Potensi Sebaran Aren di Kabupaten Jepara untuk Konservasi

Tanah dan Mitigasi Perubahan Iklim

Yoga Adhi Krissetya1, Della Permata Sari1, Dwi Apriyanto2, Malihatun Nufus2
1
Program Studi Ilmu Tanah, Fakultas Pertanian, Universitas Sebelas Maret, Surakarta,
Indonesia
2
Program Studi Pengelolaan Hutan, Fakultas Pertanian, Universitas Sebelas Maret,
Surakarta, Indonesia

Corresponding Author: dwiapriyanto@staff.uns.ac.id

Abstrak. Agroforestri dapat dikembangkan untuk adaptasi dan mitigasi perubahan iklim. Petani di
Kabupaten Jepara telah lama mengembangkan agroforestri aren untuk patinya. Meningkatnya
pemanfaatan aren dan rendahnya kemauan petani untuk menanam aren saat ini menjadi ancaman
bagi keberadaan agroforestri aren. Penelitian bertujuan untuk menginventarisasi potensi sebaran
aren dengan dukungan penginderaan jauh dan survei lapangan di Kecamatan Pakis Aji, Bangsri,
dan Kembang yang dilaksanakan pada bulan Agustus-Desember 2020. Hasil interpretasi
menggunakan citra Landsat 8 dan citra Google Earth di 1161 objek aren dengan jumlah terbesar di
Kecamatan Bangsri. Uji akurasi penginderaan jauh dengan metode Omission-Commission
diperoleh nilai 90,8% yang berarti nilai akurasinya sangat tinggi. Uji korelasi nilai kerapatan
vegetasi (NDVI) dengan hasil survei yaitu pada data tinggi, diameter, dan umur, diperoleh nilai R2
= 0,575 dengan nilai signifikansi 0,00 < 0,05. Sehingga korelasi antar variabel X (NDVI)
berpengaruh signifikan terhadap variabel Y (Potensi). Pendugaan potensi aren menjadi perumusan
kebijakan pengembangan agroforestri aren di Kabupaten Jepara.

1. Pendahuluan
Agroforestri mulai digunakan dan dikembangkan sebagai sistem pertanian berkelanjutan yang terintegrasi
dalam beberapa tahun terakhir karena telah membawa pertanian ramah lingkungan dan peningkatan
ekonomi. Agroforestri adalah pengelolaan lahan pertanian berkelanjutan yang dapat meningkatkan nilai
jual pertanian dengan memadukan tanaman pertanian, pepohonan, hutan dan/atau satwa yang saling
berhubungan secara ramah lingkungan dengan pola budaya setempat (King 1979). Penerapan agroforestri
merupakan salah satu bentuk mitigasi bencana akibat perubahan iklim. Mitigasi dalam agroforestri
berperan dalam mengurangi aplikasi pertanian yang berkontribusi besar terhadap produksi gas rumah kaca
(Schoeneberger et al. 2012). Agroforestri memberikan peningkatan stok karbon pada vegetasi dan tanah
sebagai bentuk mitigasi terhadap iklim global yang bermanfaat untuk meningkatkan produksi petani
daripada pertanian dengan sistem tebang, bakar, bera dan tanaman tanpa naungan
(Matocha et al. 2012).
Aren merupakan tanaman dari famili palma yang banyak dijumpai di Indonesia dan tergolong tanaman
multiguna, karena hampir seluruh bagiannya dapat digunakan untuk memenuhi kebutuhan manusia
(Puturuhu, Riry, dan Ngingi 2011). Aren merupakan salah satu tanaman agroforestri yang mudah tumbuh
di areal kebun campuran atau hutan di alam bebas. Petani di Kabupaten Jepara telah lama
mengembangkan agroforestri kelapa sawit dengan memanfaatkan aren untuk patinya. Namun,
meningkatnya penggunaan aren dengan cara tebang, serta rendahnya kemauan petani untuk menanam
aren, saat ini menjadi ancaman bagi keberadaan agroforestri aren. Padahal, selain berperan sebagai
penyedia penghidupan manusia, aren juga memiliki nilai konservasi (Martini et al. 2012). Sehingga perlu
adanya inventarisasi tanaman aren untuk mengetahui potensinya, dalam hal ini melalui penginderaan jauh.
Agroforestri berbasis kelapa sawit memiliki potensi besar berupa peningkatan kelayakan usaha bagi
pelaku usaha pertanian (Laksananny dan Pujirahayu 2017). Penelitian ini bertujuan untuk
menginventarisasi potensi sebaran aren dengan dukungan penginderaan jauh dan survei lapangan yang
digunakan sebagai pengembangan agroforestri berbasis kelapa sawit dalam menghadapi isu perubahan
iklim.
2. Bahan dan Metode Penelitian

