Pengembangan Model Berbasis Data Spasial untuk Perkiraan Potensi Hasil dan Produksi Kedelai Menggunakan SUCROS.SIM di Jawa Timur

PENGEMBANGAN MODEL BERBASIS DATA SPASIAL
UNTUK PERKIRAAN POTENSI HASIL DAN PRODUKSI
KEDELAI MENGGUNAKAN SUCROS.SIM DI JAWA TIMUR

BAMBANG SRI KOENTJORO

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudul Pengembangan Model
Berbasis Data Spasial untuk Perkiraan Potensi Hasil dan Produksi Kedelai
Menggunakan SUCROS.SIM di Jawa Timur adalah benar karya saya dengan
arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada
perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya
yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam
teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.

Bogor, Nopember 2014
Bambang Sri Koentjoro
NIM G651120461

RINGKASAN
BAMBANG SRI KOENTJORO. Pengembangan Model Berbasis Data Spasial
untuk Perkiraan Potensi Hasil dan Produksi Kedelai Menggunakan SUCROS.SIM
di Jawa Timur Dibimbing oleh IMAS SUKAESIH SITANGGANG dan ABDUL
KARIM MAKARIM.
Model simulasi potensi hasil dan produksi kedelai dapat digunakan untuk
memperkirakan potensi hasil dan produksi kedelai nasional. Salah satu model
simulasi untuk tanaman kedelai adalah SUCROS (Simple Universal Crops
Growth Simulator). Hasil dari simulasi SUCROS.SIM berupa spreadsheet kurang
menarik bagi pengguna yang awam tentang simulasi. Sistem informasi geografis
berbasis web (Web GIS) dapat digunakan untuk menampilkan hasil simulasi
dengan lebih menarik dan lebih mudah dipahami oleh pengguna. Web GIS
memiliki beberapa kelebihan yaitu data terpusat, dapat diakses dimana saja, biaya
lebih murah dan penggunaan lebih mudah. Dalam penelitian ini dikembangkan

sebuah modul simulasi prediksi potensi hasil dan produksi kedelai berbasis
SUCROS.SIM dengan studi kasus pada sentra produksi kedelai di Jawa Timur,
yang divisualisasikan dengan Web GIS. Data penelitian meliputi data suhu udara
harian (suhu minimum dan maksimum), radiasi surya tahun 2008-2012, data luas
lahan kedelai di Jawa Timur tahun 2008-2012, peta tematik batas wilayah tahun
2010, data varietas kedelai yaitu varietas Wilis, Bromo, Galunggung, No 29, dan
Argomulyo. Hasil penelitian menunjukkan bahwa rata-rata potensi hasil kedelai
dari model simulasi SUCROS.SIM di Jawa Timur sebesar 1.94 ton/ha. Tinggi
rendahnya potensi hasil sangat dipengaruhi oleh fluktuasi suhu, radiasi, asimilat
dan latitude. Akurasi model ditunjukkan dengan nilai RMSE sebesar 0.18-0.31,
yang menunjukan bahwa perfoma pemodelan mempunyai tingkat akurasi yang
tinggi dan nilai R2 sebesar 0.858-0.912 yang menunjukkan bahwa prediksi model
baik dan handal. Model divisualisasikan dalam bentuk WebSIG yang mempunyai
fitur utama yaitu peta sebaran potensi hasil kedelai dari setiap kabupaten di Jawa
Timur, tabel potensi hasil, produksi dan senjang hasil kedelai, grafik potensi hasil,
produksi dan senjang hasil kedelai tingkat kabupaten di Jawa Timur dan beberapa
fungsi tambahan lain untuk explorasi peta.
Kata kunci: kedelai, potensi hasil, simulasi, sistem informasi geografis berbasis
web, SUCROS.SIM

SUMMARY
BAMBANG SRI KOENTJORO. Development of Spatial Data Based Model
to Estimate Yield Potency and Production of Soybean using SUCROS.SIM in East
Java. Supervised by IMAS SUKAESIH SITANGGANG and ABDUL KARIM
MAKARIM.
The simulation model for soybean yield potency and production can be used to
estimate the national soybean production. One of the simulation model for the
soybean crop is SUCROS (Simple Universal Crops Growth Simulator). The
results of the SUCROS.SIM simulation is in the form of spreadsheet which is less
attractive to the users with less knowledge of simulation. Web-based geographic
information systems (Web GIS) can be used to display the simulation results more
attractive and easier for user to understand. A web GIS has several advantages
such as centralized data, can be accessed anywhere, cheaper cost and easier to use.
In this study a prediction of yield potential and soybean production simulation
module based on SUCROS.SIM was developed with the case study based on
soybean production center in East Java, which is visualized in the Web GIS. The
research data includes daily air temperature data (minimum and maximum
temperature), yearly solar radiation in 2008-2012, the data land area of soybean in
East Java in 2008-2012, thematic boundaries map in 2010, the soybean varieties
are varieties Wilis, Bromo, Galunggung, Number 29, and Argomulyo. The results

showed that the average soybean yield potential of simulation models
SUCROS.SIM in East Java at 1.94 ton/ha. The high and low yield potential is
strongly influenced by fluctuations in temperature, radiation, assimilate and
latitude. The accuracy of the model is indicated by the RMSE value that ranges
from 0.18 to 0.31 which indicates that the model has a high degree of accuracy.
The value of R2 is 0858-0912 which shows that the prediction models are reliable.
The model is visualized in the form of WebSIG with several key features that are
soybean yield potential distribution maps of each district in East Java, tables yield
potential, production and soybean yield gap, graphs yield potential, production
and soybean yield gap districts in East Java and some additional functionalities for
map exploration.
Keywords: Simulation, soybean, SUCROS.SIM, web based geographical
information system, yield potential

© Hak Cipta Milik IPB, Tahun 2014
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan

IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apa pun tanpa izin IPB

PENGEMBANGAN MODEL BERBASIS DATA SPASIAL
UNTUK PERKIRAAN POTENSI HASIL DAN PRODUKSI
KEDELAI MENGGUNAKAN SUCROS.SIM DI JAWA TIMUR

BAMBANG SRI KOENTJORO

Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Komputer
pada
Program Studi Ilmu Komputer

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2014

Penguji Luar Komisi pada Ujian Tesis: Irman Hermadi, SKom, MS, PhD.

Judul Tesis : Pengembangan Model Berbasis Data Spasial untuk Perkiraan
Potensi Hasil dan Produksi Kedelai Menggunakan SUCROS.SIM
di Jawa Timur
Nama

: Bambang Sri Koentjoro

NIM

: G 651120461

Disetujui oleh
Komisi Pembimbing

Dr Imas Sukaesih Sitanggang, SSi MKom

Prof (Riset) Dr Ir A Karim Makarim, MSc

Ketua

Anggota

Diketahui oleh

Ketua Program Studi

Dekan Sekolah Pascasarjana

Ilmu Komputer

Dr Eng Wisnu Ananta Kusuma, ST MT

Dr Ir Dahrul Syah, MScAgr

Tanggal Ujian: 16 September 2014

Tanggal Lulus:

