Potensi Pemanfaatan Data Iklim NASA/POWER untuk Model Simulasi Tanaman di Indonesia: Studi Kasus Sukamandi, Jawa Barat
POTENSI PEMANFAATAN DATA IKLIM NASA/POWER
UNTUK MODEL SIMULASI TANAMAN DI INDONESIA :
STUDI KASUS SUKAMANDI, JAWA BARAT
DEWI SULISTYOWATI
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Potensi Pemanfaatan
Data Iklim NASA/POWER untuk Model Simulasi Tanaman di Indonesia: Studi
Kasus Sukamandi, Jawa Barat, 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 skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Desember 2014
Dewi Sulistyowati
NIM G24100059
ABSTRAK
DEWI SULISTYOWATI. Potensi Pemanfaatan Data Iklim NASA/POWER untuk
Model Simulasi Tanaman di Indonesia: Studi Kasus Sukamandi, Jawa Barat.
Dibimbing oleh IMPRON dan PERDINAN.
Model simulasi tanaman dapat digunakan untuk membantu mengelola
sistem pertanian melalui integrasi cuaca, tanah dan manajemen lahan. Salah satu
model simulasi tanaman yang digunakan untuk mensimulasi pertumbuhan,
perkembangan dan potensi hasil tanaman padi adalah model Oryza, salah satu
model dalam perangkat lunak Decision Support System for Agrotechnology
Transfer (DSSAT). Data minimum yang diperlukan untuk menjalankan model
simulasi tersebut adalah data iklim harian, data fisik dan kimia tanah, serta
informasi manajemen pertanian. Namun, pemanfaatan DSSAT sering terkendala
oleh data iklim harian observasi di Indonesia yang relatif sulit diperoleh. Salah
satu solusi alternatif adalah menggunakan informasi iklim dari NASA/POWER
(Prediction of Wordwide Energy Resource). Penelitian ini mengambil studi kasus
stasiun iklim Sukamandi untuk mengevaluasi pemanfaatan NASA/POWER di
wilayah kajian. Hasil penelitian menunjukkan bahwa estimasi radiasi
NASA/POWER memiliki koefisien determinasi 0.57 terhadap data radiasi
observasi. Sementara, estimasi suhu maksimum dan minimum serta curah hujan
harian untuk wilayah kajian masih menunjukkan koefisien determinasi relatif
rendah. Hasil simulasi biomassa tanaman padi menunjukkan bahwa radiasi
NASA/POWER berpotensi digunakan untuk simulasi produktivitas tanaman padi.
Kata kunci : model tanaman, DSSAT, NASA/POWER, Sukamandi.
ABSTRACT
DEWI SULISTYOWATI. Potential Application of NASA/POWER Climate Data
for Crop Simulation Model in Indonesia: Case Study Sukamandi, West Java.
Supervised by IMPRON and PERDINAN.
Crop simulation models can simulate the interaction of weather, soil and
agricultural practices. One of the models that simulate plant growth and
development for rice production is Oryza, which is included in the software
package of Decision Support System for Agrotechnology Transfer (DSSAT).
Minimum data required for the model simulation is daily climate data, soil
chemical and physical data, and the information of agricultural practices. As daily
observed climate data in Indonesia are frequently unavailable, the estimated
climate data from satellitte, such as those derived from a number of meteorology
satellites which is published through NASA/POWER (Prediction of Wordwide
Energy Resource) database, provides an alternative source for crop model
simulation. This research employed climate station of Sukamandi as a case study
for evaluating the performance of the estimated climate data. Results indicate that
estimated radiation of NASA/POWER has a strong correlation with observed
radiation in the study area, coefficient of determinantion 0.57. However, estimated
daily maximum and minimum temperatures, and rainfall of NASA/POWER show
relatively low correlation. Simulated rice biomassa shows that the estimated daily
solar radiation of NASA/POWER can potentially be used for the crop model.
Keywords: Crop model, DSSAT, NASA/POWER, Sukamandi.
POTENSI PEMANFAATAN DATA IKLIM NASA/POWER
UNTUK MODEL SIMULASI TANAMAN DI INDONESIA :
STUDI KASUS SUKAMANDI, JAWA BARAT
DEWI SULISTYOWATI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains
pada
Departemen Geofisika dan Meteorologi
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi : Potensi Pemanfaatan Data Iklim NASA/POWER untuk Model
Simulasi Tanaman di Indonesia: Studi Kasus Sukamandi, Jawa
Barat
Nama
: Dewi Sulistyowati
NIM
: G24100059
Disetujui oleh
Dr Ir Impron, MAgrSc
Pembimbing I
Dr Perdinan, MNRE
Pembimbing II
Diketahui oleh
Dr Ir Tania June, MSc
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji serta syukur penulis panjatkan kepada Allah atas nikmat dan karuniaNya sehingga penulis dapat menyelesaikan tugas akhir ini sebagai syarat untuk
menyelesaikan pendidikan. Judul yang dipilih untuk tugas akhir ini adalah
Evaluasi Iklim Spasial dalam Model Simulasi Tanaman.
Terima kasih penulis ucapkan kepada Dr. Impron dan Dr. Perdinan selaku
pembimbing yang selalu mengarahkan tugas akhir ini melalui bantuan ide, kritik
dan saran agar dapat selesai dengan baik. Terima kasih tentu penulis ucapkan
terutama kepada keluarga atas dukungan dan doa yang tidak terbatas terutama
ketika proses penyelesaian tugas akhir ini. Terima kasih kepada ibu dan bapak
dosen pengajar dan staf pegawai Departemen Geofisika dan Meteorologi atas
bantuannya selama penulis menempuh pendidikan. Kepada teman-teman
Departemen Geofisika dan Meteorologi angkatan 47 (terutama Ina, Bude, Mani,
Dety, Alan, Ryan, Anggi, Irza, Angga, Em, Moe, Ricky, Haikal, Reza, Roni, Fiki,
Icha, Aji, Duwi, Mail, Daus, Dede, Fei) dan teman-teman Wisma Mobster atas
kebersamaan dan dukungangannya selama masa perkuliahan.
Ungkapan terima kasih penulis ucapkan pula kepada seluruh pihak yang
telah membantu dalam penyusunan tugas akhir. Kepada pengamat stasiun cuaca
Sukamandi, Subang, Jawa Barat, Bapak Jaja atas bantuannya dalam menyediakan
data cuaca dan iklim yang diperlukan penulis untuk menyusun tugas akhir. Terima
kasih pula kepada Ibu Woro Estiningtyas, peneliti Balai Agroklimatologi dan
Hidrologi atas kesediaannya untuk memberikan data tanah dan disertasinya
sebagai literatur dalam tugas akhir penulis untuk wilayah kajian Indramayu, Jawa
Barat.
Semoga karya ilmiah ini bermanfaat.
