Inventarisasi Hutan PDF
Inventarisasi Hutan PDF
Mata Kuliah :
INVENTARISASI HUTAN
Disusun oleh :
Prof. Dr. Daud Malamassam
September, 2009
KATA PENGANTAR
Pembuat Modul,
ii
PETA KEDUDUKAN MODUL
Mata Kuliah Inventarisasi Hutan
SASARAN
TUJUAN
PEMBELAJARAN
BELAJAR
MODUL - 6
Riap Tegakan,
Tegakan,serta
sertaPenaksiran
Penaksiran&
&Pemodelannya
Pemodelannya
MODUL - 5
Tabel
Tabel Volume
Volume &&
Penggunaannya
Penggunaannya
PANDUAN PANDUAN
TUTOR TUGAS
MODUL - 4
Metode-Metode
Metode-Metode
Sampling
Sampling
MODUL - 2 MODUL - 3
Pengukuran
Pengukuran Pohon
Pohon Teori Sampling dan
dan
dan Tegakan
Tegakan Penerapannya dlm IH
MODUL - 1
Pengertian dan Ruang Lingkup
iii
DAFTAR ISI
Halaman
HALAMAN JUDUL ............................................................................... ii
KATA PENGANTAR ............................................................................ ii
PETA KEDUDUKAN MODUL ............................................................. iii
DAFTAR ISI ........................................................................................ iv
iv
4.4 Sampling Berganda .................................................. M4.4-
I. Pendahuluan ............................................................ 1
II. Materi Pembelajaran ................................................. 1
III. Indikator Penilaian .................................................... 10
IV. Penutup .................................................................... 10
v
RENCANA PEMBELAJARAN BERBASIS KOMPETENSI
MATAKULIAH : INVENTARISASI HUTAN
Kompetensi Utama :
1.1 Mampu mendata potensi dan daya dukung lahan hutan, serta menganalisisnya untuk
kepentingan pengelolaan hutan lestari (Kompetensi FHut No. 9)
1.2 Memahami dan mampu menerapkan teknologi komputer dan sistem informasi dalam
bidang kehutanan (Kompetensi FHut No.10)
Kompetensi Pendukung :
2.1 Mampu menganalisis, merencanakan dan mengevaluasi program pembangunan (Kompetensi FHut No.7 )
2.2. Mampu bekerjasama dengan orang lain (Kompetensi FHut No.14)
Kompetensi Lainnya :
3.1 Mampu berkomunikasi, bermitra dan bersinergi dengan orang lain (masyarakat) (Kompetensi FHut No.3 )
Sasaran Belajar : Mampu menerapkan metode penaksiran potensi hutan
Mampu menggunakan model-model pertumbuhan tegakan secara tepat
Strategi Unit Tugas Kriteria Penilaian Bobot
Minggu Sasaran Pembelajaran Materi Pembelajaran
Pembelajaran Mahasiswa (Indikator) Nilai
1. Membentuk Klp & memilih Kontrak dan Rencana
Ketua Kelompok Pembelajaran Diskusi Kelompok - Kerjasama kelompok
Kompetensi MK No.2.2, & 3.1
1 0 .9000 .8000 .7500 .7000 .6000 .5000 .4000 .3000 .2000 .9000
1 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
2 0 .8100 .6400 .5625 .4900 .3600 .2500 .1600 .0900 .0400 .0100
1 .9900 .9600 .9375 .9100 .8400 .7500 .6400 .5100 .3600 .1900
2 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
3 0 .7290 .5120 .4219 .3430 .2160 .1250 .0640 .0270 .0080 .0010
1 .9720 8960 .8438 .7840 .6480 .5000 .3520 .2160 .1040 .0280
2 .9990 .9920 .9844 .9730 .9360 .8750 .7840 .6570 .4880 .2710
3 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
4 0 .6561 .4096 .3164 .2401 .1296 .0625 .0256 .0081 .0016 .0001
1 .9477 .8192 .7383 .6517 .4752 .3125 .1792 .0837 .0272 .0037
2 .9963 .9728 .9492 .9163 .8208 .6875 .5248 .3483 .1808 .0523
3 .9999 .9984 .9961 .9919 .9744 .9375 .8704 .7599 .5904 .3439
4 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
5 0 .5905 .3277 .2373 .1681 .0778 .0312 .0102 .0024 .0003 .0000
1 .9185 .7373 .6328 .5282 .3370 .1875 .0870 .0308 .0067 .0005
2 .9914 .9421 .8965 .8369 .6826 .5000 .3174 .1631 .0579 .0086
3 .9995 .9933 .9844 .9692 .9130 .8125 .6630 .4718 .2627 .0815
4 1.0000 .9997 .9990 .9976 .9898 .9688 .9222 .8319 .6723 .4095
5 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
6 0 .5314 .2621 .1780 .1176 .0467 .0156 .0041 .0007 .0001 .0000
1 .8857 .6554 .5339 .4202 .2333 .1094 .0410 .0109 .0016 .0001
2 .9841 .9011 .8306 .7443 .5443 .3438 .1792 .0705 .0170 .0013
3 .9987 .9830 .9624 .9295 .8202 .6563 .4557 .2557 .0989 .0158
4 .9999 .9984 .9954 .9891 .9590 .8906 .7667 .5798 .3447 .1143
5 1.0000 .9999 .9998 .9993 .9959 .9844 .9533 .8824 .7379 .4686
6 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
L2 - 1
SEBARAN PELUANG BINOMIUM (Sambungan)
Χ
Jumlah Peluang Binomium ∑ b( x; n , p)
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
8 0 .4305 .1678 .1001 .0576 .0168 .0039 .0007 .0001 .0000
1 .8131 .5033 .3671 .2553 .1064 .0352 .0085 .0013 .0001
2 .9619 .7969 .6785 .5518 .3154 .1445 .0498 .0113 .0012 .0000
3 .9950 .9437 .8862 .8059 .5941 .3633 .1737 .0580 .0104 .0004
4 .9996 .9896 .9727 .9420 .8263 .6367 .4095 .1941 .0563 .0050
5 1.0000 .9988 .9958 .9887 .9502 .8555 .6846 .4482 .2031 .0381
6 .9991 .9996 .9987 .9915 .9648 .8936 .7447 .4967 .1869
7 1.0000 1.0000 .9999 .9993 .9961 .9832 .9424 .8322 .5695
8 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
9 0 .3874 .1342 .0751 .0404 .0101 .0020 .0003 .0000
1 .7748 .4362 .3003 .1960 .0705 .0195 .0038 .0004 .0000
2 .9470 .7382 .6007 .4628 .2318 .0898 .0250 .0043 .0003 .0000
3 .9917 .9144 .8343 .7297 .4826 .2539 .0994 .0253 .0031 .0001
4 .9991 .9804 .9511 .9012 .7334 .5000 .2666 .0988 .0196 .0009
5 .9999 .9969 .9900 .9747 .9006 .7461 .5174 .2703 .0856 .0083
6 1.0000 .9997 .9987 .9957 .9750 .9102 .7682 .5372 .2618 .0530
7 1.0000 .9999 .9996 .9962 .9805 .9295 .8040 .5638 .2252
8 1.0000 1.0000 .9997 .9980 .9899 .9596 .8658 .6126
9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
10 0 .3478 .1074 .0563 .0282 .0030 .0010 .0001 .0000
1 .7748 .3758 .2440 .1493 .0464 .0107 .0017 .0001 .0000
2 .9470 .6778 .5256 .3828 .1673 .0547 .0123 .0016 .0001
3 .9917 .8791 .7759 .6496 .3823 .1719 .0548 .0106 .0009 .0000
4 .9991 .9672 .9219 .8497 .6331 .3770 .1662 .0474 .0064 .0002
5 .9999 .9936 .9803 .9527 .8338 .6230 .3669 .1503 .0328 .0016
6 1.0000 .9991 .9965 .9894 .9452 .8215 .6177 .3504 .1209 .0128
7 .9999 .9996 .9984 .9877 .9453 .8327 .6172 .3222 .0702
8 1.0000 1.0000 .9999 .9983 .9893 .9536 .8507 .6242 .2639
9 1.0000 .9999 .9990 .9940 .9718 .8926 .6513
10 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
11 0 .3138 .0859 .0422 .0198 .0036 .0005 .0000
1 .6974 .3221 .1971 .1130 .0302 .0059 .0007 .0000
2 .9104 .6174 .4552 .3127 .1189 .0327 .0059 .0006 .0000
3 .9815 .8369 .7133 .5696 .2963 .1133 .0293 .0043 .0002
4 .9972 .9496 .8854 .7897 .5328 .2744 .0994 .0216 .0020 .0000
5 .9997 .9883 .9657 .9218 .7535 .5000 .2465 .0782 .0117 .0003
6 1.0000 .9980 .9924 .9784 .9006 .7256 .4672 .2103 .0504 .0028
7 .9998 .9988 .9957 .9707 .8867 .7037 .4304 .1611 .0185
8 1.0000 .9999 .9994 .9941 .9673 .8811 .6873 .3826 .0896
9 1.0000 1.0000 .9993 .9941 .9698 .8870 .6779 .3026
10 1.0000 .9995 .9964 .9802 .9141 .6862
11 1.0000 1.0000 1.0000 1.0000 1.0000
L2 - 2
SEBARAN PELUANG BINOMIUM (Sambungan)
Χ
Jumlah Peluang Binomium ∑ b( x; n , p)
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
12 0 .2824 .0687 .0317 .0138 .0022 .0002 .0000
1 .6590 .2749 .1584 .0850 .0196 .0032 .0003 .0000
2 .8891 .5583 .3907 .2528 .0834 .0193 .0028 .0002 .0000
3 .9744 .7946 .6488 .4925 .2253 .0730 .0153 .0017 .0001
4 .9957 .9274 .8424 .7237 .4382 .1938 .0573 .0095 .0006 .0000
5 .9995 .9806 .9456 .8821 .6652 .3872 .1582 .0386 .0039 .0001
6 .9999 .9961 .9857 .9614 .8418 .6128 .3348 .1178 .0194 .0005
7 1.0000 .9994 .9972 .9905 .9427 .8062 .5618 .2763 .0726 .0043
8 .9999 .9996 .9983 .9847 .9270 .7747 .5075 .2054 .0256
9 1.0000 1.0000 .9998 .9972 .9870 .9166 .7472 .4417 .1109
10 1.0000 .9997 .9968 .9804 .9150 .7251 .3410
11 1.0000 .9998 .9978 .9862 .9313 .7176
12 1.0000 1.0000 1.0000 1.0000 1.0000
13 0 .2542 .0550 .0238 .0097 .0013 .0001 .0000
1 .6213 .2336 .1267 .0637 .0126 .0017 .0001 .0000
2 .8661 .5017 .3326 .2025 .0579 .0112 .0013 .0001
3 .9658 .7473 .5843 .4206 .1686 .0461 .0078 .0007 .0000
4 .9935 .9009 .7940 .6543 .3530 .1334 .0321 .0040 .0002
5 .9991 .9700 .9198 .8346 .5744 .2905 .0977 .0812 .0012 .0000
6 .9999 .9930 .9757 .9376 .7712 .5000 .2288 .0624 .0070 .0001
7 1.0000 .9980 .9944 .9818 .9023 .7095 .4256 .1654 .0300 .0009
8 .9998 .9990 .9960 .9679 .8666 .6470 .3457 .0991 .0065
9 1.0000 .9999 .9993 .9922 .9539 .8314 .5794 .2527 .0342
10 1.0000 .9999 .9987 .9888 .9421 .7975 .4983 .1339
11 1.0000 .9999 .9983 .9874 .9363 .7664 .3787
12 1.0000 .9999 .9987 .9903 .9450 .7458
13 1.0000 1.0000 1.0000 1.0000 1.0000
14 0 .2288 .0440 .0178 .0068 .0008 .0001 .0000
1 .5846 .1979 .1010 .0475 .0081 .0009 .0001
2 .8416 .4481 .2811 .1608 .0398 .0065 .0006 .0000
3 .9559 .6982 .5213 .3552 .1243 .0287 .0039 .0002
4 .9908 .8702 .7415 .5842 .2793 .0898 .0175 .0017 .0000
5 .9985 .9561 .8883 .7805 .4859 .2120 .0583 .0083 .0004
6 .9998 .9884 .9617 .9067 .6925 .3953 .1501 .0315 .0024 .0000
7 1.0000 .9976 .9897 .9685 .8499 .6047 .3075 .0933 .0116 .0002
8 .9996 .9978 .9917 .9417 .7880 .5141 .2195 .0439 .0015
9 1.0000 .9997 .9983 .9825 .9102 .7207 .4158 .1298 .0092
10 1.0000 .9998 .9961 .9713 .8757 .6448 .3018 .0441
11 1.0000 .9994 .9935 .9602 .8392 .5519 .1584
12 .9999 .9991 .9919 .9525 .8021 .4154
13 1.0000 .9999 .9992 .9932 .9560 .7712
14 1.0000 1.0000 1.0000 1.0000 1.0000
L2 - 3
SEBARAN PELUANG BINOMIUM (Sambungan)
Χ
Jumlah Peluang Binomium ∑ b( x; n , p)
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
L2 - 4
SEBARAN PELUANG BINOMIUM (Sambungan)
Χ
Jumlah Peluang Binomium ∑ b( x; n , p)
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
L2 - 5
SEBARAN PELUANG BINOMIUM (Sambungan)
Χ
Jumlah Peluang Binomium ∑ b( x; n , p)
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
19 0 .1351 .0144 .0042 .0011 .0001
1 .4023 .0829 .0310 .0104 .0008 .0000
2 .7054 .2369 .1113 .0462 .0055 .0004 .0000
3 .8850 .4551 .2631 .1332 .0230 .0022 .0001
4 .9648 .6733 .4654 .2822 .0696 .0096 .0006 .0000
5 .9914 .8369 .6678 .4739 .1629 .0318 .0031 .0001
6 .9983 .9324 .8251 .6655 .3081 .0835 .0116 .0006
7 .9997 .9767 .9225 .8180 .4878 .1796 .0352 .0028 .0000
8 1.0000 .9933 .9713 .9161 .6675 .3238 .0885 .0105 .0003
9 .9984 .9911 .9674 .8139 .5000 .1861 .0326 .0016
10 .9997 .9977 .9895 .9115 .6762 .3325 .0839 .0067 .0000
11 .9999 .9995 .9972 .9648 .8204 .5122 .1820 .0233 .0003
12 1.0000 .9999 .9994 .9884 .9165 .6919 .3345 .0676 .0017
13 1.0000 .9999 .9969 .9682 .8371 .5261 .1631 .0086
14 1.0000 .9994 .9904 .9304 .7178 .3267 .0352
15 .9999 .9978 .9770 .8668 .5449 .1150
16 1.0000 .9996 .9945 .9538 .7631 .2946
17 1.0000 .9992 .9896 .9171 .5797
18 .9999 .9989 .9856 .8649
19 1.0000 1.0000 1.0000 1.0000
20 0 .1216 .0115 .0032 .0008 .0000
1 .3917 .0692 .0243 .0076 .0005 .0000
2 .6769 .2061 .0913 .0355 .0036 .0002 .0000
3 .8670 .4114 .2252 .1071 .0160 .0013 .0001
4 .9586 .6296 .4148 .2375 .0510 .0059 .0003
5 .9887 .8042 .6172 .4164 .1256 .0207 .0016 .0000
6 .9976 .9133 .7858 .6080 .2500 .0577 .0065 .0003
7 .9996 .9679 .8982 .7723 .4159 .1316 .0210 .0013 .0000
8 .9999 .9900 .9591 .8867 .5956 .2517 .0565 .0051 .0001
9 1.0000 .9974 .9861 .9520 .7553 .4119 .1275 .0171 .0006
10 .9994 .9961 .9829 .8725 .5881 .2447 .0480 .0026 .0000
11 .9999 .9991 .9949 .9435 .7483 .4044 .1133 .0100 .0001
12 1.0000 .9998 .9987 .9790 .8684 .5841 .2277 .0321 .0004
13 1.0000 .9997 .9935 .9423 .7500 .3920 .0867 .0024
14 1.0000 .9984 .9793 .8744 .5836 .1958 .0113
15 .9997 .9941 .9490 .7625 .3704 .0432
16 1.0000 .9987 .9840 .8929 .5886 .1330
17 .9998 .9964 .9645 .7939 .3231
