Model Penduga Produksi Getah Pinus (Pinus merkusii Jungh. et de Vriese) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat

Abstract

Getah pinus merupakan salah satu hasil hutan bukan kayu yang dapat dimanfaatkan karena memiliki nilai jual tinggi. Dalam mengelola getah pinus, Hutan Pendidikan Gunung Walat sangat membutuhkan informasi tentang penentuan target produksi getah pinus dalam tegakan yang dikelola melalui model penduga produksi getah pinus. Penelitian ini bertujuan menyusun model penduga produksi getah pinus berdasarkan peubah dimensi pohon. Peubah penduga yang digunakan antara lain diameter, tinggi total, kelerengan, ketinggian tempat tumbuh, jumlah koakan, rata - rata tinggi koakan, dan rata - rata kedalaman koakan. Pohon contoh dipilih secara sengaja di lokasi penelitian dengan tetap memperhatikan keterwakilan dari tiap kelas diameter. Model regresi yang digunakan terdiri dari Regresi Linear Berganda, Regresi Eksponensial, Regresi Multiplikatif dan Regresi Kuadratik dengan beberapa kelompok jumlah peubah yang berbeda. Model regresi terbaik yaitu model regresi multiplikatif 2 peubah dengan persamaan Y = -1,855X11,066X50,862, memiliki nilai R2 sebesar 65,98% dan s sebesar 0,14.

Pine resin is one of the non-timber forest products that can be used because it has a high selling value. In managing pine resin, Gunung Walat Educational Forest urgently needs information on determining of pine resin production targets in managed stands using pine resin production estimate models. The goal of this research is to create an estimator model of pine resin production based on tree dimension variables. The estimating variables used included diameter, total height, slope, height of growing place, quantity of koakan, average height of koakan, and average depth of koakan. The sample tree was chosen purposive at the research location by observing the representation of each diameter class. The regression model used for pine resin production consists of Multiple Linear Regression, Exponential Regression, Multiplicative Regression and Quadratic Regression with several groups of different number of variables. The best regression model is a 2-variable multiplicative regression model with the equation Y = -1,855 X11,066X50,862, has an R2 value of 65,98% and an s value of 0,14.