Bogor, Desember 2014
Dewi Sulistyowati
DAFTAR ISI
PRAKATA
viii
DAFTAR ISI
ix
DAFTAR TABEL
x
DAFTAR GAMBAR
x
DAFTAR LAMPIRAN
xi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
2
Ruang Lingkup Penelitian
2
TINJAUAN PUSTAKA
3
Decision Support System for Agrotechnology Transfer (DSSAT)
3
Data Iklim NASA/POWER
4
METODE
4
Lokasi dan Waktu Penelitian
4
Alat dan Bahan
5
Prosedur Analisis Data
5
HASIL DAN PEMBAHASAN
Plot Data Iklim Observasi dan Data Iklim NASA/POWER
8
8
Data radiasi
11
Data suhu maksimum dan minimum
12
Curah hujan dan hari hujan
13
Membandingkan Hasil Simulasi Data Iklim Observasi dan NASA/POWER 15
Hasil dan Komponen Hasil Tanaman Selama Simulasi
18
SIMPULAN DAN SARAN
24
DAFTAR PUSTAKA
25
RIWAYAT HIDUP
42
DAFTAR TABEL
1 Koefisien genetik untuk padi varietas IR64 dalam model
CERES-Rice
2 Data meteorologi harian yang tersedia global melalui
NASA/POWER
3 Pemilihan sistem usaha tani yang diterapkan pada file
manajemen
4 Metode yang digunakan dalam Simulation Options DSSAT
5 Rata-rata bulanan, RMSE, dan R2 (R-square) parameter iklim
Observasi dan NASA/POWER selama 2004-2013
6 Perbedaan nilai RMSE produktivitas tanaman dengan masukan
data NASA/POWER dan data observasi
7 Uji t untuk komponen hasil pertumbuhan tanaman pada tanggal
tanam 30 Desember 2007 dan 10 Oktober 2012
3
4
7
7
11
17
21
DAFTAR GAMBAR
1 Peta Wilayah Subang dan Indramayu (BPS 2010)
2 Diagram alir penelitian
3 Sebaran pada garis 1:1 (a) data radiasi (b) curah hujan (c) suhu
maksimum (d) suhu minimum harian observasi dan
NASA/POWER selama 2004-2013
4 Plot data radiasi harian observasi(biru) dan NASA/POWER
(merah) tahun 2004-2013.
5 Plot data suhu maksimum harian observasi (biru) dan
NASA/POWER (merah) tahun 2004-2013.
6 Plot data suhu minimum harian observasi (biru) dan
NASA/POWER (merah) tahun 2004-2013.
7 Plot data curah hujan harian observasi (biru) dan NASA/POWER
(merah) tahun 2004-2013.
8 Plot data hari hujan bulanan dari stasiun observasi () dan
NASA/POWER (- - - -) tahun 2004-2013 (a) sebelum (b) sesudah
hari hujan NASA/POWER dikoreksi
9 Sebaran jumlah hari hujan bulanan observasi dan hari hujan
NASA/POWER (a) sebelum (b) sesudah hari hujan
NASA/POWER dikoreksi
10 Produktivitas padi menggunakan data iklim observasi () dan
data iklim observasi dengan radiasi NASA/POWER (- - - -) tahun
2004-2013
11 Produktivitas padi menggunakan data iklim observasi ()
serta data iklim observasi dengan data suhu maksimum dan
minimum NASA/POWER (- - - -) tahun 2004-2013
2
6
8
9
9
10
10
14
14
15
16
12 Produktivitas padi menggunakan data iklim observasi () dan
data iklim observasi dengan curah hujan NASA/POWER (- - - -)
tahun 2004-2013
13 Produktivitas padi menggunakan data iklim observasi () dan
data iklim NASA/POWER (- - - -) tahun 2004-2013
14 Indeks luas daun hasil simulasi dengan iklim observasi dengan (a)
data radiasi dari NASA/POWER (b) data suhu maksimum dan
minimum dari NASA/POWER (c) data curah hujan dari
NASA/POWER (d) data iklim seluruhnya dari NASA/POWER
15 Produktivitas padi berdasarkan tanggal tanam pada 10 Januari
2011 hingga 30 Desember 2012 () hasil simulasi () BPS ()
Estiningtyas 2012
16
16
19
24
DAFTAR LAMPIRAN
1 Deskripsi Padi Varietas IR64
2 Data fisik dan kimia Kecamatan Cikedung, Indramayu (Woro
2012)
3 Komponen hasil tanaman padi pada tanggal tanam 10 Oktober
2012 menggunakan data iklim observasi
4 Komponen hasil tanaman padi pada tanggal tanam 30
Desember 2007 menggunakan data iklim observasi
5 Komponen hasil tanaman padi pada tanggal tanam 10 Oktober
2012 menggunakan data radiasi NASA/POWER
6 Komponen hasil tanaman padi pada tanggal tanam 30
Desember 2007 menggunakan data radiasi NASA/POWER
7 Komponen hasil tanaman padi pada tanggal tanam 10 Oktober
2012 menggunakan suhu maksimum dan minimum, radiasi dan
curah hujan NASA/POWER
8 Komponen hasil tanaman padi pada tanggal tanam 30
Desember 2007 menggunakan suhu maksimum dan minimum,
radiasi dan curah hujan NASA/POWER
9 Komponen hasil tanaman padi pada tanggal tanam 10 Oktober
2012 menggunakan curah hujan NASA/POWER
10 Komponen hasil tanaman padi pada tanggal tanam 30
Desember 2007 menggunakan curah hujan NASA/POWER
11 Komponen hasil tanaman padi pada tanggal tanam 10 Oktober
2012 menggunakan suhu maksimum dan minimum
NASA/POWER
12 Komponen hasil tanaman padi pada tanggal tanam 30
Desember 2007 menggunakan suhu maksimum dan minimum
NASA/POWER
13 Biomassa organ-organ tanaman dengan masukan suhu
maksimum dan suhu minimum NASA/POWER
14 Biomassa organ-organ tanaman dengan masukan curah hujan
NASA/POWER
27
27
28
29
30
31
32
33
34
35
36
37
38
39
15 Biomassa organ-organ tanaman dengan masukan radiasi
NASA/POWER
16 Biomassa organ-organ tanaman dengan masukan radiasi, suhu
maksimum dan minimum, serta curah hujan NASA/POWER
40
41
PENDAHULUAN
Latar Belakang
Penyederhanaan sistem pertumbuhan, perkembangan dan potensi hasil
tanaman melalui pemodelan merupakan salah satu cara untuk menyusun strategi
pengelolaan lahan pertanian (Boer et al. 2007). Strategi pengelolaan lahan
pertanian yang baik dapat mendukung tercapainya produksi yang maksimal dan
mengurangi kerugian yang diterima petani. Pemodelan sistem pertanian dapat
mensimulasi keterkaitan lingkungan dengan pengelolaan lahan pertanian serta
pengaruhnya terhadap pertumbuhan dan perkembangan tanaman. Pengelolaan
lahan pertanian seperti pola tanam, pemilihan varietas, waktu tanam, serta aplikasi
pemupukan dengan kombinasi yang sesuai lingkungan dapat menghasilkan
tercapainya produksi yang maksimal.
Model simulasi Decision Support System for Agrotechnology Transfer
(DSSAT) yang dikembangkan oleh International Benchmark Sites Network for
Agrotechnology Transfer (IBSNAT) merupakan salah satu model simulasi
tanaman yang dapat mensimulasi pertumbuhan, perkembangan dan menduga
potensi hasil tanaman dengan mengintegrasikan cuaca, tanah dan manajemen
lahan pertanian (Tsuji et al. 1994). Masukan yang digunakan dalam menjalankan
model simulasi DSSAT diantaranya adalah data iklim harian yang terdiri dari
suhu maksimum, suhu minimum, radiasi, dan curah hujan (Jones et al. 2003).