18 1.0000 .9995 .9924 .9308 .6098
19 1.0000 .9992 .9885 .8784
20 1.0000 1.0000 1.0000
Sumber :
L2 - 6
SEBARAN NORMAL BAKU
-2.9 0.0019 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014 0.0014
-2.8 0.0026 0.0025 0.0024 0.0023 0.0022 0.0021 0.0021 0.0020 0.0020 0.0019
-2.7 0.0035 0.0034 0.0033 0.0031 0.0030 0.0029 0.0028 0.0027 0.0027 0.0026
-2.6 0.0047 0.0045 0.0044 0.0041 0.0040 0.0039 0.0038 0.0037 0.0037 0.0036
-2.5 0.0062 0.0060 0.0059 0.0055 0.0054 0.0052 0.0051 0.0049 0.0049 0.0048
-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
-1.8 0.0359 0.0352 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.5 0.0668 0.0655 0.0643 0.0630 0.618 0.0606 0.0594 0.0582 0.0571 0.0559
-1.4 0.0808 0.0793 0.0778 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-1.3 0.0968 0.0951 0.0934 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-1.2 0.1151 0.1131 0.1112 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-1.1 0.1357 0.1335 0.1314 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-1.0 0.1587 0.1562 0.1539 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.5 0.3085 0.3050 0.3015 0.2891 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
-0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
L2 - 7
SEBARAN NORMAL BAKU (Lanjutan)
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0..8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9278 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
Sumber :
L2 - 8
SEBARAN t-STUDENT
α
ν
0.10 0.05 0.025 0.01 0.025
Sumber :
L2 - 9
SEBARAN F
ƒ0,05(ν1,ν2)
ν2
ν1
1 2 3 4 5 6 7 8 9
L2 - 10
SEBARAN F (Lanjutan)
ƒ0,05(ν1,ν2)
ν2
ν1
10 12 15 20 24 30 40 60 120 ∞
1 241.9 243.9 245.9 148.0 249.1 250.1 251.1 252.2 253.3 254.3
2 19.40 19.41 19.43 19.45 19.45 19.46 19.47 19.48 19.49 19.50
3 8.79 8.74 8.70 8.66 8.64 8.62 8.59 8.57 8.55 8.53
4 5.96 5.91 5.86 5.80 5.77 5.75 5.72 5.69 5.66 5.63
5 4.74 4.68 4.62 4.56 4.53 4.50 4.46 4.43 4.40 4.36
6 4.06 4.00 3.94 3.87 3.84 3.81 3.77 3.74 3.70 3.67
7 3.64 3.57 3.51 3.44 3.41 3.38 3.34 3.30 3.27 3.23
8 3.35 3.28 3.22 3.15 3.12 3.08 3.04 3.01 2.97 2.93
9 3.14 3.07 3.01 2.94 2.90 2.86 2.83 2.79 2.75 2.71
10 2.98 2.91 2.85 2.77 2.74 2.70 2.66 2.62 2.58 2.54
11 2.85 2.79 2.72 2.65 2.61 2.57 2.53 2.49 2.45 2.40
12 2.75 2.69 2.62 2.54 2.51 2.47 2.43 2.38 2.34 2.30
13 2.67 2.60 2.53 2.46 2.42 2.38 2.34 2.30 2.25 2.21
14 2.60 2.53 2.46 2.39 2.35 2.31 2.27 2.22 2.18 2.13
15 2.54 2.48 2.40 2.33 2.29 2.25 2.20 2.16 2.11 2.07
16 2.49 2.42 2.35 2.28 2.24 2.19 2.15 2.11 2.06 2.01
17 2.45 2.38 2.31 2.23 2.19 2.15 2.10 2.06 2.01 1.96
18 2.41 2.34 2.27 2.19 2.15 2.11 2.06 2.02 1.97 1.92
19 2.38 2.31 2.23 2.16 2.11 2.07 2.03 1.98 1.93 1.88
20 2.35 2.28 2.20 2.12 2.08 2.04 1.99 1.95 1.90 1.84
21 2.32 2.25 2.18 2.10 2.05 2.01 1.96 1.92 1.87 1.81
22 2.30 2.23 2.15 2.07 2.03 1.98 1.94 1.89 1.84 1.78
23 2.27 2.20 2.13 2.05 2.01 1.96 1.91 1.86 1.81 1.76
24 2.25 2.18 2.11 2.03 1.98 1.94 1.89 1.84 1.79 1.73
25 2.24 2.16 2.09 2.01 1.96 1.92 1.87 1.82 1.77 1.71
26 2.22 2.15 2.07 1.99 1.95 1.90 1.85 1.80 1.75 1.69
27 2.20 2.13 2.06 1.97 1.93 1.88 1.84 1.79 1.73 1.67
28 2.19 2.12 2.04 1.96 1.91 1.87 1.82 1.77 1.71 1.65
29 2.18 2.10 2.03 1.94 1.90 1.85 1.81 1.75 1.70 1.64
30 2.16 2.09 2.01 1.93 1.89 1.84 1.79 1.74 1.68 1.62
40 2.08 2.00 1.92 1.84 1.79 1.74 1.69 1.64 1.58 1.51
60 1.99 1.92 1.84 1.75 1.70 1.65 1.59 1.53 1.47 1.39
120 1.91 1.83 1.75 1.66 1.61 1.55 1.50 1.43 1.35 1.25
∞ 1.83 1.75 1.67 1.57 1.52 1.46 1.39 1.32 1.22 1.00
L2 - 11
SEBARAN F (Lanjutan)
ƒ0,01(ν1,ν2)
ν2
ν1 1 2 3 4 5 6 7 8 9
1 4052 4999.5 5403 5625 5746 5859 5928 5981 60.22
2 98.50 99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.39
3 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.35
4 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66
L2 - 12
SEBARAN F (Lanjutan)
ƒ0,01(ν1,ν2)
ν2
ν1
10 12 15 20 24 30 40 60 120 ∞
1 6056 6157 6157 6029 6235 6261 6287 6313 6339 6366
2 99.40 99.42 99.43 99.45 99.46 99.47 99.47 99.48 99.49 99.50
3 27.23 27.05 26.87 26.69 26.60 26.50 26.41 26.32 26.22 26.13
4 14.55 14.37 14.20 14.02 13.93 13.84 13.75 13.65 13.56 13.46
5 10.05 9.89 9.72 9.55 9.47 9.38 9.29 9.20 9.11 9.02
6 7.87 7.72 7.56 7.40 7.31 7.23 7.14 7.06 6.97 6.88
7 6.62 6.47 6.31 6.16 6.07 5.99 5.91 5.82 5.74 5.65
8 5.81 5.67 5.52 5.36 5.28 5.20 5.12 5.03 4.95 4.86
9 5.26 5.11 4.96 4.81 4.73 4.65 4.57 4.48 4.40 4.31
10 4.85 4.71 4.56 4.41 4.33 4.25 4.17 4.08 4.00 3.91
11 4.54 4.40 4.25 4.10 4.02 3.94 3.86 3.78 3.69 3.60
12 4.30 4.16 4.01 3.86 3.78 3.70 3.62 3.54 3.45 3.36
13 4.10 3.96 3.82 3.66 3.59 3.51 3.43 3.34 3.25 3.17
14 3.94 3.80 3.66 3.51 3.43 3.55 3.27 3.18 3.09 3.00
15 3.80 3.67 3.52 3.37 3.29 3.21 3.13 3.05 2.96 2.87
16 3.69 3.55 3.41 3.26 3.18 3.10 3.02 2.93 2.84 2.75
17 3.59 3.46 3.31 3.16 3.08 3.00 2.92 2.83 2.75 2.65
18 3.51 3.37 3.23 3.08 3.00 2.92 2.84 2.75 2.66 2.57
19 3.43 3.30 3.15 3.00 2.92 2.84 2.76 2.67 2.58 2.49
20 3.37 3.23 3.09 2.94 2.86 2.78 2.69 2.61 2.52 2.42
21 3.31 3.17 3.03 2.88 2.80 2.72 2.64 2.55 2.46 2.36
22 3.26 3.12 2.98 2.83 2.75 2.67 2.58 2.50 2.40 2.31
23 3.21 3.07 2.93 2.78 2.70 2.62 2.54 2.45 2.35 2.26
24 3.17 3.03 2.89 2.74 2.66 2.58 2.49 2.40 2.31 2.21
25 3.13 2.99 2.85 2.70 2.62 2.54 2.45 2.36 2.27 2.17
26 3.09 2.96 2.81 2.66 2.58 2.50 2.42 2.33 2.23 2.13
27 3.06 2.93 2.78 2.63 2.55 2.47 2.38 2.29 2.20 2.10
28 3.03 2.90 2.75 2.60 2.52 2.44 2.35 2.26 2.17 2.06
29 3.00 2.87 2.73 2.57 2.49 2.41 2.33 2.23 2.14 2.03
30 2.98 2.84 2.70 2.55 2.47 2.39 2.30 2.21 2.11 2.01
40 2.80 2.66 2.52 2.37 2.29 2.20 2.11 2.02 1.92 1.80
60 2.63 2.50 2.35 2.20 2.12 2.03 1.94 1.84 1.73 1.60
120 2.47 2.34 2.19 2.03 1.95 1.86 1.76 1.66 1.53 1.38
∞ 2.32 2.18 2.04 1.88 1.79 1.70 1.59 1.47 1.32 1.00
Sumber :
L2 - 13
NILAI PARAMETER SEBARAN WEIBULL
L2 - 14
NILAI PARAMETER SEBARAN WEIBULL (Lanjutan)
Sumber :
L2 - 15
ANGKA ACAK
Kolom
Baris
1-5 6 - 10 11 - 15 16 - 20 21 - 25 26 - 30 31 - 35 36 - 40
L2 - 16
ANGKA ACAK (Lanjutan)
Kolom
Baris
1-5 6 - 10 11 - 15 16 - 20 21 - 25 26 - 30 31 - 35 36 - 40
Sumber :
L2 - 17
Modul Inventarisasi Hutan
MODUL - 1
PENGERTIAN, PERANAN DAN RUANG LINGKUP
I. PENDAHULUAN
A. Latar Belakang
Pertanyaan pertama yang pasti muncul dalam benak setiap peserta
didik, pada saat akan mempelajari suatu cabang ilmu tertentu, adalah apa
saja yang dipelajari dalam cabang ilmu itu, dan manfaat apa yang dapat
diperoleh atau apa gunanya mempelajari cabang ilmu tersebut.
Pertanyaan yang sama, patut diduga, akan dikemukakan oleh peserta
mata kuliah Inventarisasi Hutan, khususnya oleh mahasiswa yang
tergolong cukup kritis.
Jawaban terhadap pertanyaan ini, diharapkan dapat menjadi sumber
motivasi atau pendorong bagi mahasiswa untuk mempelajari mata kuliah
(cabang ilmu) termaksud secara lebih bersungguh-sungguh. Hanya dengan
memahami pengertian dan ruang lingkup dari ilmu yang akan dipelajarinya,
seseorang dapat memahami posisi relatif dari ilmu yang bersangkutan
dalam khasana suatu bidang ilmu tertentu.
Selanjutnya, pemahaman tentang peranan suatu cabang ilmu,
selain akan lebih memperjelas posisi relatif dari cabang ilmu tersebut
dalam khasana bidang ilmu tertentu, juga akan memberi kejelasan tentang
kontribusi cabang ilmu yang bersangkutan bagi pembangunan dan atau
bagi pendayagunaan sumberdaya alam. Modul ini berisi pembahasan
tentang hal-hal yang telah dikemukakan di atas.
Pendahuluan M1 - 1
Modul Inventarisasi Hutan
Pendahuluan M1 - 2
Modul Inventarisasi Hutan
Pendahuluan M1 - 3
Modul Inventarisasi Hutan
Pendahuluan M1 - 4
Modul Inventarisasi Hutan
Pendahuluan M1 - 5
Modul Inventarisasi Hutan
Pendahuluan M1 - 6
Modul Inventarisasi Hutan
Pendahuluan M1 - 7
Modul Inventarisasi Hutan
Pendahuluan M1 - 8
Modul Inventarisasi Hutan
IV. PENUTUP
Modul ini diharapkan dapat menjadi acuan bagi pembelajar dan
mahasiswa untuk melakukan penelusuran berbagai sumber belajar, yang
terkait dengan inventarisasi hutan, baik dalam bentuk Buku teks, Dokumen-
dokumen atau Laporan hasil penelitian, Internet ataupun sumber-sumber
lain. Dengan mengacu pada modul ini maka proses pembelajaran
diharapkan dapat berjalan secara efisien dan efektif melalui peran aktif dari
semua pihak terkait, khususnya para pembelajar.
Pendahuluan M1 - 9
Modul Inventarisasi Hutan
MODUL - 2
PENGUKURAN POHON DAN TEGAKAN
I. PENDAHULUAN
A. Latar Belakang
Pada modul terdahulu telah dijelaskan bahwa Inventarisasi hutan,
secara sederhana, dapat dimaknai sebagai cabang ilmu yang membahas
tentang metode penaksiran potensi hutan. Dengan demikian pertanyaan
lanjutan ialah komponen apa saja yang harus diukur dan bagaimana
melakukan pengukuran komponen-komponen tersebut dalam rangka
penaksiran potensi hutan.
Pemahaman tentang komponen-komponen yang harus diukur serta
penguasaan cara atau metode pengukuran komponen-komponen potensi
termaksud, akan memungkinkan dilakukannya kegiatan pengukuran atau
penaksiran dengan pengorbanan tenaga, waktu dan biaya yang seminimal
mungkin, tanpa harus mengorbankan efektifitas dan ketelitian pengukuran
yang bersangkutan. Hal ini penting dipahami setiap pelaksana inventarisasi
hutan, untuk menghidari pelaksanaan kegiatan pengukuran / penaksiran
potensi hutan dengan pengorbanan (tenaga, waktu dan biaya) yang
mengambil porsi yang cukup besar dari nilai potensi hutan yang diukur.
Modul ini berisi pembahasan tentang tahapan atau prosedur
pengukuran potensi hutan, mulai dari satuan terkecil, yaitu berupa batang
atau pohon berdiri beserta komponen-komponennya (diameter dan tinggi),
satuan-satuan pengukuran yang juga merupakan kumpulan dari sejumlah
tertentu pepohonan, dan hutan secara keseluruhan.
B. Ruang Lingkup Isi
Isi dari modul ini secara garis besar meliputi antara lain hal-hal
sebagai berikut : (1) Dasar-dasar pengukuran batang, (2) Dasar-dasar
pengukuran pohon berdiri, (3) Teknik-teknik pengukuran tinggi pohon, dan
(4) Pengukuran volume tegkan.
C. Sasaran Pembelajaran Modul
Setelah mempelajari modul ini, mahasiswa diharapkan dapat
memiliki kompetensi yang diindikasikan oleh kemampuan dalam
menjelaskan : (1) Pengukuran batang, pengukuran pohon berdiri, dan
pengukuran Volume Tegakan, (2) mampu melaksanakan pengukuran
batang dan pohon, (3) mampu membuat hypsometer tepat guna.
dp dt du
π π π
Bp = Bt = dt Bu = du
2 2 2
dp
4 4 4
Gambar 2.3 Dimensi Batang
da = diameter atas
t = tinggi pohon
f = Vp / Vs
d 2a d 2b
Vp = t
4 2
Vs = π/4 (db2) t
d 2a d 2b
f = ........................................... 2.7
2d 2b
T T
= tg α = tg α
J J
T
= tg α T=
t .P
J t
a. T = T1 –T2 b. T = T1 +T2
dimana : T = Tinggi pohon
T1 = Pembacaan skala pada saat membidik pucuk pohon
T2 = Pembacaan skala pada saat membidik pangkal pohon
c. T = Ta +Tm
2. HAGA HYPSOMETER
Alat ukur tinggi Haga merupakan alat ukur sudut yang menggunakan
prinsip segitga siku-siku, dan untuk penggunaannya diperlukan informasi
tentang jarak antara pengukur dengan pohon yang diukur. Alat ini biasanya
sudah dilengkapi dengan skala atau nilai pengukuran untuk beberapa
alternatif jarak pengukuran, misalnya 15 m, 20 m, 25 m dan 30 m.
Pada dasarnya, faktor yang dapat terbaca (pada alat) sewaktu
pengukuran adalah sudut yang terbuat antara garis horisontal (setinggi mata
pengukur) dengan arah bidikan ke puncak pohon dan / atau pangkal pohon,
namun alat tersebut sudah dilengkapi dengan skala yang merupakan hasil
konversi dari sudut dan jarak menjadi tinggi berdasarkan Rumus 2.8.
