Disusun oleh :
I. TUJUAN
Tujuan dilaksanakannya praktikum acara 3 ini adalah :
1. Mencari hubungan beberapa karakteristik pohon (umur dengan
peninggi dan umur dengan basal area).
2. Menentukan daur tegakan berdasarkan perhitungan MAI dan CAI
Simpulkan apakah F hitung > F hasil atau tidak, jika yam aka Ho
ditolak dan sebaliknya
R2 0.9699 b 0.9686
R 0.9849 a 3.4857
Persamaan regresi
y=a+bx
y= 3.4857x + 0.9686
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.98486
R Square 0.969949
Adjusted R 0.963939
Square
Standard Error
2.017212
Observations 7
ANOVA
df SS MS F Significance F
Regression 1 656.6914 656.6914 161.3832 5.37E-05
Residual 5 20.34571 4.069143
Total 6 677.0371
Coefficients
Standard Error t Stat P-value Lower 95%Upper 95%Lower 95.0%
Upper 95.0%
Intercept 3.485714 1.704855 2.044581 0.096305 -0.89676 7.868184 -0.89676 7.868184
X Variable 10.968571 0.076243 12.70367 5.37E-05 0.772581 1.164561 0.772581 1.164561
Tabel 3.2.1 Data Awal Bonita 3 Pinus merkusii
Bonita Umur Oh N/ha Ba Vol
3 5 6.1 1170 4 20
3 10 13 605 18.7 74
3 15 19.1 410 22.9 147
3 20 25 310 25.5 203
3 25 29.4 240 27.4 237
3 30 32.6 200 28.7 260
3 35 34.8 180 29.6 276
Regression Statistics
Multiple R 0.875036
R Square 0.765688
Adjusted R 0.718826
Square
Standard Error
4.736055
Observations 7
ANOVA
df SS MS F Significance F
Regression 1 366.4889 366.4889 16.33907 0.009902
Residual 5 112.1511 22.43021
Total 6 478.64
Coefficients
Standard Error t Stat P-value Lower 95%Upper 95%Lower 95.0%
Upper 95.0%
Intercept 7.928571 4.002697 1.980807 0.10447 -2.36069 18.21783 -2.36069 18.21783
X Variable 10.723571 0.179006 4.042162 0.009902 0.263422 1.183721 0.263422 1.183721
b. Hasil Perhitungan
(Hubungan Umur dengan Peninggi)
a. XY
- Nomor 1 = 5 x 6.1 = 30.5
- Nomor 2 = 10 x 13 = 130
- Nomor 3 = 15 x 19.1 = 286.5
X2
- Nomor 1 = 52 = 25
- Nomor 2 = 102 = 100
- Nomor 3 = 152 = 225
Y2
- Nomor 1 = 6.12 = 37.21
- Nomor 2 = 132 =169
- Nomor 3 = 19.12 = 364.81
b. ∑X = 5+10+15+20+25+30+35 = 140 (p)
∑Y = 6.1+13+19.1+25+29.4+32.6+34.8= 160 (q)
∑XY = 30.5+130+286.5+500+735+978+1218=3878 (r)
∑X2 = 25+100+255+400+625+900+1225= 3500 (s)
∑Y2 =
37.21+169+364.81+625+864.36+1062.76+1211.04=4334.18 (t)
c. Rerata X = 140/7 = 20 (u)
Rerata Y = 160/7 = 22.86 (v)
d. Persamaan regresi
- b = (r-(pq/n))/(s-(p2/n)) = (3878-(140x160/7))/(3500-(1402/7))
= 0.9686
- a = v-bu = 22.86-160 x 20 = 3.4857
- Persamaan : y = 3.4857 + 0.9686x
e. Anova satu arah
- Db regresi = 1 ; Db total = 7-1 = 6 ; Db error = 6-1 = 5
- JK regresi = (r-(pq/n))2/(s-(p2/n)) = (3878-(140x160/7))2/(3500-
(1402/7)) = 656.69
- JK total = t-(q2/n) = 4334.18-(1602/7) = 677.04
- JK error = 677.04 – 656-69 = 20.35
- KT regresi = 656.69/1 = 656.69
- KT error = 20.35/5 = 4.07
- F hitung = 656.69/4.07 = 161.38
- F tabel = FINV(0.05,1,5) = 6.61