Namun ketersediaan dan akses terhadap data iklim harian terutama hasil observasi
relatif sulit untuk diperoleh. Sehingga diperlukan langkah alternatif untuk
memperoleh data iklim harian.
Sulitnya data iklim observasi diantaranya disebabkan oleh jumlah stasiun
iklim yang terbatas dalam suatu wilayah, keterbatasan dan rusaknya alat, serta
adanya data hilang. Menurut Abraha dan Savage (2008), data radiasi matahari
merupakan salah satu data yang relatif lebih sulit didapatkan dibandingkan data
iklim lain. Salah satu solusi alternatif yang dapat dilakukan untuk memperoleh
data iklim harian adalah dengan menggunakan data satelit yang mudah diperoleh
dan mudah diakses. NASA’s Prediction of Worldwide Energy Resources
(NASA/POWER) melakukan proyeksi untuk menduga data radiasi berdasarkan
observasi satelit dan parameter atmosfer melalui observasi satelit dan asimilasi
model. Data iklim NASA/POWER relatif mudah diakses dan digunakan karena
pengguna sudah mendapatkan data dalam format ASCII dan tersedia dalam data
harian. Sehingga data iklim tersebut dapat digunakan sebagai data iklim masukan
dalam model simulasi tanaman (William et al. 1997).
Melalui model simulasi DSSAT, data iklim NASA/POWER digunakan
sebagai masukan. Hasil simulasi akan menghasilkan keluaran berupa potensi hasil,
yang dapat digunakan untuk mengevaluasi parameter iklim NASA/POWER
sebagai data iklim masukan. Cara yang dilakukan adalah dengan membandingkan
output DSSAT yang menggunakan masukan data iklim observasi dan masukan
data iklim hasil NASA/POWER. Jika terdapat perbedaan, maka dapat dikaji
pengaruh parameter cuaca pada setiap fase pertumbuhan dan perkembangan
tanaman. Sehingga diketahui implikasinya terhadap produksi tanaman.
2
Tujuan Penelitian
Penelitian ini bertujuan mengetahui kesesuaian data iklim keluaran
NASA/POWER yaitu radiasi, suhu maksimum, suhu minimum, dan curah hujan
sebagai data masukan dalam model simulasi tanaman. Membandingkan hasil
simulasi tanaman yang menggunakan masukan data iklim observasi dengan
NASA/POWER.
Ruang Lingkup Penelitian
Simulasi dilakukan dengan menggunakan data fisik dan kimia tanah wilayah
Cikedung, Indramayu. Secara geografis Kabupaten Indramayu terletak diantara
107o52’ – 108o36’ BT dan 06o15’ – 06o40’ LS. Berdasarkan topografinya
sebagian besar wilayah Indramayu merupakan dataran rendah dengan kemiringan
lahan 0-2%. (BPS 2012). Data iklim yang digunakan dalam simulasi berasal dari
stasiun iklim Sukamandi, Subang, Jawa Barat yang terletak pada 107o23’24” BT
dan 6o15’ LS dengan ketinggian 15 m diatas permukaan laut. Klasifikasi iklim
menurut Oldemann untuk stasiun iklim Sukamandi adalah D3, yaitu hanya
mungkin dilakukan penanaman padi satu kali atau palawija satu kali setahun, pada
sawah tadah hujan. Penggunaan data iklim stasiun Sukamandi untuk wilayah
Cikedung, Indramayu setelah diketahui adanya korelasi 0.94 antara curah hujan di
wilayah Cikedung, Indramayu, Jawa Barat dengan curah hujan di Sukamandi,
Subang, Jawa Barat.
Stasiun iklim
Data tanah
Gambar 1 Peta Wilayah Subang dan Indramayu (BPS 2010)
3
TINJAUAN PUSTAKA
Decision Support System for Agrotechnology Transfer (DSSAT)
DSSAT merupakan model simulasi tanaman yang dikembangkan oleh
International Benchmark Sites Network for Agrotechnology Transfer (IBSNAT).
Model simulasi ini dikembangkan dengan tujuan mengintegrasikan kondisi tanah,
iklim, tanaman dan sistem pengelolaan lahan pertanian untuk menghasilkan
informasi mengenai pertumbuhan dan perkembangan tanaman yang dimodelkan
(Jones et al. 2003). Informasi ini digunakan untuk menyusun keputusan dalam
mengelola lahan pertanian sehingga dapat dihasilkan produksi tanaman yang
optimal dengan memaksimalkan kondisi tanah, iklim dan karakteristik tanaman.
Data yang diperlukan untuk menjalankan model ini adalah data iklim, data tanah,
dan data pengelolaan lahan pertanian. Tanaman yang dapat dimodelkan dalam
model simulasi ini memiliki data genotipe yang berbeda tergantung dari varietas
tanaman yang akan dimodelkan (Hoogenboom et al. 2010).
DSSAT telah luas digunakan untuk mensimulasi pertumbuhan dan
perkembangan tanaman, salah satunya adalah tanaman padi. Model yang
digunakan untuk mensimulasi tanaman padi di dalam DSSAT 4.5 adalah CERESRice. Komponen fenologi dari CERES-Rice oleh Singh dan Ritchie (1993),
menggambarkan perkembangan tanaman melalui siklus hidup berdasarkan
akumulasi degree day (heat unit). Lamanya tahap perkembangan sebagai reaksi
atas suhu dan photoperiod bervariasi dan tergantung varietas, spesies dan
koefisien genetik yang digunakan sebagai input model. Varietas padi yang
digunakan dalam simulasi penelitian ini adalah varietas padi IR64 yang memiliki
koefisien genetik dalam model CERES-Rice pada Tabel 1.
Tabel 1 Koefisien genetik untuk padi varietas IR64 dalam model CERES-Rice
Koefisien
P1
Satuan
0
C day
P2O
jam
P2R
0
C day
P5
0
C day
G1
(#/g)
G2
G3
gram
G4
Definisi
Nilai
Thermal unit untuk fase dasar vegetatif
500
Panjang hari kritis ketika perkembangan dalam
12
laju maksimum
Koefisien sensitivitas panjang hari
160
Thermal unit yang diperlukan dari awal
pengisian butir (3-4 hari setelah pembungaan
450
awal) padi hingga matang fisiologis
Koefisien gabah potensial sebagai perkiraan
dari banyaknya gabah per gram batang utama
60
ditambah lonjakan berat kering pada saat
pembungaan
Berat butir satuan
0.025
Keofisien anakan
1
Suhu toleransi. Bagi varietas yang tumbuh pada
1
lingkungan normal biasanya bernilai 1.
Sumber : DSSAT/CERES-Rice Model
4
Data Iklim NASA/POWER
Model simulasi pertanian memerlukan input data iklim dalam jangka waktu
yang cukup panjang untuk dapat melakukan simulasi terkait pertumbuhan dan
perkembangan tanaman. Ketersediaan data iklim harian relatif sulit didapatkan.