T = J tg α ……………………………………………..…… 2.8
3. AID SCALE
Aid scale, sama halnya dengan alat ukur Haga, menggunakan
prinsip segitiga siku-siku dan juga memerlukan informasi tentang jarak antara
pengukur dengan pohon yang diukur, namun Aid Scale ini tidak
menggunakan alat ukur sudut, tetapi sebagai penggantinya digunakan
perbandingan jarak dengan ketinggian.
Alat ini dengan mudah dibuat dari potongan kayu atau mistar ukur
dengan panjang 30 sampai 50 cm. Pemberian skala pada alat ukur
didasarkan atas Rumus 2.9.
L
S =T …………………………………………………...……... 2.9
J
dimana T = Tinggi bagian pohon yang berada di sebelah atas atau
sebelah bawah dari ketinggian mata pengukur (dalam meter)
J = Jarak antara pohon dengan pengukur (dalam meter)
L = Panjang lengan pengukur atau tepatnya jarak antara mata
pengukur dengan alat ukur yang digunakan.
Pada sebuah alat ’Aid Scale’, dapat dibuat beberapa macam skala
yang disesuaikan dengan jarak pengukuran yang dikehendaki (seperti
halnya pada Haga Hypsometer), misanya 15 meter, 20 meter, 25 meter
dan/atau 30 meter. Secara skhematis, pengukuran dengan aid scale
diperlihatkan pada Gambar 2.8.
Pengukuran dilakukan dengan mengikuti salah satu dari teknik yang
dinampakkan pada Gambar 2.6, tergantung pada posisi relatif pengukur
terhadap pohon yang diukur. Jika tempat berdiri pohon lebih tinggi dari
tempat berdiri pengukur, maka teknik pengukuran mengikuti Gambar 2.6a.
V = ∑ vi ; .......................................................................... 2.10
3
dimana : V = Volume tegakan (m )
vi = Volume pohon ke i (m3)
bi = Luas bidang dasar pohon ke i (m2)
ti = Tinggi pohon ke i (m)
f = Angka bentuk pohon, yang dalam hal ini biasanya
digunakan angka bentuk rata-rata.
Selain melalui perhitungan, penetapan volume pohon dapat pula ditetapkan
dengan menggunakan Tabel Volume atau Tarif Volume. Tabel volume
adalah tabel yang memuat hubungan antara volume dengan diameter dan
tinggi. Sedang Tarif Volume atau biasa juga disebut Tabel Volume Lokal
(karena penggunaannya bersifat lokal) adalah tabel yang menggambarkan
hubungan antara Volume dan Diameter pohon. Pembahasan tentang hal ini
secara lebih rinci dapat dilihat pada Modul ‘Penyusunan Tabel Volume’.
Untuk kondisi dimana pengukuran diameter dan tinggi hanya
dilakukan secara terbatas pada pohon-pohon pewakil, maka perhitungan
volume tegakan dilakukan dengan tahapan-tahapan sebagai berikut :
a. Perhitungan tinggi rata-rata untuk setiap kelas diameter.
b. Perhitungan volume untuk setiap kelas diameter dengan rumus :
vk = nk x bk x tk x f ……………………………..………… 2.11
c. Perhitungan volume tegakan dengan rumus :
V = ∑ vk ; ……………………………………………………….. 2.12
dimana : vk = Volume pohon-pohon untuk kelas diameter tertentu
bk = Jumlah luas bidang dasar pohon-pohon untuk kelas diameter
tertentu (∑bki)
tk = Tinggi rata-rata dari pohon-pohon untuk kelas diameter
tertentu
f = Angka bentuk pohon, yang dalam hal ini biasanya digunakan
angka bentuk rata-rata, tetapi tidak jarang pula dipakai angka
bentuk yang berbeda untuk masing-masing kelas diameter,
jika informasi tentang hal ini tersedia.
Selanjutnya, pada kondisi dimana pengukuran diameter dan tinggi
hanya dilakukan secara terbatas pada pohon-pohon pewakil, panaksiran
volume tegakan dilakukan dengan terlebih dahulu menghitung volume
pohon-pohon pewakil. Jika luas seluruh tegakan adalah A, luas areal dimana
pohon-pohon pewakil adalah a, dan volume pohon-pohon pewakil adalah v,
Tabel 2.1. Hasil pengukuran diameter dan tinggi pohon, serta hasil perhi-
tungan volumenya.
F. Tugas Latihan
1. Pada ketinggian berapakah diameter pohon diukur. Jelaskan secara
singkat alasan penentuan ketinggian termaksud.
2. Sebutkan dan jelaskan (jika perlu dengan bantuan gambar) alat ukur
diameter batang dan diameter pohon.
3. Sebuah batang mempunyai diameter pangkal, tengah dan ujung masing-
masing sebesar 50 cm, 40 cm, dan 30 cm. Jika diketahui panjang batang
10 meter, hitunglah volume batang termaksud dengan menggunakan
Rumus Smallian, Huber, dan Newton.
4. Menurut pendapat saudara, diantara ketiga hasil perhitungan pada no.3 di
atas manakah yang paling tepat.
5. Dengan menggunakan hasil yang dimaksud pada soal No.3, hitunglah
angka bentuk dari batang yang bersangkutan.
6. Sebatang pohon mempunyai keliling pada ketinggian tertentu sebesar 110
cm. Berapakah diameter batang pada ketinggian termaksud.
7. Apakah nama dari alat ukur tinggi pohon. Sebutkan pula beberapa alat
ukur tinggi yang saudara ketahui.
8. Dengan mengacu pada prinsip-prinsip yang mendasari pengukuran tinggi
pohon, bagaimanakah pohon yang condong atau miring seharusnya
diukur.
IV. PENUTUP
Modul ini diharapkan dapat menjadi acuan bagi pembelajar dan
mahasiswa untuk melakukan penelusuran berbagai sumber belajar, baik
dalam bentuk Buku teks, Dokumen-dokumen atau Laporan hasil penelitian,
Internet ataupun sumber-sumber lain. Dengan mengacu pada modul ini
maka proses pembelajaran diharapkan dapat berjalan secara efisien dan
efektif melalui peran aktif dari semua pihak terkait, khususnya mahasiswa.
MODUL - 3
TEORI SAMPLING DAN PENERAPANNYA
DALAM INVENTARISASI HUTAN
I. PENDAHULUAN
A. Latar Belakang
Inventarisasi hutan pada umumnya dilakukan melalui pengamatan
sebagian dari tegakan hutan untuk menjelaskan sifat-sifat dari keseluruhan
hutan yang menjadi obyek pengamatan. Seperti telah dikemukakan di
depan, cara pengamatan demikian ini disebut sampling, sedang bagian
hutan yang diamati disebut sampel (contoh), dan totalitas obyek
pengamatan disebut populasi. Sehubungan dengan itu, prosedur
inventarisasi hutan harus diawali dengan pemberian batasan secara jelas
terhadap populasi yang menjadi obyek yang diamati (termasuk batasan
unit populasi yang akan digunakan), dan pemilihan atau penentuan contoh
(bagian populasi yang akan diamati). Selanjutnya, dilakukan pendugaan
terhadap ukuran-ukuran yang menyatakan sifat populasi berdasarkan hasil
pengamatan terhadap ukuran-ukuran yang menyatakan sifat contoh.
Modul ini berisi pembahasan tentang batasan populasi tegakan
hutan, sampling beserta alasan dan prinsip-prinsip pelaksanaannya, serta
teori pendugaan dan penerapannya dalam inventarisasi hutan. Disamping
itu juga dipaparkan tentang prinsip-prinsip kerja dari beberapa metode
sampling yang umum digunakan dalam inventarisasi hutan.
B. Ruang Lingkup Isi
Isi dari modul ini secara garis besar meliputi antara lain hal-hal
sebagai berikut : (1) Populasi dan contoh, (2) Sampling, (3) Teori
pendugaan dan penerapannya dalam inventarisasi hutan, serta (4)
Pengantar Metode-Metode Sampling.
C. Sasaran Pembelajaran Modul
Setelah mempelajari modul ini, mahasiswa diharapkan dapat
memiliki kompetensi yang diindikasikan oleh kemampuan dalam hal : (1)
Menjelaskan batasan populasi dan contoh, (2) Menjelaskan alasan
dilakukannya sampling, (3) Menjelaskan prinsip-prinsip sampling dan
merencanakan sampling, (4) Menjelaskan teori pendugaan dengan contoh-
contoh penerapannya dalam inventarisasi hutan, dan (5) Menjelaskan
perbedaan prinsip antara metode-metode sampling yang umum digunakan
dalam inventarisasi hutan.
S
e = tα/2. ; …………………………………………….. 3.2
n
POPULASI
CONTOH CONTOH
Pendugaan
Parameter Statistik
µ, ,
π, σp p, Sp
Gambar 3.1. Skhema Mekanisme Penaksiran
σ x2 =
1
n −1
{ 2
}
Σx 2 − (Σx ) / n ……………….………………. 3.5
⎛σ 2 ⎞ σ
σ x = ⎜⎜ ⎟⎟ = …….………………………..……… 3.6
⎝ n ⎠ n
Berdasarkan nilai x , µ, σx2 maka sebaran nilai-nilai x dapat diubah
menjadi sebaran normal baku atau sebaran Z, dengan menggunakan
rumus sebagai berikut :
x−µ
Z= …..…………………………….......…………. 3.7
σ/ n
Dengan demikian, peluang terdapatnya nilai µ diantara dua nilai (x1 dan x2)
pada taraf kepercayaan tertentu dapat dituliskan sebagai berikut :
P(x1 ≤ µ ≤ x2) = P(-Z1 ≤ µ ≤ Z2) = 1 - α ; …….......…...... 3.8
Nilai -Z1 dan Z2 dapat diperoleh dari Tabel Z atau Tabel Normal Baku
(Lampiran 1), yang masing-masing mempunyai nilai sebesar -Zα/2 dan Zα/2.
Selanjutnya, berdasarkan rumus 3.7 dan rumus 3.8 dapat
dituliskan rumus 3.9 sebagai berikut :
x−µ
P ( -Zα/2. ≤ ≤ Zα/2. ) =1- α ……….............….... 3.9
σ/ n
Untuk sejumlah unit contoh yang lebih kecil dari 30, sebaran nilai
hasil transformasi x (nilai rata-rata peubah) berdasarkan persamaan 3.7,
tidak lagi mengikuti sebaran normal baku (sebaran Z) tetapi akan
mengikuti sebaran peluang t-Student. Untuk kondisi ini, ragam populasi σ2
diganti dengan S2 dan Zα/2 harus diganti dengan tα/2. Sebaran peluang t-
student ini sangat dipengaruhi oleh jumlah unit contoh (n) yang diamati,
dan dituliskan seperti yang tertera pada Persamaan 3.10, dan selanjutnya
Persamaan 3.9 berubah menjadi persamaan 3.11.
x−µ
t= …………….......…….……………............……. 3.10
S/ n
P( X - tα / 2 σ/√n ≤ µ ≤ X + tα / 2 σ/√n) = 1 - α …........... 3.11
Teladan 3.1.
Melalui pengukuran pada 10 buah petak ukur masing-masing
dengan luas 0,1 Ha, pada suatu areal hutan yang luasnya 100 Ha,
diperoleh data volume pohon dalam setiap petak ukur sebagai berikut :
Pendugaan Proporsi
Untuk tujuan-tujuan tertantu, inventarisasi hutan sering pula
diarahkan pada penaksiran proporsi potensi-potensi khusus dari suatu
kawasan huutan beserta masyarakat yang ada di sekitarnya, misalnya :
1. Proporsi potensi jenis komersil dalam suatu hutan (baik jumlah pohon
maupun volume),
2. Proporsi atau prosebtase benih yang berkecambah dalam suatu upaya
pembibitan.
3. Proporsi atau prosentase jumlah tanaman yang mati pada suatu
kegiatatan reboasasi,
4. Proporsi masyarakat di sekitar hutan yang memiliki sifat tertentu (tingkat
pendidikan, tingkat pendapatan, tingkat kesadaran untuk mendukung
program, dan lain-lain) dalam penelitian sosial-ekonomi kehutanan.
Secara skhematis penaksiran proporsi diperlihatkan pada Gambar
3.2. Pada gambar tersebut diperlihatkan suatu populasi yang berukuran N,
dimana X anggotanya memiliki sifat khusus (sifat tertentu). Dari populasi
ini, sebanyak n anggotanya dipilih dan diamati sebagai contoh atau
pewakil, dimana x diantaranya memiliki sifat khusus atau sifat tertentu.
Dengan demikian proporsi contoh (statistik, p) dan proporsi
populasi (Parameter, π ), masing-masing dapat dihitung berdasarkan
Rumus 3.10 sedang ragam p atau σp2 dapat dihitung dengan Rumus 3.11.
p = x / n ; dan
π = X / N ; ………………………………. 3.10
σp =
2
p.q / n ; ………………………………. 3.11
dimana : q = 1 – p.
P0PUPASI
Sampling Contoh
Pendugaan
Parameter Statistik
µ, ,
π, σp p, Sp
Teladan 3.2.
Hasil perhitungan jumlah pohon dalam tegakan pada salah satu bagian
dari tegakan (yang dianggap dapat mewakili kondisi seluruh tegakan)
menunjukkan bahwa diantara 300 pohon yang berdiameter ≥50 cm, 240
pohon merupakan jenis komersil. Hitunglah taksiran proporsi pohon
komersil yang berdiameter ≥ 50 cm dalam tegakan tersebut pada taraf
kepercayaan 95%.
Penyelesaian :
p = 240/300 = 0,8
Dari Tabel Z diperoleh Zα/2 = Z0,025 = 1,96
e = Zα/2√(pq/n) = 1,96 √(0,8 x 0,2/300) = 0,045
Taksiran proporsi jumlah jenis pohon komersil berdiameter ≥50 cm untuk
tingkat populasi (π) pada taraf kepercayaan 95% adalah :
0,8 – 0,045 < π < 0,8 + 0,045, atau 0,755 < π < 0,845
Dengan kata lain, pada taraf kepercayaan 95% dapat diyakini bahwa
proporsi jumlah jenis pohon komersil berdiameter ≥50 cm dalam tegakan
yang diamati akan berkisar antara 75,5% sampai 84,5%.
D. Pengantar Metode-Metode Sampling
Sebelum membahas lebih jauh tentang penerapan metode
sampling dalam Inventarisasi Hutan, maka akan bermanfaat jika terlebih
dahulu diulas secara sepintas tentang sejumlah metode sampling yang
umum digunakan.
Berdasarkan ada / tidaknya kemungkinan bagi semua anggota
populasi untuk terpilih lebih dari satu kali, dikenal :
MODUL - 4
METODE-METODE SAMPLING
4.1. PEMILIHAN CONTOH ACAK
I. PENDAHULUAN
A. Latar Belakang
Pemilihan contoh acak (Complete Random Sampling atau Simple
Random Sampling) merupakan pemilihan contoh yang paling obyektif. Pada
pemilihan contoh acak, semua anggota populasi (atau lebih tepatnya semua
himpunan bagian dari populasi) diberi kesempatan yang sama untuk terpilih
sebagai pewakil populasi yang akan diamati untuk mendasari pendugaan sifat-
sifat dari populasi yang menjadi obyek pengamatan.
Pemilihan contoh acak juga merupakan dasar dari semua metode
sampling yang ada. Sehubungan dengan itu, pemahaman tentang sampling
acak ini akan lebih memudahkan seseorang untuk memahami metode
sampling yang lain. Modul ini berisi pembahasan tentang prinsip kerja dan
prosedur pelaksanaan sampling acak.
8 9 24 25 40 41 56 57 72 73 88 89 104 105
7 10 23 26 39 42 55 58 71 74 87 90 103 106
6 11 22 27 38 43 54 59 70 75 86 91 102 107
5 12 21 28 37 44 53 60 69 76 85 92 101 108
4 13 20 29 36 45 52 61 68 77 84 93 100 109
3 14 21 30 35 44 51 60 67 75 83 94 99 110
2 15 18 31 34 47 50 63 66 79 82 95 98 111
1 16 17 32 33 48 49 64 65 80 81 96 97 112
Gambar 4.1. Skhema penyebaran petak-petak Contoh Acak, yang ditetap-
kan melalui pemilihan nomor petak secara langsung
Jika anggota populasi (N) cukup besar, maka pemilihan nomor-nomor
petak yang akan diamati memerlukan jajaran angka yang cukup panjang.
