaman jati
cenderung tumbuh lebih baik. Penelitian kualialitas tempat tumbuh berdasarkan
sifat-sifat tanah lebih memberikan keuntungan, karena penilaian kualitas tempat
tumbuh ini tidak perlu harus menunggu adanya tegakan. Sedang dalam perencanaan
pengembangan hutan jati penilaian kualitas tempat tumbuh sebelum hutan tersebut
digunakan sangat perlu.
Berdasarkan penelitian yang dilakukan oleh Rusdiana et al. (1987)
alternatife lain dapat digunakan adalah penggunaan parameter tanah, dimana
porositas total, bulk density horizon tebal solum dan tebal horizon B merupakan
indikator utama yang dapat membedakan bonita 3.5 dan 4.0. Hal ini menunjukkan
faktor fisik tanah pada horizon B merupakan faktor yang penting bagi pertumbuhan
jati di daerah penelitian.
 3

Penetapan kualitas tempat tumbuh berdasarkan faktor peninggi

mempunyai beberapa kelemahan, antara lain: 1) Mensyaratkan kehadiran tegakan
hutan, 2) Mensyaratkan kondisi tertentu dari tegakan dan 3) Khusus untuk jati
menurut Haeruman (1965) penilaian terlalu rendah pada tegakan muda dan terlalu
tinggi pada tegakan tua.
Penentuan bonita di lapangan yang berat, yang memakan waktu lama serta
biaya yang dikeluarkan banyak, sehingga tidak terlalu efisien untuk penentuan
keputusan secara cepat. Perlunya akurasi data dan pembaharuan tentang kualitas
tempat tumbuh itu sendiri (update), maka perlu adanya penentuan kualitas bonita
dengan teknik baru salah satunya adalah menggunakan metode penginderaan jauh
(remote sensing). Menurut Jaya (2010) pada saat ini penginderaan jauh tidak hanya
mencangkup kegiatan pengumpulan data mentah, tetapi juga mencangkup
pengolahan data secara otomatis (komputerisasi) dan manual (interpretasi), analasis
citra dan penyajian yang diperoleh. Kegiatan penginderaan dibatasi oleh
penggunaan energi elektromagnetik.

1.2 Kerangka Berfikir

Pertanyaan-pertanyaan yang dapat dikembangkan dari penelitian :
1. Masih relevankah peta kualitas tempat tumbuh (bonita) yang digunakan
saat ini?
2. Jika peta harus direvisi, adakah metode pembutan peta kualitas tempat
tumbuh (bonita) secara cepat?
3. Dapatkah remote sensing digunakan sebagai alat menentukan bonita?

Kualias tempat tumbuh berhubungan erat dengan kesuburan tanah yang

akan mempengaruhi kualitas tegakan. Penggunaan tanah secara terus menerus
akan menyebabkan kesuburan tanah berkurang, sehingga kelas bonita ikut
menurun. Perlu dilakukannya evaluasi peta bonita yang digunakan untuk
mendapatkan informasi yang sesuai dengan keadaan saat ini. Kerangka berpikir
penelitian ini dikembangkan dan disusun sebagaimana terlihat dalam Gambar 1.
 4

Faktor-faktor kualitas tempat Kualitas tegakan :

tumbuh : 1. Volume pohon
1. Jenis tanah 2. Basal area
2. Kesuburan tanah 3. Kerapatan tegakan
3. Drainase tanah 4. Tinggi pohon

Penurunan kualitas
tempat tumbuh (bonita)

Revisi peta kualitas tempat tumbuh

Evaluasi dengan remote Evaluasi terestris

sensing menggunakan kerapatan Korelasi Tinggi Pengukuran tinggi
tajuk (C), diameter tajuk (D) dan terestris.
Jumlah Pohon. (N).

Fungsi Diskriminan

Site indeks (bonita) = f(C, D, N)

Gambar 1 Kerangka berfikir penelitian.

1.3 Tujuan
Penelitian ini bertujuan untuk menyusunan metode evaluasi kualitas tempat
tumbuh (bonita) Jati (Tectona grandis L,f) menggunakan teknologi citra dijital non
mentrik resolusi tinggi.

1.4 Manfaat
Penelitian ini diharapkan dapat digunakan sebagai pertimbangan dalam
menentukan kualitas tempat tumbuh (bonita) dengan metode baru menggunakan
penginderaan jauh (remote sensing).
 BAB II
METODE PENELITIAN

2.1 Lokasi dan Waktu

Penelitian ini dimulai pada bulan Oktober 2011-Februari 2012. Lokasi
penelitian terletak di KPH Madiun, yaitu: BKPH Dagangan dan BKPH Dungus
(Gambar 2). Pra pengolahan citra dan persiapan peta kerja dilakukan di
Laboratorium Remote Sensing dan GIS Departemen Manajemen Hutan, Fakultas
Kehutanan, Institut Pertanian Bogor.

Gambar 2 Lokasi penelitian.

2.2 Data, Hardware, Software dan Alat

Data yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Data spasial yang merupakan Citra dijital non-metrik resolusi tinggi KPH
Madiun Perum Perhutani Unit II Jawa Timur hasil rekaman pada bulan April
2011 resolusi 20 cm, menggunakan pesawat tak berawak (unman aircraft).
 6

2. Data Shapfile yang terdiri dari peta batas petak dan peta jaringan jalan yang
mempunyai data atribut pendukung (Gambar 3 dan Gambar 4).
3. Data hasil pengambilan plot penelitian pada tegakan jati di BKPH Dagangan
dan BKPH Dungus (Gambar 5 dan Gambar 6).

Hardware yang digunakan dalam penelitian ini adalah satu unit komputer
yang dilengkapi dengan Software Erdas Imagine Ver 9.1, ArcView GIS Ver 3.2,
SPSS 16.0, Minitab 14 dengan Analisis Diskriminan dan Microsoft Excel 2007.
Alat yang digunakan dalam penelitian ini, yaitu GPS CS 60, suunto klinometer,
kompas, haga hypsometer, pita ukur, dan kamera digital, serta kamera Fisheye.
Gambar 3 Peta grid plot lapangan dan jaringan jalan pada lokasi BKPH Dagangan.

7
Gambar 4 Peta grid plot lapangan dan jaringan jalan pada lokasi BKPH Dungus.

8
Gambar 5 Plot penelitian di BKPH Dagangan.

9
Gambar 6 Plot penelitian di BKPH Dungus.

10
 11

2.3 Metode Penelitian

2.3.1 Pengolahan Awal Citra (Image pre-processing)
2.3.1.1. Koreksi Geometrik
Koreksi Geometrik merupakan suatu proses melakukan transformasi data
dari suatu sistem grid menggunakan suatu transformasi geometrik. Area yang
terekam oleh sensor pada satelit maupun pesawat terbang sesungguhnya
mengandung kesalahan (distorsi) yang diakibatkan oleh pengaruh kelengkungan
bumi dan atau oleh sensor itu sendiri sehingga perlu adanya koreksi geometrik
(Jaya 2010).
Data penginderaan jauh dihasilkan oleh scanner multispektral atau kamera
vidicon resolusi tinggi dari wahana ruang angkasa adalah dalam format raster.
Namun, data spektral tersebut harus di simpan kembali, ditajamkan, difilter atau
ditransformasikan secara geometrik dengan teknik pemrosesan citra sebelum data
tersebut dapat digabungkan ke dalam sistem informasi geografik. Satu masalah
penting untuk mengahasilkan kesesuain antara informasi raster dengan koordinat
sistem informasi geografik yaitu menggunakan pendekatan umum dengan
mengembangkan persamaan transformasi (Mayer 1984). Rangkaian persamaan
konversi sistem informasi geografik (format vektor) yaitu:
p = f (X, Y),
l = f (X, Y),
X = f1 (L, E),
dan Y = f2 (L, E)
dimana :
p, l = posisi pixel dan baris garis penyiaman pada citra
L, E = koordinat posisi lintang dan bujur
X = koordinat horizontal proyeksi
Y = koordinat vertikal proyeksi peta

Rektifikasi yang dilakukan adalah rektifikasi citra-ke-citra (image-to-

image rectification). Citra dijital non metrik dilakukan koreksi geometrik
menggunakan citra LANDSAT yang telah terkoreksi sebelumnya, hal ini dilakukan
agar koordinat geografisnya sama. Sistem koordinat yang digunakan dalam koreksi
geometrik adalah Universal Transvers Mercator (UTM), zone 48 Selatan (South
UTM 1984).
 12

Koreksi geometrik dimulai dengan memilih sejumlah titik-titik Kontrol

lapangan (GCP). Untuk penelitian ini jumlah total titik GCP adalah sebanyak 14
titik. GCP adalah suatu titik-titik pada permukaan bumi yang diketahui
koordinatnya baik pada citra (kolom/piksel dan baris) maupun pada peta (yang
diukur dalam lintang bujur meter). Syarat pemilihan GCP adalah tersebar merata di
seluruh citra dan relatif permanen atau tidak berubah dalam kurun waktu yang
pendek (seperti jalan, jembatan, sudut bangunan dan sebagainya) (Jaya 2002).
Jumlah GCP minimum dihitung dengan menggunakan persamaan :
GCPmin = (t+1)(t+2)/ 2
dimana:
t : orde dari persamaan transformasi (t=1,2 atau.. n)

2.3.1.2. Analisis Data Citra

1. Desain Plot
Langkah awal adalah overlay Peta Batas Petak dengan Poligon citra untuk
mengumpulkan data atribut dengan penentuan umur tanaman 2011 berdasarkan
data tahun tanam. Data citra dan data spasial yang telah di overlay dilakukan
pembuatan grid, lokasi plot pengamatan ditentukan dengan metode sistematik
sampling dengan jarak antar plot (JAP) adalah 7575 meter dengan penyamaan
angka acak untuk ke tiga lokasi. Pembuatan grid ini menggunakan ekstensi IHMB
Jaya versi 6 pada ArcView 3.2 selanjutnya dilakukan pembuatan buffer untuk setiap
plot terpilih sesuai dengan luasan masing-masing plot berdasarkan kelas umur
untuk hutan tanaman jati. Plot yang terpilih merupakan keterwakilan umur dan
bonita pada setiap petak dan setiap lokasi.

2. Pengukuran Dimensi Tegakan Citra

Interpretasi citra pada dasarnya merupakan proses klasifikasi, maka
identifikasi dan pengenalan dapat dilakukan secara matematik, apabila tersedia data
citra dalam betuk dijital. Ukuran atau dimensi suatu objek merupakan kunci penting
untuk identifikasi dan pengenalan objek yang bentuknya sama dan dapat dipakai
sebagai standar bagi perbandingan (Purbowaseso 1995).
 13

Pada penelitian ini dilakukan pengukuran dimensi tegakan citra terhadap peubah-
peubah tegakan, sebagai berikut :
a. Penghitungan Jumlah Pohon (N)
Penafsiran jumlah pohon citra dilakukan dalam satu plot pengamatan
(Gambar 7). Pada setiap tajuk yang membentuk satu kesatuan tajuk pohon dianggap
sebagai satu pohon di lakukan penitikan dengan simbol draw point pada tools
ArcView 3.2

Gambar 7 Profil pohon citra

b.Penghitungan Persentase Kerapatan Tajuk Tegakan pada Citra (C)

Persentase penutupan tajuk diartikan sebagai persentase areal yang
tertutup oleh proyeksi vertikal tajuk pohon. Digitasi dilakukan pada buffer plot
dengan deliniasi atas tajuk per pohon. Deliniasi ialah seleksi visual dan perbedaan
wujud gambaran pada berbagai data dengan jalan menarik garis batas (Rosalina &
Rahaju 1996).
Kerapatan Tajuk Citra = ( Jumlah Luas Tajuk / Luas Plot) 100 %
 14

Tajuk
pohon

Gap
Tajuk

Gambar 8 Perhitungan kerapatan tajuk pohon pada citra.