Salah satu alternatif dalam mendapatkan data iklim harian adalah dengan data
NASA/POWER
dapat
diakses
melalui
power.larc.nasa.gov/cgibin/cgiwrap/solar/agro.cgi?email=agroclim@larc.nasa.gov. Data iklim dapat
diunduh sesuai titik koordinat wilayah kajian. Situs tersebut berisi data iklim hasil
dari proyeksi Prediction of Wordwide Energy Resource (POWER) yang terdiri
dari data radiasi, rata-rata suhu titik embun, suhu maksimum dan minimum dan
curah hujan harian secara global yang memiliki jangkauan hingga grid 1ox1o
(White et al . 2011). Parameter iklim yang terdapat dalam Prediction of Wordwide
Energy Resource (POWER) NASA terutama data radiasi matahari, diperoleh dari
observasi satelit serta parameter meteorologi dari gabungan beberapa model
(William et al. 1997). Tabel 2 menunjukkan sumber data meteorologi yang
digunakan dalam NASA/POWER dan jangka waktu ketika sumber data
digunakan.
Tabel 2 Data meteorologi harian yang tersedia global melalui NASA/POWER
Variabel
Suhu maksimum
dan
minimum,
suhu
rata-rata,
suhu titik embun
harian.
Curah hujan
Radiasi
Sumber data
Goddard Earth Observing Systems
(GEOS) assimilation model version 4
Goddard Earth Observing Systems
(GEOS) assimilation model version 5
Jangka waktu
Januari 1983 hingga
Desember 2007
Januari 2008 hingga
sekarang
Satelit dan pengamatan permukaan
dari Global Precipitation Climatology
Project (GPCP)
Pengamatan satelit GEWEX
SRB v3.0
FLASHFlux
Januari 1997 hingga
sekarang
Juli 1983 hingga
Desember 2007
Januari 2008 hingga
sekarang
Sumber : White et al. 2008
METODE
Lokasi dan Waktu Penelitian
Penelitian ini mengkaji lahan pertanian di Cikedung, Indramayu dan stasiun
iklim Sukamandi, Subang, Jawa Barat. Pengolahan data dan penulisan
dilaksanakan Departemen Geofisika dan Meteorologi, Fakultas Matematika dan
Ilmu Pengetahuan Alam, Institut Pertanian Bogor yang berlangsung pada bulan
Juli sampai Oktober 2014.
5
Alat dan Bahan
Alat yang digunakan dalam penelitian ini meliputi perangkat komputer yang
dilengkapi software pengolah data seperti Microsoft Office 2010, software
DSSAT (Decision Support System for Agrotechnology Transfer) version 4.5.0
yang diunduh dari dssat.net/downloads/dssat-v45, serta software MINITAB. Data
yang digunakan terdiri dari data iklim harian, data manajemen lahan pertanian
serta data fisik dan kimia tanah.
Data manajemen lahan pertanian yang diperlukan berupa varietas tanaman,
waktu tanam, jarak tanam, dan pemupukan. Data fisik dan kimia tanah Kec.
Cikedung, Kabupaten Indramayu. Data iklim harian terdiri dari data observasi dan
NASA/POWER tahun 2004-2013 (suhu maksimum, suhu minimum, suhu udara
rata-rata, radiasi matahari dan curah hujan). Data observasi diperoleh dari stasiun
Sukamandi, Subang, Jawa Barat. Sedangkan data iklim dari NASA/POWER
diunduh
dari
situs
resmi
NASA,
dengan
alamat
website,
http://power.larc.nasa.gov/cgibin/cgiwrap/solar/agro.cgi?email=agroclim@larc.
nasa.gov yang diakses pada 9 Juli 2014.
Prosedur Analisis Data
Penelitian ini dilakukan dalam beberapa tahapan. Tahap pertama adalah
dengan melakukan plotting data iklim observasi dari stasiun Sukamandi, Subang
dengan data iklim NASA/POWER pada koordinat 6.25 LS dan 107.39 BT serta
ketinggian 15 meter diatas permukaan laut. Plotting ini dilakukan untuk
mengetahui pola yang dibentuk dari panjang data selama 10 tahun (2004-2013).
Tahap ini menghasilkan koefisien determinasi (R2) dari parameter iklim hasil
observasi dan keluaran NASA/POWER yang dapat menunjukkan keragaman data
observasi yang dapat dijelaskan oleh data keluaran NASA/POWER. Deviasi
antara NASA/POWER dan data iklim observasi dinyatakan dalam Root Mean
Square Error (RMSE).
Tahap kedua adalah simulasi potensi hasil tanaman padi dengan
menggunakan model simulasi tanaman DSSAT. Sebelum menjalankan model ada
beberapa tahap yang dipersiapkan, diantaranya membuat modul data tanah, data
iklim dan data manajemen lahan pertanian. Modul data tanah terdiri dari data fisik
dan kimia tanah yang dibuat dalam SBuild. Modul iklim terdiri dari data suhu
maksimum dan minimum, data radiasi serta data curah hujan harian yang dibuat
dalam Weatherman. Modul manajemen lahan pertanian dibuat dalam XBuild yang
berisi data seperti tabel 4. Seluruh modul yang telah dibuat akan disimulasi dalam
file yang format (.SNX) karena tipe analisis DSSAT yang digunakan adalah
seasonal. Tahap selanjutnya adalah mengidentifikasi pengaruh parameter iklim
terhadap perkembangan dan pertumbuhan tanaman yang digambarkan dalam
biomassa tanaman. RMSE juga digunakan oleh Wart et al.(2013) untuk
mengetahui rata-rata kesalahan antara hasil simulasi tanaman yang menggunakan
gridded weather databases (GWD) dari CRU, NCEP/DOE dan NASA/POWER
dengan simulasi tanaman yang menggunakan control weather data (CWD) dari
stasiun iklim observasi.
6
S
n
√∑i
1
s- o
n
2
(1)
Ys adalah produktivitas hasil simulasi menggunakan data radiasi NASA/POWER,
Yo adalah produktivitas hasil simulasi menggunakan data iklim observasi.
Data estimasi
radiasi, curah
hujan, suhu
maksimum dan
minimum
NASA/POWER
Data radiasi,
curah hujan, suhu
maksimum dan
minimum
observasi
Data tanah,
informasi
manajemen
pertanian
Membandingkan data observasi dan NASA/POWER dengan koefisien
determinasi
Parameterisasi, Simulasi dengan DSSAT
Hasil simulasi dengan
radiasi, curah hujan,
suhu maksimum dan
minimum
NASA/POWER
Hasil simulasi dengan
radiasi, curah hujan,
suhu maksimum dan
minimum observasi
Uji beda biomassa akar, batang, butir padi, daun,
malai hasil simulasi
Validasi model (biomassa padi)
Gambar 2 Diagram alir penelitian
7
Tabel 3 Pemilihan sistem usaha tani yang diterapkan pada file manajemen
Parameter
Planting date
Planting method
Planting distribution
Plant Population at seeding/m2
Plant Population at emergence/m2
Row spacing
Planting Depth
Row Direction, Degree from North
Irrigation
Fertilizer
Urea
Triple Super Phospat
NPK
Dasarian 1 (tanggal 10)
Dasarian 2 (tanggal 20)
Dasarian 3 (tanggal 30)
Dry seeda
Rowsb
80
80
25 cm
5 cm
90
No Applicationc
150 kg/ha, 15 dan 30 HSS
150 kg/ha, 15 dan 30 HSS
100 kg/ha, 15 dan 30 HSS
a
Sumber : Estinityas 2012 ; aDry Seed : Penanaman dilakukan setelah bibit disemai terlebih dahulu pada
sebagian petak sawah sebelum musum hujan tiba. Setelah tiba musim hujan, bibit yang telah disemai
dipindahkan ke seluruh petak sawah ; bRows : Penanaman dilakukan dengan cara berbaris ;
c
No Application : Sawah tadah hujan.