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Sholawat serta
salam semoga tetap tercurahkan kepada junjungan kita Nabi Muhammad SAW.
Tulisan ini merupakan hasil penelitian yang disusun dalam rangka memenuhi
salah satu syarat untuk memperoleh gelar Magister pada Program Studi Ilmu
Komputer Institut Pertanian Bogor. Tema yang dipilih dalam penelitian yang
dilaksanakan sejak bulan Januari 2014 sampai Juli 2014 ini adalah Pengembangan
Model Berbasis Data Spasial untuk Perkiraan Potensi Hasil dan Produksi Kedelai
Menggunakan SUCROS.SIM di Jawa Timur.
Penulis menyadari bahwa penyelesaian tulisan ini tidak lepas dari bantuan
banyak pihak, oleh karena itu pada kesempatan ini penulis menyampaikan
penghargaan dan ucapan terima kasih yang tulus dan mendalam kepada Ibu Dr
Imas Sukaesih Sitanggang, SSi MKom selaku Ketua Komisi Pembimbing, serta
Bapak Prof. (Riset) Dr A Karim Makarim, MSc selaku Anggota Komisi
Pembimbing yang telah memberikan curahan waktu, bimbingan, arahan,
dorongan moral dengan penuh dedikasi kepada penulis dari awal hingga
selesainya tesis ini.
Terima kasih yang mendalam penulis sampaikan kepada Bapak Dr

Hariyono, MSc Kepala Badan Litbang Pertanian yang telah memberikan ijin,
kesempatan dan beasiswa yang diberikan kepada penulis untuk mengikuti
program Magister pada Sekolah Pascasarjana Institut Pertanian Bogor. Ucapan
terima kasih juga penulis sampaikan kepada Bapak Dr Didik Hernowo selaku Ka
Balitkabi yang telah memberikan dukungan, Bapak Prof. Marwoto, Dr Yusmani
Prayogo dan Dr M. Muchlish Adie yang senantiasa memberi dorongan dan
semangat. Bapak Ir I Ketut Tastra, MS yang telah banyak memberi saran. Di
samping itu, penghargaan penulis sampaikan kepada Bapak Subekti dari Badan
Meteorologi Klimatologi dan Geofisika Karangploso Malang, Bapak Ir. Arif
Musaddad yang memberi ijin tinggal di rumah beliau. Terima kasih juga penulis
sampikan kepada Bapak Ir Suyamto (Ka KP Muneng), Bpk Slamet Riyadi, SP
(Ka KP Ngale), Bapak Margono R, MS (Ka KP Jambegede), Bapak Cipto
Prahoro, SP (Ka KP Kendalpayak) dan Bapak Sumarno, SP (Ka KP Genteng) atas
informasi data yang diberikan, serta Bapak Sutarji S.Sos dan Ibu Ismi staf
perpustakaan Balitkabi.
Rasa hormat dan terima kasih yang sangat dalam penulis sampaikan kepada
KH. Abdullah Amin pengasuh pondok pesantren Daarul Muttaqin Bantur Malang,
atas bimbingan rohani dan doa. Ibunda tercinta Sri Darmini yang telah
mencurahkan segenap perhatian dan waktu dengan selalu membantu dan
mendo’akan penulis agar berhasil dengan penuh rasa cinta. Demikian juga kepada

Ayahnda Drs. Mulyono dan Ibunda Dra. Sujanti yang tiada henti mendo’akan
penulis agar dapat menyelesaikan studi ini. Secara khusus penulis mengucapkan
penghargaan dan kebanggaan yang tidak terhingga kepada istri tercinta Adinda
Sri Rahayu Yuni M, STP SGz dan ananda tersayang Nurul Isnaini, atas ketulusan,
pengertian, kesabaran, semangat dan pengorbanan yang terus-menerus diberikan
kepada penulis selama menempuh pendidikan. Penulis juga menyampaikan rasa
penghargaan dan terima kasih kepada adik-adik tercinta keluarga Nita, Sari,
keluarga Ningrum, keluarga Bambang, keluarga Mas Agus, keluarga Mas Iwa dan
keluarga (alm) Mas Yudo dan eyang Nik atas segala doa dan kasih sayangnya.

Kepada rekan-rekan mahasiswa Magister Komputer angkatan 14 penulis
menyampaikan terima kasih atas kebersamaan, kerjasama dan persaudarannya
selama menempuh pendidikan. Secara khusus, penulis menyampaikan penghargaan kepada Dhieka Avrilia Lantana atas kesabaran dan bantuannya, juga pada
Aji Primajaya, Moch. Usman, Aulia Rachman, Priyo, Ramdan, Iin, Hani, M.
Fuad, dan Erliyan atas kerjasamanya. Penulis menyadari bahwa tesis ini masih
jauh dari kesempurnaan. Segala kritik dan saran selalu penulis harapkan demi
kesempurnaan tesis ini. Akhirnya penulis berharap semoga tesis ini dapat
memberikan manfaat bagi semua pihak. Semoga Allah SWT selalu memberikan
petunjuk, perlindungan dan kesejahteraan bagi kita semua.
Semoga karya ilmiah ini bermanfaat.

Bogor, Nopember 2014
Bambang Sri Koentjoro

DAFTAR ISI
DAFTAR TABEL

viii

DAFTAR GAMBAR

ix

DAFTAR LAMPIRAN

ix

1 PENDAHULUAN

1

Latar Belakang

1

Rumusan Permasalahan

3

Tujuan Penelitian

3

Manfaat Penelitian

3

Ruang Lingkup Penelitian

3

2 TINJAUAN PUSTAKA

3

Model dan Simulasi

4

Perkembangan Model Simulasi

6

Sistem Informasi Geografis

6

Komponen Dasar WebSIG

7

3 BAHAN DAN METODE

8

Waktu dan Tempat Penelitian

8

Bahan

8

Alat

9

Wilayah Penelitian

9

Kondisi Iklim

11

Tahapan Penelitian

13

Penentuan Potensi Hasil dan Produksi Kedelai Menggunakan Model
Simulasi SUCROS.SIM

13

Identifikasi Elemen Sistem

14

Simulasi Model SUCROS.SIM

14

Perbaikan Model

14

Visualisasi Model

14

Pembangunan Sistem Informasi Geografis

14

Analisis Kebutuhan

15

Pengumpulan Data

15

Perancangan Konseptual

16

Akuisisi Perangkat Keras dan Perangkat Lunak

16

Perencanaan dan Perancangan Basis Data

16

Perancangan Antarmuka

16

Implementasi WebSIG

16

Pengujian

16

4 HASIL DAN PEMBAHASAN

17

Penentuan Potensi Hasil dan Produksi Kedelai Menggunakan Model
Simulasi SUCROS.SIM

17

Identifikasi Elemen Sistem

17

Simulasi Model SUCROS.SIM

17

Perbaikan Model

22

Pembangunan Sistem Informasi Geografis

22

Analisis Kebutuhan

22

Pengumpulan Data

23

Perancangan Konseptual

23

Akuisisi Perangkat Keras dan Perangkat Lunak

24

Perencanaan dan Perancangan Basis Data

25

Perancangan Antarmuka

26

Implementasi Web

27

Pengujian

29

5 SIMPULAN DAN SARAN

30

Simpulan

30

Saran

30

UCAPAN TERIMA KASIH

Error! Bookmark not defined.