2.1. Lokasi dan Bahan Penelitian

Penelitian dilakukan secara deskriptif eksploratif dengan menggunakan metode kombinasi (Andhini
2017), menggunakan penginderaan jauh dan survei lapangan. Lokasi pengambilan sampel berada di
Kabupaten Jepara di Kecamatan Pakis Aji, Bangsri, dan Kembang yang dilaksanakan pada bulan Agustus-
Desember 2020. Alat yang digunakan dalam pelaksanaan penelitian ini baik di lapangan maupun di
laboratorium antara lain peta titik sampel, Garmin GPS, aplikasi UTM Geo Map, peta Avenza, Envi 5.1,
Arcgis 10.3, tipe diameter, meter, alat tulis, kuesioner petani, dan laptop. Materi yang digunakan dalam
penelitian ini antara lain citra foto udara terbaru dari satelit Landsat 8, citra peta Rupa Bumi Indonesia
(RBI) Kabupaten Jepara, Google Earth, dan DEM (Digital Elevation Model).

2.2. Langkah-Langkah Penelitian

Google Earth digunakan sebagai gambar beresolusi besar untuk menginterpretasikan sebaran pohon aren.
Interpretasi penginderaan jauh perlu memperhatikan beberapa hal, seperti elemen dasar (warna, bayangan,
ukuran, bentuk, tekstur, pola); pengumpulan informasi situs, dan investigasi lapangan; klasifikasi dan
validasi unit ekologi; dan verifikasi lapangan untuk mendapatkan peta ekologi (Du et al. 2014). Untuk
memperoleh bukti yang kuat tentang keberadaan aren, diperlukan konvergensi bukti, terutama untuk
tanaman dari famili Arecaceae yang mengacu (Sutanto 1986). Sehingga sebaran aren dapat ditemukan
untuk survey lapangan dalam memperkirakan potensinya.
Pengujian akurasi model menggunakan metode Omission – Commission. Tujuan penggunaan
metode Omission – Commission adalah untuk mendapatkan keakuratan suatu objek yang diinterpretasikan
oleh suatu citra atau foto udara dengan membandingkan hasil pengukuran objek di lapangan (Hartono dan
Darmawan 2019). Rumus persamaan untuk metode Omission-Commission adalah sebagai berikut:
∆
Accuracy=[1−[ ]]×100 %
Survey
 = interpretation - survey
Penggunaan NDVI dari citra Landsat 8 digunakan untuk mengetahui tingkat kehijauan tanaman aren.
NDVI diperoleh dengan melakukan transformasi antara saluran inframerah dekat (NIR) dan saluran
inframerah. Rumus NDVI dapat dilihat pada persamaan berikut:
(NIR−¿)
NDVI=
( NIR+ ¿)
Melalui penggunaan NDVI, nilai piksel yang dihasilkan kemudian diformulasikan dengan nilai regresi
korelasi antara total volume dengan nilai NDVI. Sehingga didapatkan nilai estimasi potensi tanaman
kelapa sawit secara keseluruhan.
Pengambilan sampel dilakukan dengan teknik purposive sampling atau purposive sampling dengan
memilih 20 titik dengan memanfaatkan kombinasi muka tanah antara citra NDVI dan kemiringan.
Kombinasi ini digunakan karena aren tumbuh pada karakteristik lahan seperti itu. Pengambilan sampel
pada setiap titik sampel dilakukan dengan membuat grid plot seluas 25 hektar dan untuk pengamatan
dibuat subplot dengan ukuran 200 m x 20 m. Variabel yang diamati dalam penelitian ini adalah jumlah
tanaman aren, umur tanaman aren, tinggi tanaman, dan tanaman.
 Analisis regresi yang digunakan untuk membuat model estimasi produksi tanaman aren menggunakan
dua variabel yaitu indeks vegetasi dan kemiringan lereng sebagai variabel x (independen) sedangkan
potensi biomassa sebagai variabel y (dependen):Simple Linear Regression
Y = a + bx
Keterangan:
Y : dependent variable (volume);
a, b,c,..n : regression coeficient;
x : independent variable (NDVI) (Susetyo and Setiono 2013)
Penentuan nilai estimasi potensi tanaman aren menggunakan hasil rumus model regresi dari
transformasi variabel NDVI dengan variabel volume tanaman hasil survei. Perhitungan rumus diperoleh
dari hasil uji linier sederhana. Uji akurasi model estimasi produksi berdasarkan parameter efek produksi
dan nilai indeks vegetasi dihitung menggunakan rumus yang digunakan dalam penelitian eksklusif
(Susetyo dan Setiono 2013) yang menggunakan kesalahan standar antara estimasi produksi dan produksi
realitas yang kemudian dapat dihitung tingkat akurasi. Nilai standard error lebih baik jika mendekati 0
sehingga tingkat akurasinya lebih tinggi jika persentasenya mendekati 100%.
3. Hasil dan Pembahasan