Pada atribut citra yang telah dideliniasi, tajuk pohon diklasifikasikan dalam
kelompok 1 sedangkan gap tajuk diklasifikasikan dalam kelompok 0 (Gambar 8).
Perhitungan persentase penutupan tajuk dalam satu luasan plot dilakukan pada
ArcView 3.2 dengan tools summarize.

c. Penghitungan Diameter Tajuk Pohon pada Citra (D)

Pada dasarnya pengukuran tajuk sama dengan pengukuran jarak
sebagaimana terlihat pada Gambar 9. Pengukuran tajuk pohon dilakukan pada
tutupan tajuk yang telah dideliniasi dan dianggap sebagai satu pohon. Rumus
untuk menghitung diameter tajuk adalah sebagai berikut :
DtUS + DtBT
Dt=
2
dimana :
Dt : Diamater tajuk pohon
DtUS : Panjang diameter tajuk utara ke seletan
DtBT : Panjang diameter tajuk barat ke timur
 15

DtBT

DtUS

Gambar 9 Perhitungan diameter tajuk pohon pada citra

2.3.2 Pemetaan Desain Plot Penelitian

Desain peta kerja dibuat sebagai alat pembantu pengamatan di lapangan.
Peta kerja dibuat dengan menumpangtindihkan (overlay) citra dijital non metrik,
lokasi titik pengamatan total dan lokasi terpilih, Titik GCP, Titik Ikat, peta jaringan
jalan hutan dan peta batas petak kerja

2.3.3 Pengambilan Data Lapangan

Pengamatan lapangan merupakan proses pengecekan langsung ke lokasi
penelitian terhadap objek yang telah diinterpretasi menggunakan citra. Pengecekan
lapangan dilakukan dengan 3 metode yaitu pengecekan titik dan pembuatan plot
serta pengukuran dimensi tegakan lapangan.
1. Pengecekan titik dilakukan pada plot terpilih yang telah disesuaikan pada
identifikasi awal posisi plot pada citra. Penentuan titik pusat plot terpilih
dibantu dengan adanya GCP dan Titik ikat.
2. Metode kedua adalah pembuatan plot contoh berdasarkan kelas umur (KU),
yaitu 0,02 Ha untuk KU I dan KU II, 0,04 Ha untuk KU III dan KU IV dan
ukuran plot 0.1 Ha untuk KU V > up (Gambar 10).
 16

7.98 m 11.28 m 17.85 m

a.Plot Lingkaran 0.02 Ha

b.Plot Lingkaran 0.04 Ha

c.Plot Lingkaran 0.1 Ha

Gambar 10 Plot lingkaran

3. Pengukuran dimensi tegakan lapangan dilakukan dengan cara pengambilan

data mengenai bonita (peta kerja Perhutani pada setiap areal kerja BKPH),
tinggi pohon, diameter 50 cm dan 130 cm, jari-jari tajuk pohon, jarak antar
pohon, dan kondisi pohon.
Pemotretan bentang titik pengamatan yang dapat menggambarkan kondisi
tutupan lahan juga dilakukan sebagai alat bantu argumen hasil verifikasi. Untuk
penentuan bonita yang dipakai, merupakan hasil dari perhitungan peninggi dengan
umur yang kemudian dilakukan penilaian nilai kelas bonita, ditunjukkan oleh grafik
indeks bonita H.E. Wolff von Wolffing (1932).
Pada grafik indeks bonita (Gambar 11), kelas bonita diperoleh melalui
korelasi antara peninggi dan umur tegakan. Perhitungan korelasi antara peninggi
dan umur tegakan ini dilakukan secara manual.
Peninggi

Umur Penjarangan

Gambar 11 Grafik indeks bonita H.E. Wolff von Wolffing (1932).

17
 18

2.3.4 Pengolahan Data Lapangan

Pendugaan data lapangan dilakukan untuk menentukan kesesuaian data
lapangan dengan data citra. Pengolahan data lapangan, sebagai berikut:
1. Pembuatan Profil Pohon Lapangan
Pada saat pengkuran di lapangan dilakukan sekaligus pengamatan posisi pohon
dan jarak dari titik pusat. Perhitungan jarak dilakukan dengan mengukur jarak
pohon dari titik pusat menggunakan pita ukur.
2. Penghitungan Jumlah Pohon Lapangan
Jumlah pohon (N) lapangan dihitung dari pengumpulan data lapangan yang
berada dalam satu luasan plot.
3. Penghitungan Diameter Tajuk Lapang
Pengukuran diameter tajuk lapang pada setiap plot yang diambil di lapangan
adalah satu sampel diameter tajuk pohon yang memiliki batang lurus atau yang
paling bagus. Pohon yang terpilih dalam satu plot, diukur diameter tajuk lapang
dengan cara mengukur panjang diameter tajuk pohon dari utara ke selatan dan
panjang diameter tajuk pohon dari barat ke utara menggunakan pita ukur.
Rumus menghitung diameter tajuk sebagai berikut :
DtUS + DtBT
Dt=
2
dimana :
Dt : Diamater tajuk pohon
DtUS : Panjang diameter tajuk utara ke seletan
DtBT : Panjang diameter tajuk barat ke timur

4. Penghitungan Kerapatan Tajuk Lapang

Dari hasil pengukuran jarak pohon dari titik pusat (profil pohon) dan diameter
tajuk di lapangan diperoleh jari-jari tajuk pohon. Dari jari-jari pohon dibuat
buffer tajuk menggunakan ArcView 3.2. Cara menghitung persentase tajuk
pohon di lapangan sama dengan cara menghitung persentase tajuk pohon pada
citra mengunakan rumus sebagai berikut :
Kerapatan tajuk = ( Jumlah Luas Tajuk / Luas Plot) 100 %
 19

2.3.5 Uji Korelasi

Dalam Hadjar (1995) dijelaskan bahwa, arti korelasi akan lebih mudah
dipahami dengan mempelajari scatter plot atau diagram pencar, yang dimaksud
untuk menyelidiki hubungan antara dua peubah (Glass & Hopkins 1984). Diagram
pecar adalah grafik yang memperlihatkan hubungan yang diperoleh dengan cara
membuat gambaran visual pada titik pertemuan antara dua nilai dari dua peubah
(sepasang observasi) (McMillan & Schumacher 1989). Diagram pencar juga dapat
digunakan untuk mengindentifikasi titik hubungan pasangan skor yang
menyimpang dari pola hubungan yang lain, dengan mengetahui perbedaan dapat
dilakukan pemeriksaan kembali dalam proses pengolahan data apakah terjadi
kesalahan (Hadjar 1995).
Hubungan kuantitatif antara peubah kriterium dengan peubah prediktor
dapat dilukiskan dalam suatu garis yang disebut garis regresi. Suatu garis regresi
dapat dinyatakan dalam persamaan matematik yang dinamakan regresi (Sutrisno
1983). Supranto (1983), diacu dalam Sahid (2010) mendefinisikan analisis regresi
sebagai suatu alat yang digunakan untuk menganalisis bentuk hubungan antara dua
peubah atau lebih yang terdiri dari peubah bebas (dependent variable) dan peubah
tidak bebas (independent variable) dengan tujuan untuk memperkirakan atau
meramalkan nilai rata-rata dari peubah tak bebas apabila nilai peubah yang
menerangkan sudah diketahui.
Penetapan nilai bonita sering didasarkan pada hubungan antara rata-rata
peninggi dengan umur tegakan. Salah satu penentu kualitas kayu jati adalah tinggi
tanaman jati, semakin tinggi tanaman jati semakin baik kualitas dari jati tersebut.
Tinggi pohon lebih mudah diukur, dengan suatu persyaratan tertentu, pertumbuhan
tinggi pohon berkorelasi dengan penambahan volume (Anonim 2010). Uji korelasi
dilakukan terhadap tinggi pohon, karena tinggi pohon merupakan faktor penting
dalam penentuan bonita.
a) Uji koefisien determinansi
Untuk mengukur kecocokan antara peubah tinggi dan peubah citra adalah
dengan melihat koefisien determinansi (R2), dimana pendekatan koefisien
determinasi (R2) menyatakan seberapa baik kemampuan suatu peubah bebas dalam
 20

model liniar dua peubah yang dipakai. Secara umum, nilai R2 yang dianggap baik
jika lebih dari 50%.
Rumus untuk menghitung koefisien determinasi adalah sebagai berikut:
JKT JKS
2 = x 100%
JKT

JKS = (Yj j)
j=1

(Yj )
JKT = Yj n

dimana :
R2 = Koefisien determinasi
JKT = Jumlah kuadrat total
JKS = Jumlah kuadrat sisa
Yj = Nilai Peubah (C, D dan N)
j = Nilai tinggi rata-rata per plot contoh
n = Banyaknya plot contoh

b). Korelasi antar peubah

Perhitungan koefisien korelasi menggunakan pendekatan korelasi product

moment (r) untuk mengetahui keeratan tinggi dengan peubah pada citra yang akan
digunakan dalam pendugaan tegakan. Rumus untuk menghitung korelasi adalah
sebagai berikut:

X i Yj ( X i )( Yj ) / n
r=
X 2
i
( X i ) 2 / n Y 2 j ( Yj ) 2 / n
dimana:
xi = Dimensi tinggi pohon ke i
yj = Dimensi peubah pada citra ke j
n = jumlah pohon

Besarnya nilai r berkisar antara -1 sampai +1. Jika nilai r = -1 maka

hubungan antara dua peubah adalah korelasi negatif sempurna. Artinya, apabila
salah satu peubah nilainya menurun, maka peubah lainnya akan meningkat.
Sebaliknya jika nilai r = +1 maka hubungan antara dua peubah merupakan korelasi
positif sempurna. Artinya, apabila salah satu peubah meningkat, maka peubah
 21

lainnya akan meningkat pula. Bila r mendekati -1 atau +1 maka hubungan antara
peubah itu kuat dan terdapat korelasi yang tinggi antara kedua peubah itu (Walpole
1995).