f. Nilai R
- R2 = 656.69/677.04 = 0.9699
- R = SQRT(0.9699) = 0.9849
g. Perhitungan MAI, CAI, dan PAI
- MAI
Nomor 1 = volume/umur = 20/5 = 4
Nomor 2 = volume/umur = 74/10 = 7.4
Nomor 3 = volume/umur = 9.8/15 = 14.6
- CAI
Nomor 2 = (v2-v1)/(u2-u1) = (74-20)/(10-5) = 10.8
Nomor 3 = (v2-v1)/(u2-u1) = (147-74)/(15-10) = 14.6
Nomor 4 = (v2-v1)/(u2-u1) = (203-147)/(20-15) = 11.2
- PAI
Nomor 4 = (v4-v1)/(u4-u1) = (203-20)/(20-5) = 12.2
Nomor 7 = (v7-v4)/(u7-u4) = (276-203)/(35-20) = 4.87
VI. PEMBAHASAN
Pada praktikum acara 3 ini, salah satu tujuan nya yaitu untuk
mencari hubungan karakteristik suatu pohon. Hubungan tersebut
dinyatakan dalam model matematika dengan analisis regresi yang
mencakup model regresi yang dapat dibedakan menjadi dua, yaitu variabel
dependen(terikat) dan variabel independent(bebas). Variabel dependen
merupakan variabel terikat yang nilainya dipengaruhi oleh adanya variabel
bebas. Pada praktikum ini, yang menjadi variabel dependen adalah
Oh(peninggi) dan basal area. Sedangkan variabel independent merupakan
variabel yang tidak dipengaruhi oleh variabel lain dan yang menjadi
variabel independent pada praktikum ini yaitu umur.
Analisis regresi merupakan salah satu analis yang bertujuan untuk
mengetahui pengaruh suatu variabel dengan variabel lainnya
(Yitnosumartom 1994) dengan menggunakan model regresi yang paling
sederhana yaitu model regresi linear sederhana (Tampil, dkk., 2017).
Metode analisis regresi sederhana dan metode korelasi dapat digunakan
untuk mengukur derajat hubungan antar variabel. Namun, perbedaannya
regresi digunakan sebagai pengukur bentuk hubungan dan korelasi
digunakan sebgaai pengukur keeratan hubungan antarvariabel (Kurniawan
dan Yuniarto, 2016). Fungsi dan manfaat dari dilakukannya analisis
regresi di bidang kehutanan adalah membuat estimasi rata-rata variabel
dependen dengan didasarkan pada variabel independent, meramalkan nilai
rata-rata variabel independent, serta menguji hipotesis karakteristik
dependen.
Dalam pengujian hipotesis digunakan koefisien determinasi (R 2)
yang ditujukan untuk mengetahui tingkat ketepatan paling baik dalam
Analisa regresi, dimana hal yang ditunjukkan oleh besarnya R2 antara 0
dan 1. R2 nol variabel independent tidak berpengaruh terhadap variabel
dependen. Apabila R2 mendekati satu maka dapat dikatakan bahwa
variabel independent berpengaruh terhadap variabel dependen. Selain itu,
koefisien determinasi ini dapat digunakan juga untuk mengetahui
persentase perubahan variabel independent yang disebabkan oleh variabel
dependen (Latief, A., & Rosalina, D., 2019). Nilai R2 yang didapatkan
pada hubungan umur dengan peninggi sebesar 0,9699 dan 0,7657 untuk
hubungan umur dengan basal area. Yang mana hubungan keduanya sangat
berpengaruh antara satu dengan lainnya.