Untuk mengatasi hal ini, maka pemilihan petak contoh dilakukan dengan dua
tahap, yaitu masing-masing satu kali untuk pemilihan nomor absis dan satu
kali untuk pemilihan nomor ordinat (lihat Gambar 4.2 ).
Misalkan untuk pemilihan nomor absis diperoleh angka acak sebagai
berikut : 4750469302947665594027, dan seterusnya. Sedangkan untuk
pemilihan nomor ordinat diperoleh angka-angka acak sebagai berikut :
69285245863, dan seterusnya.
Tabel 4.1. Hasil Konversi angka acak menjadi koordinat petak-petak contoh
Angka Acak Hasil Konversi Angka Acak Koordinat
No
Absis Ordinat Absis Ordinat Petak Contoh
1. 47 6 5 6 5 , 6
2. 50 9 8 1 8 , 1
3. 46 2 4 2 4 , 2
4. 93 8 9 8 9 , 8
5. 02 5 2 5 2 , 5
6. 94 2 10 2 10 , 2
7. 76 4 6 4 6 , 4
8. 65 5 9 5 9 , 5
9. 59 8 3 8 3 , 8
10. 40 6 12 6 12 , 6
11. 27 3 13 3 13 , 3
Berhubung karena angka terbesar dari nomor absis terdiri dari dua
digit, yaitu 14, maka angka acak untuk pemilihan nomor absis dikelompokan
menjadi angka-angka yang terdiri dari dua digit. Di lain pihak, angka-angka
acak untuk pemilihan nomor ordinat secara langsung dapat digunakan (satu
digit) oleh karena nomor terbesar dari ordinat terdiri dari satu digit, yaitu 8.
Dengan demikian, angka-angka acak yang terpilih dapat dikonversi
menjadi nomor-nomor petak contoh, seperti yang terdapat pada Tabel 5.1.
Ordinat
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Absis
Gambar 4.2. Skhema penyebaran petak-petak Contoh Acak, yang ditetapkan
melalui pemilihan absis dan ordinat petak
Uraian di atas menunjukkan bahwa untuk penerapan sampling
khususnya dalam inventarisasi hutan, diperlukan suatu peta kerja yang
menggambarkan areal hutan yang akan diinventarisasi. Secara teoritis peta ini
harus dibagi ke dalam petak-petak yang luasnya sama dengan satuan petak
contoh yang akan diamati. Untuk areal hutan yang tidak terlalu luas hal ini
dapat dilakukan, namun untuk areal hutan yang luas, hal ini sulit dilakukan.
Sebagai contoh, jika luas hutan yang akan diinventarisasi adalah 10.000 Ha,
dan luas petak pengamatan adalah 0,1 Ha maka petak-petak yang ada dalam
hutan termaksud (yang juga merupakan ukuran populasi, N) berjumlah
100.000 unit.
Pembuatan 100.000 unit petak di atas sebuah peta kerja bukanlah
merupakan suatu hal yang gampang dan kalaupun peta kerja tersebut dapat
B. Analisis Data
Setelah unit-unit contoh terpilih diplotkan atau diproyeksikan di atas
peta kerja, maka pelaksana (surveyors ata cruisers) berangkat ke lapangan
untuk melaksanakan pengukuran. Faktor-faktor yang diukur secara langsung
adalah diameter (d) dan tinggi pohon (t), sedang volume pohon (V) dihitung
dengan menggunakan rumus : V = ¼π d2tf, dimana f adalah angka bentuk
pohon yang dalam hal ini sering digunakan angka 0,7.
Jika satuan pengamatan adalah pohon, maka analisis diarahkan pada
pehitungan volume rata-rata per pohon, beserta jumlah volume semua pohon.
Namun, secara umum inventarisasi hutan lebih banyak diarahkan pada
perhitungan :
1. Volume rata-rata tegakan per petak ukur,
2. Volume rata-rata tegakan per satuan luas (dalam hal ini per Ha), dan
3. Volume total tegakan.
Berkaitan dengan tujuan termaksud di atas, maka hasil pengukuran
pada setiap unit pengamatan biasanya disajikan dalam bentuk volume rata-
rata per satuan pengukuran, yang juga dilengkapi dengan ukuran
keragamannya, yaitu S2 (ragam) atau S (simpangan baku).
Teladan 4.1.
Rekapitulasi hasil perhitungan volume tegakan yang diperoleh melalui
pengukuran 15 satuan pengamatan masing-masing seluas 0,1 Ha adalah
sebagai berikut :
SV S n
Galat baku (Standar error), = (1 − )
n N
SV 1,727 15
Galat baku (Standar error), = (1 − ) = 0,446
15 10.000
Teladan 4.2.
Suatu tegakan yang mempunyai lebar searah kontur 1,0 km, akan
diinventarisasi dengan intensitas sampling sebesar 2%. Berapa banyak
satuan contoh dalam bentuk jalur yang harus diamati, jika jalur-jalur contoh
yang dimaksudkan mempunyai lebar 20 meter. (Catatan tambahan untuk
diingat : arah jalur-jalur dalam inventarisasi hutan biasanya diupayakan tegak
lurus pada arah garis kontur yang dominan).
Jawab : Jumlah anggota populasi, N = 5 km : 20 m = 5.000/20 = 250 jalur
Jadi jumlah jalur contoh, n = 2% x 250 jalur = 5 jalur.
Teladan 4.3
Hitunglah taksiran potensi tegakan (volume rata-rata per Ha dan volume total
tegakan) yang termaksud pada Teladan 4.2 , jika panjang setiap jalur ukur dan
rekapitulasi hasil perhitungan volume per jalur ukur adalah sebagai berikut :
No. Jalur 1 2 3 4 5
Panjang Jalur (km) 2,1 2,0 1,7 1,9 1,8
Volume (m3) 174,72 147,60 162,52 133,76 163,44
Penyelesaian :
Untuk mengetahui volume rata-rata per Ha maka terlebih dahulu perlu
dihitung luas setiap jalur (panjang jalur x lebar jalur). Hasil perhitungan adalah
sebagai beriku :
1 2 ⎡ S y S x2 2Sxy ⎤
2
3. Simpangan baku, S = v ⎢ + + ⎥
n − 1 ⎣⎢ y 2 x 2 x. y ⎦⎥
= √ (7,9259) = 2,815
S n 2,815 5
4. Galat baku, SV = (1 − = (1 − ) = 1,246
n N 5 250
Untuk populasi tidak terbatas, dimana n/N relatif kecil sehingga faktor
koreksi populasi terbatas menjadi tidak berpengaruh, rumus perhitungan n
menjadi lebih sederhana, yang dapat dituliskan sebagai berikut :
2
Sv
2
t 2 Sv
b 2
=t 2
Æ n= 2
n b
Jika jumlah contoh untuk populasi tidak terbatas dilambangkan
dengan no, maka jumlah contoh untuk populasi terbatas dapat diperoleh
dengan rumus : n = n0
1 + n0/N
Teladan 4.4.
Jika pengamatan pada Teladan 4.1. baru merupakan sampling
pendahuluan (untuk mengetahui tingkat keragaman populasi), maka
berapakah jumlah contoh yang harus diambil supaya kesalahan pengambilan
contohnya tidak lebih dari 10%.
Penyelesaian : Dari teladan 4.1. diperoleh bahwa :
v = 5,36 m3 per petak ukur
Volume rata-rata,
Simpangan baku, S v = 1,727 m3 per petak ukur
b% = 10%; b = 10% x 5,36 = 0,536 m3
n = (t 2 S v ) / b 2
2
= (2,14 2 + 1,727) / 0,536 2 = 27 buah
Jadi untuk mendapatkan tingkat kesalahan yang tidak lebih dari 10%
dalam penaksiran potensi tegakan yang dimaksudkan pada Teladan di atas,
diperlukan jumlah satuan contoh (satuan pengamatan) minimal sebanyak 27
petak ukur.
D. Tugas Latihan
a. Hitunglah taksiran volume rata-rata tegakan per petak ukur pada taraf
kepercayaan 95%
b. Hitunglah taksiran volume rata-rata tegakan per Ha pada taraf
kepercayaan 95%
c. Hitunglah taksiran volume total jika intensitas sampling sebesar 2%.
No. Jalur 1 2 3 4 5
9 16,6 15,9 10,0 11,7 13,0 10,2 11,0 25,8 17,3 24,7 22,3 55,1 55,3 64,8 61,1
8 24,1 11,0 19,0 12,1 25,7 17,3 25,5 14,9 20,0 16,1 58,3 59,0 59,3 54,0 57,4
7 15,9 14,0 27,7 26,6 26,3 26,7 21,4 16,7 13,0 10,4 60,8 52,7 53,1 62,8 54,1
6 29,7 14,8 13,0 19,0 22,3 84,6 81,3 93,4 80,2 92,0 56,3 58,9 52,9 59,2 57,3
5 29,2 20,8 14,3 24,4 18,3 84,5 86,8 85,3 87,8 91,0 60,4 60,3 52,6 54,2 51,5
4 18,6 24,3 15,2 17,9 11,4 93,4 84,9 88,9 90,1 94,6 88,9 90,3 90,1 91,5 94,7
3 29,5 17,2 24,3 16,4 16,0 90,8 90,4 94,0 80,5 81,2 85,7 87,1 87,8 89,6 91,3
2 24,3 15,6 24,4 13,9 15,2 92,6 93,7 88,2 88,7 86,9 87,0 83,0 90,9 87,4 80,5
1 20,8 20,2 24,8 28,0 25,8 87,3 92,6 88,5 95,0 90,3 91,0 94,3 92,8 89,5 87,1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
IV. PENUTUP
Modul ini diharapkan dapat menjadi acuan bagi pembelajar dan
mahasiswa untuk melakukan penelusuran berbagai sumber belajar, yang
terkait dengan inventarisasi hutan, khususnya yang terkait sampling acak, baik
dalam bentuk Buku teks, Dokumen-dokumen atau Laporan hasil penelitian,
Internet ataupun sumber-sumber lain. Dengan mengacu pada modul ini maka
proses pembelajaran diharapkan dapat berjalan secara efisien dan efektif
melalui peran aktif dari semua pihak terkait, khususnya mahasiswa.
MODUL - 4
METODE-METODE SAMPLING
4.2. PEMILIHAN CONTOH SISTEMATIK
I. PENDAHULUAN
A. Latar Belakang
Pemilihan contoh sistematik (Systematik Sampling) adalah pemilihan
contoh dengan penyebaran unit-unit contoh yang berpola teratur atau
sistematik. Pada sampling sistematik ini, semua anggota populasi (atau
lebih tepatnya semua himpunan bagian dari populasi) tidak mempunyai
kesempatan yang sama untuk terpilih sebagai contoh (pewakil populasi)
yang diamati untuk mendasari pendugaan sifat-sifat populasi.
Hal ini terjadi oleh karena hanya unit contoh pertama yang dipilih
secara acak (Systematic Sampling with Random Start), sedang pemilihan unit
contoh kedua dan seterusnya ditentukan pada interval tertentu dari unit
contoh sebelumnya. Penyebaran unit contoh yang berpola sistematik
menyebabkan sampling sistematik, secara umum, lebih praktis
dilaksanakan di lapangan. Modul ini berisi pembahasan tentang prinsip
kerja dan prosedur pelaksanaan sampling sistematik.
II II II II II 6
II II II II II 5
II II II II II 4
I I I I I 3
I I I I I 2
I I I I I 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Gambar 4.4. Skhema Penyebaran Petak-Petak Contoh Sistematik.
Jika seandainya nomor yang terpilih adalah nomor 18, 33, 48, 63,
78, 93, 108, dan terakhir nomor 123. Namun jika penomoran yang demikian
ini dilakukan tanpa memperhatikan tata letak satuan-satuan pengukuran
dengan bantuan peta atau sketsa, maka ada kemungkinan bahwa dalam
B. Analisis Data
Metode yang digunakan untuk menganalisis data hasil pengukuran
melalui sampling sistematik, dapat mengikuti metode yang digunakan pada
sampling acak. Tahapan-tahapan adalah sebagai berikut :
C. Tugas Latihan
1. Jelaskan secara ringkas prosedur pemilihan satuan pengamatan dalam
sampling sistematik.
2. Dibanding dengan sampling acak, apakah kelebihan dari sampling
sistematik ini. Apa pula kelemahannya. Jelaskan jawaban saudara
secara singkat.
3. Gambar L4-2 menunjukkan penyebaran potensi suatu kawasan hutan
hipotetis, dimana angka-angka di dalam setiap kotak menunjukkan
volume (dalam m3/Ha).
a. Pilihlah contoh sistematik dari polulasi termaksud dengan intensitas
samping 10%
b. Hitunglah volume rata-rata tegakan berdasarkan contoh yang terpilih
c. Buatlah taksiran volume rata-rata untuk seluruh tegakan pada taraf
kepercayaan 95%
d. Buatlah taksiran volume total tegakan pada taraf kepercayaan 95%
11 16,6 15,9 10,0 11,7 13,0 10,2 11,0 25,8 17,3 24,7 22,3 55,1 55,3 64,8 61,1
10 24,1 11,0 19,0 12,1 25,7 17,3 25,5 14,9 20,0 16,1 58,3 59,0 59,3 54,0 57,4
9 15,9 14,0 27,7 26,6 26,3 26,7 27,4 16,7 13,0 10,4 60,8 52,7 53,1 62,8 54.1
8 29,7 14,8 13,0 19,0 22,3 84,6 81,3 93,4 80,2 92,0 56,3 58,9 52,9 59,2 57,3
7 29,2 20,8 14,3 24,4 18,3 84,5 86,8 85,3 87,8 91,0 60,4 60,3 52,6 54,2 51,5
6 18,6 24,3 15,2 17,9 11,4 93,4 84,9 88,9 90,1 94,6 88,9 90,3 90,1 91,5 94,7
5 29,5 17,2 24,3 16,4 16,0 90,8 90,4 94,0 80,5 81,2 85,7 87,1 87,8 89,6 91,3
4 24,3 15,6 24,4 13,9 15,2 92,6 93,7 88,2 88,7 86,9 87,0 83,0 90,9 87,4 80,5
3 20,8 20,2 24,8 28,0 25,8 87,3 92,6 88,5 95,0 90,3 91,0 94,3 92,8 89,5 87,1
2 16,4 24,6 12,4 22,9 26,2 81,6 84,7 97,2 99,7 95,9 98,0 92,0 81,9 96,4 91,5
1 18,1 10,2 18,8 17,0 15,8 96,3 83,6 99,5 86,0 82,3 85,0 83,3 86,8 99,5 97,1
j
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Æ
Gambar L4-2. Sebaran Potensi Sebuah Tegakan Hipotesis
MODUL - 4
METODE-METODE SAMPLING
4.3. PEMILIHAN CONTOH STRATIFIKASI
I. PENDAHULUAN
A. Latar Belakang
Pemilihan contoh stratifikasi (Stratified Sampling) adalah pesanding
atau ‘lawan’ dari pemilihan contoh sederhana (simple sampling). Pada
sampling stratifikasi ini, pemilihan unit-unit contoh didahului pembagian
populasi ke dalam sub-sub populasi. Sub-sub populasi ini disebut sebagai
strata dan proses pembagian populasi ke dalam sub-sub populasi disebut
stratifikasi. Dengan demikian, sampling stratifikasi adalah pemilihan contoh
yang didahului dengan stratifikasi populasi, yang umumnya diberlakukan
pada populasi-populasi yang heterogen atau populasi-populasi yang
memiliki batas-batas antar sub populasi yang jelas. Stratifikasi dimaksudkan
untuk : (1) meningkatkan ketelitian sampling, (2) memperoleh informasi
tentang sifat-sifat sub-populasi disamping sifat-sifat populasi secara
keseluruhan.
Setelah stratifikasi, pemilihan unit-unit contoh (pewakil populasi)
dapat dilakukan secara acak (Stratified Random Sampling) ataupun secara
sistematik (Stratified Systematic Sampling. Modul ini berisi pembahasan tentang
prinsip kerja dan prosedur pelaksanaan sampling stratifikasi.