2.3.6 Analisis Fungsi Diskriminan

Analisis diskriminan merupakan teknik menganalisis data peubah tak bebas
(criterion) yang merupakan kategori non-metrik bersifat kualitatif terhadap peubah
bebas sebagai predictor merupakan metrik bersifat kuantitatif (Supranto 2004).
Analisis diskriminan dapat digunakan untuk mengelompokkan atau
mengklasifikasikan pengamatan atau peubah ke dalam kelompok baru yang
jumlahnya lebih sedikit dibandingkan jumlah pengamatan atau peubah awal
(Jonathan 2012).
Pengolahan analisis diskriminan dilakukan dengan pengelompokkan
bonita yang diperoleh dari data bonita tegakan jati di peta petak kerja Perhutani.
Peubah bebas yang digunakan, yaitu : Dcitra, Ccitra, dan Ncitra.
Model analisis diskriminan menghasilkan fungsi dengan kombinasi liniar
sebagai berikut :
Di = b0 + b1Xi1 + b2Xi2 + b3Xi3

dimana :
Di = niai diskriminan dari bonita ke-i
i = 3.0, 3.5, 4.0
(D merupakan peubah tak bebas)
bj = koefisien atau timbangan diskriminan dari peubah
Xij = peubah (atribut) ke-j dari responden ke i
Xij merupakan peubah bebas/prediktor

Model matematik untuk analisis diskriminan adalah sebagai berikut:

1
X1
X2
D = b0, b1, b2, b3, .., bk X3 = b0 + b1X1 + b2X2 + b3X3+.+ bkXk
.
.
Xk
 22

Proses klasifikasi pada fungsi diskriminan bonita adalah sebagai berikut :

1
X 2 Max Bonita terpilih

Dimana X adalah vektor lajur yang dinyatakan sebagai berikuit,

1
X = 2

Suatu vektor X yang tidak diketahui akan dimasukkan dan dievaluasi oleh
masing-masing fungsi diskriminannya, kemudian nilai yang paling besar akan
menyatakan kelas dari fungsi yang menghasilkan nilai tersebut.
Untuk mengetahui tingkat keterwakilan data sebaran yang terklasifikasikan
dengan benar, dilakukan penghitungan Jumlah benar :
c
= 100%

dimana :
Pc = Proporsi benar
Nt = Total sampel
Nc = Jumlah benar

2.3.7 Akurasi Bonita

Penilaian bonita didasarkan atas tinggi yang dicapai pada umur indeks
tertentu (specific index age). Pembagian bonita didasarkan atas peninggi tegakan,
peninggi ini disebut indeks bonita (Anonim 2010). Peninggi merupakan rata-rata
dari 100 pohon tertinggi yang hidup merata dalam luasan 1 hektar (Arief 2001).
Akurasi peninggi dimaksud adalah melakukan perhitungan ulang peninggi dengan
tinggi total pohon dalam setiap plot per petaknya. Peninggi yang diperoleh di
korelasikan dengan umur untuk ditentukan bonita melalui grafik indeks bonita H.E.
Wolff von Wolffing (1932) sehingga diperoleh nilai bonita baru, dalam hal ini
disebut bonita peninggi.
Pengolahan data selanjutnya menggunakan analisis diskriminan dengan
pengelompokkan bonita yang diperoleh dari data bonita peningi, dengan peubah
Dcitra, Ccitra, Ncitra.
 23

Tahapan pelaksanaan penelitian terangkum dalam bagan

penelitian berikut (Gambar 12) :

Persiapan dan
Mulai Pengumpulan Mosaik
Data Citra

Koreksi Geometrik

Interpretasi Visual (Interpretasi, Digitasi, klasifikasi)

CDN Citra

Desain Pengambilan Contoh

Pengambilan Data Lapangan

Pengolahan Data Lapangan

CDN Lapangan

Overlay dan Uji Korelasi

Evaluasi
TIDAK Analisis Fungsi Diskriminan

TIDAK

Accuracy Tt YA Analisis
Diterima

Selesai

Gambar 12 Diagram alur tahapan penelitian.

 BAB III

KONDISI UMUM LOKASI PENELITIAN

3.1 Letak Geografis

Kesatuan Pemangkuan Hutan (KPH) Madiun membagi wilayah kerjanya
menjadi 4 bagian hutan yaitu: Bagian Hutan Caruban, Bagian Hutan Pagotan,
Bagian Hutan Ponorogo Timur, dan Bagian Hutan Ponorogo Barat (Gambar 13).

Gambar 13 Peta Lokasi penelitian berdasarkan wilayah kerja KPH Madiun

Secara geografis KPH Madiun berada di dalam batas 703436 LS - 705812

LS dan 11101751 BT - 11104243 BT dan berbatasan dengan Kawasan
Pemangkuan Hutan (KPH) sebagai berikut:

1. Sebelah Utara : KPH Saradan

2. Sebelah Timur : KPH Saradan dan Lawu Ds

3. Sebelah Selatan : KPH Lawu Ds.

4. Sebelah Barat : KPH Lawu Ds dan KPH Ngawi

 25

3.2 Topografi dan Iklim

Wilayah kawasan hutan KPH Madiun mempunyai kemiringan lereng, landai,
bergelombang, sampai dengan bergunung-gunung. Wilayah hutan KPH Madiun
terletak pada suatu daerah dengan musim hujan dan musim kemarau yang jelas.
KPH Madiun termasuk ke dalam tipe curah hujan C dimana mempunyai nilai Q =
57% (33,3%-60%) dengan rata-rata bulan basah adalah 7 bulan dan rata-rata bulan
kering 4 bulan selama setahun. Dengan tipe iklim C. KPH Madiun cocok untuk
tempat tumbuh jati.
Berdasarkan peta hutan RPKH KPH Madiun jangka 2001-2010, tipe iklim C
untuk sebagian wilayah Bagian Hutan Ponorogo Timur dan Pagotan dan tipe iklim
D untuk Bagian Hutan Caruban, sebagian besar Pagotan, Ponorogo Barat dan
sebagian Ponorogo Timur.

3.3 Daerah Aliran Sungai dan Tanah

Wilayah kawasan KPH Madiun termasuk DAS Solo Hulu dan merupakan
salah satu penyangga kestabilan serta keseimbangan ekosistem pada sub DAS Solo
Hulu. Sungai yang ada di Wilayah KPH Madiun adalah Sungai Catur yang
melintasi Bagian Hutan Caruban dan Bagian Hutan Pagotan yang bermuara di Kali
Madiun terus ke Bengawan Solo.
Sebagian besar jenis tanah di kawasan hutan KPH Madiun untuk SKPH
Madiun Utara terdiri dari Mediteran Cokelat Kemerahan dan Litosol Coklat
Kemerahan, sedangkan di wilayah KPH Madiun Selatan terdiri dari jenis Aluvial
Kelabu Tua, Glei humus dan Mediteran Coklat Kemerahan.

3.4 Kependudukan
1. Penduduk
Jumlah penduduk dalam kecamatan yang masuk dalam wilayah kerja KPH
Madiun adalah 804.789 jiwa, terdiri dari 393.121 laki-laki dan 411.667
perempuan.
 26

2. Mata Pencaharian
Berdasarkan data yang diperoleh diketahui bahwa mata pencaharian masyarakat
sekitar bervariasi, yaitu: petani, pedagang, buruh, pegawai negeri/ABRI, dan lain-
lain, seperti yang terlihat pada Tabel 1.

Tabel 1 Mata pencaharian penduduk di kecamatan sekitar hutan tahun 1998 di

wilayah KPH Madiun
Mata Kabupaten
Pencaharian Jumlah
Madiun Magetan Ponorogo
(orang)
Petani 324.041 219.333 108.463 651.463
Pedagang 47.809 93.491 5.912 1.928
Pensiunan 534 45 1.349 1.928
Buruh 37.185 81.779 85.147 204.111
Peg/TNI 58.443 63.772 8.884 131.099
Lain-lain 10.624 52.009 49.043 111.676
Jumlah 478.636 510.429 258.424 1.247.489
Sumber data : RPKH madiun 2001-2010
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Pengolahan Data Citra dan Data Lapangan

Berdasarkan pengolahan data menggunakan peubah pada citra dan
lapangan, diperoleh diagram pencar untuk setiap plot di masing-masing lokasi
sebagaimana disajikan pada Gambar 14 sampai dengan Gambar 19. Data hasil
penelitian disajikan dalam Lampiran 1 dan 2. Di lokasi BKPH Dagangan dan
BKPH Dungus diperoleh 38 plot. Pada Gambar14 sampai dengan 19 disajikan
pengelompokan data menggunakan peubah citra (N, D, dan C).
1. Diagram Pencar Peubah D dengan N pada keterangan bonita lapangan

Scatterplot of D citra vs N citra

11 Bonita
3.0
3.5
4.0
10

9
D cit ra

5.0 7.5 10.0 12.5 15.0 17.5

N citra

Gambar 14 Diagram pencar peubah D dengan N pada keterangan bonita lapangan

di lokasi BKPH Dagangan.

Gambar 14 menunjukkan bahwa di lokasi BKPH Dagangan ada

pengelompokan bonita menggunakan nilai peubah D dan N, khususnya pada bonita
3.5. Penyebaran data menunjukkan dengan peubah D dan N bonita 3.0, bonita 3.5
dan bonita 4.0 akan dapat dipisahkan.
 28

Scatterplot of D_citra vs N_citra

9 Bonita 90
3.0
3.5
8 4.0
80

70
D_c it r a

C_c it r a
6

60
5

4 50

3
40
5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5
5.0
N_citra

Gambar 15 Diagram pencar peubah D dengan N pada keterangan bonita lapangan

di lokasi BKPH Dungus.

Pada Gambar 15 pengelompokan dengan peubah D dan N terlihat jelas

khususnya pada bonita 4.0 di lokasi BKPH Dungus, dimana bonita 3.5 dan bonita
4.0 kemungkinan dapat dipisahkan.

2. Peubah C dengan N pada citra terhadap bonita lapangan

Scatterplot of C citra vs N citra

95 Bonita
3.0
3.5
90 4.0

85

80
C cit ra

75

70

65

60
5.0 7.5 10.0 12.5 15.0 17.5
N citra

Gambar 16 Diagram pencar peubah C dengan N pada keterangan bonita lapangan

di lokasi BKPH Dagangan.
 29

Demikian juga untuk peubah C dan N di lokasi BKPH Dagangan

sebagaimana diperlihatkan pada Gambar 16, menunjukkan bahwa bonita 3.0, bonita
3.5 dan bonita 4.0 mengelompok secara jelas, sehingga ada kemungkinan bonita 3.0
dapat dipisahkan dari bonita 3.5 dan bonita 4.0.

Scatterplot of C_citra vs N_citra

90 Bonita
3.0
3.5
4.0
80

70
C_cit ra

60

50

40
5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5
N_citra

Gambar 17 Diagram pencar peubah C dengan N pada keterangan bonita lapangan

di lokasi BKPH Dungus.

Pada Gambar 17 pengelompokan bonita dengan peubah C dan N di lokasi

BKPH Dungus menunjukkan bahwa, untuk bonita 3.0, 3.5 dan bonita 4.0 telihat
mengelompok dengan jelas, dimana untuk masing-masing kelompok bonita
mungkin dapat dipisahkan.

3. Peubah C dengan D pada citra terhadap bonita lapangan

Pengelompokan peubah C dan D di lokasi BKPH Dagangan ditunjukkan

oleh Gambar 18, dimana terlihat secara jelas bahwa bonita 3.5 dan bonita 4.0
mengelompok secara terpisah.
 30

_citra Scatterplot of C_citra vs D_citra

90 Bonita
Bonita
3.0 3.0

3.5 3.5

4.0 4.0
80

C_cit ra 70

60

50

40
3 4 5 6 7 8 9
7.5 20.0 22.5 D_citra

Gambar 18 Diagram pencar peubah C dengan D pada keterangan bonita lapangan

di lokasi BKPH Dagangan.

citra Scatterplot of C_citra vs D_citra

90 Bonita
Bonita
3.0 3.0

3.5 3.5

4.0 4.0
80

70
C_cit ra

60

50

40
3 4 5 6 7 8 9
5 20.0 22.5 D_citra

Gambar 19 Diagram pencar peubah C dengan D pada keterangan bonita lapangan

di lokasi BKPH Dungus.

Gambar 19 menunjukkan bahwa ada pengelompokan bonita dengan

menggunakan peubah C dan D di lokasi BKPH Dungus, dimana terlihat secara jelas
bahwa bonita 3.5 dan bonita 4.0 bergerombol.
 31

4.2 Uji Korelasi

Dari hasil data di lapangan dan citra diperoleh matriks korelasi untuk
BKPH Dagangan sebagaimana disajikan pada Tabel 2.