3.1. Penentuan Sebaran Tanaman Aren

Interpretasi visual objek tanaman aren menghasilkan total 1611 aren yang terbagi menjadi tiga kecamatan
lokasi penelitian. Populasi tanaman aren terbanyak terdapat di Kecamatan Bangsri yaitu sebanyak 731
pohon aren, diikuti oleh Kecamatan Pakis Aji dengan 671 pohon aren dan Kecamatan Kembang dengan
populasi paling sedikit yaitu 209 tanaman aren. Informasi yang diperoleh dari masyarakat sekitar saat
melakukan survei, mayoritas mengungkapkan bahwa lokasi yang memiliki populasi gula aren tertinggi di
Kabupaten Jepara adalah Kecamatan Bangsri dan Pakis Aji. Dugaan tersebut diperkuat dengan adanya 5
industri pengolahan tepung kelapa sawit di Desa Plajan, Kecamatan Pakis Aji yang telah beroperasi
puluhan tahun.
Table 1. Results of Visual Interpretation of Sugar Palm

No District Number of Trees

1 Pakis Aji 671
2 Bangsri 731
3 Kembang 209
Total 1611

Sebagian besar pohon kelapa sawit tersebar pada penggunaan lahan kebun campuran dan hutan yang
terlihat dari penggunaan lahan pada ketinggian 300-900m di atas permukaan laut. Seperti diketahui, aren
merupakan tanaman hutan bukan kayu yang mayoritas ditemukan di kebun dan hutan campuran (Azhar et
al. 2019). Namun tidak menutup kemungkinan aren dapat tumbuh pada penggunaan lahan lain dengan
ketinggian yang bervariasi sesuai dengan peta. Aren merupakan tanaman yang memiliki toleransi tinggi
terhadap lingkungan agroklimatnya dan dapat tumbuh di dataran rendah hingga ketinggian 1400 mdpl
(Malamassam 2020). Pola persebaran aren yang tidak teratur berdasarkan hasil observasi lapangan terjadi
secara alami dengan bantuan hewan pemakan aren yaitu sejenis musang (Paradoxurus hermaphroditus
rinjanicus) (Haryoso et al. 2020).
 Figure 1. Map of Sugar Palm Distribution
Survey dilakukan pada area grid plot seluas 25 ha dengan melakukan inventarisasi berdasarkan 21
kombinasi muka tanah yang telah ditentukan. Titik sampel adalah 21 titik yang mewakili setiap kombinasi
muka tanah. Survei digunakan sebagai inventarisasi jumlah tanaman aren dan mengukur tinggi, diameter,
dan umur tanaman. Penentuan titik sampel dilakukan secara purposive sampling berdasarkan kombinasi
muka tanah dan peta sebaran aren.

