Pengaruh mundurnya awal musim hujan akibat dari berlangsungnya fenomena El-Nino dan dampaknya terhadap penurunan produksi padi musim
hujan MH sudah dianalisis oleh Naylor et al. 2007. Anomali produksi padi Januari-April APJ-A dapat diduga dari awal musim hujan AMH dalam bentuk
persamaan : 1. Jw. BaratJw. Tengah: APJ-A = -349 + 31 AMH
– 0.3 AWM2; R2 = 56 2. Jw. TimurBali: APJ-A = -3029 + 67 AMH
– 0.3 AWM2; R2 = 71 Dengan menggunakan persamaan 2, penurunan produksi padi Januari-
April dengan mundurnya awal musim hujan satu bulan dari normal setara dengan penurunan produksi sekitar 6.5 untuk Jawa Barat dan Jawa Tengah dan 11
untuk Jawa Timur dan Bali. Awal MH dihitung dari jumlah hari setelah tanggal 1 Agustus. Awal musim hujan sudah masuk apabila kumulatif tinggi hujan sejak
tanggal 1 Agustus sudah mencapai 200 mm. Tahun 1982 dan 1997 merupakan tahun El-Nino kuat yang menyebabkan awal musim hujan mundur sampai 2-3
bulan Gambar 14.
Gambar 14. Hubungan anomali produksi padi Januari-April dengan awal MH Sumber : Naylor et al. 2007
2.6. Model Simulasi Tanaman DSSAT
Model dapat diartikan sebagai penyederhanaan suatu sistim, sedangkan sistim adalah gambaran suatu proses atau beberapa proses beberapa subsistim
yang teratur. Menurut Handoko 1994, meskipun terlihat rumit, namun sistim tersebut tetap merupakan suatu keteraturan.
Model simulasi tanaman merupakan model yang dapat menggambarkan proses-proses pertumbuhan dan perkembangan tanaman yang dipengaruhi oleh
faktor iklim, tanah dan tanaman. Dalam aplikasinya, model simulasi tanaman mengintegrasikan beberapa disiplin ilmu, seperti agrometeorologi, sifat fisik dan
kimia tanah, pemuliaan tanaman dan agronomi dalam bentuk persamaan matematika untuk memprediksi pertumbuhan, perkembangan dan hasil tanaman
Hoogenboom 2000. Menurut Boer 1997, model-model simulasi tanaman yang berdasarkan pada faktor-faktor tanaman, tanah dan cuaca merupakan alat yang
efektif dalam pertanian. Model-model ini dapat digunakan untuk merencanakan alternatif strategi untuk penanaman, penggunaan tanah dan pengelolaan air, untuk
mengevaluasi tanaman, varietas dan teknologi budidaya, untuk menganilisis tingkat risiko iklim terhadap pertumbuhan tanaman sehingga dapat digunakan
perluasan wilayah penanaman dan pemilihan sistim usaha tani yang sesuai dengan lokasi, untuk memformulasikan hipotesis dan rancangan percobaan untuk
penelitian, untuk menduga hasil tanaman dan sebagainya. Studi tentang pemanfaatan model simulasi untuk tujuan analisis dampak
dan perubahan iklim lebih banyak menggunakan model deterministik. Salah satu model deterministik yang digunakan di banyak negara adalah DSSAT Decision
Support System for Agrotechnology Transfer. DSSAT adalah suatu perangkat lunak untuk melakukan simulasi tanaman yang dikembangkan oleh IBSNAT
International Benchmark Site Network for Agrotechnology Transfer di Hawaii University. DSSAT merupakan aplikasi perangkat lunak program yang terdiri dari
model simulasi tanaman. Didukung oleh program manajemen basis data untuk tanah, cuaca, pengelolaan tanaman dan data eksperimental. Model simulasi
tanaman di DSSAT mensimulasikan pertumbuhan, perkembangan dan hasil sebagai fungsi dari tanah-tanaman-atmosfer.
Data minimum yang dibutuhkan model DSSAT Jones et al. 1998 adalah : 1 posisi lintang dan bujur, data iklim harian : radiasi matahari, suhu udara
minimum dan maksimum serta curah hujan, 2 tanah : kedalaman lapisan tanah atas dan bawah, tekstur, bobot isi bulk density, carbon organik, pH dan
kejenuhan aluminium, 3 manajemen : tanggal tanam, jarak tanam, kedalaman tanam, varietas, irigasi untuk lahan irigasi dan pupuk. Diagram database
selengkapnya disajikan dalam Gambar 15.
Gambar 15. Diagram database, aplikasi, dan komponen perangkat lunak pendukung dan penggunaan model tanaman untuk aplikasi
dalamDSSAT v3.5 Sumber : Jones et al. 2003.
Tsuji et al 1994 menjelaskan kegunaan DSSAT antara lain : 1 dapat menganalisis sensitivitas model yang digunakan dengan mengganti input
parameter tanah, iklim dan tanaman tanpa merubah susunan file percobaan yang divalidasi, 2 dapat mengevaluasi variabilitas dan dampak perubahan strategi
skenario iklim, 3 dapat menggambarkan dinamika pertumbuhan tanaman, keseimbangan penggunaan pupuk, dan proses konservasi tanah yang erat
kaitannya dengan proses pergerakan air baik melalui run off, infiltrasi dan perkolasi. Selain itu, model DSSAT juga mampu mensimulasi proses
pertumbuhan dan perkembangan tanaman secara kontinu antar musim. Di sisi lain, ada beberapa kelemahan model DSSAT, yaitu : 1 tidak merumuskan
pengaruh pupuk P Phospor dan K Kalium, serta hama dan penyakit tanaman, 2 subyektivitas dalam merancang percobaan. Ulangan tidak dapat didiskripsikan
dengan jelas, serta 3 keragaman output sangat rendah karena ulangan yang diberikan dengan input perlakuan yang sama pada periode penanaman yang sama
akan memberikan hasil yang sama. Di Indonesia, model simulasi tanaman juga telah dikembangkan oleh para
peneliti. Model yang banyak berkembang adalah model pertumbuhan tanaman padi. Prinsip model pertumbuhan tanaman padi adalah merupakan fungsi konversi
dari CO
2
menjadi karbohidrat yang didistribusikan untuk pertumbuhan
komponen-komponen tanaman. Besarnya CO
2
yang dikonversi menjadi karbohidrat ditentukan oleh konsentrasi CO
2
dan intensitas radiasi serta tingkat cekaman hara N, P dan K. Banyaknya karbohidrat yang berubah menjadi bahan
kering ditentukan oleh laju respirasi. Validasi model DSSAT untuk tanaman padi IR 64 telah dilakukan oleh
Surmaini 2006 dengan membandingkan data hasil penelitian Balai Penelitian Tanaman Padi mengenai pengaruh berbagai tingkat pemupukan N terhadap
produksi padi di beberapa lokasi yaitu Geritan-Pati, Binangun-Cilacap, Muara- Bogor dan Sukamandi, dan diperoleh nilai koefisien korelasi yang cukup tinggi
yaitu sebesar 0.9267.
2.7. Asuransi Pertanian di Indonesia