DAFTAR PUSTAKA

30

LAMPIRAN

34

RIWAYAT HIDUP

41

viii

DAFTAR TABEL
1

Luas panen, produktivitas dan produksi kacang kedelai di Jawa
Timur 2011
2 Luas panen, produktivitas, dan produksi tanaman kedelai Provinsi
Jawa Timur tahun 2008-2012
3 Data suhu dan radiasi surya yang digunakan dalam model
simulasi potensi hasil kedelai (SUCROS.SIM) di Jawa Timur,
2013
4 Luas panen, produktivitas, produksi tanaman kedelai Indonesia
2008-2012
5 Hasil model simulasi SUCROS.SIM perkiraan potensi hasil
kedelai di lima kabupaten tahun 2008-2012
6 Rata-rata hasil simulasi potensi hasil, hasil aktual, senjang hasil,
regresi dan RMSE potensi hasil kedelai di Jawa Timur tahun
2008-2012
7 Hasil model simulasi prediksi potensi hasil dari lima kabupaten
(Malang, Blitar, Banyuwangi, Pacitan, dan Probolinggo) di Jawa
Timur tahun 2008-2012
8 Analisis produktivitas dan produksi tanaman kedelai di Jawa
Timur (2009-2012)
9 Atribut tabel potensi hasil
10 Atribut tabel batas wilayah
11 Hasil pengujian Black-box

10
11

12
18
20

20

21
21
25
25
29

ix

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Penggunaan model simulasi dan SIG untuk pemetaan wilayah
pertanian (Aggarwal 1991)
Diagram alir interaksi antara Powersim, Microsoft Excel dan SIG
(Carlos 2006)
Arsitektur SIG berbasis Web (Alesheikh et al. 2002)
Kontribusi Provinsi Jawa Timur terhadap produksi kedelai
nasional 2008-2012 (Sumber: diolah dari data BPS 2013)
Tahapan Penelitian Model Simulasi SUCROS.SIM
Tahapan pembuatan webSIG
Diagram relasi antar elemen sistem dengan faktor pembatas
cahaya
Rata-rata suhu maksimum dan minimum di Kabupaten Blitar,
Malang, Pacitan, Banyuwangi, dan Probolinggo tahun 2008-2012
Diagram konteks
Diagram aliran data
Rancangan antarmuka WebSIG
Peta hasil pencarian berdasar nama kabupaten di Jawa Timur
Tabel dan mode pencarian potensi hasil kedelai di Jawa Timur
Tampilan grafik hasil pencarian

5
5
8
11
14
15
17
19
23
24
26
27
28
28

DAFTAR LAMPIRAN
1
2
3
4

Rata-rata hasil simulasi potensi dan senjang hasil kedelai.
Nilai parameter RMSE model simulasi potensi hasil kedelai
(SUCROS.SIM)
Regresi model simulasi potensi hasil kedelai (SUCROS.SIM)
Peta ketegori potensi hasil kedelai di Jawa Timur

34
35
37
39

1

1 PENDAHULUAN
Latar Belakang
Kedelai merupakan komoditas tanaman pangan terpenting ketiga setelah
padi dan jagung kaya akan protein. Sebagai sumber protein nabati, kedelai sangat
penting untuk peningkatan gizi masyarakat karena aman konsumsi dan harga yang
terjangkau. Sejalan dengan pertambahan penduduk setiap tahun yang terus
meningkat, tentu kebutuhan kedelai sebagai bahan pangan juga akan meningkat.
Rata-rata konsumsi kedelai mencapai 8.12 kg/kapita/tahun (Sudaryanto dan
Swastika 2007).
Kebutuhan kedelai pada tahun 2012 sebesar 2.2 juta ton (Badan Pusat
Statistik 2013), sedangkan produksi dalam negeri baru mencapai 843.153 ton dan
kekurangannya diimpor sebesar 1.35 juta ton. Impor kedelai terbesar Indonesia
pada 2011 berasal dari Amerika Serikat (AS) dengan jumlah 1.847.900 ton,
Malaysia 120.074 ton, Argentina 73.037 ton, Uruguay 16.825 ton, dan Brasil
13.550 ton (Badan Pusat Statistik 2012).
Salah satu upaya pemerintah untuk mengatasi kekurangan akan kebutuhan
kedelai dengan menerapkan program empat sukses Kementerian Pertanian salah
satu di antaranya adalah pencapaian swasembada kedelai tahun 2014. Sehubungan
dengan itu, Direktorat Jenderal Tanaman Pangan pada tahun 2011 merencanakan
pengembangan kedelai pada area satu juta ha dengan produktivitas 1.5 ton/ha
guna mencapai total produksi nasional 1.56 juta ton (Direktorat Jenderal Tanaman
Pangan 2010).
Potensi hasil adalah hasil tertinggi yang dapat dicapai suatu varietas pada
suatu lokasi pertanaman tanpa adanya faktor pembatas selain genetik, radiasi, dan
suhu. Produktivitas adalah kemampuan tanaman untuk menghasilkan biji (ton/ha).
Produksi adalah jumlah total dari produktivitas dikalikan luas area panen. Tujuan
akhir dari suatu kegiatan budidaya tanaman khususnya kedelai adalah dicapainya
potensi hasil. Pada pelepasan varietas kedelai sebagai syarat kelengkapan
dibutuhkan informasi potensi hasil sebagai data dukung. Dari sekian banyak
varietas yang telah dilepas dalam kisaran kurun waktu 1918-2012 (Suhartina
2005, 2012) data potensi hasil masih belum dijadikan sebagai suatu ukuran yang
standar. Pada deskripsi varietas, informasi hasil masih dalam bentuk rata-rata hasil
ataupun kisaran hasil. Bilamana informasi potensi hasil tersebut secara konsisten
ada “tercantum” dalam deskripsi varietas, tentu akan memberi dampak positif
kegiatan penelitian untuk membuat terobosan baru yang dapat meningkatkan
produktivitas secara signifikan.
Penggunaan model simulasi di samping dapat dipakai untuk memprediksi
potensi hasil kedelai juga untuk mengetahui potensi peningkatan produksi kedelai
yang dapat dicapai bila suatu varietas unggul kedelai ditanam pada suatu
agroekosistem. Di Indonesia upaya mengembangkan model simulasi kedelai
dilakukan semakin intensif sejalan dengan adanya kebijakan impor kedelai oleh
pemerintah, yang membutuhkan perkiraan produksi kedelai semakin tepat. Hal ini
penting untuk menghitung jumlah impor kedelai yang sesuai dengan kebutuhan
dalam negeri, tanpa merugikan petani. Tastra et al. (2012) telah mengembangkan
model simulasi swasembada kedelai nasional, yang di antaranya menggunakan