N i S i / ci
ni = n …...................……………….....…………. 4.4
∑N S i i / ci
N 3S3 14 .700
n3 = n= 120 = 47 , 2 ≈ 47 satuan
∑ N i S i 37 .350
Demikian pula halnya untuk alokasi optimum dengan biaya penarikan
contoh yang bervariasi, dapat dihitung jumlah contoh untuk setiap stratum
(ni) sebagai berikut :
Σ (Ni.Si/√ci) = (570 x 20) /√20000 + (450 x 25) /√15000 + (980 x 15)/ √10000
= 11.400 + 11.250 + 14.700 = 37.350
N 1 S1 / c1 80,6102
n1 = n= 120 = 30,28 ≈ 30 satuan
∑N S i i / ci 319,466
N 2 S 2 / c2 91,8558
n2 = n= 120 = 34,50 ≈ 35 satuan
∑N S i i / ci 319,466
N 3 S 3 / c3 147,000
n3 = n= 120 = 55,22 ≈ 55 satuan
∑N S i i / ci 319,466
B. Analisis Data
Analisis data yang diperoleh melalui sampling stratifikasi, yang biasa
pula disebut sampling berlapis, pada dasarnya juga diawali dengan
perhituingan nilai rata-rata dan ragam atau simpangan baku. Tahapan-
tahapannya adalah sebagai berikut :
1. Rekapitulasi data dan perhitungan nilai rata-rata (khususnya volume)
beserta ragam (S2) atau simpangan baku (S). Perhitungan dilakukan
secara terpisah untuk masing-masing stratum, sehingga diperoleh :
¾ Nilai rata-rata untuk setiap stratum , Vi
¾ Nilai ragam (Si2) dan simpangan baku (Si) untuk setiap stratum
VSt =
∑N v
; dimana N = ∑ N i ........................
i i
4.5
N
Perhitungan galat baku nilai taksiran dengan rumus :
1 ⎧ N i2 S i ⎛ n ⎞⎫
S v.st =
N2
∑⎨ n ⎜⎜1 − i ⎟⎟⎬ ............................ 4.6
⎩ i ⎝ N i ⎠⎭
3. Penaksiran nilai rata-rata dan nilai total populasi dihitung dengan rumus
sebagai berikut :
µst = Vst ± t. Sv.st .............................. 4.7
Teladan 4.5
Hasil pengamatan pada suatu tegakan yang terdiri dari tiga strata
(hutan Mahoni, Pinus dan Akasia), pada sejumlah petak ukur dengan luas
0,04 Ha adalah sebagai berikut :
Lapisan/ Luas Stratum Data Pengamatan (m3/0,04 Ha)
Stratum
I 240 Ha 7,1 8,0 6,0 7,2 6,4 7,4 5,4 7,5 9,8 8,8
II 460 Ha 6,5 8,9 9,6 10,5 7,9 9,5 11,2 10,1 10,8 7,3
III 500 Ha 5,3 2,6 3,6 4,4 6,8 2,3 3,3 4,0 3,4 2,5
1
Vi = (ΣVi) / n ; S12 = { Σ V12 - (ΣVi )2 / n }
n −1
Vi = 73,6 / 10 = 7,36 S12 = {556,86 – 736,62 / 10 }/ 9 = 1,685
Vi = 92,3 / 10 = 9,23 S12 = {873,91 – 92,32 / 10 }/ 9 = 2,442
Vi = 38,2 / 10 = 3,82 S12 = {163,40 – 38,22 / 10 }/ 9 = 1,942
V st =
∑N i vi
=
(240 × 7 ,36 ) + (460 × 9 , 23 ) + (500 × 3,82 )
N 240 + 460 + 500
= 7922,2 / 1200 = 6,60 m3 per petak ukur
1 N i2 S i2 ⎛ n ⎞
S v.st =
N2
∑ n ⎜⎜1 − Ni ⎟⎟
i ⎝ i ⎠
N 1 S1 ⎛
2 2
n1 ⎞ 240 2 × 1,685
∑ N 2 n ⎜ N ⎟⎟ = 1200 2 × 10 × 1 = 0,0067
⎜ 1 −
1 ⎝ 1 ⎠
N 22 S 22 ⎛ n2 ⎞ 460 2 × 2,442
∑ N 2 n ⎜ N ⎟⎟ = 1200 2 × 10 × 1 = 0,0359
⎜ 1 −
2 ⎝ 2 ⎠
N 3 S3 ⎛
2 2
n3 ⎞ 500 2 × 1,942
∑ N 2 n ⎜ N ⎟⎟ = 1200 2 × 10 × 1 = 0,0337
⎜ 1 −
3 ⎝ 3 ⎠
Catatan : N1, N2, N3, dan N, seharusnya Luas Areal dibagi Luas Petak
Ukur. Namun karena koversi tersebut akan berpengaruh sama
terhadap pembilang dan penyebut, maka pada perhitungan di
atas tidak dilakukan konversi.
Berhubung karena nilai n/N sangat kecil maka faktor koreksi
populasi terbatas (1 - n/N) akan mempunyai nilai ≈ 1.
S2 =
1
n −1
∑ [ 2
]
Vi 2 − (∑ Vi ) / n = {1594,17 – 204,12/30} = 7,09
S n 7,09
Sv = 1− = = 0,486
n N 30
Kesalahan Pengambilan Contoh, Se = 2,04 x 0,486 = 0,991
( 2,04 adalah nilai ttabel pada taraf nyata 0,05 dan derajat bebas 29 )
5. Taksiran volume total tegakan, yaitu untuk areal seluas 1200 Ha adalah
sebagai berikut :
Vtotal = (1200/0,04) x ( 6,8 ± 0,991 ) m3
(204.000 ± 29.730 ) m3
atau ( 174.270 ≤ Vtotal ≤ 233.730 ) m3
1 ⎧ N i2 S12 ⎛ n ⎞⎫
dimana : S v.st =
N2
∑⎨ n ⎜⎜1 − i ⎟⎟⎬
⎩ i ⎝ N i ⎠⎭
dengan demikian :
⎧ N i2 .S i2 ⎛
1 n ⎞⎫
b2 = t 2 ∑ ⎨ n ⎜⎜1 − Ni ⎟⎟⎬
N2
⎩ i ⎝ i ⎠⎭
2 2 2 2
N .b N .S
2
= ∑ i i − ∑ N i .S i2
t ni
N i2 .S i2 N 2 .b 2
∑ ni
=
t 2
− ∑ N i .S i2
t 2 .N i2 .S i2
∑ n / L = N 2 .b 2 − t 2 ∑ N i .S i2 ……………….....…………… 4.8
Untuk alokasi sama rata, persamaan 7.8 menjadi :
t 2 N i2 S i2
∑ n / L = N2.b2 - t2 Σ (Ni.Si2)
( L/n ) . Σ (t2.Ni2.Si2) = N2.b2 - t2 Σ(Ni.Si2)
L. t2 . Σ (Ni2.Si2)
n = ; …………………............……… 4.9
N2. b2 - t2 Σ (Ni.Si2)
t2.N. Σ(Ni2.Si2)
n = ; ……………………………… 4.10
N2.b2 - t2 Σ(Ni.Si2)
t2.Ni2.Si2
Σ = N2.b2 - t2 Σ (Ni.Si2)
n.Ni.Si / Σ(Ni.Si2)
t2 . Σ (Ni.Si)2
n = ; …….............……….....…………… 4.11
N2.b2 - t2Σ(Ni.Si2)
Jika nilai n/N cukup kecil, maka faktor penyebut untuk keempat
persamaan di atas (persamaan 7.9 sampai 7.12) menjadi lebih sederhana
yaitu hanya N2b2 saja, karena unsur bagian kanan yang menjadi faktor
pengurang akan mempunyai nilai yang mendekati 0.
18,6 19,2 23,3 10,8 16,4 27,8 11,9 18,5 21,5 16,2 58,2 61,1 57,2 63,5 62,0 1
16,6 15,9 10,0 11,7 13,0 10,2 11,0 25,8 17,3 24,7 22,3 55,1 55,3 64,8 61,1 2
24,1 11,0 19,0 12,1 25,7 17,3 25,5 14,9 20,0 16,1 58,3 59,0 59,3 54,0 57,4 3
15,9 14,0 27,7 26,6 26,3 26,7 21,4 16,7 13,0 10,4 60,8 52,7 53,1 62,8 54,1 4
29,7 14,8 13,0 19,0 22,3 84,6 81,3 93,4 80,2 92,0 56,3 58,9 52,9 59,2 57,3 5
29,2 20,8 14,3 24,4 18,3 84,5 86,8 85,3 87,8 91,0 60,4 60,3 52,6 54,2 51,5 6
18,6 24,3 15,2 17,9 11,4 93,4 84,9 88,9 90,1 94,6 88,9 90,3 90,1 91,5 94,7 7
29,5 17,2 24,3 16,4 16,0 90,8 90,4 94,0 80,5 81,2 85,7 87,1 87,8 89,6 91,3 8
24,3 15,6 24,4 13,9 15,2 92,6 93,7 88,2 88,7 86,9 87,0 83,0 90,9 87,4 80,5 9
20,8 20,2 24,8 28,0 25,8 87,3 92,6 88,5 95,0 90,3 91,0 94,3 92,8 89,5 87,1 10
16,4 24,6 12,4 22,9 26,2 81,6 84,7 97,2 99,7 95,9 98,0 92,0 81,9 96,4 91,5 11
18,1 10,2 11,8 17,0 15,8 96,3 83,6 99,5 86,0 82,3 85,0 83,3 86,8 99,5 97,1 12
1 2 3 4 5 6 7 8 9 10 12 13 14 15 16
Gambar L4-3. Pola Penyebaran Potensi Suatu Tegakan Hipotesis
IV. PENUTUP
Modul ini diharapkan dapat menjadi acuan bagi pembelajar dan
mahasiswa untuk melakukan penelusuran berbagai sumber belajar yang
terkait dengan inventarisasi hutan, khususnya yang terkait dengan
pengambilan contoh stratifikasi beserta penerapannya dalam inventarisasi
hutan, baik dalam bentuk Buku teks, Dokumen-dokumen atau Laporan hasil
penelitian, Internet ataupun sumber-sumber lain. Dengan mengacu pada
modul ini maka proses pembelajaran diharapkan dapat berjalan secara
efisien dan efektif melalui peran aktif dari semua pihak terkait, khususnya
para pembelajar.
MODUL - 4
METODE-METODE SAMPLING
4.4. PEMILIHAN CONTOH BERGANDA
I. PENDAHULUAN
A. Latar Belakang
Pemilihan contoh berganda (Double Sampling) atau sampling dua
tahap merupakan salah satu pemilihan contoh yang mencoba memak-
simalkan penerapan ilmu statistika, khususnya melalui pemanfaatan
hubungan fungsional ataupun hubungan korelasional antara peubah-peubah
(variabel-variabel) yang datanya tersedia, baik berupa data hasil
pengamatan sendiri, maupun data yang disediakan oleh pihak lain.
Pemanfaatan hubungan yang dimaksudkan di atas, bertujuan untuk
meningkatkan efisiensi pelaksanaan sampling, baik dari segi waktu maupun
dari segi biaya, tanpa harus mengorbankan tingkat ketelitian sampling.
Efisiensi termaksud dimungkinkan dicapai oleh karena ‘peubah’ yang menjadi
indikator sifat populasi yang ingin diketahui dan biasanya lebih sulit diukur (diamati)
dapat dipermudah dengan mendekatinya melalui pengamatan ‘peubah lain’
yang lebih mudah diukur, sepanjang kedua pubah tersebut memiliki hubungan
yang nyata. Modul ini berisi pembahasan tentang prinsip kerja dan prosedur
pelaksanaan sampling berganda.
B. Analisis Data
Analisis data yang diperoleh melalui sampling berganda pada
dasarnya juga diarahkan pada perhitungan ukuran keragaman populasi dan
kesalahan baku atau galat baku, disamping nilai tengahnya. Nilai-nilai hasil
perhitungan ini selanjutnya diapaki untuk menaksir nilai tengah populasi.
; .............................. 4.15
Dimana : JHKXY adalah jumlah hasil kali X dan Y, yang juga sering
dituliskan sebagai SPxy
JKX adalah jumlah kuadrat X yang juga sering dituliskan
sebagai SSx.
1 Xn Xm 2 SY2
2 1 1 .............. 4.16
SY2
1 2 ................................................... 4.17
2
² ∑ ∑ ∑ / ² ²
∑ 2 ∑ ∑ 2 ∑ 2 2
²/ ²/
Teladan 4.6.
Hasil invenarisasi 5 tahun yang lalu pada suatu kawasan hutan yang
luasnya 300 Ha melalui pengukuran 60 petak ukur msing-masing dengan
luas 0,1 Ha menunjukkan bahwa volume rata-rata petak ukur adalah 10,4
m3. Dari 60 petak ukur contoh tersebut diatas dipilih 20 petak dan
Ditanyakan :
a. Volume rata-rata tegakan pada saat pengukuran kedua berdasarkan data
pada tabel diatas.
b. Selang taksiran bagi volume rata-rata yang termaksud pada butir (a)
untuk taraf kepercayaan 95%.
c. Bandingkan selang taksiran pada butir (b) dengan selang taksiran jika
tidak ada inventarisasi lima tahun yang lalu.
Penyelesaian :
Dari data di atas siperoleh dari : m = 20, n = 60, dan N = 3.000
Σxm = 201,3 Xm = 10,065 Xn = 10,4 Σxy = 2683,47
Σym = 253,7 Ym = 12,685 Σym2 = 3395,77 Σxm2 = 229,43
JKX = Σxm2 - (Σxm)2 / m = 2129,43 - 201,32 / 20 = 103,3455
JKY = Σym2 - (Σym)2 / m = 3395,77 - 253,72 / 20 = 177,5855
JHKXY = Σxy - (ΣxΣy) / m = 2683,47 - (201,3 x 253,7) / 20 = 29,9795
Sy2 = JKY / (m -1) = 177,5855 / 19 = 9,347
Sx2 = JKX / (m -1) = 103,3455 / 19 = 5,439
Syx2 = [ JKY – (JHKXY)2 / JKX ] / (m–2)
= [177,5855 – {129,9795}2 / 103,3455] / 18 = 0,7838
129,9795
1 1,257
103,3455
2
1 SY2
1 1
0,1805 = 0,4248
Jadi selang taksiran pada taraf kepercayaan 95% bagi potensi tegakan pada
saat pengukuran kedua adalah :
µy = Yn ± t. Syn = (13,106 ± 2,09 x 0,4248) m3 per petak ukur,
atau 12,218 m3 ≤ (µy per petak ukur) ≤ 13,994 m3
Sehingga selang taksiran potensi tegakan rata-rata per hektar adalah :
(122,18 m3 ≤ µy per Ha ≤ 139,94 m3)
Jika penaksiran pada pengukuran kedua dilakukan tanpa memanfaatkan
informasi pengukuran pertama maka diperoleh :
2
12,685 / 9,347/20 0,648
Dengan demikian selang taksiran pada taraf kepercayaan 95% bagi potensi
tegakan pada saat pengukuran kedua adalah :
3
12,685 2,09 0,684
atau 11,255 m3 ≤ (µy per petak ukur) ≤ 14,115 m3
Dengan demikian selang taksiran potensi tegakan rata-rata per Ha adalah :
112,55 m3 ≤ µy per Ha ≤ 141,15 m3
Besarnya kesalahan pengambilan contoh jika inormasi pengukuran
pertama dimanfaatkan adalah : 2,09 x 0,1344 = 0,28 m3 per petak atau
2,14%. Sedang apabila informasi tersebut tidak dimanfaatkan nilai
kesalahan pengambilan contoh yang mungkin terjadi adalah 2,09 x 0,684
atau 1,430 m3 per petak atau 11,27%.
∂n n
∂Z 1 λ
= C 2 − 2 ⋅ Sy ⋅ λ + 2 ⋅ Sy ⋅ r 2 = 0 ; dan
2 2
∂m m m
∂Z 1 1 1
= ⋅ Sy - ⋅ S y ⋅ r 2 - ⋅ S y ⋅ r 2 − E = 0
2 2 2
∂λ m m n
Berdasarkan ketiga persamaan di atas dapat diperoleh nilai n dan m,
masing-masing dengan rumus sebagai berikut :
n=
Sy ⋅ r 2 + Sy
2 2
{(c 1 (
c2 )⋅ r 2 ⋅ 1 − r 2 )}
E
m=
(
Sy 1 − r + Sy
2 2
) 2
{(c 1 (
c2 )⋅ r 2 ⋅ 1 − r 2 )}
E
n = Jumlah unit contoh pada pengambilan contoh tahap pertama
n =
Sy ⋅ r 2 + Sy
2 2
{(c 1 (
c2 )⋅ r 2 ⋅ 1 − r 2 )}
E
n=
{
9,347 ⋅ 0,9206 + (8 × 0,9206 × 0,0794)}
= 157,5 = 158
0,1
m=
(
Sy 1 − r 2 + Sy
2
) 2
{(c 1 (
c2 )⋅ r 2 ⋅ 1 − r 2 )}
E
m=
{
9,347 ⋅ 0,0794 + (0,2 × 0,9206 × 0,0794)}
= 18,7 = 19
0,1
Ditanyakan:
a. Volume rata-rata pohon berdasarkan data pada tabel diatas.
b. Selang taksiran bagi volume rata-rata pohon pada butir (a) untuk taraf
kepercayaan 95%.
c. Bandingkan selang taksiran pad butir (b) dengan selang taksiran volume
jika tidak ada informasi tentang diameter tajuk.