Figure 2. Map of Survey Point

Hasil uji akurasi menggunakan metode Omission-Commission pada setiap titik didapatkan nilai
akurasi terbesar 100% dan nilai terkecil 10%. Akurasi keseluruhan sebesar 90,8% diperoleh dari rata-rata
nilai akurasi keseluruhan untuk setiap titik. Hal ini menunjukkan bahwa hasil interpretasi dapat dipercaya
karena memiliki akurasi yang tinggi (Hartono dan Darmawan 2019). Perbedaan jumlah populasi tanaman
sawit pada hasil interpretasi dengan survey lapangan dikarenakan berdasarkan kondisi di lapangan banyak
populasi sawit yang masih muda dengan tinggi tanaman kurang dari 3 meter. Sehingga banyak tanaman
aren yang tidak terlihat pada gambar karena tertutup oleh tajuk tanaman yang lebih besar. Selain itu,
terdapat efek iluminasi yang menimbulkan rona gelap yang mempengaruhi interpretasi visual sehingga
menyebabkan tajuk tanaman menjadi redup (Rahmi Agtasari 2016). Lokasi penelitian yang memiliki efek
iluminasi umumnya berada di punggung gunung pada jurang yang curam.
Table 2. Accuration Value of Omisi-Komisi

Poin Land Surve Accuration

Citra
t Combination y %
0 C1l1 0 0 100
1 C1l2 0 0 100
2 C1l3 0 0 100
3 C1l4 0 0 100
4 C1l5 0 0 100
5 C2l1 0 0 100
6 C2l2 0 0 100
7 C2l3 8 12 70
8 C2l4 8 9 90
9 C2l5 6 8 75
10 C3l1 0 0 100
11 C3l2 0 0 100
12 C3l4 19 22 86
13 C3l5 14 15 93
14 C3l6 31 34 97
15 C3l7 0 0 100
16 Pemukiman l1 1 1 100
17 Pemukiman l3 0 0 100
18 Sawah l1 3 3 100
19 Sawah l3 1 9 10
20 Sawah l4 6 7 86
Total 97 120 90.8%

Point 7
8−12
[ [ ]]
Accuration= 1−
12
×100 %

= 70%(Hartono and Darmawan 2019)

Overall accuracy =
100+100+100+ 100+ 100+100+70+90+75+ 100+100+86+ 93+97+100+100+100+ 100+10+86
[ 21
×100 % ]
= 90.8%
 Mengacu pada peta persebaran pohon aren berada pada kombinasi muka tanah C2l3, C2l4, C2l5, C3l4,
C3l5, C3l6, pemukiman l1, sawah l1, dan sawah 14. Kombinasi pedalaman C213 sampai C316 ditemukan
gula aren pada kondisi lahan perkebunan campuran yang memiliki kerapatan sedang hingga padat pada
kemiringan landai hingga miring. Aren tumbuh secara alami tanpa adanya budidaya yang disengaja
sehingga tumbuh secara alami di daerah yang memiliki vegetasi lebat dan memiliki toleransi terhadap
lereng yang tinggi (Bernhard 2018). Sedangkan di pemukiman penduduk, aren tumbuh secara alami di
pekarangan rumah sebagai sisa tanaman hutan akibat alih fungsi lahan dari kebun/hutan campur.
Sementara aren tumbuh di sawah, umumnya tumbuh di sekitar aliran irigasi.
3.2. Potensi Tanaman Aren
Penentuan potensi dilakukan berdasarkan jumlah pohon aren yang disurvei berjumlah 120. Analisis
statistik diperlukan untuk mengetahui hubungan antar potensi, dalam hal ini total volume tanaman aren
dengan nilai indeks vegetasi (NDVI) . Volume total batang tanaman aren digunakan dalam menghitung
potensi karena di Kabupaten Jepara, penggunaan gula aren hanya untuk batang untuk patinya.
Berdasarkan hasil uji model dengan menggunakan uji linier sederhana, hubungan antara volume tanaman
dengan nilai NDVI berpengaruh signifikan. Nilai signifikansi yang diperoleh pada uji ANOVA adalah
0,000. Nilai sig 0,000 < 0,05 sehingga berdasarkan uji F korelasi antar variabel dikatakan signifikan.
Korelasi dikatakan saling berpengaruh, ditunjukkan dengan nilai R2 sebesar 0,575 yang artinya volume
tanaman berpengaruh signifikan terhadap nilai NDVI sebesar 57,5% dan sisanya sebesar 42,5% model
dipengaruhi oleh variabel lain di luar uji regresi ini. .
Table 3. Result of Regression Model
Index of Vegetation R R2 Standar error of estimate