2

data hasil kedelai dari Badan Pusat Statistik yang relatif bersifat statis. Oleh
karena itu kurang praktis digunakan oleh para pengambil kebijakan jika
ditemukan varietas unggul kedelai yang baru yang mempunyai potensi hasil lebih
tinggi. Untuk itu, upaya mengembangkan model potensi kedelai beberapa varietas
unggul kedelai, sebagai komponen (sub-sistem) dari model simulasi swasembada
kedelai nasional sangat diperlukan.
Salah satu model simulasi potensi hasil kedelai yang mudah digunakan oleh
para peneliti dan pengambil kebijakan adalah model simulasi SUCROS.SIM yang
dikembangkan oleh Tastra et al. (2004) dari SUCROS.CSM. Namun hasil dari
SUCROS.SIM masih dalam bentuk angka dalam tabel, sehingga kurang menarik
bagi pengguna yang awam tentang simulasi. Salah satu upaya untuk memberikan
informasi yang mudah bagi pengguna terhadap hasil model simulasi yaitu dengan
menggunakan sistem informasi geografis berbasis web (WebSIG) yang memiliki
fitur utama yaitu pengelolaan data spasial, serta penyajian data dan informasi
dalam bentuk peta, tabel, dan grafik.
Penggunaan WebSIG diharapkan dapat memberikan informasi bagi pengguna
mengenai potensi hasil dan produksi kedelai dalam bentuk tabel, grafik, dan peta,
selain itu pengguna dapat pula dengan mudah mengetahui peta distribusi potensi
hasil kedelai. Kelebihan lain yang didapatkan apabila menggunakan WebSIG,
yaitu data terpusat, biaya lebih murah untuk hardware dan software, penggunaan
lebih mudah, dan pengaksesan yang lebih luas terhadap informasi yang diberikan.
Oleh karena itu, sebuah sistem informasi geografis (SIG) yang dapat mengelola
data spasial diperlukan untuk memvisualisasikan hasil simulasi potensi hasil
kedelai, sehingga pemanfaatannya dalam memperkirakan peningkatan produksi
kedelai nasional khususnya di Jawa Timur dapat lebih optimal. Jawa Timur
merupakan sentra produksi kedelai terbesar diantara propinsi yang lain di
Indonesia, kontribusi Propinsi Jawa Timur terhadap produksi kedelai nasional
tahun 2012 sekitar 40% (Badan Pusat Statistik 2013), sehingga menarik untuk
diketahui seberapa besar potensi hasil kedelai di Jawa Timur jika dilakukan
prediksi potensi hasil kedelai dengan model simulasi.
Ketepatan dalam memprediksi potensi hasil tanaman baik pada skala
regional maupun nasional merupakan informasi yang sangat dibutuhkan oleh
institusi pemerintah karena dapat digunakan untuk mendukung pengambilan
kebijakan berkaitan dengan pangan. Pengelolaan model simulasi dengan SIG
merupakan salah satu cara yang mungkin dapat digunakan untuk memprediksi
potensi hasil dan produksi tanaman di suatu wilayah (Lal et al. 1993; Engel et al.
1997, Georgiev et al. 1998). Basis data spasial dalam SIG telah digunakan secara
luas pada pemodelan lingkungan dan pertanian (Hartkamp et al. 1999).
Georgiev et al. (1998) menggunakan hubungan SIG dan sistem pemodelan
tanaman (IAEGIS) untuk memperkirakan hasil kedelai Southwetern Georgia.
Untuk mengetahui keadaan cuaca maka dipilih delapan stasiun sebagai penyedia
data cuaca. Menurut Hartkamp et al. (1999) terdapat dua model yang dapat
dihubungkan dengan SIG, yaitu menghubungkan, menggabungkan atau
menyatukan. Menghubungkan adalah “loose coupling” untuk memudahkan input
dan ouput antara SIG dan model. Pada level ini pengguna menampilkan model
simulasi dan SIG. Penggabungan tersebut ditandai dengan adanya pertukaran data
(DDE-Dynamic Data Exchange).

3

Rumusan Permasalahan
Pengambil kebijakan seringkali menghendaki tersedianya informasi potensi
hasil dan produksi kedelai secara cepat. Salah satu cara yang dapat dilakukan
secara cepat dan akurat yaitu dengan menggunakan model simulasi. Model
simulasi prediksi potensi hasil dan produksi kedelai dapat digunakan untuk
menjawab tantangan tersebut. Namun keluaran model simulasi masih dalam
bentuk tabel spreadsheet, sehingga kurang menarik bagi penggunanya. Oleh
karena itu, dirasa perlu untuk ditampilkan pula dalam bentuk visualisasi WebSIG.
Dengan WebSIG maka pengguna akan mendapatkan informasi dengan mudah
dalam bentuk peta, tabel dan grafik.
Tujuan Penelitian
1. Membuat model untuk prediksi potensi hasil dan produksi kedelai berbasis
SUCROS.SIM khususnya di sentra produksi Jawa Timur.
2. Membangun sistem informasi geografis berbasis web untuk pengelolaan data
hasil simulasi potensi hasil dan produksi kedelai.
Manfaat Penelitian
1. Membantu pengguna untuk mendapatkan informasi prediksi potensi hasil dan
produksi kedelai yang dapat digunakan sebagai sumber informasi dengan
model simulasi
2. Bagi pengambil kebijakan dengan cepat dan mudah dapat mengetahui
perkiraan dampak pengembangan varietas unggul kedelai terhadap
peningkatan produksi kedelai dari sentra produksi kedelai Jawa Timur.
3. Bagi para peneliti pemuliaan dan ekofisiologi model dapat dipakai untuk
mendukung perakitan varietas kedelai tipe ideal yang sesuai dengan kondisi
sentra produksi kedelai Jawa Timur.
Ruang Lingkup Penelitian
Pengembangan model simulasi prediksi potensi hasil dan produksi kedelai
berbasis SUCROS.SIM dengan menggunakan inputan data suhu harian (minimum
dan maksimum) tahun 2008-2012, radiasi surya, partisi asimilat serta latitude.
Sedangkan produksi kedelai disini merupakan total dari produktivitas dikalikan
luas area tanam kedelai. Aplikasi yang digunakan dalam membuat model simulasi
potensi hasil kedelai adalah SUCROS.SIM yang tersedia pada Powersim
Constructor.

2 TINJAUAN PUSTAKA
Kedelai pada umumnya dibudidayakan di lahan sawah atau lahan kering. Di
Jawa Timur kedelai lahan sawah ditanam pada Juni-Juli sedangkan untuk lahan
kering biasanya petani menanam kedelai pada bulan Januari-Februari. Prediksi
potensi hasil kedelai perlu dilakukan karena untuk mengetahui seberapa besar
potensi daerah tersebut digunakan untuk pengembangan pertanaman kedelai.
Kasryno dan Pribadi (1991) menyarankan empat kebijakan yang dapat ditempuh

4

untuk meningkatkan produksi kedelai, yaitu: (1) kebijakan harga yang berorientasi
pada produsen; (2) pengembangan paket teknologi; (3) subsidi sarana produksi;
dan (4) pengendalian impor dan perdagangan dalam negeri.
Sistem dinamik swasembada kedelai yang digunakan para pengambil
kebijakan dalam menyusun program pengembangan produksi kedelai nasional
kehandalannya sangat ditentukan oleh akurasi dari berbagai sub-model
penyusunnya. Salah satu sub-model (komponen) sistem dinamik kedelai adalah
model simulasi potensi hasil varietas unggul kedelai. Penyebab perbedaan tingkat
hasil suatu varietas antara lain oleh pola partisi asimilatnya. Partisi asimilat
merupakan proses pendistribusian hasil fotosintesis (asimilat) ke seluruh bagian
tanaman. Fotosintesis adalah proses sintesis karbohidrat dari bahan-bahan
anorganik (CO2 dan H2O) pada tumbuhan berpigmen dengan bantuan energi
cahaya matahari. Saat ini beberapa varietas unggul kedelai yang telah dilepas
belum dilengkapi dengan pola data partisi asimilat sehingga belum dapat
digunakan dalam pengembangan model simulasi pola potensi.
Model dan Simulasi
Pengertian simulasi menurut Hoover dan Perry (1989) adalah sebagai suatu
proses desain suatu model dari sistem nyata dengan menggunakan komputer yang
berdasarkan dari hasil-hasil percobaan; digunakan untuk menggambarkan,
menerangkan dan memprediksi perilaku dari sistem nyata. Sementara itu
pemahaman lain yang dikemukan oleh Law dan Kelton (1989) memberikan
pemahaman tentang pengertian simulasi dalam konteksnya sebagai suatu cara
dalam mempelajari suatu sistem. Dikatakannya bahwa dalam mempelajari suatu
sistem, dapat melakukan percobaan dengan menggunakan sistem aktual atau
dengan menggunakan model dari sistem tersebut. Model yang digunakan bisa
berupa model fisik atau model matematik. Untuk menguji atau melihat bagaimana
model tersebut dapat menjawab tentang hal-hal yang berkaitan dengan sistem
yang dipelajari, bisa menggunakan “analitical solution” atau simulasi. Simulasi
dapat digunakan jika model tersebut sederhana, sehingga tinggal mencari
keterkaitan antar elemen yang ada dari model tersebut. Namun, suatu sistem yang
terbentuk pada umumnya sangat rumit dan sulit untuk menggunakan solusi
analisis. Dalam hal ini, model tersebut harus dipelajari dengan menggunakan
simulasi.
Batasan tentang model menurut Handoko (1994) sebagai penyederhanaan
dari suatu sistem. Sementara sistem diartikan sebagai gambaran suatu proses atau
beberapa proses (beberapa subsistem) yang teratur. Suatu sistem bisa nampak
sangat rumit karena banyak proses atau komponen yang terlibat di dalamnya,
namun sistem tersebut tetap merupakan suatu keteraturan. Lebih lanjut Handoko
(2005) menambahkan bahwa sistem merupakan suatu mekanisme dari interaksi
berbagai komponen dalam suatu alir yang membentuk suatu fungsi, dan
penyederhanaannya disebut sebagai model.
Beberapa model simulasi pertumbuhan tanaman yang telah dikembangkan
di Indonesia di antaranya kedelai (Makarim et al. 1989), kedelai (Boer et al.
1998). Model SOYGRO (IBSNAT 1989) merupakan model simulasi tanaman
kedelai yang dibuat pakar asing. Model ini membutuhkan inputan yang lebih detil,
yaitu data sifat fisik dan kimia tanah, data sifat genetik tanaman. Model
SOYRUT-IV v.1.0 adalah model simulasi tanaman kedelai yang dikembangkan