IV. PENUTUP
Modul ini diharapkan dapat menjadi acuan bagi pembelajar dan
mahasiswa untuk melakukan penelusuran berbagai sumber belajar, yang
terkait dengan inventarisasi hutan, khususnya yang terkait dengan pemilihan
contoh berganda beserta penerapannya dalam inventarisasi hutan, baik
dalam bentuk Buku teks, Dokumen-dokumen atau Laporan hasil penelitian,
Internet ataupun sumber-sumber lain. Dengan mengacu pada modul ini
maka proses pembelajaran diharapkan dapat berjalan secara efisien dan
efektif melalui peran aktif dari semua pihak terkait, khususnya mahasiswa.
MODUL - 5
TABEL VOLUME DAN PENGGUNAANNYA
I. PENDAHULUAN
A. Latar Belakang
Tabel volume (Volume Table) merupakan suatu alat bantu yang
digunakan dalam pengolahan data hasil inventarisasi. Tabel volume adalah
tabel yang menyajikan nilai-nilai volume pohon yang sesuai dengan
diameter dan tinggi pohonnya. Nilai-nilai volume pohon tersebut diperoleh
berdasarkan suatu fungsi volume yaitu fungsi yang menyatakan hubungan
antara volume dengan diameter dan tinggi pohon. Dipahami pula bahwa
fungsi volume termaksud secara implisit telah mengakomodir adanya
perbedaan angka bentuk (faktor bentuk) diantara pohon-pohon, khususnya
yang memiliki nilai diameter dan atau nilai tinggi yang berbeda.
Dengan dukungan peralatan komputer yang sudah sangat meluas
saat ini, tabel volume dalam bentuk fisik mungkin tidak terlalu diperlukan
lagi, tetapi cukup dalam bentuk fungsi volumenya saja. Nilai volume dan
bahkan hasil rekapitulasinya dapat langsung dan mudah diperoleh dengan
meng-input fungsi volume dan data diameter dan tinggi pohon ke dalam
komputer. Namun untuk kepentingan pembelajaran masih tetap dinilai
penting untuk menyajikan Tabel Volume melalui modul ini, termasuk prinsip
kerja serta prosedur dan persyaratan-persyaratan penyusunannya.
Penulis /
No. Persamaan
Pengguna
1. V = bo Db1 ; …….....…………………….... Berkhout
2. Log V = bo + b1 log D ; …….....…………. …... Berkhout
3. V = bo + b1 D2 ; ………….....…………..... Kopezky-Gehrhart
4. V = bo + b1 D + b2 D2 ; …….....…………..... Hohenadl-Krenn
5. V = b1 D2 H; ……………...……………........ S p u r r
6. V = bo + b1 D2 T ; …………………………... S p u r r
7. Log V = bo + b1 log (D2 T) ; ………......……..... S p u r r
8. V = (bo + b1 T). D2 ; …………….....……... Ogaya
2 2
9. V = bo + b1 D + b2 D T + b3T; ….....……. Stoate
10. V = D2 H / (bo + b1 D) ; ………….....……. Takata
11. V = b1 D2 + b2 D2 T + b3 DT2 + b4 T2; …...… Naslud
12. V = bo + b1 D + b2 D T + b3 D2 + b4 D2T; ..... Meyer
13. Log V = bo + b1 log D + b2 log T) ; ................ Schumacher
⎡ n Σxi ⎤ ⎡bo ⎤ ⎡ Σy i ⎤
⎢Σx Σx 2 ⎥ ⎢ b ⎥ = ⎢Σx y ⎥
⎣ i i ⎦ ⎣ 1⎦ ⎣ i i⎦
−1
⎡ n Σx i ⎤ ⎡ Σy i ⎤ ⎡ Σxi − Σxi ⎤ ⎡ Σy i ⎤
2
⎡bo ⎤
⎢ b ⎥ = ⎢ Σx Σx 2 ⎥ ⎢Σ x y ⎥ = ⎢ ⎥⎢ ⎥
⎣ 1⎦ ⎣ i i ⎦ ⎣ i i ⎦ ⎣− Σxi n ⎦ ⎣Σx i y i ⎦
nΣxi y i − Σxi Σy i Σx i y i − Σx i Σy i / n
b1 = 2
= 2
= JHK(xy) / JK(x)
nΣ x i − ( Σ x i ) 2
Σxi − (Σxi ) 2 / n
Σxi Σy i − Σxi Σxi y i Σx i Σy i / n − Σx i Σx i y i / n
bo = 2
= 2
nΣxi − (Σxi ) 2
nΣxi − (Σxi ) 2 / n
2
y.Σxi − y.(Σxi ) 2 / n + x.(Σxi ) 2 / n − x.Σxi y i
bo = 2
nΣ x i − ( Σ x i ) 2 / n
2
y.{Σxi − (Σxi ) 2 / n} + x.(Σxi ) 2 / n − x.Σxi y i
bo = 2
nΣ x i − ( Σ x i ) 2 / n
bo = y − b1 x
Dengan cara yang sama , maka untuk model regresi berganda, yang
memiliki dua peubah bebas dengan model popuilasi dan model contoh :
Model Populasi : Yi = βo + β1 X1i + β2 X2i + εi ; dan
model contoh : Yi = bo + b1 x1i + b2 x2i + εi ; atau
sehingga : ℮i = yi – (bo + b1x2i+ b2 x2i);
KT (Regresi)
=
KT ( Sisa )
dimana : JK = Jumlah Kuadrat dan db = derajat bebas
KT = Kuadrat Tengah atau Ragam = JK / db
db(Regresi) = jumlah peubah bebas dalam model
db(Sisa) = n – 1 – db (Regresi)
JK(Regresi) = Σbi.JHK(xiy)
JK (sisa) = JK (Total) – JK (Regresi)
Pengujian dapat dilanjutkan untuk mengetahui bahwa apakah
keberadaan kedua peubah bebas dalam persamaan di atas mempunyai
makna yang nyata. Sebagaimana telah disebutkan di atas bahwa jika H1
diterima maka berarti bahwa minimal 1 diantara βi ≠ 0. Jadi masih ada
kemungkinan bahwa terdapat βi yang bernilai 0. Peubah yang
koefisiennya bernilai 0 ini, perlu dicari untuk selanjutnya dikeluarkan dari
Tabel 5.2. Contoh Hasil Pengukuran Diameter, Tinggi Dan Volume Pohon
⎡ Σyi ⎤ ⎡ 203,3 ⎤
⎢Σx y ⎥ = ⎢16010,12 ⎥
⎢ 1i i ⎥ ⎢ ⎥
⎢⎣ Σ x 2 i y i ⎥⎦ ⎢⎣4611,475⎥⎦
⎡ JHK ( x1 y ) ⎤ ⎡3582,248⎤
⎢ JHK ( x y )⎥ = ⎢694,0263⎥
⎣ 2 ⎦ ⎣ ⎦
Dengan demikian :
−1
⎡b1⎤ ⎡20868,84 3851,063⎤ ⎡3582,248⎤
⎢b2⎥ = ⎢3851,063 1018,908 ⎥⎦ ⎢⎣694,0263⎥⎦
⎣ ⎦ ⎣
b1 = 0,1519 ; b2 = 0,1070
b0 = y − b1 x1 − b2 x 2
1
Sbi = √{KT(Sisa). }
JK ( xi )(1 − R 2
xj , x1, x 2 ,... xj −1, xj +1..., xk )
= 0,6975
1
Dengan demikian : Sb1 = √(1,711) = = 0,0165
20868,84 × (1 − 0,6975)
1
Dengan demikian : Sb2 = √(1,711) = 0,0745
1018,908 × (1 − 0,6975)
⎡ n Σxi ⎤ ⎡bo ⎤ ⎡ Σy i ⎤
⎢ Σ x Σx 2 ⎥ ⎢ b ⎥ = ⎢ Σ x y ⎥
⎣ i i ⎦ ⎣ 1⎦ ⎣ i i⎦
Tabel 5.3. Tabel Volume Lokal Jenis Krk, di Areal HPH PT. XYZ
No. Diameter (cm) Volume (m3) No. Diameter (cm) Volume (m3)
1. 34 0,446 18. 68 6,328
2. 36 0,792 19. 70 6,674
3. 38 1,138 20. 72 7,020
4. 40 1,484 21. 74 7,366
5. 42 1,830 22. 76 7,712
6. 44 2,176 23. 78 8,058
7. 46 2,522 24. 80 8,404
8. 48 2,868 25. 82 8,750
9. 50 3,214 26. 84 9,096
10. 52 3,560 27. 86 9,442
11. 54 3,906 28. 88 9,788
12. 56 4,252 29. 90 10,134
13. 58 4,598 30. 92 10,480
14. 60 4,944 31. 94 10,826
15. 62 5,290 32. 96 11,172
16. 64 5,636 33. 98 11,518
17. 66 5,982 34. 100 11,864
Pada Tabel 5.3 terlihat bahwa nilai diameter terkecil yang disajikan adalah
34, meskipun data yang menjadi dasar nilai analisis terdapat nilai diameter
22,5 cm. Nilai taksiran volume untuk diameter ≤ 32 cm tidak dipaparkan
karena bernilai negatif, yang sekaligus menunjukkan bahwa nilai taksiran
pohon-pohon yang berdiameter ≤ 32 cm ini adalah sangat jauh dengan nilai
volume yang sebenarnya. Dengan kata lain, penaksiran volume untuk
pohon-pohon termaksud berdasarkan model :
V = -5,436 + 0,173 D ;
akan memberikan kesalahan nilai taksiran yang besar. Dalam kaitan dengan
hal ini, suatu catatan yang perlu diingat adalah bahwa kesalahan atau
penyimpangan nilai taksiran adalah berbanding lurus dengan jarak nilai yang
ditaksir terhadap nilai rata-rata data yang digunakan dalam analisis, dan
khususnya bila model yang digunakan adalah model linier.
Untuk menjadi bahan pertimbangan berikut ini disajikan hasil analisis dan
Tabel Volume yang dibuat berdasarkan model logaritmik, yaitu model
fungsi : log V = b0 + b1 log D + b2 log T
Tabel 5.4. Tabel Volume Lokal Jenis Krk, di Areal HPH PT. XYZ.
Diameter Tinggi (meter)
(cm) 8 10 12 14 16 18 20 22
22 0,208 0,253 0,297 0,340 0,382 0,424 0,465 0,505
24 0,250 0,305 0,357 0,409 0,460 0,510 0,559 0,608
26 0,297 0,361 0,423 0,485 0,545 0,604 0,662 0,720
28 0,347 0,422 0,495 0,567 0,637 0,707 0,775 0,842
30 0,402 0,489 0,573 0,656 0,738 0,818 0,897 0,975
32 0,461 0,560 0,657 0,752 0,846 0,938 1,028 1,118
34 0,524 0,637 0,747 0,855 0,962 1,066 1,169 1,271
36 0,591 0,719 0,844 0,966 1,085 1,203 1,320 1,435
38 0,663 0,806 0,946 1,083 1,217 1,350 1,480 1,609
40 0,739 0,899 1,055 1,207 1,357 1,504 1,650 1,794
42 0,820 0,997 1,170 1,339 1,505 1,668 1,830 1,989
44 0,905 1,100 1,291 1,477 1,661 1,841 2,019 2,195
46 0,994 1,209 1,418 1,623 1,825 2,023 2,219 2,412
38 0,663 0,806 0,946 1,083 1,217 1,350 1,480 1,609
50 1,186 1,443 1,692 1,937 2,177 2,414 2,647 2,878
52 1,289 1,568 1,839 2,105 2,366 2,623 2,877 3,127
54 1,397 1,698 1,992 2,280 2,563 2,842 3,116 3,388
56 1,508 1,834 2,152 2,463 2,768 3,069 3,366 3,659
58 1,625 1,976 2,318 2,653 2,982 3,306 3,626 3,942
60 1,746 2,123 2,490 2,850 3,204 3,552 3,896 4,235
62 1,871 2,276 2,670 3,056 3,435 3,808 4,176 4,540
64 2,002 2,434 2,855 3,268 3,674 4,073 4,467 4,856
66 2,137 2,598 3,048 3,488 3,921 4,347 4,768 5,183
68 2,276 2,767 3,247 3,716 4,177 4,631 5,079 5,521
70 2,420 2,943 3,452 3,952 4,442 4,925 5,401 5,871
IV. PENUTUP
Modul ini diharapkan dapat menjadi acuan bagi pembelajar dan
mahasiswa untuk melakukan penelusuran berbagai sumber belajar, yang
terkait dengan inventarisasi hutan, khususnya yang terkait dengan tabel
volume, baik dalam bentuk Buku teks, Dokumen-dokumen atau Laporan
hasil penelitian, Internet ataupun sumber-sumber lain. Dengan mengacu
pada modul ini maka proses pembelajaran diharapkan dapat berjalan secara
efisien dan efektif melalui peran aktif dari semua pihak terkait, khususnya
mahasiswa.
MODUL - 6
RIAP TEGAKAN BESERTA PENAKSIRAN DAN PEMODELANNYA
I. PENDAHULUAN
A. Latar Belakang
Informasi tentang riap atau pertumbuhan tegakan, termasuk faktor-
faktor yang mempengaruhinya, merupakan hal yang sangat penting bagi
upaya pelestarian sumberdaya hutan. Jika tindakan-tindakan pengelolaan
hutan (meliputi tata waktu, frekuensi dan intensitas dari setiap jenis
tindakan) didasarkan atas data atau informasi tentang pertumbuhan
tegakan, maka optimalisasi produktivitas tegakan hutan akan dapat
diwujudkan yang pada gilirannya akan lebih menjamin upaya pelestarian
sumberdaya hutan.
Informasi tentang riap yang dimaksudkan di atas seharusnya
merupakan informasi yang benar, yang diperoleh melalui metode pendataan
dan metode analisis ataupun metode pemodelan yang tepat. Modul ini berisi
pembahasan tentang riap beserta faktor-faktor yang mempengaruhinya,
metode penaksirannya dan pemodelannya.
Nilai prosentase riap (r%), khususnya riap volume , antara lain dapat
ditentukan berdasarkan perhitungan bunga mejemuk sebagai berikut :
Jika volume awal dinyatakan sebagai V0 dan volume pada umur tertentu
dinyatakan sebagai Vt, maka terdapat hubungan Vt dan V0 yang dituliskan
sebagai berikut :
Vt = V0(1 + r%)t atau Vt = V0(1 + 0,0p)t
0 / 200 0
Dengan demikian : 100
0 /2 0
PERTUMBUHAN (RIAP)
tegakan pada suatu umur standar. Secara prinsip kedua ukuran termaksud
tidak berbeda, namun indeks tempat tumbuh lebih bersifat kuantitatif
(berskala rasio), sedang bonita masih bersifat kategorial (berskala ordinal
atau interval) . (dikenal : Bonita rendah, sedang dan tinggi atau Bonita I, II,
III, IV dan seterusnya).
Pengelola dapat berperan dalam mempengaruhi dan atau meng-
optimalkan riap tegakan, antara lain melalui :
1. Pemilihan benih dan atau bibit yang unggul dan sehat.
2. Penguasaan teknik-teknik untuk menemukenali kemampaun lahan dan
pemilihan jenis yang sesuai dikembangkan pada lahan yang dikelola.
3. Pengaturan frekuensi dan intensitas tindakan-tindakan pengelolaan,
khususnya penjarangan atau pengaturan kerapatan tegakan sepanjang
umur tegakan yang bersangkutan.