Tabel 2 Matriks korelasi antara peubah tinggi total rata-rata dengan peubah pada
citra pada BKPH Dagangan
Peubah Tt C D
C 0.125
D 0.436 0.222
N 0.245 0.615 -0.22

Pada BKPH Dagangan nilai korelasi tertinggi ditunjukkan oleh peubah

tinggi dengan diameter tajuk pohon, dengan oleh nilai R sebesar 0.436. Nilai ini
menjelaskan bahwa tinggi pohon memiliki hubungan yang cukup erat dengan
diameter tajuk (D). Hubungan antara peubah tinggi dengan persentase tutupan
tajuk dan jumlah pohon relatih rendah. Grafik hubungan tinggi total rata-rata (Tt)
dengan nilai peubah citra diitunjukkan pada Gambar 20 sampai dengan Gambar 22.

30

25

20
Tinggi (m)

15

10

0
0 20 40 60 80 100
C citra (%)

Gambar 20 Hubungan antara tinggi pohon dengan persentase kerapatan tajuk (C)
di lokasi BKPH Dagangan.

Berdasarkan Gambar 20, hubungan antara tinggi pohon dengan persentase

kerapatan tajuk (C) mempunyai nilai R hanya sebesar 0.125 (R2 = 15.0%) dengan
model regresi Y= 0.038X + 22.09 (Y= Tinggi pohon, X= Kerapatan tajuk).
 32

30.00

25.00

20.00
Tinggi (m)
15.00

10.00

5.00

0.00
0.00 2.00 4.00 6.00 8.00 10.00 12.00
D citra (m)

Gambar 21 Hubungan antara tinggi pohon dengan diameter tajuk (D)

di lokasi BKPH Dagangan.

Gambar 21 menunjukkan hubungan antara tinggi pohon dengan diameter

tajuk mempunyai model regresi Y = 0.973X+ 16.72 (Y= Tinggi pohon, X=
Diameter tajuk) dengan korelasi positif sebesar 0.436 (R2= 18.9%).

30.00

25.00

20.00
Tinggi (m)

15.00

10.00

5.00

0.00
0 5 10 15 20
N citra

Gambar 22 Hubungan antara tinggi pohon dengan jumalah pohon (N)

di lokasi BKPH Dagangan.

Gambar 22 menunjukkan hubungan tinggi pohon dengan jumlah pohon

yang mempunyai nilai korelasi positif sebesar 0.245 (R2 = 6.0%) dengan model
regresi linear Y= 0.231X + 22.98 (Y= Tinggi pohon, X= Jumlah pohon).
 33

Untuk BKPH Dungus nilai korelasi antara peubah tinggi dengan peubah C, D, dan
N pada citra ditunjukkan oleh matriks korelasi pada Tabel 3.

Tabel 3 Matriks korelasi antara peubah tinggi total rata-rata dengan peubah pada
citra pada BKPH Dungus
Peubah Tt C D
C 0.541
D 0.883 0.301
N -0.498 0.097 -0.647

Nilai korelasi tertinggi ditunjukkan antara peubah tinggi total rata-rata (Tt)
dengan peubah diameter tajuk (D) pada citra dengan nilai R sebesar 0.883. Grafik
hubungan antara tinggi pohon dengan nilai peubah pada citra untuk lokasi BKPH
Dungus diitunjukkan pada oleh Gambar 23 sampai dengan Gambar 25.

30.000
25.000
20.000
Tingi (m)

15.000
10.000
5.000
0.000
0 20 40 60 80 100
Ccitra (%)

Gambar 23 Hubungan antara tinggi pohon persentase kerapatan tajuk (C)

di lokasi BKPH Dungus.

Pada Gambar 23, terlihat hubungan antara tinggi pohon dengan persentase
kerapatan tajuk (C) yang memiliki nilai korelasi positif sebesar 0.541 (R2 = 29.2%)
dengan model regresi Y= 0.231X + 7.904 (Y= Tinggi pohon, X= Kerapatan tajuk).
 34

35.000
30.000
25.000
Tinggi (m) 20.000
15.000
10.000
5.000
0.000
0 5 10 15 20 25
N_Citra

Gambar 24 Hubungan antara tinggi pohon dengan jumlah pohon (N)

di lokasi BKPH Dungus.

Pada Gambar 24, terlihat hubungan antar tinggi pohon dengan jumlah
pohon (N) yang memiliki nilai korelasi negatif sebesar -0.498 (R2= 24.7%) dengan
model regresi Y= -0.552X + 31.92 (Y= Tinggi pohon, X= Jumlah Pohon).

35.000
30.000
25.000
Tinggi (m)

20.000
15.000
10.000
5.000
0.000
0.00 2.00 4.00 6.00 8.00 10.00
D_Citra (m)

Gambar 25 Hubungan antara tinggi pohon dengan diameter tajuk (D)

di lokasi BKPH Dungus.

Gambar 25 menunjukkan hubungan antara tinggi pohon dengan diameter

tajuk (D) yang mempunyai nilai korelasi positif yang cukup tinggi, yaitu sebesar
0.883 (R2= 77.9%) dengan model regresi Y= 2.674X+ 6.547 (Y= Tinggi pohon,
X= Diameter tajuk).
 35

4.3 Hubungan Rasio Diameter dengan Bonita

Gruschow dan Evans (1959) menyatakan bahwa pertambahan volume
pohon atau tegakan sangat dipengaruhi oleh umur, kerapatan tegakan sisa dan
tempat tumbuh atau bonita. Diameter pohon yang berhubungan erat dengan volume
pohon juga dijadikan salah satu penentu kualitas tumbuh jati itu sendiri. Semakin
besar diameter maka semakin bagus pertumbuhan jati yang diikuti oleh
pertambahan tinggi serta diameter tajuk. Pertambahan tinggi pohon berkorelasi
dengan pertambahan volume (Anonim 2010).
Perbandingan diameter ini dijadikan sebagai rasio diameter dalam
menganalisis hubungan tingkat kesuburan jati. Pada citra, diameter tajuk
merupakan peubah yang berhubungan dengan diameter pohon. Diagram pencar
rasio diameter dengan diameter tajuk dengan bonita untuk BKPH Dagangan dapat
dilihat pada Gambar 26.

4.5
4.0
3.5
3.0
Bonita

2.5
2.0
1.5
1.0
0.5
0.0
0.896 0.898 0.900 0.902 0.904 0.906 0.908 0.910 0.912
Rd130/d50

Gambar 26 Hubungan rasio diameter dengan bonita di lokasi BKPH Dagangan.

Pada Gambar 26 terlihat bahwa nilai bonita akan semakin tinggi bila rasio
antara diameter 130cm dengan diameter 50cm semakin kecil atau mendekati
silindris, begitu pula sebaliknya. Hubungan antara rasio rata-rata diameter pohon
dengan bonita pada BKPH Dagangan mempunyai nilai koefisien determinasi
sebesar 95,4% dengan model regresi Y = 1E+09e-21.5x.
 36

5.0
4.0

Bonita
3.0
2.0
1.0
0.0
0.8500 0.8550 0.8600 0.8650 0.8700 0.8750
Rasio d130/d50

Gambar 27 Hubungan rasio diameter dengan bonita di lokasi BKPH Dungus.

Pada BKPH Dungus hubungan rasio diameter dengan bonita mempunyai

nilai koefisien determinasi sebesar 99,9% dengan model regresi Y = 8E+06e-17.0x.

4.4 Analisis Diskriminan

Pada lokasi BKPH Dagangan nilai akurasi klasifikasi dengan peubah citra
terhadap bonita yang diperoleh di lapangan memberikan persentase akurasi yang
berbeda-beda sebagaimana tercantum dalam Tabel 4 (Gambar 28).

Tabel 4 Nilai akurasi klasifikasi bonita di lapangan terhadap peubah C, D dan N

pada citra pada lokasi BKPH Dagangan
Peubah tegakan Proporsi benar
C 52.60%
D 50.00%
N 36.80%
CD 52.60%
CN 52.60%
DN 47.40%
CDN 52.60%
 37

60%

50%

40%

30%

20%

10%

0%
C D N CD CN DN CDN

Gambar 28 Proporsi nilai analisis diskriminan bonita lapangan di lokasi BKPH

Dagangan.

Pada Tabel 4 dapat terlihat bahwa nilai akurasi yang paling tinggi
dihasilkan oleh nilai peubah C, CD, CN dan CDN yaitu sebesar 52,6%. Nilai
akurasi ini menjelaskan bahwa dengan menggunakan peubah persentase kerapatan
tajuk (C) pada citra dapat menjelaskan bonita di lapangan dengan baik, sama
baiknya dengan menggunakan peubah CDN. Ini dapat diartikan bahwa dengan
menggunakan peubah C saja sudah dapat menentukan kelas bonita di lapangan di
lokasi BKPH Dagangan.
Pada lokasi BKPH Dungus nilai akurasi klasifikasi menggunakan peubah
citra terhadap bonita yang diperoleh di lapangan ditampilkan dalam Tabel 5, Grafik
proporsi yang benar disajikan pada Gambar 29.

Tabel 5 Nilai akurasi klasifikasi bonita di lapangan terhadap peubah C, D dan N

pada citra pada lokasi BKPH Dungus
Peubah tegakan Proporsi benar
C 44.70%
D 52.60%
N 47.40%
CD 50.00%
CN 47.40%
DN 47.40%
CDN 44.70%
 38

54%

52%

50%

48%

46%

44%

42%

40%
C D N CD CN DN CDN

Gambar 29 Proporsi nilai analisis diskriminan bonita lapangan di lokasi BKPH

Dungus.

Pada Tabel 5 dilihat bahwa nilai akurasi paling tinggi ditunjukkan oleh
nilai analisis diskriminan bonita lapangan terhadap peubah diameter tajuk (D) pada
citra, dengan nilai akurasi benar sebesar 52,6%. Pada lokasi BKPH Dungus nilai
diameter tajuk saja sudah cukup dapat mewakili dalam penentuan kelas bonita
dengan akurasi sebesar 52,6%.
Nilai diskriminan yang diperoleh dari hasil analisis terlampir pada
Lampiran 5 memberikan fungsi diskriminan sebagaimana ditampilkan dalam Tabel
6.
 39