NDVI 0.758 0.575 0.428

Table 4. Result of Anova Test

Model Sum of Df Mean F Sig.
Square
Squares

Regression 29.338 1 29.338 159.770 0.000

Residual 21.668 118 0.184

Total 51.006 119

Hasil estimasi potensi diperoleh dengan menginformasikan hasil nilai NDVI dengan total volume hasil
survei pada 120 tanaman aren. Penentuan nilai potensial prediktif dihasilkan dengan menggunakan
rumusan nilai koefisien regresi model. Nilai keseluruhan potensi prediksi tanaman aren adalah 127,69 m3.
Sedangkan potensi tanaman aren di lapangan sebesar 127,67 m3 .
Table 5. Potention of Sugar Palm
 Land Number Vtot (m3) Vtot (m3)
No Point
Combination of Trees Prediction Survey
Hasil potensi
tanaman 1 C2l3 T7 12 11.30 8.406 aren, baik
survei 2 C2l4 T8 9 9.53 6.53 maupun di
lapangan, 3 C2l5 T9 8 7.66 8.38 perlu diuji
4 C3l4 T12 22 26.76 27.1
5 C3l5 T13 15 20.38 25.43
6 C3l6 T14 34 35.10 35.44
7 Peml1 T16 1 0.98 1.08
8 Sawahl1 T17 3 3.54 2.36
9 Sawahl3 T18 9 7.83 7.45
10 Sawahl4 T19 7 4.60 5.43
Total 120 127.69 127.67

keakuratannya. Sehingga jika data memiliki tingkat kesalahan yang kecil maka model tersebut dapat
digunakan dalam menentukan potensi aren di seluruh kabupaten Jepara. Uji akurasi dilakukan dengan
melakukan uji standard error yang menghasilkan nilai 2,29. Standard Error menunjukkan bahwa model
memiliki akurasi yang tinggi. Hal ini dikarenakan semakin kecil nilai standard error atau mendekati 0,
maka semakin tinggi tingkat akurasinya. Hasil akurasi tersebut dapat disimpulkan bahwa model tersebut
dapat digunakan untuk mengestimasi potensi tanaman aren di seluruh Kabupaten Jepara.
Table 6. Test of Accuration Model
Vegetation R R2 Standar error of estimate
Index
NDVI 0.984 0.967 2.29

4. Kesimpulan

Estimasi potensi tanaman aren diperoleh dari perhitungan total volume potensi prediksi. Nilai potensinya
disesuaikan dengan nilai NDVI mulai dari rare, medium, dan meeting. Secara keseluruhan, prediksi
tanaman aren di Kabupaten Jepara adalah 5740 m3. Potensi tanaman kelapa sawit kondisi pedalaman cukup
besar dengan nilai NDVI sedang sampai lebat. Sebagian besar nilai NDVI memiliki tata guna lahan berupa
kebun campuran dan hutan dengan luas total 10.008,9 ha. Melalui nilai potensi yang diprediksi dapat
dijadikan pedoman dalam mendukung pengembangan agroforestri kelapa sawit. Sehingga pengembangan
agroforestri sawit pada penggunaan lahan
kebun campuran dan hutan dapat menjadi
langkah dalam menjaga kelestarian
dan mitigasi tanah yang berkelanjutan
dalam menghadapi perubahan iklim
dengan menghasilkan sekuestrasi karbon
yang melimpah.
 Figure 4. Map of potential distribution of Sugar palm

Ucapan Terima Kasih

Penulis mengucapkan terima kasih kepada BAPPEDA Jepara dan Universitas Sebelas Maret Surakarta
yang telah memfasilitasi pelaksanaan penelitian ini dan kepada semua pihak yang terlibat dalam penelitian
ini sehingga publikasi ini dapat terlaksana dengan baik.