Dari hasil perhitungan pada priktikum acara 3 ini, didapatkan hasil
F hitung sebesar 161,38 dan F tabel 6,61 pada hubungan antara umur
dengan peninggi. Sedangkan pada hubungan antara umur dengan basal
area, F hitung sebesar 16,34 dan F tabel sebesar 6,61. Pada hubungan
umur dengan peninggi, F hitung > F tabel, maka Ho ditolak, yang mana
ada korelasi yang signifikan antara umur degan peninggi. Dan pada
hubungan umur dengan basal area, F hitung > F tabel, maka Ho juga
ditolak, yang mana ada korelasi yang signifikan antara umur dengan basal
area.
Riap volume tegakan selama satu daur dapat dibedakan antara riap
rata-rata tahunan (Mean Annual Increment/MAI), riap rata-rata periodic
(Periodict Annual Incremenr/PAI), dan tipe rata-rata berjalan (Current
Annual Increment/CAI) (Simon, 2007). PAI berfungsi untuk mengetahui
rata-rata pertambahan tumbuh dimensi pohon atau tegakan da;am satu
periode. CAI merupakan perhitungan riap rata-rata di tahun berjalan,
artinya pertambahan dimensi pohon dalam waktu satu tahun yang
fungsinya guna mengetahui pertambahan dimensi suatu tegakan dalam
satu tahun. Sedangkan MAI merupakan riap volume rata-rata tahunan,
artinya rata-rata pertambahan tumbuh dimensi pohon atau tegakan tiap
tahunnya yang fungsinya guna memperkirakan dimensi pohon selama
jangka waktu tertentu.
Mindawati et al. (2010) menyebut pertemuan kurva CAI dan MAI
merupakan daur volume optimal suatu pohon untuk ditebang. Daur
optimal tegakan dilihat dari riap pertumbuhan maksimal yang ditentukan
berdasarkan telah adanya titik potong antara kurva riap tahunan berjalan.
Menurut Suhartati (1993) dalam Suhartati (2021), jika telah tercapai daur
volume optimal tetapi pohon belum ditebang, maka tambahan hasil
volume yang akan diperoleh sangat kecil dibanding waktu yang diperlukan
untuk tumbuh. Sebaliknya jika menebang pohon sebelum umur daur, hasil
kayu maksimum juga kurang tepat karena pohon masih dalam masa
pertumbuhan relatif cepat. Dalam praktikum kali ini, kurva CAI yang
memotong MAI adalah pada umur sekitar Pinus merkusii bonita 3 terdapat
di umur antara 15 sampai 20 tahun.
Pada praktikum ini dibuat analisis regresi pada data yang telah
diberikan pada Bonita 3 Pinus merkusii. Pada praktikum ini dihasilkan
data berupa hubungan antara umur dengan peninggi dan hubungan umur
dengan basal area. Pada tabel penyusunan persamaan untuk hubungan
umur dan peninggi didapatkan data jumlah umur yakni 140 tahun, jumlah
Oh 160, jumlah hasil perkalian umur dan Oh 3878, hasil pengkuadratan
umur jumlahnya yaitu 3500, jumlah hasil pengkuadratan Oh adalah
4334.18, rerata umurnya adalah 20 dan rerata peninggi 22,86. Dalam
perhitungan b (slope) dan a (intersect) akan didapatkan bahwasanya hasil a
adalah 3,49 dan b adalah 0,97 . Sehingga melalui data yang dihasilkan
tersebut dapat diketahui bahwasanya Y = 3,49 + 0,97x.
Pada tabel penyusunan persamaan untuk hubungan umur dan basal
area didapatkan data jumlah umur yakni 140 tahun, jumlah basal area
156.8, jumlah hasil perkalian umur dan basal area 3642.5, hasil
pengkuadratan umur jumlahnya yaitu 3500, jumlah hasil pengkuadratan
basal area adalah 3990.96, rerata umurnya adalah 20 dan rerata peninggi
22,4. Dalam perhitungan b (slope) dan a (intersect) akan didapatkan
bahwasanya hasil a adalah 7,93 dan b adalah 0,72. Sehingga melalui data
yang dihasilkan tersebut dapat diketahui bahwasanya Y = 7,93 + 0,72x.