Tabel 6 Fungsi diskriminan untuk kelompok bonita terhadap peubah citra

Fungsi diskriminan
Peubah Bonita BKPH Dagangan BKPH Dungus
3.0 D3.0= -11,195 + 1,930(Ncitra) D3.0= -4,410 + 0,802(Ncitra)
N 3.5 D3.5= -6,945 + 1,520(Ncitra) D3.5= -9,651 + 1,186(Ncitra)
4.0 D4.0= -8,936 + 1,725(Ncitra) D4.0= -6,159 + 0,948(Ncitra)
3.0 D3.0= -40,846 + 8,777(Dcitra) D3.0= -19,725 + 5,195(Dcitra)
D 3.5 D3.5= -33,536 + 7,953(Dcitra) D3.5= -11,115 + 3,900(Dcitra)
4.0 D4.0= -39,676 + 8,650(Dcitra) D4.0= -17,744 + 4,928(Dcitra)
3.0 D3.0= -60,260 + 1,415(Ccitra) D3.0= 31,115 + 0,852(Ccitra)
C 3.5 D3.5= -53,613 + 1,334(Ccitra) D3.5= -26,175 + 0,782(Ccitra)
4.0 D4.0= -58,195 + 1,390(Ccitra) D4.0= -3,099 + 0,879(Ccitra)
3.0 D3.0= -62,378 + 1,605(Ccitra) - D3.0= -31,368 + 0,829(Ccitra)
1,033(Ncitra) + 0,201(Ncitra)
CN 3.5 D3.5= -57,667 + 1,598(Ccitra) - D3.5= -29,047 + 0,703(Ccitra)
1,430(Ncitra) + 0,676(Ncitra)
4.0 D4.0= -61,427 + 1,625(Ccitra) - D4.0= -33.820 + 0,840(Ccitra)
1,033(Ncitra) + 0,339(Ncitra)
3.0 D3.0= -88,584 + 1,272(Ccitra) - D3.0= -44,803 + 4,370(Dcitra)
7,387(Dcitra) + 0,773(Ccitra)
CD 3.5 D3.5= -76,463 + 1,207(Ccitra) - D3.5= 2,646 + 3,126(Dcitra)
6,634(Dcitra) + 4,068(Ccitra)
4.0 D4.0= -85,741 + 1,250(Ccitra) - D4.0= -44,960 + 4,068(Dcitra)
7.284(Dcitra) + 0,805(Ccitra)
3.0 D3.0= -60,688 + 2,605(Ncitra) + D3.0= -60,688 + 2,605(Dcitra)
9,794(Dcitra) + 9,794(Ncitra)
ND 3.5 D3.5= -46,744 + 2,125(Ncitra) + D3.5= -46,744 + 2,125(Dcitra)
8,782(Dcitra) + 8,782(Ncitra)
4.0 D4.0= -56,302 + 2,385(Ncitra) + D4.0= -56,302 + 2,385(Dcitra)
9,581(Dcitra) + 9,581(Ncitra)
3.0 D3.0= -88,625 + 0,150(Ncitra) + D3.0= -57,988 + 7,831(Ncitra)
7,477(Dcitra) + + 1,862(Dcitra) +
1,243(Ccitra) 0,494(Ccitra)
3.5 D3.5= -76,780 0,420(Ncitra) + D3.5= -51,779 + 7,237(Ncitra)
CDN 6,380(Dcitra) + + 2,211(Dcitra) +
1,289(Ccitra) 0,393(Ccitra)
4.0 D4.0= -85,775 0,137(Ncitra) + D4.0= -59,931 + 7,756(Ncitra)
7,202(Dcitra) + + 1,984(Dcitra) +
0,277(Ccitra) 0,508(Ccitra)
 40

4.5 Akurasi Bonita

Hasil perhitungan bonita yang peningginya dilakukan perhitungan ulang
dengan menggunakan tabel indeks bonita H.E. Wolff von Wolffing (1932),
menunjukkan nilai yang berbeda sebagaimana ditambilkan oleh Tabel 7 dan 8.

Tabel 7 Persentase kesesuaian bonita petak di lapangan dengan bonita yang

dilakukan akurasi peninggi pada BKPH Dagangan
Bonita menggunakan akurasi peninggi
Bonita peta lapangan
3.0 3.5
3.0 0 5
3.5 11 11
4.0 4 7
Total sampel 15 23
Jumlah benar 0 11
Akurasi 0 0.478
Jumlah sampel = 38 Jumlah benar = 11 Akurasi benar = 28.9%

Tabel 8 Persentase kesesuaian bonita petak di lapangan dengan bonita yang

dilakukan akurasi peninggi pada BKPH Dungus
Bonita menggunakan akurasi peninggi
Bonita peta lapangan
3.0 3.5 4.0
3.0 0 3 0
3.5 5 6 0
4.0 0 21 3
Total sampel 5 30 3
Jumlah benar 0 6 3
Akurasi 0 0.05 100
Jumlah sampel = 38 Jumlah benar = 9 Akurasi benar = 23.7%

Persentase kesesuaian nilai untuk lokasi BKPH Dagangan menunjukkan

nilai akurasi sebesar 29% dan untuk lokasi BKPH Dungus menunjukkan akurasi
sebesar 23%. Hal ini menunjukkan lebih dari 70% nilai bonita tidak sesuai dengan
nilai bonita yang digunakan dalam peta kerja KPH Madiun.
Nilai bonita yang diperoleh setelah dilakukan akurasi terhadap peninggi
sebagaimana terlampir pada Lampiran 3 dan 4. Hasil analisis diskriminan untuk
BKPH Dagangan terlampir pada Lampiran 6 dan untuk BKPH Dungus terlampir
pada Lampiran 7.
 41

Tingkat akurasi klasifikasi menggunakan bonita menggunakan peubah citra

disajikan pada Tabel 9. Gambaran nilai untuk masing-masing kombinasi analisis
ditampilkan dalam grafik proporsi yang ditunjukkan oleh Gambar 30.

Tabel 9 Nilai akurasi klasifikasi bonita akurasi peninggi pada BKPH Dagangan
Peubah tegakan Proporsi Benar
C 52.60%
D 50.00%
N 60.50%
CD 63.20%
CN 65.80%
DN 68.40%
CDN 68.40%

80%

70%

60%

50%

40%
bonita peninggi
30%

20%

10%

0%
C D N CD CN DN CDN

Gambar 30 Proporsi nilai analisis diskriminan bonita akurasi peninggi

di lokasi BKPH Dagangan.

Nilai akurasi tertinggi ditunjukkan oleh analisis diskriminan bonita akurasi

peninggi menggunakan tiga peubah pada citra, yaitu D, N dan C, D, N sebesar
68,4%. Hal ini menunjukkan jumlah pohon cukup dapat mewakili dalam penentuan
bonita di lokasi BKPH Dagangan, sehingga menggunakan peubah N saja dapat
menentukan kelas bonita.
 42

Pada lokasi BKPH Dungus, nilai akurasi klasifikasi benar dari hasil
analisis diskriminan ditampilkan pada Tabel 10. Gambaran nilai untuk masing-
masing kombinasi analisis ditampilkan dalam grafik proporsi yang ditunjukkan
pada Gambar 31.

Tabel 10 Nilai akurasi klasifikasi bonita peninggi pada BKPH Dungus

Peubah Tegakan Proporsi benar
C 26.30%
D 76.30%
N 68.40%
CD 81.60%
CN 68.40%
DN 76.30%
CDN 81.60%

90%

80%

70%

60%

50%

40%
Bonita evaluasi
30% peninggi

20%

10%

0%
C D N CD CN DN CDN

Gambar 31 Proporsi nilai proporsi nilai analisis diskriminan bonita akurasi

peninggi di lokasi BKPH Dungus.

Pada lokasi BKPH Dungus nilai akurasi tertinggi ditunjukkan oleh nilai
akurasi menggunakan tiga peubah pada citra, yaitu: kerapatan tajuk (C), diameter
tajuk (D), dan jumlah pohon (N) dengan nilai persentase sebesar 81,6%. Namun
dengan menggunakan diameter tajuk saja sudah cukup dapat mewakili penentuan
bonita, karena akurasi menggunakan peubah D sebesar 73,6%.
 43

Nilai diskriminan yang diperoleh dari hasil analisisis terlampir pada Lampiran 6
dan 7, memberikan fungsi diskriminan sebagaimana tercantum dalam Tabel 11.

Tabel 11 Fungsi diskriminan untuk kelompok bonita terhadap peubah citra

Fungsi diskriminan
Peubah Bonita
BKPH Dagangan BKPH Dungus
3.0 D3.0= -6,5173+ 1,4590(Ncitra) D3.0= -14,988 + 1,595 (Ncitra)
N 3.5 D3.5= -8,8182+ 1,6972(Ncitra) D3.5= -6,876 + 1,080 (Ncitra)
4.0 - D4.0= -10,856 + 1,357 (Ncitra)
3.0 D3.0= -37,677 + 8,264(Dcitra) D3.0= -13,620 + 6,995 (Dcitra)
D 3.5 D3.5= -3,988 + 7,733(Dcitra) D3.5= -48,125 +13,150 (Dcitra)
4.0 - D4.0= -37,060+ 11,539 (Dcitra)
3.0 D3.0= -53,010+ 1,312 (Ccitra) D3.0= -23,631+ 0,724(Ccitra)
C 3.5 D3.5= -55,585+ 1,344 (Ccitra) D3.5= -23,631+ 0,814 (Ccitra)
4.0 - D4.0= -33.429+ 0.879(Ccitra)
3.0 D3.0= -58,670+ 1,642(Ccitra) - D3.0= -30,554 + 0,611(Ccitra) +
1.715 (Ncitra) 1,128(Ncitra)
3.5 D3.5= -59,537+ 1,619(Ccitra) - D3.5= 31,223 + 0,764(Ccitra) +
CN
1.433(Ncitra) 0,496(Ncitra)
4.0 - D4.0= -36,550 + 0,785(Ccitra) +
0,757(Ncitra)
CD 3.0 D3.0= -71,951 + 1,095(Ccitra) + D3.0= -32,679 + 0,657(Ccitra) +
6.08 (Dcitra) 5,764(Dcitra)
3.5 D3.5= -70,749 + 1,149(Ccitra) + D3.5= -29,047 + 0,677(Ccitra) +
5,44 (Dcitra) 11,882(Dcitra)
4.0 - D4.0= -61,462 + 0,744(Ccitra) +
10,146(Dcitra)
3.0 D3.0= -42,493+ 8,090(Dcitra) + D3.0= -51,075+ 12,681(Dcitra) +
1,256 (Ncitra) 2.807(Ncitra)
3.5 D3.5= -39,932+ 7,523(Dcitra) + D3.5= -88,066+ 19,020(Dcitra) +
ND
1,509 (Ncitra) 2.899 (Ncitra)
4.0 - D4.0= -81,319+ 17,719(Dcitra) +
3,051(Ncitra)
CDN 3.0 D3.0= -75,207+ 1,36(Ccitra) + D3.0= -55,844+ 0,356 (Ccitra) +
5,735 (Dcitra) - 11,170 (Dcitra) +
1.313(Ncitra) 2,391(Ncitra)
3.5 D3.5= -72,918+ 1,365(Ccitra) + D3.5= -93,086+ 0,365 (Ccitra) +
5,158(Dcitra) 17,471(Dcitra) +
1,072(Ncitra) 2,471(Ncitra)
4.0 - D4.0= -87,996+ 0,421 (Ccitra) +
15,932 (Dcitra) +
02,559(Ncitra)
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan kajian yang diperoleh pada studi ini, maka dapat ditarik
kesimpulan sebagai berikut :
1. Akurasi kesesuaian peta bonita yang ada saat ini menggunakan peubah
peninggi hanya sebesar 28,9% untuk BKPH Dagangan dan 23,7% untuk
BKPH Dungus.
2. Peubah-peubah tegakan berupa kerapatan tajuk (C), diameter tajuk (D) dan
jumlah pohon (N) yang diukur pada citra dijital resolusi tinggi dapat
digunakan sebagai peubah penduga kualitas tempat tumbuh (bonita) jati.
3. Nilai akurasi paling tinggi untuk klasifikasi bonita menggunakan peubah
citra C, D dan N yang diukur pada citra adalah 68,4% untuk lokasi BKPH
Dagangan dan 81,6% untuk BKPH Dungus.
5.2 Saran
1. Perlu dilakukan re-evaluasi peta kelas bonita di lapangan karena tingkat
kesalahan peta bonita yang ada saat ini cukup tinggi khususnya di KPH
Madiun Perum Perhutani Unit II Jawa Timur.
2. Perlu pengujian-pengujian lebih lanjut terhadap model atau fungsi
diskriminan yang telah dibangun pada penelitian ini.
 DAFTAR PUSTAKA

Anonim. 2010. Kualitas Tempat Tumbuh Pohon Jati. http://id.shvoong.com/exact-

sciences/2089255-kualitas-tempat-tumbuh-pohon-jati/#ixzz1hi3p6wis
[18 Juni 2011]
Arief A. 2001. Hutan dan Kehutanan. Yogyakarta. Konisius

Colle TS. 1946. Relation of Soil Characteristic to site Index Lower Re6n~on. of
North Carolina Duke. Univ. scool For Bull. 13
Darusman, D. 2002. Nilai dan Etika Pengelolaan Hutan Bersama Masyarakat.
Bogor: Institut Pertanian Bogor.
Glass G. V. dan Hopkins, K.D. 1984. Statistika Methods in Education and
psychology (ed. Ke-2). Englewood.
Grushcow GP dan Evans TC. 19599. The relation of cubic poot volume growth to
stand density in young slash pine stand. Forest sei; 5(1) : Hal 49-55.
Hadjar I. 1995. Dasar- dasar metodologi penelitian kwantitatif dalam pendidikan.
Jakarta: Raja Grafindo Persada.
Haeruman H. 1965. Kualifikasi Tempat tumbuh Tegakan Jati (Tectona grandis
L.f.) di Jawa. [Skripsi]. Bogor: Fakultas Kehutan IPB.