References
[1] K. F. S. King, “Concepts of Agroforbstry By,” p. 15, 1979.
[2] M. Schoeneberger et al., “Branching out: Agroforestry as a climate change mitigation and
adaptation tool for agriculture,” J. Soil Water Conserv., vol. 67, no. 5, 2012, doi:
10.2489/jswc.67.5.128A.
[3] J. Matocha, G. Schroth, T. Hills, and D. Hole, “and Mitigation Through Agroforestry and
Ecosystem Conservation,” 2012, doi: 10.1007/978-94-007-4676-3.
[4] F. Puturuhu, J. Riry, and A. J. Ngingi, “Kondisi Fisik Lahan Tanaman Aren (Arenga pinnata L.) Di
Desa Tuhaha Kecamatan Saparua Kabupaten Maluku Tengah,” J. Budid. Pertan., vol. 7, no. 2, pp.
94–99, 2011.
[5] E. Martini et al., “Sugar palm (Arenga pinnata (Wurmb) Merr.) for livelihoods and biodiversity
conservation in the orangutan habitat of Batang Toru, North Sumatra, Indonesia: Mixed prospects
for domestication,” Agrofor. Syst., vol. 86, no. 3, pp. 401–417, 2012, doi: 10.1007/s10457-011-
9441-0.
[6] S. A. Laksananny and N. Pujirahayu, “Analisis Kelaakan Usaha Tani Tanaman Aren ( Arenga
pinnata Merr ) Genjah pada Sistem Agroforestri di Kawasan Tahura Nipa-Nipa Kendari,”
Ecogreen, vol. 3, no. 1, pp. 33–39, 2017, [Online]. Available:
http://ojs.uho.ac.id/index.php/green/article/view/2764.
[7] N. F. Andhini, “KERAGAAN EKSISTING TANAMAN AREN (Arenga pinnata Merr) DI
SUMATERA UTARA (Peluang dan Potensi Pengembangannya),” J. Chem. Inf. Model., vol. 53,
no. 9, pp. 1689–1699, 2017.
[8] P. Du et al., “Remote sensing image interpretation for urban environment analysis: Methods,
system and examples,” Remote Sens., vol. 6, no. 10, pp. 9458–9474, 2014, doi:
10.3390/rs6109458.
[9] Sutanto, Penginderaan Jauh Jilid 1. Yogyakarta: Gadjah Mada University Press, 1986.
[10] I. Susetyo and S. Setiono, “Aplikasi Penginderaan Jauh Untuk Mendukung Sistem Manajemen
Lahan Perkebunan Yang Berkelanjutan Di Perkebunan Karet,” War. Perkaretan, vol. 32, no. 2, p.
105, 2013, doi: 10.22302/ppk.wp.v32i2.42.
[11] Grefie Dwinata, “Aplikasi Citra Penginderaan Jauh untuk Estimasi Produksi Kelapa Sawit (,” pp.
1–12, 2014.
[12] I. Azhar, I. Risnasari, Muhdi, M. F. Srena, and Riswan, “The Utilization of Sugar Palm (Arenga
pinnata) by the People Around Batang Gadis Nasional Park Area,” IOP Conf. Ser. Earth Environ.
Sci., vol. 305, no. 1, 2019, doi: 10.1088/1755-1315/305/1/012016.
[13] D. Malamassam, “The management model for sugar palm in educational forest of Universitas
Hasanuddin,” IOP Conf. Ser. Earth Environ. Sci., vol. 486, no. 1, 2020, doi: 10.1088/1755-
1315/486/1/012108.
[14] A. Haryoso, E. A. M. Zuhud, A. Hikmat, A. Sunkar, and D. Darusman, “Ecological aspects and
regeneration of sugar palm in the Sasak community gardens of Kekait village, West Nusa
Tenggara, Indonesia,” J. Manaj. Hutan Trop., vol. 26, no. 1, pp. 1–12, 2020, doi:
10.7226/jtfm.26.1.1.
[15] M. R. Bernhard, “Teknik Budidaya dan Rehabilitasi Tanaman Aren,” Bul. Palma, vol. 0, no. 33,
pp. 67–77, 2018, doi: 10.21082/bp.v0n33.2007.67-77.