5

oleh Boer et al. (1998) yang merupakan model peramalan prediksi kedelai. Model
simulasi dapat digunakan untuk zonasi wilayah pertanian (Agro-ecological
zoning). Hal ini dapat dilakukan dengan menggabungkan model simulasi tanaman
yang telah divalidasi dengan SIG. Dengan pendekatan tersebut potensi hasil suatu
tanaman dalam suatu wilayah dapat segera diketahui. Di India hal ini telah
digunakan untuk menentukan hasil gandum pada berbagai lokasi dengan
menggunakan model simulasi WTGROWS dan SIG (Gambar 1) (Aggarwal
1991).

MODEL SIMULASI

DATA IKLIM

GIS

DATA TANAH

KELUARAN

GIS

PEMETAAN

Gambar 1 Penggunaan model simulasi dan SIG untuk pemetaan wilayah pertanian
(Aggarwal 1991)
Powersim adalah perangkat lunak simulasi yang digunakan untuk membuat
pemodelan. Powersim secara dinamis terkait dengan Microsoft Excel. Powersim
mampu mentransfer input dan output langsung ke Microsoft Excel. Paramater
yang diperlukan untuk model kalkulasi dengan menggunakan SIG dan kemudian
dimodifikasi dalam Microsoft Excel yang selanjutnya akan digunakan model
Powersim. Setelah model berjalan, ouput disimpan dalam Microsoft excel yang
digunakan untuk membuat peta dalam SIG Gambar 2.

Parameter input
output

Spatial data

Spatial output

Gambar 2 Diagram alir interaksi antara Powersim, Microsoft Excel dan SIG
(Carlos 2006)

6

Perkembangan Model Simulasi
Perkembangan model simulasi melalui beberapa periode/generasi. Pada
setiap generasi memunculkan model simulasi yang relevan pada masa generasi
tersebut, di antaranya sebagai berikut:
Periode I (1965-1980): tahap wawasan
Generasi ELCROS (ELementary CROp Simulator), merupakan salah satu
simulator pertumbuhan tanaman dinamis yang pertama, (de Wit et al. 1970),
digunakan untuk studi eksplorasi potensi hasil tanaman. Model ini
menggambarkan mekanisme fotosintesis dan respirasi tanaman. ELCROS
mengalami perkembangan model simulasi yang lebih komprehensif sehingga
melahirkan BACROS (Basic Crops Growth Simulator) (de Wit et al. 1978;
Penning de Vries & van Laar 1982). BACROS mensimulasikan pertumbuhan dan
transpirasi tanaman pada fase vegetatif untuk tanaman sereal (Dayan et al. 1981).
Periode II (1980-1990) : tahap aplikasi praktis
Pada masa ini dikembangkan model simulasi yang lebih sederhana
dinamakan SUCROS (Simple Universal Crop Growth Simulator) (van Keulen et
al 1982b) dengan time-step satu hari. SUCROS telah diaplikasikan pada berbagai
komoditas tanaman seperti: gandum, kentang dan kedelai.
Salah satu model aplikasi berorientasi model yang pertama merupakan
generasi dari SUCROS adalah WOFOST (World Food Studies). WOFOST
penekanannya pada prediksi hasil, analisis resiko dan perubahan iklim.
Perkembangan terakhir (1990-1995): operasional
Pendekatan sistem merupakan alat dan metode logika dalam pemecahan
masalah yang memungkinkan untuk mengidentifikasi, menganalisis dan
mensimulasikan suatu model sistem yang dirancang untuk mencapai tujuan yang
diinginkan (Manetsch dan Park 1977). Sementara untuk mempelajari suatu
masalah dengan pendekatan sistem, perhatian perlu dipusatkan pada hubungan
antar berbagai komponen yang menyusun sistem secara keseluruhan (Roberts et
al. 1983).
Law dan Kelton (1991) menyatakan bahwa untuk mempelajari suatu sistem
dengan melakukan eksperimen langsung pada sistem yang nyata (real) akan
membutuhkan biaya (cost) yang mahal, di samping kemungkinan akan merusak
sistem yang ada. Oleh karena itu, untuk menghindari hal tersebut perlu dibangun
suatu model yang merupakan representasi dari sistem nyata yang akan kita
pelajari. Sedangkan Cover (1996) mengemukakan bawa model merupakan alat
(tool) penyelidikan yang dapat digunakan dalam percobaan untuk mengetahui
berbagai perubahan yang terjadi dalam sistem tanpa merusak sistem tersebut.
Kualitas suatu model sangat bergantung pada kualitas dari elemen-elemen
pengetahuan dan data yang tersedia.
Sistem Informasi Geografis
Pada dasarnya istilah sistem informasi geografis (SIG) merupakan gabungan
dari tiga unsur pokok, yaitu sistem, informasi dan geografis. SIG merupakan suatu

7

kesatuan formal yang terdiri dari berbagai sumberdaya fisik dan logika yang
berkenaan dengan obyek-obyek yang terdapat di permukaan bumi. Rice (2000),
mendefinisikan SIG sebagai suatu sistem komputer untuk memasukkan
(capturing), menyimpan, mengintegrasikan, memanipulasi, menganalisis, dan
menampilkan data yang berhubungan dengan posisi-posisi di permukaan bumi.
Secara umum SIG didefinisikan sebagai sebuah sistem informasi yang mengelola,
memanipulasi dan menganalisis data spasial. Karakteristik penting dari SIG
adalah menghubungkan antara fitur geografis yang direpresentasikan pada peta
(map) dengan data atribut yang menjelaskan fitur geografis. SIG merupakan
sistem kompleks yang biasanya terintegrasikan dengan lingkungan sistem-sistem
komputer yang lain di tingkat fungsional dan jaringan. Pengembangan aplikasi
GIS kedepannya mengarah kepada aplikasi berbasis Web yang dikenal dengan
Web GIS. Menurut Chang (2008) komponen sistem informasi geografis (SIG)
adalah sebagai berikut:
1. Sistem Komputer
Sistem komputer termasuk komputer dan sistem operasi digunakan untuk
menjalankan SIG. Sistem operasi yang digunakan adalah windows, Mac OS X,
Linux. Sementara itu peralatan tambahannya terdiri dari monitor untuk
menampilkan hasil, digitasi dan scanner digunakan sebagai input data spasial.
Printer untuk mencetak data.
2. Perangkat Lunak SIG
Perangkat lunak SIG meliputi program dan antarmuka pengguna (user
interface) untuk mengendalikan perangkat keras (hardware). Antarmuka
pengguna yang umumnya terdapat dalam SIG adalah menu, ikon grafis, dan baris
perintah.
3. Orang
Orang yang profesional dalam SIG dan pengguna yang mempunyai alasan
dan tujuan tertentu untuk menggunakan SIG.
4. Data
Data terdiri dari berbagai macam masukan (input) yang diolah oleh sistem
sehingga akan menghasilkan informasi.
5. Infrastruktur
Infrastruktur di antaranya adalah organisasi, administrasi, dan lingkungan
budaya yang mendukung operasional SIG. Infrastruktur meliputi keterampilan
yang diperlukan, standar data dan pola organisasi umum.
Komponen Dasar WebSIG
WebSIG adalah sistem informasi geografis yang berbasis web.
Keberlangsungan WebSIG ditentukan oleh empat faktor komponen utama, yaitu
client, web server, map server dan data server. Client sever sebagai antarmuka