Istomo. 1985. Penentuan Bonita Jati dengan Parameter Kualitas Tanah. Jurnal
Manajemen Hutan Vol. VI. Bogor: Fakultas Kehutanan IPB
Jaya INS. 2002. Aplikasi SIG untuk Kehutanan. Bogor: Fakultas Kehutanan
Institut Pertanian Bogor.
Jaya INS. 2010. Analisis Citra Digital: Perspektif Penginderaan Jauh untuk
Pengelolaan Sumberdaya Alam. Bogor: Fakultas Kehutanan IPB.
Jonathan S. 2009. Teori Analisis Multivariate.
http://www.jonathansarwono.info/mvariat/multivariate.htm [10Januari 2012]
Mayer, WL. 1984. Integration of remotely sensing data into geographic
information: in Richason JR. BF (ed). Procedding PECORA VII symposium,
Remote Sensing. Amerika society of photogrammetry. Falls
Charch.Virginia, Hal 3-14.
McMillan JH dan Schummeacher, S. 1989. Research in education: A conceptual
introduction (ca ke-3). Glosview II. Scott Forestman and Co.
[Perum Perhutani]. 1999. Petunjuk Kerja Pelaksanaan Penjarangan. Biro
Perencanaan Unit III Jawa Barat. Bandung
Poerwowidodo. 1990. Gatra Tanah dalam Pembangunan Hutan Tanaman
Industri di Indonesia. Jakarta: Rajawali Pers.
 46

Purbowaseso B. 1995. Pengindraan jauh terapan (Terjemahan dr C.P Lo.

Universitas Georgia). Jakarta: UI-press.
Rusdiana O, Soedomo S, Poerwowidodo. 1987. Uji Banding Parameter Bonita
Jati (Tectona grandis L.f.) di BKPH Banjar Utara KPH Ciamis. Jurnal
Manajemen Hutan Vol. I No.4. Bogor: Fakultas Kehutanan IPB.
Rosalina WU dan Rahaju S. 1996.Dasar-Dasar Penafsiran Potret Udara.
Kerjasama kehutanan IPB dengan Perum Perhutani. Sukabumi.
Sahid. 2010. Penaksira Volume Pohon Pinus merkusii Melalui Foto Udara. Jurnal
Ilmu Kehutanan Vol. IV No. 1.
Siswanto B. 1997. Hubungan Beberapa Karakteristik Lahan dengan Bonita
Tanaman Jati. Habitat. Vol. 8. No. 99.
Supranto J. 1983. Ekonometrik. Jakarta: Lembaga Penerbit Fakultas Ekonomi UI.
Supranto J. 2004. Analisis multivariate (arti dan interpretasi). Rineka cipta.
Jakarta
Walpole ER. 1995. Pengantar Statistik Edisi 3. Bambang Sumantri, penerjemah;
Purnomo Sidhi; editor: Gramedia: Jakarta.

Wulfing W Von. 1938. Tabel Tegakan Tanaman Jati. Jakarta: Perum Perhutani.
LAMPIRAN
 48

Lampiran 1 Data Citra dan Data Lapangan pada lokasi BKPH Dagangan
Tt R
No N D C D C N
Umur Bonita rata- d130/
plot citra citra citra lap lap lap
rata d50
8 45 3.5 21.13 0.975 10 8.47 89 9.39 50.0 8
9 45 3.5 21.67 0.910 10 8.99 82 9.52 53.0 9
17 45 3.5 20.56 0.910 9 8.69 80 9.51 52.0 9
18 45 3.5 20.70 0.901 12 8.24 83 9.41 58.0 10
19 73 3.0 27.17 0.908 8 9.85 79 9.91 61.0 9
27 39 3.5 20.20 0.932 6 6.00 65 7.49 50.0 5
38 39 3.5 23.89 0.877 9 6.70 79 8.35 62.5 9
42 73 3.0 27.60 0.939 14 9.30 92 10.52 81.0 15
43 73 3.0 27.43 0.926 13 8.81 91 8.99 69.0 14
50 39 3.5 24.00 0.916 6 6.50 65 8.40 55.0 5
51 39 3.5 23.25 0.879 8 6.39 85 7.98 80.0 10
64 39 3.5 24.00 0.930 10 6.90 85 8.21 85.0 10
70 73 3.0 27.71 0.912 14 8.86 91 9.62 73.0 14
101 73 3.0 27.44 0.865 9 9.72 73 8.87 46.0 9
112 67 3.5 23.60 0.878 9 8.56 82 9.60 64.0 10
129 67 3.5 25.10 0.884 11 8.67 83 10.01 56.0 10
136 67 4.0 25.92 0.866 11 9.48 82 8.95 59.0 12
143 70 3.5 27.00 0.858 8 9.65 81 12.21 60.0 7
152 67 4.0 27.00 0.865 17 8.37 83 8.26 62.0 17
168 67 4.0 26.27 0.924 12 8.83 85 8.43 62.0 11
175 70 3.5 27.00 0.869 7 10.49 84 11.73 66.0 8
177 70 3.5 27.00 0.866 5 9.40 62 11.81 40.0 4
184 67 4.0 26.78 0.926 11 9.35 85 9.77 62.0 10
188 59 4.0 23.67 0.900 6 9.85 82 11.63 54.0 6
194 70 3.5 26.08 0.896 13 7.52 76 8.34 55.0 13
201 67 4.0 26.30 0.925 10 8.60 81 9.21 58.0 10
216 67 4.0 26.33 0.871 9 8.93 77 9.60 50.0 9
220 59 4.0 23.40 0.941 9 10.09 85 11.54 80.0 10
225 70 3.5 25.83 0.915 6 9.70 65 10.18 45.0 6
231 67 4.0 26.82 0.886 10 8.96 83 8.86 55.0 11
244 61 3.5 27.89 0.912 9 9.72 88 11.16 70.0 9
245 61 3.5 27.55 0.908 10 8.66 86 9.26 63.0 11
250 59 4.0 22.60 0.881 9 9.82 84 11.03 65.0 10
257 61 3.5 27.08 0.930 12 8.56 92 9.68 69.0 12
276 59 4.0 21.70 0.884 10 8.63 94 10.09 68.0 10
282 61 3.5 27.90 0.895 11 9.56 94 10.56 67.0 10
284 61 3.5 28.25 0.906 8 9.45 79 10.26 55.0 8
292 61 3.5 26.00 0.869 12 8.73 83 9.02 59.0 12
 49

Lampiran 2 Data Citra dan Data Lapangan pada lokasi BKPH Dungus
Tt R
No N D C D C N
Umur Bonita rata- d130/
plot citra citra citra lap Lap lap
rata d50
7 68 4.0 25.833 0.8951 5 7.80 57.0 9.60 34.0 6
8 68 4.0 25.375 0.9087 7 6.68 63.0 9.20 48.0 8
16 68 4.0 25.722 0.8733 8 7.50 74.0 9.81 60.0 9
23 68 4.0 26.850 0.8532 10 6.83 72.0 9.89 53.0 10
27 58 4.0 26.433 0.8513 15 7.14 75.0 8.59 68.0 15
33 68 4.0 27.000 0.8449 13 8.15 78.0 11.13 63.0 11
34 68 4.0 26.938 0.8855 11 6.34 73.0 10.45 52.0 8
36 56 3.5 15.250 0.8416 15 5.00 45.0 4.97 29.0 19
38 58 4.0 26.800 0.8787 14 6.63 87.0 8.81 70.0 15
51 56 3.5 26.462 0.8695 15 6.81 67.0 7.66 51.0 13
52 24 4.0 22.250 0.8002 19 5.50 71.0 6.10 75.0 20
58 68 4.0 27.857 0.8570 12 7.85 83.0 11.42 57.0 7
66 56 3.5 26.867 0.8632 14 7.07 80.0 8.57 69.0 15
73 68 4.0 27.917 0.8733 13 7.20 77.0 11.06 75.0 12
83 56 3.5 26.156 0.8846 16 7.89 78.0 8.26 69.0 16
88 68 4.0 26.962 0.8373 12 7.59 66.0 8.90 52.0 13
100 56 3.5 26.708 0.9085 14 8.10 55.0 7.22 45.0 12
105 68 4.0 26.538 0.8635 13 7.55 72.0 7.39 48.0 13
123 68 4.0 26.912 0.8564 17 6.50 86.0 10.28 81.0 17
141 68 4.0 26.696 0.8707 22 6.00 87.0 8.94 86.0 23
175 22 3.5 15.640 0.8038 21 4.33 60.0 4.99 77.5 25
176 22 3.5 14.818 0.8776 22 3.67 60.0 4.48 60.0 22
192 57 3.0 26.364 0.8993 13 6.88 72.0 8.35 50.0 11
213 57 3.0 26.250 0.8955 12 7.72 80.0 8.70 62.0 14
215 69 4.0 27.364 0.8463 14 7.20 82.0 10.63 69.0 11
234 57 3.0 25.889 0.8225 8 8.18 67.0 9.17 46.0 9
235 68 4.0 26.571 0.8241 16 7.23 81.0 9.51 75.0 14
236 69 4.0 25.273 0.7892 17 7.08 68.0 9.15 55.0 11
241 22 3.5 15.545 0.8514 18 3.98 62.5 4.56 65.0 22
246 71 4.0 26.444 0.8698 9 8.00 65.0 8.76 45.0 9
253 65 3.5 28.167 0.8615 11 8.36 85.0 11.57 69.0 9
254 69 4.0 26.000 0.8605 15 6.58 79.0 8.75 64.0 14
259 22 3.5 15.591 0.8376 19 3.57 72.0 4.82 65.0 22
263 71 4.0 27.611 0.8311 10 8.00 70.0 10.21 57.0 11
271 65 4.0 27.088 0.8794 17 7.00 87.0 9.89 78.0 17
275 22 3.5 16.028 0.8928 14 3.92 72.0 4.79 60.0 18
289 71 4.0 25.300 0.8795 12 8.00 76.0 9.70 57.0 10
294 71 4.0 26.182 0.8041 11 8.50 78.0 10.48 65.0 11
 50