Pengaturan kerapatan tegakan didasarkan pada adanya kenyataan
bahwa setiap individu pohon dalam tegakan akan memerlukan ruang
tumbuh yang semakin besar, sejalan dengan pertambhan umurnya. Dalam
kaitan dengan hal ini, suatu hal yang patut dicatat ialah bahwa
pengalokasian ruang tumbuh yang lebih besar sampai pada suatu tingkat
tertentu akan menyebabkan meningkatnya pertumbuhan diameter individu-
individu pohon penyusun tegakan. Namun pengalokasian ruang yang terlalu
besar dan melebihi kebutuhan, disamping tidak akan berpengaruh lagi bagi
pertumbuhan juga akan mengakibatkan adanya bagian lahan yang tidak
dimanfaatkan. Dengan kata lain, setiap individu pohon dari setiap jenis pada
umur tertentu akan memerlukan suatu ruang tumbuh tertentu untuk
menunjang pertumbuhan optimumnya. Dalam konteks tegakan, ruang
tumbuh ini lebih lazim dinyatakan sebagai kerapatan (jumlah pohon per
satuan luas), dan ruang tumbuh optimum lebih lazim disebut sebagai
kerapatan optimum.
Jika tujuan pengelolaan adalah untuk menghasilkan volume kayu
dalam jumlah maksimum, maka hutan harus dikelola pada kondisi kerapatan
optimum. Namun pada kenyataannya pengelolaan hutan tidak selamanya
dapat dilaksanakan pada kondisi tingkat kerapatan optimum, karena dua
alasan. Alasan yang pertama adalah karena belum diketahuinya tingkat
kerapatan optimum yang dimaksudkan. Sedang alasan yang kedua ialah
karena adanya tujuan-tujuan khusus yang ingin dicapai. Misalnya, dari suatu
lahan hutan dengan luas tertentu ingin dihasilkan kayu-kayu yang
berdiameter besar, maka tegakan harus dikelola pada kondisi tingkat
kerapatan yang rendah. Sebaliknya jika yang ingin diproduksi adalah kayu-
kayu yang berdiameter kecil dalam jumlah yang banyak maka tegakan harus
dikelola pada kondisi tingkat kerapatan yang tinggi.
tajuk) bagi pohon-pohon yang diperkirakan akan tetap hidup sampai akhir
periode pengamatan.
Penggolongan model-model individu pohon dibedakan berdasarkan
cara perhitungan CCI. Jika CCI dihitung berdasarkan jarak antara pohon
yang diamati dengan semua pohon yang berada dalam lingkup
persaingannya, maka modelnya disebut Model dengan peubah jarak.
Sebaliknya, jika CCI hanya didasarkan atas sifat-sifat pohon yang diamati
dan sifat-sifat umum tegakan (umur dan indeks tempat tumbuhnya) dimana
pohon tersebut berada maka modelnya disebut Model bebas jarak atau
Model tanpa peubah jarak.
Rumus matematis dari masing-masing model yang telah dipaparkan
di atas disajikan pada Tabel 6.1.
Tabel 6.1. Klasifikasi Model Pertumbuhan Tegakan
No. Jenis Model Bentuk Hubungan (Fungsi)
I. MODEL PERTUMBUHAN TEGAKAN
A Model Tanpa Faktor Kerapatan
1. Tabel Hasil Nomal VA = f (A,S)
2. Tabel Hasil Empirik untuk Kondisi Rata- VA = f (A,S)
rata Tegakan
B Model dengan Faktor Kerapatan
1. Model utk Penaksiran Volume Sekarang, V1
a. Model-model Eksplisit V1 = f (A,S,D)
f (di) = f (A,S,D) ; Vi = f(di)
b. Model-model Implisit (Distribusi diameter)
Vi = Σ(Vi.ndi)
2. Model untuk Penaksiran Pertumbuhan (g12) dan volume mendatang (V2)
a. Model-model Eksplisit
i. Penaksiran Pertumbuhan secara langsung g12 = f (S,A,D) ; V2 = V1 + g12
D2 = f (S,A1,A2,D1)
ii. Penaksiran Kerapatan Tegakan
V2 = f (S, A2,D2) ; g12 = V2 – V1
D2 = f (S,A1,A2,D1) ; V2 = Σ(Vi.ndi)2
b. Model-model Implisit (distribusi Diameter)
f(di)2 = f (S, A2,D2) ; g12 = V2 – V1
II. MODEL-MODEL KELAS DIAMETER
(nd1)2 = f [(nd1)1 . INCRi
A. Projeksi Tabel Tegakan Empirik
V2 = Σ(Vi.ndi)2 ; g12 = V2 – V1
(nd1)2 = f [(nd1)1 . S. P12. D]
B. Model-model pertumbuhan Kelas Diameter V2 = Σ(Vi.ndi)2 ; Vi = f(di)
V2 = Σ(Vi.ndi)2 ; g12 = V2 – V1
III. MODEL-MODEL IINDIVIDU POHON
CCIk = f [DISTk. D1.S(dk.hk.Ck)1]
A Model yang memasukkan faktor jarak/kerapatan (dk.hk.Ck)2 = f [CCIk.D1.S.P12.(dk.hk.Ck)1}
Vk = f (dk.hk); V2 = Σ (Vk)2 ; g12 = V2 – V1
B Model yg tdk dimasukkan faktor jarak/kerapatan CCIk = f (D.S.(dk. hk. Ck)
Sumber : Davis, L.S., and K.N. Johnson (1987). Forest Management
Keterangan :
P12 = Periode pengamatan pertumbuhan S = Indeks tempat tumbuh ;
f (di) = Fungsi distribusi diameter A = Umur tegakan
VA = Volume tegakan pada umur A tahun i = Kelas diameter
V1 = Volume tagakan saat pengukuran awal D = Kerapatan tegakan
V2 = Volume tegakan pada akhir periode pertumbuhan k = Pohon ke-k
g12 = Pertumbuhan tegakan selama periode pengamatan Vk = Volume pohon ke-k
Vi = Rata-rata volume/pohon dalam kelas diameter ke-i
(ndi)1 = Jumlah pohon dalam kelas diameter ke-i pada awal periode pengamatan pertumbuhan
(ndi)2 = Jumlah pohon dalam kelas diameter ke-i pada akhir periode pengamatan pertumbuhan
INCRi = Hasil pengukuran pertumbuhan periodik untuk kelas diameter ke-i
dk,hk ,ck = diameter, tinggi dan ukuran tajuk ke-k; CCIk = Indeks kompetisi tajuk pohon ke-k
DISTk = Jarak pohon ke-k terhadap pohon-pohon pesaingnya
(dk ,hk,ck)1 = Diameter, tinggi & ukuran tajuk pohon ke-k, pd awal periode pengukuran pertumbuhan
(dk,hk,ck)2 = Diameter, tinggi & ukuran tajuk pohon ke-k, pd akhir periode pengukuran pertumbuhan
UMUR POHON/TEGAKAN
16. Model pertumbuhan tegakan secara garis besar dapat dibedakan dalam
tiga kelompok. Sebutkan ketiga kelompok yang dimaksudkan.
17. Jelaskan secara singkat tentang apa yang dimaksud dengan Tabel hasil
Normal dan Tabel Hasil Empirik.
18. Jelaskan apa yang dimaksud dengan CCI dan jelaskan pula cara
penentuannya.
19. Jelaskan apa yang dimaksud dengan model-model polimorfik dan apa
pula yang dimaksud dengan model-model monomorfik.
20. Hasil inventarisasi sebuah tegakan menunjukkan bahwa peninggi dari
tegakan tersebut adalah 24 m pada umur 8 tahun, sedang bidang
dasarnya adalah 10 m2 per Ha. Berapakah taksiran volume tegakan
yang bersangkutan pada umur 12 tahun (lihat Tabel 6.2). Berapa pula
taksiran riap rata-rata tahunannya selama periode pengamatan tersebut.
21. Melalui pengukuran terhadap suatu tegakan yang mempunyai indeks
tempat tumbuh 30 pada umur 25 tahun diketahui bahwa bidang dasar
tegakan tersebut adalah 43 m3/Ha. Selain itu diketahui pula
(berdasarkan hasil penelitian) bahwa fungsi volume tegakan ini adalah
sebagai berikut :
Log V2 = 1,45 + 0,0025 S – 5,345 (1/A2) + 1,681 (1-A1/A2) + 0,684 log B1(A1/A2)
Berapa taksiran volume tegakan yang bersangkutan setelah 10 tahun
mendatang, dan berapa pula riap rata-rata tahunan selama periode 10
tahun tersebut.
22. Melalui pengamatan sejumlah petak contoh diketahui bahwa nilai rata-
rata dan simpangan baku diameter tegakan, masing-masing adalah 80
cm dan 13,44 cm. Juga diketahui bahwa jumlah pohon dalam tegakan
tersebut adalah 1.200 batang dan pohon terkecil berdiameter dengan
interval 4 cm.
23. Pemodelan pertumbuhan pada hutan alam dilakukan melalui pemodelan
komponen-komponen yang menyusun pertumbuhan tegakan yang
bersangkutan. Sebutkan dan jelaskan secara singkat komponen-
komponen yang dimaksudkan.
24. Salah satu tipe model pertumbuhan adalah Model kelas Diameter. Jika
ingin ditaksir pertumbuhan yang terjadi dalam setiap kelas diameter
maka komponen-komponen pertumbuhan apa sajakah yang harus
diamati untuk seterusnya mendasari penyusunan model matematis
pertumbuhan untuk tagakan yang diamati.
25. Pemodelan pertumbuhan tegakan, juga dapat dilakukan melalui
pemodelan individu-individu pohon penyusun tegakan, yang menurut
cara pendekatannya dibedakan atas dua kelompok. Sebutkan dan
jelaskan kedua kelompok yang dimaksudkan.
26. Pemodelan pertumbuhan individu pohon biasanya dilakukan dengan
mengacu pada Pertumbuhan Potensil. Jelaskan apa yang dimaksud
dengan pertumbuhan potensil tersebut.
1
SEBARAN PELUANG BINOMIUM
Χ
Jumlah Peluang Binomium ∑ b( x; n , p )
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
1 0 .9000 .8000 .7500 .7000 .6000 .5000 .4000 .3000 .2000 .9000
1 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
2 0 .8100 .6400 .5625 .4900 .3600 .2500 .1600 .0900 .0400 .0100
1 .9900 .9600 .9375 .9100 .8400 .7500 .6400 .5100 .3600 .1900
2 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
3 0 .7290 .5120 .4219 .3430 .2160 .1250 .0640 .0270 .0080 .0010
1 .9720 8960 .8438 .7840 .6480 .5000 .3520 .2160 .1040 .0280
2 .9990 .9920 .9844 .9730 .9360 .8750 .7840 .6570 .4880 .2710
3 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
4 0 .6561 .4096 .3164 .2401 .1296 .0625 .0256 .0081 .0016 .0001
1 .9477 .8192 .7383 .6517 .4752 .3125 .1792 .0837 .0272 .0037
2 .9963 .9728 .9492 .9163 .8208 .6875 .5248 .3483 .1808 .0523
3 .9999 .9984 .9961 .9919 .9744 .9375 .8704 .7599 .5904 .3439
4 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
5 0 .5905 .3277 .2373 .1681 .0778 .0312 .0102 .0024 .0003 .0000
1 .9185 .7373 .6328 .5282 .3370 .1875 .0870 .0308 .0067 .0005
2 .9914 .9421 .8965 .8369 .6826 .5000 .3174 .1631 .0579 .0086
3 .9995 .9933 .9844 .9692 .9130 .8125 .6630 .4718 .2627 .0815
4 1.0000 .9997 .9990 .9976 .9898 .9688 .9222 .8319 .6723 .4095
5 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
6 0 .5314 .2621 .1780 .1176 .0467 .0156 .0041 .0007 .0001 .0000
1 .8857 .6554 .5339 .4202 .2333 .1094 .0410 .0109 .0016 .0001
2 .9841 .9011 .8306 .7443 .5443 .3438 .1792 .0705 .0170 .0013
3 .9987 .9830 .9624 .9295 .8202 .6563 .4557 .2557 .0989 .0158
4 .9999 .9984 .9954 .9891 .9590 .8906 .7667 .5798 .3447 .1143
5 1.0000 .9999 .9998 .9993 .9959 .9844 .9533 .8824 .7379 .4686
6 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
2
SEBARAN PELUANG BINOMIUM (Sambungan)
Χ
Jumlah Peluang Binomium ∑ b( x; n , p )
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
8 0 .4305 .1678 .1001 .0576 .0168 .0039 .0007 .0001 .0000
1 .8131 .5033 .3671 .2553 .1064 .0352 .0085 .0013 .0001
2 .9619 .7969 .6785 .5518 .3154 .1445 .0498 .0113 .0012 .0000
3 .9950 .9437 .8862 .8059 .5941 .3633 .1737 .0580 .0104 .0004
4 .9996 .9896 .9727 .9420 .8263 .6367 .4095 .1941 .0563 .0050
5 1.0000 .9988 .9958 .9887 .9502 .8555 .6846 .4482 .2031 .0381
6 .9991 .9996 .9987 .9915 .9648 .8936 .7447 .4967 .1869
7 1.0000 1.0000 .9999 .9993 .9961 .9832 .9424 .8322 .5695
8 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
9 0 .3874 .1342 .0751 .0404 .0101 .0020 .0003 .0000
1 .7748 .4362 .3003 .1960 .0705 .0195 .0038 .0004 .0000
2 .9470 .7382 .6007 .4628 .2318 .0898 .0250 .0043 .0003 .0000
3 .9917 .9144 .8343 .7297 .4826 .2539 .0994 .0253 .0031 .0001
4 .9991 .9804 .9511 .9012 .7334 .5000 .2666 .0988 .0196 .0009
5 .9999 .9969 .9900 .9747 .9006 .7461 .5174 .2703 .0856 .0083
6 1.0000 .9997 .9987 .9957 .9750 .9102 .7682 .5372 .2618 .0530
7 1.0000 .9999 .9996 .9962 .9805 .9295 .8040 .5638 .2252
8 1.0000 1.0000 .9997 .9980 .9899 .9596 .8658 .6126
9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
10 0 .3478 .1074 .0563 .0282 .0030 .0010 .0001 .0000
1 .7748 .3758 .2440 .1493 .0464 .0107 .0017 .0001 .0000
2 .9470 .6778 .5256 .3828 .1673 .0547 .0123 .0016 .0001
3 .9917 .8791 .7759 .6496 .3823 .1719 .0548 .0106 .0009 .0000
4 .9991 .9672 .9219 .8497 .6331 .3770 .1662 .0474 .0064 .0002
5 .9999 .9936 .9803 .9527 .8338 .6230 .3669 .1503 .0328 .0016
6 1.0000 .9991 .9965 .9894 .9452 .8215 .6177 .3504 .1209 .0128
7 .9999 .9996 .9984 .9877 .9453 .8327 .6172 .3222 .0702
8 1.0000 1.0000 .9999 .9983 .9893 .9536 .8507 .6242 .2639
9 1.0000 .9999 .9990 .9940 .9718 .8926 .6513
10 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