8

(user interface) untuk interaksi pengguna dengan WebSIG. Web server menerima
request dari client kemudian diteruskan ke map server untuk memproses request
dari client. Data server menyediakan data spasial dan non spasial melalui
Structured Query Language (SQL) (Peng et al. 2003). Arsitektur WebSIG seperti
tersaji pada Gambar 3.

Gambar 3 Arsitektur SIG berbasis Web (Alesheikh et al. 2002)
Client adalah tempat bagi pengguna untuk berinteraksi dengan fungsi
analisis dan obyek spasial di dalam WebSIG, juga merupakan tempat untuk
WebSIG menampilkan output untuk pengguna. Web server berfungsi merespon
request dari web browser melalui HTTP. Ada beberapa cara web server dalam
merespon client request, yaitu 1) dengan mengirim dokumen HTML yang ada
atau gambar map yang tersedia ke client, 2) dengan mengirim java applets dan
kontrol ActiveX ke web client. Map server, merespon request spatial, melakukan
analisis spasial, menghasilkan dan mengirim map ke client sesuai permintaan
pengguna. Data server, menyediakan data spasial dan non spasial dalam struktur
basis data relasional atau non relasional. Aplikasi klien seperti web klien atau map
server mendapatkan akses server melalui SQL.

3 BAHAN DAN METODE
Waktu dan Tempat Penelitian
Penelitian dilakukan di Laboratorium System Dynamic, Balai Penelitian
Tanaman Aneka Kacang dan Umbi (Balitkabi) Malang dan di Laboratorium
Software Enginering dan Information System, Departemen Ilmu Komputer – IPB
Dramaga Bogor, antara bulan Januari 2014-Juli 2014.
Bahan
Data yang digunakan pada penelitian ini adalah data suhu udara harian
(suhu minimum dan suhu maksimum), radiasi surya yang diperoleh dari (BMKG
Karang Ploso Malang), data luas lahan kedelai di Jawa Timur dari Badan Pusat
Statistik 2013. Peta tematik dari BIG (Badan Informasi Geospasial), data varietas
kedelai, yaitu varietas Wilis, Bromo, Galunggung, No 29, dan Argomulyo dari
Balai Penelitian Tanaman Aneka Kacang dan Umbi~Malang.

9

Alat
Perangkat keras atau alat yang digunakan di antaranya: komputer personal
dengan spesifikasi Prosesor: Intel® Core™ i5-3337U CPU@ 1.80 GHz, 4 GB
RAM dan perangkat lunak yang digunakan: Windows 8 sebagai sistem operasi,
Quantum GIS 2.0, Powersim, Microsoft Excel, Open GeoSuite 3.0, PostgresSQL
9.2.
Wilayah Penelitian
Propinsi Jawa Timur adalah penghasil kedelai terbesar di Indonesia dan
sebagai penyumbang produksi kedelai nasional yang cukup besar. Sebagai salah
satu sentra produksi kedelai diharapkan Propinsi Jawa Timur dapat terus
meningkatkan produksi kedelainya. Kontribusi kedelai di Propinsi Jawa Timur
terhadap produksi nasional tahun 2012 adalah sebesar 361.986 ton, dengan luas
panen 220.815 ha, dengan rata-rata produktivitas 16.39 ku/ha (ARAM Juli 2012
BPS). Dengan melihat data tersebut maka Jawa Timur haruslah mendapat satu
perhatian khusus untuk mendukung perkembangan atau setidaknya bertahan
sebagai petani kedelai terbesar di Indonesia. Secara agregat produksi kedelai
Indonesia masih belum mencukupi, terlihat dari adanya impor yang dilakukan
pemerintah dalam menanggulangi kekurangan tersebut. Peningkatan produksi
kedelai di Jawa Timur terus dilakukan dengan berbagai upaya, antara lain
perluasan area, perbaikan teknologi budidaya, dan peningkatan mutu benih.
Rata-rata produktivitas kedelai di Jawa Timur tahun 2011 sebesar 1.45
ton/ha sedangkan total luas panen dan produksi kedelai masing-masing sebesar
252.815 ha dan 282.593 ton seperti yang tersaji pada Tabel 1 (Diperta Propinsi
Jawa Timur 2012).

10

Tabel 1 Luas panen, produktivitas dan produksi kacang kedelai di Jawa Timur
2011
Kabupaten/Kota
Kabupaten/Regency
1 Pacitan
2 Ponorogo
3 Trenggalek
4 Tulungagung
5 Blitar
6 Kediri
7 Malang
8 Lumajang
9 Jember
10 Banyuwangi
11 Bondowoso
12 Situbondo
13 Probolinggo
14 Pasuruan
15 Sidoarjo
16 Mojokerto
17 Jombang
18 Nganjuk
19 Madiun
20 Magetan
21 Ngawi
22 Bojonegoro
23 Tuban
24 Lamongan
25 Gresik
26 Bangkalan
27 Sampang
28 Pamekasan
29 Sumenep
Kota/City
1 Kediri
2 Blitar
3 Malang
4 Probolinggo
5 Pasuruan
6 Mojokerto
7 Madiun
8 Surabaya
9 Batu
Jumlah/Total

Luas Panen
(Ha)

Produktivitas
(ton/Ha)

3.851
19.452
5.629
9.282
10.418
454
545
3.103
15.233
3.515
110
581
693
16.229
763
2.681
6.294
12.099
8.346
1.634
1.796
19.891
2.947
22.493
1.116
569
22.229
507
7.225

1.12
1.21
1.21
1.18
0.94
1.39
1.24
1.70
1.51
1.76
1.11
1.02
1.54
1.33
2.45
1.62
1.32
2.06
2.05
1.78
1.35
1.19
1.05
1.58
1.36
1.36
1.39
1.28
1.30

4.298
23.556
6.789
10.999
9.824
633
677
5.288
23.002
6.176
122
592
1.070
21.650
1.870
4.338
8.296
24.900
17.076
2.905
2.432
23.750
3.103
35.539
1.522
772
31.032
649
9.421

7
9
76
113
1
4
252.815

1.43
1.44
1.55
1.48
1.0
1.25
1.45

10

Sumber: Dinas Pertanian Tanaman Pangan Jawa Timur, 2012

Produksi
(Ton)