Tabel 4 Metode yang digunakan dalam Simulation Options DSSAT
Parameter
Weather
Initial condition
Evapotranspiration
Infiltration
Photosynthesis
Hydrology
Method of soil organic matter
Soil evapotranspiration
Soil layer distribution
Metode yang digunakan
Measured data
As reported
Priestley-Taylor/Ritchie
Soil Conservation Service
Radiation efficiency
Ritchie water balance
CERES (Godwin)
Suleiman-Ritchie
Modified soil profile
8
HASIL DAN PEMBAHASAN
Perbandingan Data Iklim Observasi dan Data Iklim NASA/POWER
Informasi data iklim diperlukan sebagai data masukan dalam model simulasi
tanaman agar dihasilkan hasil simulasi berupa produktivitas yang sesuai dengan
hasil aktualnya. Salah satu sumber informasi untuk memperoleh data iklim harian,
berupa radiasi, suhu udara maksimum dan minimum, serta curah hujan adalah
melalui NASA’s Prediction of Worldwide Energy Resources (NASA/POWER).
Sebelum digunakan sebagai data masukan dalam simulasi, data iklim tersebut
dibandingkan dengan data iklim observasi. Hal ini dilakukan agar diketahui data
iklim NASA/POWER sesuai atau tidak sesuai dengan data iklim observasi, karena
kondisi tersebut dapat mempengaruhi hasil simulasi. Sehingga diperlukan evaluasi
data iklim NASA/POWER dengan menghitung koefisien determinasi dan RMSE.
(a)
(c)
(b)
(d)
Gambar 3 Sebaran pada garis 1:1 (a) data radiasi (b) curah hujan (c) suhu
maksimum (d) suhu minimum harian observasi dan NASA/POWER
selama 2004-2013
Gambar 1 Plot data radiasi harian observasi(biru) dan NASA/POWER (merah) tahun 2004-2013.
Gambar 2 Plot data suhu maksimum harian observasi (biru) dan NASA/POWER (merah) tahun 2004-2013.
9
Gambar 1 Plot data suhu minimum harian observasi (biru) dan NASA/POWER (merah) tahun 2004-2013.
Gambar 2 Plot data curah hujan harian observasi (biru) dan NASA/POWER (merah) tahun 2004-2013.
10
11
Melalui plotting dan sebaran antara data iklim observasi dengan data iklim
NASA/POWER selama 2004-2013, dapat diketahui kemampuan data iklim
NASA/POWER dalam mengestimasi data iklim di wilayah sekitar Sukamandi,
Subang, Jawa Barat. Stasiun Sukamandi terletak pada 6.25 lintang selatan dan
107.39 bujur timur dengan ketinggian 15 meter diatas permukaan laut. Sebaran
data iklim observasi dan NASA/POWER digunakan untuk menghasilkan nilai R2,
yang dapat menggambarkan berapa banyak data iklim NASA/POWER yang
sesuai dengan data iklim observasi. Nilai R2 yang semakin tinggi menunjukkan
bahwa data iklim yang dihasilkan oleh NASA/POWER memiliki kemampuan
yang cukup baik untuk mengestimasi data iklim di wilayah sekitar Sukamandi,
Subang, Jawa Barat. Sedangkan nilai RMSE yang semakin kecil, menunjukkan
data iklim NASA/POWER dapat mengestimasi dengan semakin baik karena
RMSE menunjukkan besarnya penyimpangan rata-rata dibandingkan data iklim
observasi. Tabel 5 menunjukkan rata-rata bulanan selama tahun 2004-2013 untuk
suhu maksimum, minimum, curah hujan dan radiasi matahari yang dihasilkan oleh
data hasil observasi dan data spasial NASA/POWER serta nilai RMSE dari kedua
data iklim.
Tabel 5 Rata-rata bulanan, RMSE, dan R2 parameter iklim Observasi dan
NASA/POWER selama 2004-2013
Parameter
Observasi
NASA/POWER
Tertinggi Terendah Tertinggi Terendah
o
24
22
22.8
21.1
Suhu Minimum ( C)
o
32.9
30
26.5
28.5
Suhu Maksimum ( C)
2
18.7
14.3
20.8
15.7
Radiasi (MJ/m )
267.8
6.3
383.2
38
Curah Hujan (mm)
RMSE
R2
2.4
4.5
3.2
12.6
0.00034
0.22
0.57
0.09
Data radiasi
Data radiasi matahari merupakan salah satu parameter iklim penting dalam
model simulasi tanaman. Radiasi matahari diperlukan oleh tanaman untuk
melakukan fotosintesis. Gambar 4 menunjukkan bahwa data radiasi harian
NASA/POWER sudah cukup baik dalam mengestimasi data radiasi harian di
wilayah kajian. Kedua grafik memiliki bentuk pola yang mirip dan saling
berhimpitan, warna merah merupakan data radiasi NASA/POWER dan warna biru
merupakan data radiasi observasi. Nilai RMSE radiasi harian NASA/POWER
dengan observasi adalah 3.2 MJ/m2. Melalui sebaran data radiasi pada Gambar 3,
dapat diketahui koefisien determinasi (R2) yaitu 0.57.
Berdasarkan Tabel 5, nilai radiasi harian tertinggi selama 2004-2013 di
wilayah Sukamandi, Subang, Jawa Barat, menurut data observasi adalah 18.7
MJ/m2 pada bulan September, serta radiasi harian terendah adalah 14.3 MJ/m2
pada bulan Januari dan Desember. Data radiasi NASA/POWER menyebutkan
radiasi maksimum di wilayah kajian selama 2004-2013 adalah 20.8 MJ/m2 pada
bulan September, sedangkan radiasi minimumnya adalah 15.7 MJ/m2 pada bulan
Febuari. Nilai tersebut menunjukkan bahwa radiasi maksimum dan minimum
yang terdapat di wilayah kajian menurut NASA/POWER cenderung mendekati
radiasi observasi. Penerimaan radiasi yang cukup tinggi di wilayah kajian
12
disebabkan karena topografi di sekitar stasiun observasi adalah di dataran rendah
dan relatif dekat dengan pantai. Sedangkan adanya perbedaan nilai maksimum dan
minimum radiasi bulanan dalam satu tahun disebabkan adanya pola matahari
tahunan.
Data suhu maksimum dan minimum
Suhu udara merupakan unsur iklim yang penting proses pertumbuhan dan
perkembangan tanaman padi. Suhu udara mempengaruhi proses respirasi dan
fotosintesis tanaman. Adanya ketidakseimbangan antara kedua proses tersebut
dapat mengurangi bobot gabah (Suhartatik et al. 2008). Model simulasi tanaman
memerlukan data suhu udara maksimum dan minimum harian untuk mengetahui
batas kritis suhu udara yang dapat ditoleransi oleh tanaman dalam pertumbuhan
dan perkembangannya. Sehingga dapat diketahui pengaruhnya terhadap
produktivitas tanaman.