11 0 .3138 .0859 .0422 .0198 .0036 .0005 .0000
1 .6974 .3221 .1971 .1130 .0302 .0059 .0007 .0000
2 .9104 .6174 .4552 .3127 .1189 .0327 .0059 .0006 .0000
3 .9815 .8369 .7133 .5696 .2963 .1133 .0293 .0043 .0002
4 .9972 .9496 .8854 .7897 .5328 .2744 .0994 .0216 .0020 .0000
5 .9997 .9883 .9657 .9218 .7535 .5000 .2465 .0782 .0117 .0003
6 1.0000 .9980 .9924 .9784 .9006 .7256 .4672 .2103 .0504 .0028
7 .9998 .9988 .9957 .9707 .8867 .7037 .4304 .1611 .0185
8 1.0000 .9999 .9994 .9941 .9673 .8811 .6873 .3826 .0896
9 1.0000 1.0000 .9993 .9941 .9698 .8870 .6779 .3026
10 1.0000 .9995 .9964 .9802 .9141 .6862
11 1.0000 1.0000 1.0000 1.0000 1.0000
3
SEBARAN PELUANG BINOMIUM (Sambungan)
Χ
Jumlah Peluang Binomium ∑ b( x; n , p )
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
12 0 .2824 .0687 .0317 .0138 .0022 .0002 .0000
1 .6590 .2749 .1584 .0850 .0196 .0032 .0003 .0000
2 .8891 .5583 .3907 .2528 .0834 .0193 .0028 .0002 .0000
3 .9744 .7946 .6488 .4925 .2253 .0730 .0153 .0017 .0001
4 .9957 .9274 .8424 .7237 .4382 .1938 .0573 .0095 .0006 .0000
5 .9995 .9806 .9456 .8821 .6652 .3872 .1582 .0386 .0039 .0001
6 .9999 .9961 .9857 .9614 .8418 .6128 .3348 .1178 .0194 .0005
7 1.0000 .9994 .9972 .9905 .9427 .8062 .5618 .2763 .0726 .0043
8 .9999 .9996 .9983 .9847 .9270 .7747 .5075 .2054 .0256
9 1.0000 1.0000 .9998 .9972 .9870 .9166 .7472 .4417 .1109
10 1.0000 .9997 .9968 .9804 .9150 .7251 .3410
11 1.0000 .9998 .9978 .9862 .9313 .7176
12 1.0000 1.0000 1.0000 1.0000 1.0000
13 0 .2542 .0550 .0238 .0097 .0013 .0001 .0000
1 .6213 .2336 .1267 .0637 .0126 .0017 .0001 .0000
2 .8661 .5017 .3326 .2025 .0579 .0112 .0013 .0001
3 .9658 .7473 .5843 .4206 .1686 .0461 .0078 .0007 .0000
4 .9935 .9009 .7940 .6543 .3530 .1334 .0321 .0040 .0002
5 .9991 .9700 .9198 .8346 .5744 .2905 .0977 .0812 .0012 .0000
6 .9999 .9930 .9757 .9376 .7712 .5000 .2288 .0624 .0070 .0001
7 1.0000 .9980 .9944 .9818 .9023 .7095 .4256 .1654 .0300 .0009
8 .9998 .9990 .9960 .9679 .8666 .6470 .3457 .0991 .0065
9 1.0000 .9999 .9993 .9922 .9539 .8314 .5794 .2527 .0342
10 1.0000 .9999 .9987 .9888 .9421 .7975 .4983 .1339
11 1.0000 .9999 .9983 .9874 .9363 .7664 .3787
12 1.0000 .9999 .9987 .9903 .9450 .7458
13 1.0000 1.0000 1.0000 1.0000 1.0000
14 0 .2288 .0440 .0178 .0068 .0008 .0001 .0000
1 .5846 .1979 .1010 .0475 .0081 .0009 .0001
2 .8416 .4481 .2811 .1608 .0398 .0065 .0006 .0000
3 .9559 .6982 .5213 .3552 .1243 .0287 .0039 .0002
4 .9908 .8702 .7415 .5842 .2793 .0898 .0175 .0017 .0000
5 .9985 .9561 .8883 .7805 .4859 .2120 .0583 .0083 .0004
6 .9998 .9884 .9617 .9067 .6925 .3953 .1501 .0315 .0024 .0000
7 1.0000 .9976 .9897 .9685 .8499 .6047 .3075 .0933 .0116 .0002
8 .9996 .9978 .9917 .9417 .7880 .5141 .2195 .0439 .0015
9 1.0000 .9997 .9983 .9825 .9102 .7207 .4158 .1298 .0092
10 1.0000 .9998 .9961 .9713 .8757 .6448 .3018 .0441
11 1.0000 .9994 .9935 .9602 .8392 .5519 .1584
12 .9999 .9991 .9919 .9525 .8021 .4154
13 1.0000 .9999 .9992 .9932 .9560 .7712
14 1.0000 1.0000 1.0000 1.0000 1.0000
4
SEBARAN PELUANG BINOMIUM (Sambungan)
Χ
Jumlah Peluang Binomium ∑ b( x; n , p )
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
5
SEBARAN PELUANG BINOMIUM (Sambungan)
Χ
Jumlah Peluang Binomium ∑ b( x; n , p )
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
6
SEBARAN PELUANG BINOMIUM (Sambungan)
Χ
Jumlah Peluang Binomium ∑ b( x; n , p )
Χ −0
p
n r .10 .20 .25 .30 .40 .50 .60 .70 .80 .90
19 0 .1351 .0144 .0042 .0011 .0001
1 .4023 .0829 .0310 .0104 .0008 .0000
2 .7054 .2369 .1113 .0462 .0055 .0004 .0000
3 .8850 .4551 .2631 .1332 .0230 .0022 .0001
4 .9648 .6733 .4654 .2822 .0696 .0096 .0006 .0000
5 .9914 .8369 .6678 .4739 .1629 .0318 .0031 .0001
6 .9983 .9324 .8251 .6655 .3081 .0835 .0116 .0006
7 .9997 .9767 .9225 .8180 .4878 .1796 .0352 .0028 .0000
8 1.0000 .9933 .9713 .9161 .6675 .3238 .0885 .0105 .0003
9 .9984 .9911 .9674 .8139 .5000 .1861 .0326 .0016
10 .9997 .9977 .9895 .9115 .6762 .3325 .0839 .0067 .0000
11 .9999 .9995 .9972 .9648 .8204 .5122 .1820 .0233 .0003
12 1.0000 .9999 .9994 .9884 .9165 .6919 .3345 .0676 .0017
13 1.0000 .9999 .9969 .9682 .8371 .5261 .1631 .0086
14 1.0000 .9994 .9904 .9304 .7178 .3267 .0352
15 .9999 .9978 .9770 .8668 .5449 .1150
16 1.0000 .9996 .9945 .9538 .7631 .2946
17 1.0000 .9992 .9896 .9171 .5797
18 .9999 .9989 .9856 .8649
19 1.0000 1.0000 1.0000 1.0000
20 0 .1216 .0115 .0032 .0008 .0000
1 .3917 .0692 .0243 .0076 .0005 .0000
2 .6769 .2061 .0913 .0355 .0036 .0002 .0000
3 .8670 .4114 .2252 .1071 .0160 .0013 .0001
4 .9586 .6296 .4148 .2375 .0510 .0059 .0003
5 .9887 .8042 .6172 .4164 .1256 .0207 .0016 .0000
6 .9976 .9133 .7858 .6080 .2500 .0577 .0065 .0003
7 .9996 .9679 .8982 .7723 .4159 .1316 .0210 .0013 .0000
8 .9999 .9900 .9591 .8867 .5956 .2517 .0565 .0051 .0001
9 1.0000 .9974 .9861 .9520 .7553 .4119 .1275 .0171 .0006
10 .9994 .9961 .9829 .8725 .5881 .2447 .0480 .0026 .0000
11 .9999 .9991 .9949 .9435 .7483 .4044 .1133 .0100 .0001
12 1.0000 .9998 .9987 .9790 .8684 .5841 .2277 .0321 .0004
13 1.0000 .9997 .9935 .9423 .7500 .3920 .0867 .0024
14 1.0000 .9984 .9793 .8744 .5836 .1958 .0113
15 .9997 .9941 .9490 .7625 .3704 .0432
16 1.0000 .9987 .9840 .8929 .5886 .1330
17 .9998 .9964 .9645 .7939 .3231
18 1.0000 .9995 .9924 .9308 .6098
19 1.0000 .9992 .9885 .8784
20 1.0000 1.0000 1.0000
Sumber :
7
SEBARAN NORMAL BAKU
-2.9 0.0019 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014 0.0014
-2.8 0.0026 0.0025 0.0024 0.0023 0.0022 0.0021 0.0021 0.0020 0.0020 0.0019
-2.7 0.0035 0.0034 0.0033 0.0031 0.0030 0.0029 0.0028 0.0027 0.0027 0.0026
-2.6 0.0047 0.0045 0.0044 0.0041 0.0040 0.0039 0.0038 0.0037 0.0037 0.0036
-2.5 0.0062 0.0060 0.0059 0.0055 0.0054 0.0052 0.0051 0.0049 0.0049 0.0048
-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
-1.8 0.0359 0.0352 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.5 0.0668 0.0655 0.0643 0.0630 0.618 0.0606 0.0594 0.0582 0.0571 0.0559
-1.4 0.0808 0.0793 0.0778 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-1.3 0.0968 0.0951 0.0934 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-1.2 0.1151 0.1131 0.1112 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-1.1 0.1357 0.1335 0.1314 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-1.0 0.1587 0.1562 0.1539 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.5 0.3085 0.3050 0.3015 0.2891 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
-0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
8
SEBARAN NORMAL BAKU (Lanjutan)
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0..8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9278 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
Sumber :
9
SEBARAN t-STUDENT
α
ν
0.10 0.05 0.025 0.01 0.025
Sumber :
10
SEBARAN F
ƒ0,05(ν1,ν2)
ν2
ν1
1 2 3 4 5 6 7 8 9
11
SEBARAN F (Lanjutan)
ƒ0,05(ν1,ν2)
ν2
ν1
10 12 15 20 24 30 40 60 120 ∞
1 241.9 243.9 245.9 148.0 249.1 250.1 251.1 252.2 253.3 254.3
2 19.40 19.41 19.43 19.45 19.45 19.46 19.47 19.48 19.49 19.50
3 8.79 8.74 8.70 8.66 8.64 8.62 8.59 8.57 8.55 8.53
4 5.96 5.91 5.86 5.80 5.77 5.75 5.72 5.69 5.66 5.63
5 4.74 4.68 4.62 4.56 4.53 4.50 4.46 4.43 4.40 4.36
6 4.06 4.00 3.94 3.87 3.84 3.81 3.77 3.74 3.70 3.67
7 3.64 3.57 3.51 3.44 3.41 3.38 3.34 3.30 3.27 3.23
8 3.35 3.28 3.22 3.15 3.12 3.08 3.04 3.01 2.97 2.93
9 3.14 3.07 3.01 2.94 2.90 2.86 2.83 2.79 2.75 2.71
10 2.98 2.91 2.85 2.77 2.74 2.70 2.66 2.62 2.58 2.54
11 2.85 2.79 2.72 2.65 2.61 2.57 2.53 2.49 2.45 2.40
12 2.75 2.69 2.62 2.54 2.51 2.47 2.43 2.38 2.34 2.30
13 2.67 2.60 2.53 2.46 2.42 2.38 2.34 2.30 2.25 2.21
14 2.60 2.53 2.46 2.39 2.35 2.31 2.27 2.22 2.18 2.13
15 2.54 2.48 2.40 2.33 2.29 2.25 2.20 2.16 2.11 2.07
16 2.49 2.42 2.35 2.28 2.24 2.19 2.15 2.11 2.06 2.01
17 2.45 2.38 2.31 2.23 2.19 2.15 2.10 2.06 2.01 1.96
18 2.41 2.34 2.27 2.19 2.15 2.11 2.06 2.02 1.97 1.92
19 2.38 2.31 2.23 2.16 2.11 2.07 2.03 1.98 1.93 1.88
20 2.35 2.28 2.20 2.12 2.08 2.04 1.99 1.95 1.90 1.84
21 2.32 2.25 2.18 2.10 2.05 2.01 1.96 1.92 1.87 1.81
22 2.30 2.23 2.15 2.07 2.03 1.98 1.94 1.89 1.84 1.78
23 2.27 2.20 2.13 2.05 2.01 1.96 1.91 1.86 1.81 1.76
24 2.25 2.18 2.11 2.03 1.98 1.94 1.89 1.84 1.79 1.73
25 2.24 2.16 2.09 2.01 1.96 1.92 1.87 1.82 1.77 1.71
26 2.22 2.15 2.07 1.99 1.95 1.90 1.85 1.80 1.75 1.69
27 2.20 2.13 2.06 1.97 1.93 1.88 1.84 1.79 1.73 1.67
28 2.19 2.12 2.04 1.96 1.91 1.87 1.82 1.77 1.71 1.65
29 2.18 2.10 2.03 1.94 1.90 1.85 1.81 1.75 1.70 1.64
30 2.16 2.09 2.01 1.93 1.89 1.84 1.79 1.74 1.68 1.62
40 2.08 2.00 1.92 1.84 1.79 1.74 1.69 1.64 1.58 1.51
60 1.99 1.92 1.84 1.75 1.70 1.65 1.59 1.53 1.47 1.39
120 1.91 1.83 1.75 1.66 1.61 1.55 1.50 1.43 1.35 1.25
∞ 1.83 1.75 1.67 1.57 1.52 1.46 1.39 1.32 1.22 1.00
12
SEBARAN F (Lanjutan)
ƒ0,01(ν1,ν2)
ν2
ν1 1 2 3 4 5 6 7 8 9
1 4052 4999.5 5403 5625 5746 5859 5928 5981 60.22
2 98.50 99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.39
3 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.35
4 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66
13
SEBARAN F (Lanjutan)
ƒ0,01(ν1,ν2)
ν2
ν1
10 12 15 20 24 30 40 60 120 ∞
1 6056 6157 6157 6029 6235 6261 6287 6313 6339 6366
2 99.40 99.42 99.43 99.45 99.46 99.47 99.47 99.48 99.49 99.50
3 27.23 27.05 26.87 26.69 26.60 26.50 26.41 26.32 26.22 26.13
4 14.55 14.37 14.20 14.02 13.93 13.84 13.75 13.65 13.56 13.46
5 10.05 9.89 9.72 9.55 9.47 9.38 9.29 9.20 9.11 9.02
6 7.87 7.72 7.56 7.40 7.31 7.23 7.14 7.06 6.97 6.88
7 6.62 6.47 6.31 6.16 6.07 5.99 5.91 5.82 5.74 5.65
8 5.81 5.67 5.52 5.36 5.28 5.20 5.12 5.03 4.95 4.86
9 5.26 5.11 4.96 4.81 4.73 4.65 4.57 4.48 4.40 4.31
10 4.85 4.71 4.56 4.41 4.33 4.25 4.17 4.08 4.00 3.91
11 4.54 4.40 4.25 4.10 4.02 3.94 3.86 3.78 3.69 3.60
12 4.30 4.16 4.01 3.86 3.78 3.70 3.62 3.54 3.45 3.36
13 4.10 3.96 3.82 3.66 3.59 3.51 3.43 3.34 3.25 3.17
14 3.94 3.80 3.66 3.51 3.43 3.55 3.27 3.18 3.09 3.00
15 3.80 3.67 3.52 3.37 3.29 3.21 3.13 3.05 2.96 2.87
16 3.69 3.55 3.41 3.26 3.18 3.10 3.02 2.93 2.84 2.75
17 3.59 3.46 3.31 3.16 3.08 3.00 2.92 2.83 2.75 2.65
18 3.51 3.37 3.23 3.08 3.00 2.92 2.84 2.75 2.66 2.57
19 3.43 3.30 3.15 3.00 2.92 2.84 2.76 2.67 2.58 2.49
20 3.37 3.23 3.09 2.94 2.86 2.78 2.69 2.61 2.52 2.42
21 3.31 3.17 3.03 2.88 2.80 2.72 2.64 2.55 2.46 2.36
22 3.26 3.12 2.98 2.83 2.75 2.67 2.58 2.50 2.40 2.31
23 3.21 3.07 2.93 2.78 2.70 2.62 2.54 2.45 2.35 2.26
24 3.17 3.03 2.89 2.74 2.66 2.58 2.49 2.40 2.31 2.21
25 3.13 2.99 2.85 2.70 2.62 2.54 2.45 2.36 2.27 2.17
26 3.09 2.96 2.81 2.66 2.58 2.50 2.42 2.33 2.23 2.13
27 3.06 2.93 2.78 2.63 2.55 2.47 2.38 2.29 2.20 2.10
28 3.03 2.90 2.75 2.60 2.52 2.44 2.35 2.26 2.17 2.06
29 3.00 2.87 2.73 2.57 2.49 2.41 2.33 2.23 2.14 2.03
30 2.98 2.84 2.70 2.55 2.47 2.39 2.30 2.21 2.11 2.01
40 2.80 2.66 2.52 2.37 2.29 2.20 2.11 2.02 1.92 1.80
60 2.63 2.50 2.35 2.20 2.12 2.03 1.94 1.84 1.73 1.60
120 2.47 2.34 2.19 2.03 1.95 1.86 1.76 1.66 1.53 1.38
∞ 2.32 2.18 2.04 1.88 1.79 1.70 1.59 1.47 1.32 1.00
Sumber :
14
NILAI PARAMETER SEBARAN WEIBULL
15
NILAI PARAMETER SEBARAN WEIBULL (Lanjutan)
Sumber :
16
ANGKA ACAK
Kolom
Baris
1-5 6 - 10 11 - 15 16 - 20 21 - 25 26 - 30 31 - 35 36 - 40
17
ANGKA ACAK (Lanjutan)
Kolom
Baris
1-5 6 - 10 11 - 15 16 - 20 21 - 25 26 - 30 31 - 35 36 - 40
Sumber :
18
19