Lampiran 3 Klasifikasi bonita lapangan dan bonita akurasi peninggi di lokasi

BKPH Dagangan
Plot Umur Bonita Bonita WVW
8 45 3.5 3.0
9 45 3.5 3.0
17 45 3.5 3.0
18 45 3.5 3.0
19 73 3.0 3.5
27 39 3.5 3.5
38 39 3.5 3.5
42 73 3.0 3.5
43 73 3.0 3.5
50 39 3.5 3.5
51 39 3.5 3.5
64 39 3.5 3.5
70 73 3.0 3.5
101 73 3.0 3.5
112 67 3.5 3.0
129 67 3.5 3.0
136 67 4.0 3.5
143 70 3.5 3.0
152 67 4.0 3.5
168 67 4.0 3.5
175 70 3.5 3.0
177 70 3.5 3.0
184 69 4.0 3.5
188 59 4.0 3.0
194 70 3.5 3.0
201 67 4.0 3.5
216 67 4.0 3.5
220 59 4.0 3.0
225 70 3.5 3.0
231 67 4.0 3.5
244 61 3.5 3.5
245 61 3.5 3.5
250 59 4.0 3.0
257 61 3.5 3.5
276 59 4.0 3.0
282 61 3.5 3.5
284 61 3.5 3.5
292 61 3.5 3.5
 51

Lampiran 4 Klasifikasi bonita lapangan dan bonita akurasi peninggi di lokasi

BKPH Dungus
Plot Umur Bonita Peta Bonita Peninggi
7 68 4.0 3.5
8 68 4.0 3.5
16 68 4.0 3.5
23 68 4.0 3.5
27 58 4.0 4.0
33 68 4.0 3.5
34 68 4.0 3.5
36 56 3.5 3.5
38 58 4.0 4.0
51 56 3.5 3.5
52 24 4.0 4.0
58 68 4.0 3.5
66 56 3.5 3.5
73 68 4.0 3.5
83 56 3.5 3.5
88 68 4.0 3.5
100 56 3.5 3.5
105 68 4.0 3.5
123 68 4.0 3.5
141 68 4.0 3.5
175 22 3.5 3.0
176 22 3.5 3.0
192 57 3.0 3.5
213 57 3.0 3.5
215 69 4.0 3.5
234 57 3.0 3.5
235 68 4.0 3.5
236 69 4.0 3.5
241 22 3.5 3.0
246 71 4.0 3.5
253 65 3.5 3.5
254 69 4.0 3.5
259 22 3.5 3.0
263 71 4.0 3.5
271 65 4.0 3.5
275 22 3.5 3.0
289 71 4.0 3.5
294 71 4.0 3.5
 52

Lampiran 5 hasil analisis dikriminan bonita lapangan untuk BKPH Dagangan dan
BKPH Dungus

1. Analisis Diskriminan dengan Peubah Ncitra

Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan
Kelompok 3.0 3.5 4.0
Jumlah 5 22 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus

Kelompok 3.0 3.5 4.0
Jumlah 3 11 24

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 3 6 4
3.5 2 12 4
4.0 0 4 3
Total sampel 5 22 11
Jumlah benar 3 12 3
Proporsi 0.600 0.545 0.667
Jumlah sampel = 38 Jumlah benar = 18 Proporsi benar = 0.474

Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 2 1 11
3.5 0 7 8
4.0 1 3 5
Total sampel 3 11 24
Jumlah benar 3 7 5
Proporsi 0.667 0.636 0.208
Jumlah sampel = 38 Jumlah benar = 14 Proporsi benar = 0.368

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan

3.0 3.5 4.0
3.0 0.00000 1.00997 0.25436
3.5 1.00997 0.00000 0.25063
4.0 0.25436 0.25063 0.00000
 53

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus

3.0 3.5 4.0
3.0 0.000000 2.026440 0.291560
3.5 2.026440 0.000000 0.780700
4.0 0.291560 0.780700 0.000000

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan

3.0 3.5 4.0
Constanta -11.195 -6.945 -8.936
N_cit 1.930 1.520 1.725

Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus

3.0 3.5 4.0
Constanta -4.410 -9.651 -6.159
C citra 0.802 1.186 0.948

2. Analisis Diskriminan dengan Peubah Dcitra

Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan

Kelompok 3.0 3.5 4.0
Jumlah 5 22 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus

Kelompok 3.0 3.5 4.0
Jumlah 3 11 24

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan

Kelompok bonita referensi
Dikelaskan ke kelompok bonita 3.0 3.5 4.0
3.0 3 7 5
3.5 0 14 3
4.0 2 1 3
Total sampel 5 22 11
Jumlah benar 3 14 3
Proporsi 0.600 0.636 0.273
Jumlah sampel = 38 Jumlah benar = 20 Proporsi benar = 0.526
 54

Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus

Kelompok bonita referensi
Dikelaskan ke
kelompok bonita 3.0 3.5 4.0
3.0 2 3 10
3.5 0 6 3
4.0 1 2 11
Total sampel 3 11 24
Jumlah benar 2 6 11
Proporsi 0.667 0.545 0.458
Jumlah sampel = 38 Jumlah benar = 19 Proporsi benar = 0.500

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan

3.0 3.5 4.0
3.0 0.000000 0.720118 0.017023
3.5 0.720118 0.000000 0.515704
4.0 0.017023 0.515704 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dagangan

3.0 3.5 4.0
3.0 0.00000 2.45260 0.10473
3.5 2.45260 0.00000 1.54369
4.0 0.10473 1.54369 0.00000

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan

3.0 3.5 4.0
Constanta -40.846 -33.536 -39.676
Dcitra 8.777 7.953 8.650

Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus

3.0 3.5 4.0
Constanta -19.725 -11.115 -17.744
Dcitra 5.195 3.900 4.928

3. Analisis Diskriminan dengan Peubah Ccitra

Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan

Kelompok 3.0 3.5 4.0
Jumlah 5 22 11
 55

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus

Kelompok 3.0 3.5 4.0
Jumlah 3 11 24

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 3 7 4
3.5 2 11 4
4.0 0 4 3
Total sampel 5 22 11
Jumlah benar 3 11 3
Proporsi 0.600 0.500 0.273
Jumlah sampel = 38 Jumlah benar = 17 Proporsi benar = 0.447

Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 1 2 6
3.5 1 6 5
4.0 1 3 13
Total sampel 3 11 24
Jumlah benar 1 6 13
Proporsi 0.330 0.545 0.542
Jumlah sampel = 38 Jumlah benar = 20 Proporsi benar = 0.526

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan

3.0 3.5 4.0
3.0 0.000000 0.388347 0.036010
3.5 0.388347 0.000000 0.187845
4.0 0.036010 0.187845 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus

3.0 3.5 4.0
3.0 0.000000 0.426788 0.061328
3.5 0.426788 0.000000 0.811683
4.0 0.061328 0.811683 0.000000
 56

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan

3.0 3.5 4.0
Constanta -60.260 -53.613 -58.195
C citra 1.415 1.334 1.390

Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus

3.0 3.5 4.0
Constanta -31.115 -26.175 -33.099
D citra 0.852 0.782 0.879

4. Analisis Diskriminan dengan Peubah Ccitra dan Ncitra

Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan

Kelompok 3.0 3.5 4.0
Jumlah 5 22 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus

Kelompok 3.0 3.5 4.0
Jumlah 3 11 24

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 3 5 3
3.5 2 11 4
4.0 0 6 4
Total sampel 5 22 11
Jumlah benar 3 11 4
Proporsi 0.600 0.500 0.364
Jumlah sampel = 38 Jumlah benar = 18 Proporsi benar = 0.474

Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 1 1 9
3.5 0 7 3
4.0 2 3 12
Total sampel 3 11 24
Jumlah benar 1 7 12
Proporsi 0.333 0.636 0.5
Jumlah sampel = 38 Jumlah benar = 20 Proporsi benar = 0.526
 57

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan

3.0 3.5 4.0
3.0 0.000000 1.012040 0.270880
3.5 1.012040 0.000000 0.280940
4.0 0.270880 0.280940 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus

3.0 3.5 4.0
3.0 0.000000 3.268200 0.300590
3.5 3.268200 0.000000 2.243310
4.0 0.300590 2.243310 0.000000

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan

3.0 3.5 4.0
Constanta -62.378 -57.667 -61.427
C citra 1.605 1.598 1.625
N citra -1.033 -1.430 -1.277

Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus

3.0 3.5 4.0
Constanta -31.368 -29.047 -33.820
C citra 0.829 0.703 0.840
N citra 0.201 0.676 0.339

5. Analisis Diskriminan dengan Peubah Ccitra dan Dcitra

Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan

Kelompok 3.0 3.5 4.0
Jumlah 5 22 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus

Kelompok 3.0 3.5 4.0
Jumlah 3 11 24
 58

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 3 5 5
3.5 0 13 3
4.0 2 4 3
Total sampel 5 22 11
Jumlah benar 3 13 3
Proporsi 0.600 0.591 0.273
Jumlah sampel = 38 Jumlah benar = 19 Proporsi benar = 0.500

Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 1 3 10
3.5 0 6 2
4.0 2 2 12
Total sampel 3 11 24
Jumlah benar 1 6 12
Proporsi 0.333 0.545 0.500
Jumlah sampel = 38 Jumlah benar = 19 Proporsi benar = 0.500

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan

3.0 3.5 4.0
3.0 0.000000 0.975649 0.046839
3.5 0.975649 0.000000 0.626478
4.0 0.046839 0.626478 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus

3.0 3.5 4.0
3.0 0.000000 2.645520 0.192140
3.5 2.645520 0.000000 2.083740
4.0 0.192140 2.083740 0.000000

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan

3.0 3.5 4.0
Constanta -88.584 -76.463 -85.741
C citra 1.272 1.207 1.250
D citra 7.387 6.634 7.284
 59

Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus

3.0 3.5 4.0
Constanta -44.802 2.646 -44.960
D citra 4.370 3.126 4.068
Ccitra 0.773 0.725 0.805

6. Analisis Diskriminan dengan Peubah Ncitra dan Dcitra

Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan

Kelompok 3.0 3.5 4.0
Jumlah 5 22 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus

Kelompok 3.0 3.5 4.0
Jumlah 3 11 24

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 3 4 4
3.5 0 12 4
4.0 2 6 3
Total sampel 5 22 11
Jumlah benar 3 12 3
Proporsi 0.600 0.545 0.273
Jumlah sampel = 38 Jumlah benar = 18 Proporsi benar = 0.474

Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 2 1 11
3.5 0 6 3
4.0 1 4 10
Total sampel 3 11 24
Jumlah benar 2 6 10
Proporsi 0.667 0.545 0.417
Jumlah sampel = 38 Jumlah benar = 18 Proporsi benar= 0.474
 60

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan

3.0 3.5 4.0
3.0 0.000000 2.065350 0.301060
3.5 2.065350 0.000000 0.908690
4.0 0.301060 0.908690 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus

3.0 3.5 4.0
3.0 0.000000 2.897450 0.292400
3.5 2.897450 0.000000 1.598340
4.0 0.292400 1.598340 0.000000

Tabel 7 Klasifikasi kelompok bonita pada BKPH Dagangan

3.0 3.5 4.0
Constanta -60.688 -46.744 -56.302
N citra 2.605 2.125 2.385
D citra 9.794 8.782 9.581

Tabel 8 Klasifikasi kelompok bonita pada BKPH Dungus

3.0 3.5 4.0
Constanta -49.794 -46.578 -51.267
D citra 9.470 8.543 9.441
N citra 2.516 2.732 2.657