Berdasarkan Tabel 5, suhu maksimum tertinggi menurut data observasi
selama 2004-2013 rata-rata adalah 32.9o C pada bulan Oktober, sedangkan suhu
maksimum paling rendah adalah 30o C pada bulan Januari. Suhu udara maksimum
NASA/POWER tertinggi selama tahun 2004-2013 rata-rata adalah 28.5o C pada
bulan September, sedangkan suhu udara maksimum terendahnya adalah 26.5o C
pada bulan Januari. Sehingga dapat diketahui bahwa suhu maksimum tertinggi
dan terendah menurut NASA/POWER terjadi pada waktu yang cenderung sama
dengan data observasi. Suhu udara maksimum di wilayah Sukamandi, Subang,
Jawa Barat cenderung tinggi karena dipengaruhi oleh wilayahnya yang terletak di
dataran rendah dan dekat relatif dekat dengan pantai.
Gambar 5 menunjukkan data suhu maksimum NASA/POWER pada grafik
berwarna merah dan data suhu maksimum observasi pada grafik yang berwarna
biru. Plotting data suhu maksimum menunjukkan terjadi underestimate, yaitu data
harian suhu maksimum NASA/POWER lebih rendah dibanding data observasi
pada terhadap data observasi. Meskipun terjadi underestimate, namun pola yang
dihasilkan oleh data suhu maksimum NASA/POWER cenderung mirip dengan
pola data observasi. Selisih yang terdapat pada kedua grafik rata-rata dapat
dihitung dengan RMSE, yaitu sebesar 4.5o C. Sehingga sebaran pada Gambar 3
menunjukkan nilai koefisien determinasi (R2) sebesar 0.22. Artinya data suhu
maksimum NASA/POWER belum mampu mengestimasi suhu maksimum di
Sukamandi, Subang, Jawa Barat.
Berdasarkan Tabel 5, suhu minimum paling tinggi rata-rata menurut data
observasi selama 2004-2013 terjadi pada bulan April dan November yaitu 24oC,
sedangkan suhu minimum paling rendah terjadi pada bulan Agustus yaitu 22oC.
Hasil estimasi NASA/POWER suhu minimum tertinggi terjadi pada bulan yang
sama dengan observasi, yaitu April dengan suhu 22.8oC. Sedangkan suhu
minimum terendah dengan suhu 21.1oC juga terjadi pada bulan yang sama dengan
observasi, yaitu bulan Agustus. Gambar 5 menunjukkan grafik berwarna merah
merupakan suhu minimum NASA/POWER dan grafik berwarna merah
merupakan suhu minimum observasi pada tahun 2004-2013. Data harian suhu
minimum NASA/POWER pada tahun 2004-2008 cenderung overestimate, yaitu
data harian suhu udara minimum data NASA/POWER lebih tinggi dibandingkan
data harian suhu udara minimum observasi. Sedangkan pada tahun 2000-2013
cenderung terjadi underestimate, yaitu data harian suhu udara minimum data
13
NASA/POWER lebih rendah dibandingkan data harian suhu udara minimum
observasi. Perubahan secara signifikan yang dimulai pada 1 Januari 2008
disebabkan oleh adanya perbedaan suber data yang digunakan. GEOS
assimilation model version 4 sejak Januari 1983 hingga Desember 2007,
kemudian pada Januari 2008 menggunakan GEOS assimilation model version 5.
Perbedaan rata-rata antara data NASA/POWER dengan data observasi selama
tahun 2004-2013 adalah 2.4oC. Adanya data suhu minimum yang underestimate
dan overestimate menyebabkan nilai koefisien determinasi (R2) yang dihasilkan
pada Gambar 8 sangat kecil, yaitu 0.000034. Hal ini menunjukkan bahwa data
suhu minimum NASA/POWER belum mampu mengestimasi suhu minimum di
wilayah kajian.
Curah hujan dan hari hujan
Simulasi pertumbuhan dan perkembangan tanaman memerlukan data
curah hujan sebagai salah satu unsur iklim dalam data iklim masukan. Curah
hujan berpengaruh pada proses pertumbuhan dan perkembangan tanaman padi
terutama dalam evapotranspirasi. Keterbatasan air maupun kelebihan air bagi
tanaman selama masa pertumbuhan dapat mempengaruhi hasil tanaman padi.
Sehingga dalam simulasi data curah hujan harian diperlukan karena lahan
diumpamakan sebagai lahan tadah hujan. Jadi sumber air bagi lahan pertanian
satu-satunya berasal dari hujan.
Berdasarkan Gambar 7, diketahui bahwa data curah hujan NASA/POWER
dalam grafik berwarna merah memiliki pola yang mirip dengan data observasi
dalam grafik berwarna biru. Namun seperti kemampuan satelit pada umumnya,
data curah hujan NASA/POWER memiliki kelemahan dalam mengestimasi
jumlah curah hujan yang terjadi pada suatu lokasi, terutama ketika terjadi curah
hujan tinggi. Menurut NASA (2013), hal ini disebabkan hujan biasanya terjadi
dalam jangka waktu yang singkat dan terjadi pada lokasi tertentu. Sedangkan
satelit GPCP (Global Precipitation Climate Project) yang digunakan untuk
mengestimasi curah hujan, bekerja pada 1ox1o bujur dan lintang dalam
mengakumulasi curah hujan harian. Sehingga hasil plot menunjukkan adanya
jarak antara grafik yang dibentuk oleh data curah hujan observasi dengan data
curah hujan NASA/POWER.
Berdasarkan Tabel 5, Curah hujan maksimum rata-rata yang terjadi selama
tahun 2004-2013 di Sukamandi, Subang, Jawa Barat adalah 267.8 mm terjadi
pada bulan Januari, sedangkan jumlah curah hujan maksimum yang diestimasikan
oleh NASA/POWER adalah 383.2 mm terjadi pada bulan Desember. Curah hujan
minimum rata-rata selama tahun 2004-2013 menurut data observasi adalah 6.3
mm yang terjadi pada bulan Agustus, sedangkan menurut NASA/POWER adalah
38 mm juga terjadi pada bulan Agustus. Nilai RMSE diantara kedua grafik selama
tahun 2004-2013 adalah 12.6 mm. Meskipun memiliki bentuk pola curah hujan
yang mirip dengan data curah hujan observasi, namun curah hujan
NASA/POWER menurut sebaran pada Gambar 3, koefisien determinasi (R2) yang
sangat kecil, yaitu 0.097. Nilai R2 yang sangat kecil disebabkan oleh adanya curah
hujan tinggi yang tidak tertangkap oleh NASA/POWER. Selain itu disebabkan
pula ketika tidak ada hujan namun NASA/POWER mencatat adanya hujan.
Artinya, data curah hujan NASA/POWER masih kurang baik untuk mengestimasi
curah hujan yang terjadi di wilayah kajian.