Berdasarkan pegamatan hubungan umur dengan peninggi serta
umur dengan basal area yang didapatkan bahwasanya grafik cenderung
naik drastis pada kedua grafik pada umur yang cenderung masih muda
hingga pada umur tertentu grafik mengalami kenaikan yang tidak
signifikan/konstan, berbeda dengna yang ada di tabel dimana nilai Oh dan
basal area cenderung selalu naik dan linear, sedangkan pada grafik
cenderung melegkung.
VII. KESIMPULAN
Berdasarkan praktikum acara 3, dapat disimpulkan bahwa :
1. Hubungan antara umur dengan peninggi (Oh) dan hubungan umur
dengan Basal area (Ba) memiliki keterkaitan yang kuat. Hal tersebut
ditunjukkan dengan hasil perhitungan R (koefisien korelasi) yang
keduanya mendekati nilai 1 (satu). Hubungan antara variable bebas
dengan variable terikat pada data umur dengan peninggi dinyatakan
dalam persamaan y = 3,49 + 0,97x. dan pada data umur dengan basar
area didapatkan persamaan y = 7,93 + 0,72x.
2. Daur tegakan berdasarkan perhitungan CAI dan MAI didapatkan dari
daur volume maksimal yang merupakan perpotongan grafik antar
keduanya, dalam praktikum kali ini pada umur tegakan Pinus merkusii
bonita 3 terdapat di umur antara 15 hingga 20 tahun.
Fadhlullah, F., Asy'ari, M., & Ilham, W. (2020). Tingkat pertumbuhan trubusan
ulin (Eusideroxylon zwageri T. & B.) dalam menjaga kelestarian pada
IUPHHK PT. Aya Yayang Indonesia. Jurnal Sylva Scienteae, 3(1), 112-
120.
Ismayani. (2015). Metodologi Penelitian. Aceh : Syiah Kuala University Press.
Kurniawan, R. dan Yuniarto, B. 2016. Analisis Regresi : Dasar dan Penerapan
dengan R. Kencana. Jakarta.
Latief, A., & Rosalina, D. (2019). Analisis Hubungan Antar Manusia terhadap
Kinerja Karyawan. Journal of Education, Humaniora and Social
Sciences (JEHSS), 1(3).
Lelang, M. A. (2017). Uji Korelasi dan Analisis Lintas terhadap Karakter
Komponen Pertumbuhan dan Karakter Hasil Tanaman Tomat
(Lycopersicum esculentum Mill). Savana Cendana, 2(02), 33-35
Nawari. (2010). Analisis Regresi dengan MS Excel 2007 dan SPSS 17.n Jakarta :
PT. Elex Media Komputindo.
Septiadi, A., & Ramadhani, W. K. (2020). Penerapan Metode Anova untuk
Analisis Rata-rata Produksi Donat, Burger, dan Croissant pada Toko
Roti Animo Bakery. Bulletin of Applied Industrial Engineering Theory,
2(1)
Simon, H. (2007). Statistik untuk Kehutanan. Yogyakarta : Pustaka Pelajar.
Suhartati, T. (2021). DAUR VOLUME OPTIMAL JATI DI HUTAN RAKYAT
(STUDI KASUS DI DESA GIRIKARTO, KECAMATAN
PANGGANG, KABUPATEN GUNUNG KIDUL. Jurnal Wana
Tropika, 11(2), 16-25.
Tampil, Y., Komaliq, H., & Langi, Y. 2017. Analisis Regresi Logistik Untuk
Menentukan Faktor-Faktor Yang Mempengaruhi Indeks Prestasi
Kumulatif (IPK) Mahasiswa FMIPA Universitas Sam Ratulangi
Manado. d'CARTESIAN : Jurnal Matematika dan Aplikasi, 6(2), 56-62
Yitnosumarto, S. (1994). Dasar-dasar Statistika. Jakarta: Rajawali Perss