7. Analisis Diskriminan dengan Peubah Ccitra, Dcitra, dan Ncitra

Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan

Kelompok 3.0 3.5 4.0
Jumlah 5 22 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus

Kelompok 3.0 3.5 4.0
Jumlah 3 11 24
 61

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 3 3 4
3.5 0 11 4
4.0 2 8 3
Total sampel 5 22 11
Jumlah benar 3 11 3
Proporsi 0.600 0.500 0.273
Jumlah benar = 38 Jumlah benar = 17 Proporsi benar= 0.447

Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 1 1 10
3.5 0 8 3
4.0 2 2 11
Total sampel 3 11 24
Jumlah benar 1 8 11
Proporsi 0.333 0.727 0.458
Jumlah benar = 38 Jumlah benar = 20 Proporsi benar = 0.526

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan

3.0 3.5 4.0
3.0 0.000000 2.141350 0.342190
3.5 2.141350 0.000000 0.914010
4.0 0.342190 0.914010 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus

3.0 3.5 4.0
3.0 0.000000 3.574970 0.305500
3.5 3.574970 0.000000 2.477370
4.0 0.305500 2.477370 0.000000

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan

3.0 3.5 4.0
Constanta -88.625 -76.780 -85.775
N citra 0.150 -0.420 -0.137
D citra 7.477 6.380 7.202
C citra 1.243 1.289 1.277
 62

Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus

3.0 3.5 4.0
Constanta -57.988 -51.779 -59.931
N citra 7.831 7.237 7.756
D citra 1.862 2.211 1.984
C citra 0.494 0.393 0.508
 63

Lampiran 6 Hasil analisis dikriminan bonita akurasi peninggi untuk BKPH

Dagangan
1. Analisis Diskriminan dengan Peubah Ncitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5
Jumlah 15 23

Tabel 2 Rekapitulasi klasifikasi bonita

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5
3.0 9 9
3.5 6 14
Total sampel 15 23
Jumlah benar 9 14
Proporsi 0.600 0.609
N = 38 Jumlah benar = 23 Proporsi benar= 0.605

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5
3.0 0.00000 0.34719
3.5 0.34719 0.00000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5
Constanta -6.5173 -8.8182
N citra 1.4591 1.6972

2. Analisis Diskriminan dengan Peubah Dcitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5
Jumlah 15 23
 64

Tabel 2 Rekapitulasi klasifikasi bonita

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5
3.0 8 12
3.5 7 11
Total sampel 15 23
Jumlah benar 8 11
Proporsi 0.533 0.478
N = 38 Jumlah benar =19 ProportioJumlah benar = 0.500

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5
3.0 0.00000 0.31152
3.5 0.31152 0.00000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5
Constanta -37.677 -32.988
D citra 8.264 7.733

3. Analisis Diskriminan dengan Peubah Ccitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5
Jumlah 15 23

Tabel 2 Rekapitulasi klasifikasi bonita

Kelompok bonita referensi
Dikelaskan ke
kelompok bonita 3.0 3.5
3.0 5 8
3.5 10 15
Total sampel 15 23
Jumlah benar 5 15
Proporsi 0.330 0.652
N = 38 Jumlah benar = 20 ProportioJumlah benar = 0.526

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5
3.0 0.00000 0.06106
3.5 0.06106 0.00000
Tabel 4 Fungsi diskriminan untuk kelompok bonita
 65

3.0 3.5
Constanta -53.010 -55.585
C citra 1.312 1.344

4. Analisis Diskriminan dengan Peubah Ccitra dan Ncitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5

Jumlah 15 23

Tabel 2 Rekapitulasi klasifikasi bonita

Kelompok bonita referensi
Dikelaskan ke
kelompok bonita 3.0 3.5
3.0 11 9
3.5 4 14
Total sampel 15 23
Jumlah benar 11 14
Proporsi 0.733 0.609
N = 38 Jumlah benar = 25 ProportioJumlah benar = 0.658

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5
3.0 0.00000 0.36719
3.5 0.36719 0.00000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5
Constanta -58.670 -59.537
C citra 1.642 1.619
N citra -1.715 -1.433

5. Analisis Diskriminan dengan Peubah Ccitra dan Dcitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5
Jumlah 15 23
 66

Tabel 2 Rekapitulasi klasifikasi bonita

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5
3.0 9 8
3.5 6 15
Total sampel 15 23
Jumlah benar 9 15
Proporsi 0.600 0.652
N = 38 Jumlah benar = 24 ProportioJumlah benar = 0.632

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5
3.0 0.00000 0.48051
3.5 0.48051 0.00000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5
Constanta -71.951 -70.749
C citra 1.095 1.149
D citra 6.08 5.44

6. Analisis Diskriminan dengan Peubah Dcitra dan Ncitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5
Jumlah 15 23

Tabel 2 Rekapitulasi klasifikasi bonita

Kelompok bonita referensi
Dikelaskan ke
kelompok bonita 3.0 3.5
3.0 10 7
3.5 5 16
Total sampel 15 23
Jumlah benar 10 16
Proporsi 0.667 0.696
N = 38 Jumlah benar = 26 ProportioJumlah benar = 0.684
 67

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5
3.0 0.00000 0.69997
3.5 0.69997 0.00000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5
Constanta -42.493 -39.932
D citra 8.09 7.523
N citra 1.256 1.509

7. Analisis Diskriminan dengan Peubah Ccitra , Dcitra dan Ncitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5
Jumlah 15 23

Tabel 2 Rekapitulasi klasifikasi bonita

Kelompok bonita referensi
Dikelaskan ke
kelompok bonita 3.0 3.5
3.0 10 7
3.5 5 16
Total sampel 15 23
Jumlah benar 10 16
Proporsi 0.667 0.696
N = 38 Jumlah benar = 26 ProportioJumlah benar = 0.684

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5
3.0 0.00000 0.70109
3.5 0.70109 0.00000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5
Constanta -75.207 -72.918
C citra 1.36 1.365
D citra 5.735 5.158
N citra -1.313 -1.072
 68

Lampiran 7 Hasil analisis dikriminan bonita akurasi peninggi untuk BKPH

Dungus

1. Analisis Diskriminan dengan Peubah Dcitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5 4.0
Jumlah 5 30 3

Tabel 2 Rekapitulasi klasifikasi bonita

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 5 1 0
3.5 0 22 1
4.0 0 7 2
Total sampel 5 30 3
Jumlah benar 5 22 2
Proporsi 1.000 0.733 0.667
Jumlah benar =
N = 38 29 Proporsi benar= 0.763

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5 4.0
3.0 0.00000 21.08190 11.49290
3.5 21.08190 0.00000 1.44330
4.0 11.49290 1.44330 0.00000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5 4.0
Constanta -13.620 -48.125 -37.060
D citra 6.995 13.150 11.539

2. Analisis Diskriminan dengan Peubah Ccitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5 4.0
Jumlah 5 30 3
 69

Tabel 2 Rekapitulasi klasifikasi bonita

Dikelaskan ke Kelompok bonita
kelompok bonita referensi
3.0 3.5 4.0
3.0 3 9 0
3.5 2 6 2
4.0 0 15 1
Total sampel 5 30 3
Jumlah benar 3 6 1
Proporsi 0.600 0.200 0.333
N = 38 Jumlah benar = 10 Proporsi benar= 0.263

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5 4.0
3.0 0.000000 0.733190 1.695060
3.5 0.733190 0.000000 0.198630
4.0 1.695060 0.198630 0.000000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5 4.0
Constanta -23.631 -23.631 -33.429
D citra 0.724 0.814 0.861

3. Analisis Diskriminan dengan Peubah Ncitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5 4.0
Jumlah 5 30 3

Tabel 2 Rekapitulasi klasifikasi bonita

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 4 1 1
3.5 1 21 1
4.0 0 8 1
Total sampel 5 30 3
Jumlah benar 4 21 1
Proporsi 0.800 0.700 0.333
N = 38 Jumlah benar = 26 Proporsi benar= 0.684
 70

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5 4.0
3.0 0.000000 3.121540 0.664940
3.5 3.121540 0.000000 0.905060
4.0 0.664940 0.905060 0.000000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5 4.0
Constanta -14.988 -6.876 -10.856
C citra 1.595 1.080 1.357

4. Analisis Diskriminan dengan Peubah Ccitra dan Dcitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5 4.0
Jumlah 5 30 3

Tabel 2 Rekapitulasi klasifikasi bonita

Dikelaskan ke Kelompok bonita
kelompok bonita referensi
3.0 3.5 4.0
3.0 5 1 0
3.5 0 24 1
4.0 0 5 2
Total sampel 5 30 3
Jumlah benar 5 24 2
Proporsi 1.000 0.800 0.667
N = 38 Jumlah benar = 31 Proporsi benar= 0.816

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5 4.0
3.0 0.000000 21.115200 12.152200
3.5 21.115200 0.000000 1.839300
4.0 12.152200 1.839300 0.000000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5 4.0
Constanta -32.679 -29.047 -61.462
C citra 0.657 0.677 0.744
D citra 5.764 11.882 10.146
 71

5. Analisis Diskriminan dengan Peubah Ccitra dan Ncitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5 4.0
Jumlah 5 30 3

Tabel 2 Rekapitulasi klasifikasi bonita

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 4 3 1
3.5 1 20 0
4.0 0 7 2
Total sampel 5 30 3
Jumlah benar 4 20 2
Proporsi 0.800 0.667 0.667
N = 38 Jumlah benar = 26 Proporsi benar= 0.684

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5 4.0
3.0 0.000000 5.077630 3.189690
3.5 5.077630 0.000000 0.941290
4.0 3.189690 0.941290 0.000000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5 4.0
Constanta -30.554 31.223 -36.550
C citra 0.611 0.764 0.785
N citra 1.128 0.496 0.757

6. Analisis Diskriminan dengan Peubah Dcitra dan Ncitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5 4.0
Jumlah 5 30 3
 72

Tabel 2 Rekapitulasi klasifikasi bonita

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 5 1 0
3.5 0 22 1
4.0 0 7 2
Total sampel 5 30 3
Jumlah benar 5 22 2
Proporsi 1.000 0.733 0.667
N = 38 Jumlah benar = 29 Proporsi benar= 0.763

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5 4.0
3.0 0.000000 21.161800 12.060400
3.5 21.161800 0.000000 1.664900
4.0 12.060400 1.664900 0.000000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5 4.0
Constanta -51.075 -88.066 -81.319
D citra 12.681 19.020 17.719
N citra 2.807 2.899 3.051

7. Analisis Diskriminan dengan Peubah Ccitra , Dcitra dan Ncitra

Tabel 1 Klasifikasi kelompok bonita

Kelompok 3.0 3.5 4.0
Jumlah 5 30 3

Tabel 2 Jarak kuadrat antar bonita pada

Dikelaskan ke Kelompok bonita referensi
kelompok bonita 3.0 3.5 4.0
3.0 5 1 0
3.5 0 24 1
4.0 0 5 2
Total sampel 5 30 3
Jumlah benar 5 24 2
Proporsi 1.000 0.800 0.667
N = 38 Jumlah benar = 31 Proporsi benar= 0.816
 73

Tabel 3 Jarak kuadrat antar bonita pada

3.0 3.5 4.0
3.0 0.000000 21.168200 12.381000
3.5 21.168200 0.000000 1.900900
4.0 12.381000 1.900900 0.000000

Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.0 3.5 4.0
Constanta -55.844 -93.086 -87.996
C citra 0.356 0.365 0.421
D citra 11.170 17.471 15.932
N citra 2.391 2.471 2.559