14
(a)
(b)
Gambar 8 Plot data hari hujan bulanan dari stasiun observasi () dan
NASA/POWER (- - - -) tahun 2004-2013 (a) sebelum (b) sesudah hari
hujan NASA/POWER dikoreksi
(a)
(b)
Gambar 9 Sebaran jumlah hari hujan bulanan observasi dan hari hujan
NASA/POWER (a) sebelum (b) sesudah hari hujan NASA/POWER
dikoreksi
Hari hujan menurut BMKG adalah ketika dalam suatu hari terdapat curah
hujan 0.55 mm atau lebih. Informasi mengenai hari hujan bermanfaat untuk
menentukan awal musim tanam dalam pertanian (Handoko 1994). Hasil plot data
iklim pada Gambar 8a, menunjukkan pola yang dihasilkan oleh jumlah hari hujan
bulanan selama 10 tahun (2004-2013) NASA/POWER pada grafik putus-putus
dengan hari hujan mirip dengan data observasi pada grafik utuh. Namun jumlah
hari hujan bulanan NASA/POWER yang dihasilkan selalu lebih tinggi dari jumlah
hari hujan bulanan observasi. Hal ini terjadi karena data NASA/POWER tidak
dapat menangkap curah hujan tinggi, namun data curah hujan NASA/POWER
15
menangkap adanya hujan yang lebih sering dibandingkan data observasi.
Meskipun terjadi overestimate namun dan koefisien determinasi (R2) yang
dihasilkan cukup tinggi, yaitu dan 0.75.
Gambar 8b menunjukkan pola hari hujan selama tahun 2004-2013 dengan
hari hujan untuk data NASA/POWER merupakan hari dengan curah hujan 4.5
mm atau lebih. Nilai 4.5 mm didapatkan dari rata-rata perbedaan yang terdapat
pada grafik hari hujan dengan data curah hujan NASA/POWER dan observasi.
Berdasarkan Gambar 9b, melalui adanya perubahan curah hujan minimum untuk
menentukan hari hujan pada data curah hujan NASA/POWER, nilai koefisien
determinasi (R2) meningkat menjadi 0.80. Koreksi ini diperlukan karena pola
antara hari hujan NASA/POWER hampir mirip dengan pola hujan observasi,
namun yang membedakan adalah adanya selisih diantara kedua grafik. Nilai
koefisien determinasi (R2) yang tinggi meskipun terdapat selisih diantara kedua
grafik terjadi karena menurut curah hujan NASA/POWER mengestimasikan
adanya hujan meskipun menurut observasi tidak terjadi hujan. Sehingga prediksi
terjadinya hujan menurut NASA/POWER akan selalu sama dengan hasil
observasi yang menyatakan terjadi hujan.
Membandingkan Hasil Simulasi Data Iklim Observasi dan NASA/POWER
Simulasi dilakukan dengan waktu tanam 10 hari sekali selama tahun 20042012 pada sawah tadah hujan. Simulasi yang dilakukan untuk membandingkan
potensi tanaman padi yang dihasilkan antara hasil simulasi yang menggunakan
data iklim observasi dan data iklim NASA/POWER, yang terdiri dari suhu
maksimum, suhu minimum, radiasi dan curah hujan. Grafik dan sebaran
menunjukkan bahwa data radiasi NASA/POWER sudah cukup baik untuk
mengestimasi data radiasi harian di wilayah kajian. Sedangkan NASA/POWER
masih kurang mampu untuk mengestimasi suhu udara maksimum, minimum dan
curah hujan di wilayah kajian. Sehingga perlu diketahui penggunaan data suhu
udara maksimum, minimum, radiasi dan curah hujan NASA/POWER sebagai data
iklim masukan dalam simulasi. Serta seberapa besar pengaruh masing-masing
unsur dalam pertumbuhan dan perkembangan tanaman.
Gambar 10 Produktivitas padi menggunakan data iklim observasi () dan data
iklim observasi dengan radiasi NASA/POWER (- - - -) tahun 20042013
16
Gambar 11 Produktivitas padi menggunakan data iklim observasi () serta
data iklim observasi dengan data suhu maksimum dan minimum
NASA/POWER (- - - -) tahun 2004-2013
Gambar 12 Produktivitas padi menggunakan data iklim observasi () dan data
iklim observasi dengan curah hujan NASA/POWER (- - - -) tahun
2004-2013
Gambar 13 Produktivitas padi menggunakan data iklim observasi () dan data
iklim NASA/POWER (- - - -) tahun 2004-2013
Berdasarkan grafik dan sebaran data iklim NASA/POWER tahun 20042013 pada 6.25 LS dan 107.39 BT, data radiasi NASA/POWER telah cukup baik
mengestimasi data radiasi harian di Sukamandi, Subang, Jawa Barat. Gambar 10
menunjukkan hasil simulasi produktivitas dengan data iklim observasi yang data
radiasinya diganti dengan radiasi NASA/POWER lebih tinggi dibandingkan
simulasi menggunakan data observasi. Gambar 11 menunjukkan simulasi yang
17
data suhu maksimum dan minimumnya diganti dengan suhu maksimum dan
minimum NASA/POWER lebih tinggi dibandingkan dengan simulasi
menggunakan data observasi. Sedangkan Gambar 12, simulasi produktivitas
dengan data iklim observasi yang curah hujannya diganti dengan curah hujan
NASA/POWER lebih rendah dibandingkan hasil simulasi produktivitas dengan
data iklim observasi. Gambar 13 menunjukkan simulasi dengan data iklim
NASA/POWER lebih tinggi dibandingkan dengan simulasi dengan data observasi.
Hal ini menunjukkan bahwa curah hujan NASA/POWER menghasilkan simulasi
yang paling berbeda diantara simulasi data iklim yang radiasi, suhu maksimum
dan minimum bersumber dari NASA/POWER. Perbedaan hasil simulasi pada
masing-masing gambar dijelaskan pada Tabel 6.
Tabel 6 Perbedaan nilai RMSE produktivitas tanaman dengan masukan data
NASA/POWER dan data observasi
Parameter
Radiasi NASA/POWER
Curah hujan NASA/POWER
Suhu maksimum dan minimum NASA/POWER
Data iklim NASA/POWER
RMSE
808 kg/ha
583 kg/ha
1677 kg/ha
1922 kg/ha
Berdasarkan Tabel 6, diketahui bahwa simulasi yang memiliki nilai RMSE
semakin besar menunjukkan ketepatan hasil simulasi yang semakin kurang
dibandingkan dengan simulasi menggunakan data observasi. Hasil simulasi yang
data curah hujannya diganti dengan curah hujan NASA/POWER menghasilkan
RMSE yang paling kecil yaitu 583 kg/ha dengan nilai R2 antara curah hujan
observasi dengan curah hujan NASA/POWER sebesar 0.09. Sedangkan RMSE
simulasi yang data radiasinya berasal dari NASA/POWER adalah 808 kg/ha
dengan R2 radiasi 0.57. Hal ini menunjukkan bahwa dalam simulasi curah hujan
bukan faktor iklim yang paling mempengaruhi hasil simulasi. Unsur iklim yang
paling mempengaruhi simulasi diantara suhu maksimum dan minimum, curah
hujan, dan radiasi adalah suhu maksimum dan suhu minimum. Sehingga
perbedaan hasil simulasi terbesar pada data masukan suhu maksimum dan
minimum yang berasal dari NASA/POWER.