13
118
167
1
5
282.593

11

Propinsi Jawa Timur memiliki areal cukup luas, sehingga dapat memberikan
kontribusi terhadap produksi kedelai nasional yang cukup signifikan. Luas areal
tanaman kedelai di Jawa Timur pada tahun 2012 mengalami penurunan sebesar
12%, dari seluas 252.815 ha pada tahun 2011 menjadi 220.815 ha pada tahun
2012. Namun produktivitas hasil kedelai tahun 2102 justru mengalami kenaikkan
sebesar 11% dibanding tahun sebelumnya Tabel 2. Peningkatan produktivitas
didukung oleh teknologi budidaya kedelai yang semakin baik. Persentase
kontribusi Propinsi Jawa Timur terhadap produksi kedelai nasional dari tahun
2008 hingga 2012 dapat di lihat pada Gambar 4.
Tabel 2 Luas panen, produktivitas, dan produksi tanaman kedelai Provinsi Jawa
Timur tahun 2008-2012
Luas panen
Produktivitas
Produksi
Tahun
(ha)
(t/ha)
(ton)
2008
216.828
1.28
277.281
2009
264.779
1.34
355.260
2010
246.894
1.38
339.491
2011
252.815
1.45
366.999
2012
220.815
1.64
361.986
Sumber : BPS 2013

2012
22%

2008
19%

2009
18%

2011
22%

2010
19%
Gambar 4

Kontribusi Provinsi Jawa Timur terhadap produksi kedelai nasional
2008-2012 (Sumber: diolah dari data BPS 2013)
Kondisi Iklim

Potensi hasil kedelai di beberapa kabupaten di Jawa Timur diprediksi
dengan menggunakan input data iklim, yaitu suhu minimum (oC), suhu
maksimum (oC) dan radiasi surya seperti terlihat dalam Tabel 3. Model simulasi
SUCROS.SIM untuk prediksi potensi hasil kedelai menggunakan input data
partisi asimilat kedelai yang bersifat umum. Data suhu minimum dan maksimum
serta radiasi surya menggunakan data yang paling dekat dengan stasiun

12

klimatologi yang ada pada suatu kabupaten (Tabel 3). Suhu udara minimm di
Kabupaten Probolinggo antara tahun 2008-2012 berkisar antara 21.8oC-22 oC,
sementara suhu maksimumnya antara 32.1 oC-32.8 oC. Di Kabupaten Pacitan
dengan ketinggian tempat yang sama dengan Kabupaten Probolinggo yaitu 10 m
dpl kisaran suhu udara juga hampir sama, yaitu suhu minimum antara 21.8oC23.2oC dan suhu maksimum antara 30.0oC-31.2oC. Kabupaten Malang dengan
ketinggian tempat 600 m dpl mempunyai suhu yang lebih rendah dibanding
kabupaten Pacitan dan Probolinggo, yaitu 19.6oC-20.9oC dan suhu maksimum
28.1 oC-28.8 oC. Ketinggian tempat ini berpengaruh besar terhadap suhu udara
minimum dan maksimum, yakni makin tinggi tempat dari permukaan laut
umumnya makin rendah suhu udaranya. Hal ini juga akan berpengaruh terhadap
besarnya potensi hasil kedelai.
Tabel 3 Data suhu dan radiasi surya yang digunakan dalam model simulasi
potensi hasil kedelai (SUCROS.SIM) di Jawa Timur, 2013
No

Kabupaten

1

Staklim Kr. Ploso-Malang, koordinat: 07o45’48”
LS, 111o35’48” BT, 600 m dpl. Ds. Ngijo, Kec.
Karangploso, Kab. Malang*)

2

Stamet Banyuwangi: koordinat: 08o13’ LS,
114o23’ BT, 50 m dpl. Ds. Mojopanggung, Kec.
Giri, Kab. Banyuwangi

3

Stamet Juanda: koordinat 07o23’05” LS,
112o47’02” BT, 2,8 m dpl. Ds. Sedati, Kec. Sedati,
Kab. Sidoarjo

4

Lanud Pacitan: koordinat 08o18’ LS, 111o09’ BT,
10 m dpl, Ds. Sambong, Kec. Pacitan, Kab. Pacitan

5

Bendungan Wlingi: koordinat 08o08’36” LS,
101o52’24” BT, 174 m dpl, Ds. Wlingi, Kec.
Wlingi, Kab. Blitar

6

KP. Muneng: koordinat 07o75’ LS, 113o22’” BT,
10 m dpl, Ds. Muneng Kidul, Kec. Sumberasih,
Kab. Probolinggo**)

Sumber: BMKG Karangploso Malang 2013
*)
Data Radiasi matahari yang ada hanya Staklim Karangploso
**)
Kebun Percobaan Muneng – Probolinggo, 2013

Tahun

2008
2009
2010
2011
2012
2008
2009
2010
2011
2012
2008
2009
2010
2011
2012
2008
2009
2010
2011
2012
2008
2009
2010
2011
2012
2008
2009
2010
2011
2012

Suhu
Min.
(oC)
19.7
19.9
20.9
19.7
19.6
24.1
24.1
24.5
23.9
24.1
23.7
24.0
24.7
24.0
24.2
22.7
22.4
23.2
21.8
22.0
23.3
24.4
24.4
23.5
24.7
22.0
22.0
22.9
21.8
21.8

Rata-rata
Suhu
Radiasi
Maks.
surya
(oC)
MJ m-2 d-2
28.1
408
28.8
425
28.6
435
28.3
409
28.4
389
30.8
408
31.2
425
31.5
435
30.8
409
30.9
389
32.2
408
32.5
425
32.3
435
31.6
409
32.1
389
30.0
408
30.8
425
31.2
435
30.7
409
30.0
389
32.5
408
33.4
425
32.1
435
30.2
409
30.5
389
32.1
408
32.8
425
32.3
435
32.1
409
32.3
389

13

Tahapan Penelitian
Penelitian ini dilaksanakan dalam dua tahapan utama yaitu penggunaan
model simulasi SUCROS.SIM (Simple Universal Crop Growth Simulator) untuk
menentukan potensi hasil dan produksi kedelai dan pembangunan WebSIG untuk
mengelola dan memvisualisasikan data potensi hasil dan produksi kedelai berbasis
model SUCROS.SIM.
Penentuan Potensi Hasil dan Produksi Kedelai Menggunakan Model
Simulasi SUCROS.SIM
Potensi hasil tanaman kedelai diprediksi dengan menggunakan model
SUCROS.SIM melalui validasi model. Input data yang digunakan adalah nilai
partisi asimilat tanaman kedelai ke batang, daun, akar, dan biji serta data iklim
yaitu radiasi surya, suhu maksimum dan minimum. Data iklim tahun 2008-2012
dikumpulkan dari stasiun klimatologi Karangploso Malang (BMKG Malang).
Hasil simulasi yang berupa potensi hasil biji kemudian dibandingkan dengan data
hasil aktual kedelai pada masing-masing lokasi kabupaten tahun 2008 hingga
2012. Selanjutnya nilai RMSE (Root Mean Square Error) dan koefisien
determinasi (R2) model simulasi potensi hasil kedelai ditentukan. Data varietas
yang digunakan adalah Wilis, Bromo, Galunggung, No 29, dan Argomulyo
merupakan varietas kedelai yang banyak dibudidayakan petani di Jawa Timur
(Heriyanto 2012). Tahapan penelitian dengan model simulasi tersaji pada Gambar
5.
RMSE adalah parameter yang digunakan untuk mengukur perbedaan antara
nilai prediksi potensi hasil kedelai menggunakan model simulasi SUCROS.SIM
dengan data pengamatan. Nilai RMSE menunjukkan tingkat akurasi model.
Semakin kecil nilai RMSE, semakin tinggi tingkat akurasi dari model simulasi
tersebut. Rumus untuk menghitung RMSE adalah sebagai berikut (Ghamari et al.
2011)
√ ∑
dengan, Xm
: hasil simulasi potensi hasil kedelai (ton/ha)
Xp
: pengamatan hasil kedelai (ton/ha)
n
: waktu pengamatan (tahun).
Nilai koefisien determinasi model simulasi dihitung menggunakan
persamaan sebagai berikut (Ghamari et al. 2011)

dengan, Xp
̅
Xm

[∑
∑

̅
̅

̅
̅

]

: pengamatan prediksi hasil kedelai (ton/ha)
: rata-rata data output
: observasi (ton/ha)

14

Mulai

Identifikasi Elemen Sistem

Input data: Suhu (min, maks),
Radiasi, Latitude

Simulasi SUCROS.SIM

Model Simulasi Prediksi
Potensi Hasil Kedelai

Perbaikan Model

Model potensi hasil
memenuhi RMSE dan R2 yang
Tidak
ditentukan

Ya

Visualisasi Model
dalam WEBSIG

Gambar 5 Tahapan penelitian model simulasi SUCROS.SIM

Identifikasi Elemen Sistem
Elemen-elemen dari sistem yang saling berhubungan mengikuti aturan
tertentu. Keterkaitan antar elemen yang ada pada suatu sistem untuk mencapai
tujuan suatu sistem.
Simulasi Model SUCROS.SIM
Setelah elemen-elemen sistem yang mendukung simulasi teridentifikasi
langkah selanjutnya membuat simulasi model. Keterkaitan antarelemen akan
menghasilkan output dari hasil simulasi.
Perbaikan Model
Evaluasi atau perbaikan model dilakukan jika model yang dihasilkan tidak
memenuhi RMSE dan R2 yang ditentukan.
Visualisasi Model
Hasil simulasi nilai potensi hasil divisualisasikan dalam bentuk peta
sebaran potensi hasil kedelai dalam sistem informasi geografis.
Pembangunan Sistem Informasi Geografis
Metode yang digunakan pada pembangunan sistem informasi geografis
berbasis web ini adalah metode waterfall. Metode waterfall merupakan metode
pengembangan yang sudah terkenal berbasis SDLC (System Development Life
Cycle). Tahapan pembuatan web SIG tersaji pada Gambar 6.

15

Analisis
Kebutuhan

Pengumpulan Data

Perancangan
Konseptual

Akuisisi Perangkat Keras
dan Perangkat Lunak

Perancangan dan
Pengelolaan Basis data

Perancangan Antarmuka
(Interface)

Implementasi WebSIG

Pengujian Sistem

Gambar 6 Tahapan pembuatan webSIG
Analisis Kebutuhan
Analisis adalah tahapan untuk mengetahui kebutuhan dari sistem. Tahapan
ini akan menjelaskan solusi permasalahan yang diperoleh dari pengembangan
sistem aplikasi berbasis web dan sesuai dengan informasi yang didapat. Tahapan
analisis merumuskan spesifikasi kebutuhan perangkat lunak, dimulai dari
spesifikasi pengguna, kebutuhan pengguna, kebutuhan data, dan kebutuhan
fungsional sistem.
Pengumpulan Data
Tahap survei ketersediaan data dengan melakukan inventarisasi dan
dokumentasi data berupa peta. Tahapan ini mengevaluasi setiap data yang
potensial untuk pengembangan sistem dan dilakukan pengumpulan data tersebut.
Peta diperoleh dari BIG (Badan Informasi Geospasial).

16

Perancangan Konseptual
Perancangan konseptual meliputi perancangan konseptual basisdata dan
desain proses dari sistem, dan perancangan antarmuka. Perancangan basisdata
mengidentifikasikan data yang dibutuhkan. Data yang dibutuhkan dalam
penelitian ini adalah data suhu harian oC (min dan maks) tahun 2008-2012, data
radiasi, partisi asimilat, dan latitude.
Akuisisi Perangkat Keras dan Perangkat Lunak
Tahapan ini dilakukan untuk merancang perangkat keras dan perangkat
lunak yang digunakan dalam pengembangan sistem, berdasarkan fungsionalitas
sistem. Perangkat keras yang dibutuhkan harus mampu menjalankan perangkat
lunak yang dipilih. Perangkat lunak yang dibutuhkan dalam pengembangan sistem
ini adalah perangkat lunak untuk pembuatan data spasial, sistem manajemen
basisdata, dan pengembangan sistem pemetaan berbasis web.
Perencanaan dan Perancangan Basis Data
Tahapan ini dilakukan dengan melakukan perancangan logik dan fisik basis
data. Perancangan logik merupakan perancangan basis data dengan membuat
diagram hubungan antartabel. Namun pada penelitian ini tidak ada hubungan
antar tabel. Perancangan fisik dilakukan dengan memilih atribut yang ada dalam
masing-masing tabel. Setelah dilakukan perencanaan basisdata maka dilakukan
pembangunan basis data. Pembangunan basis data ini dilakukan dengan
menentukan inputan tipe data spasial dan atribut ke dalam basis data.
Perancangan Antarmuka
Data yang telah ada diolah sehingga dapat ditampilkan melalui sistem.
Perancangan antarmuka dilakukan pada isi, arsitektur aplikasi dan informasi,
desain antarmuka, dan struktur navigasi.
Implementasi WebSIG
Perangkat dan teknologi diaplikasikan untuk membangun aplikasi web yang
telah dirancang. Pengembangan aplikasi dilakukan dengan melakukan konfigurasi
layer pada geoserver. Geoserver berfungsi untuk mengatur layer yang akan
ditampilkan, sumber data yang diperoleh, dan cara menampilkan peta.
Sistem yang telah dirancang pada tahap perancangan akan direalisasikan
pada tahap implementasi. Pada tahap ini dilakukan implementasi basis data,
implementasi server peta, dan implementasi antarmuka.
Pengujian
Pengujian terhadap sistem dilakukan dengan menggunakan metode blackbox. Pengujian dilakukan dengan cara memberikan masukan tertentu untuk
memeriksa apakah luaran yang dihasilkan sesuai dengan harapan.

17

4 HASIL DAN PEMBAHASAN
Penentuan Potensi Hasil dan Produksi Kedelai Menggunakan Model
Simulasi SUCROS.SIM
Identifikasi Elemen Sistem
Elemen utama pada pertumbuhan tanaman kedelai, yaitu daun, batang, akar,
dan biji (storage organ). Daun merupakan tempat proses fotosintesis, untuk
proses fotosintesis daun memerlukan cahaya matahari, luas indeks daun juga
berperan pada fotosintesis. Hasil fotosintesis dibagi ke bagian-bagian tanaman
seperti daun, batang, akar dan biji (storage organ) (Gambar 7). Partisi asimilat
merupakan proses pendistribusian hasil fotosintesis (asimilat) ke seluruh bagian
tanaman.
Sinar
matahari

Indeks
luas daun

Fotosintesis

Pengelolaan

Pertumbuhan

Cadangan
Asimilat

Daun
Batang
Akar
Biji

Gambar 7. Diagram relasi antar elemen sistem dengan faktor pembatas cahaya

Simulasi Model SUCROS.SIM
Program Powersim dijalankan dengan meniru proses yang terjadi sistem
real world, dengan memasukan data iklim (suhu harian minimum dan maksimum)
dan data radiasi dari kabupaten yang dijadikan obyek penelitian, kemudian
ditentukan pula berapa latitude dari kabupaten te