Adanya subtitusi data radiasi NASA/POWER sebagai pengganti data radiasi
harian observasi dimungkinkan dalam simulasi pertumbuhan dan perkembangan
tanaman. Hal ini karena nilai R2 radiasi NASA/POWER sebesar 0.57 dan
menghasilkan RMSE produktivitas paling rendah kedua setelah simulasi dengan
data curah hujan NASA/POWER. Perbedaan hasil simulasi antara data observasi
dengan radiasi NASA/POWER disebabkan karena data radiasi yang dihasilkan
oleh NASA/POWER di wilayah kajian lebih tinggi dibandingkan dengan data
observasi, meskipun perbedaan rata-rata data radiasi NASA/POWER dengan data
radiasi observasi relatif kecil, yaitu 3.2 MJ/m2. Nilai RMSE simulasi produksi
tanaman padi yang menggunakan data radiasi NASA/POWER dengan data radiasi
observasi sebesar 808 kg/ha. Menurut Hoogenboom et al. (2011), radiasi matahari
merupakan input yang penting dalam mengestimasi evaporasi dan akumulasi
biomassa tanaman dalam model simulasi tanaman.
18
Fluktuasi produktivitas tanaman terjadi karena adanya simulasi perbedaan
tanggal tanam. Waktu tanam yang dipilih yaitu per 10 harian dalam satu tahun
selama tahun 2004-2013. Rata-rata bulanan produktivitas tanaman selama waktu
simulasi antara kedua skenario menunjukkan fluktuasi produktivitas yang sama.
Produktivitas minimum simulasi yang menggunakan data iklim observasi terjadi
pada tanggal tanam 30 Desember 2007 sebesar 2803 kg/ha. Sedangkan
produktivitas maksimum simulasi yang menggunakan data iklim observasi terjadi
pada tanggal tanam 10 Oktober 2012 sebesar 7040 kg/ha.
Perbedaan produktivitas yang cukup signifikan disebabkan oleh perbedaan
kondisi iklim selama fase pertumbuhan dan perkembangan tanaman tersebut. Pada
tanggal tanam 10 Oktober 2012 curah hujan sejak tanam hingga panen 810 mm,
tanggal tanam 30 Desember 2007 adalah 1017 mm. Radiasi pada tanggal tanam
10 Oktober 2012 adalah 17.6 MJ/m2 sedangkan pada 30 Desember 2007 adalah
13.9 MJ/m2. Suhu udara maksimum pada tanggal tanam 10 Oktober 2012 sejak
tanam hingga panen adalah 31.7oC dan untuk tanggal tanam 30 Desember adalah
30.4oC. Suhu minimum sejak tanam hingga panen adalah 24.4oC dan untuk
tanggal tanam 30 Desember 2007 adalah 22.3oC. Curah hujan pada tanggal tanam
30 Desember 2007 lebih tinggi dibandingkan pada tanggal tanam 10 Oktober
2012, karena pada 30 Desember 2007 sudah memasuki La Nina lemah. Jumlah
curah hujan yang lebih tinggi, radiasi yang lebih rendah dan suhu udara
maksimum dan minimum yang lebih rendah mulai fase tanam hingga panen pada
30 Desember 2007 menyebabkan produktivitas yang lebih rendah dibandingkan
pada tanggal tanam 10 Oktober 2012. Hal ini disebabkan proses fotosintesis pada
tanggal tanam 10 Oktober 2012 lebih optimal karena radiasi matahari yang
diterima selama tanam hingga panen lebih tinggi dibandingkan pada tanggal
tanam 30 Desember 2007.
Hasil dan Komponen Hasil Tanaman Selama Simulasi
Hasil simulasi dapat dipengaruhi oleh kondisi iklim di wilayah kajian. Hal
ini terjadi karena masing-masing unsur iklim berpengaruh dalam proses
pertumbuhan dan perkembangan tanaman. Dalam kondisi aktual, unsur iklim
tersebut saling menunjang dalam proses fotosintesis dan metabolisme tanaman.
Hasil fotosintesis ditransportasikan ke organ-organ tanaman yang ditunjukkan
dalam besarnya biomassa tanaman. Biomassa tanaman yang dihasilkan dalam
simulasi ini adalah biomassa akar, batang, daun, malai dan butir padi. Kondisi
lingkungan berpengaruh terhadap umur tanaman dan lama masing-masing fase
perkembangan tanaman. Selain dipengaruhi oleh kondisi lingkungan, biomassa
tanaman juga dipengaruhi oleh faktor internal, seperti Indeks luas daun (ILD).
Indeks luas daun mempengaruhi besarnya radiasi dan curah hujan yang
diintersepsi oleh tanaman yang berpengaruh pada proses fotosintesis.
Indeks Luas Daun
Gambar 14 menunjukkan indeks luas daun pada tanggal tanam 10 Oktober
2012 dan indeks luas daun pada tanggal tanam 30 Desember 2007. Hasil simulasi
dengan menggunakan data iklim observasi selama tahun 2004-2013 menunjukkan
hasil simulasi bahwa produktivitas tertinggi pada tanggal tanam 10 Oktober 2012,
sedangkan produktivitas terendah pada tanggal tanam 30 Desember 2007. Gambar
19
14 menggambarkan indeks luas daun (ILD) pada tanggal tanam 10 Oktober 2012
dengan garis putus-putus dan ILD pada tanggal tanam 30 Desember 2007 dengan
garis utuh. Garis berwarna merah menunjukkan hasil simulasi dengan data radiasi
NASA/POWER, sedangkan garis hitam menunjukkan hasil simulasi dengan data
iklim observasi. Tinggi rendahnya ILD dipengaruhi oleh banyaknya daun yang
terdapat pada tanaman di suatu fase dalam suatu luasan. Perbedaan ILD pada
kedua tanggal tanam dapat mempengaruhi fotosintesis tanaman, karena
mempengaruhi besarnya radiasi yang diserap oleh tanaman. Semakin tinggi nilai
ILD, maka semakin besar pula radiasi surya yang diintersepsi, sehingga dapat
mempengaruhi fotosintesis.
(a)
(c)
(b)
(d)
- - - - - - - LAI maksimum observasi
- - - - - - - LAI maksimum NASA/POWER
LAI minimum observasi
LAI minimum NASA/POWER
Gambar 14 Indeks luas daun hasil simulasi dengan iklim observasi dengan (a)
data radiasi dari NASA/POWER (b) data suhu maksimum dan
minimum dari NASA/POWER (c) data curah hujan dari
NASA/POWER (d) data iklim seluruhnya dari NASA/POWER
Simulasi pada tanggal tanam 10 Oktober 2012 dengan data observasi
menghasilkan produktivitas 7040 kg/ha, sedangkan 30 Desember 2007
menghasilkan produktivitas 2803 kg/ha. Perbedaan kondisi lingkungan yaitu
unsur cuaca dan iklim dapat mempengaruhi komponen hasil berupa biomassa
pada masing-masing tanggal tanam. Indeks luas daun hasil simulasi dengan data
20
iklim observasi pada tanggal tanam 10 Oktober 2012 memiliki nilai terendah
ketika belum ada daun yang muncul. Daun pertama muncul (emergence) pada 5
HSS memiliki ILD 0.01. Pada saat keluarnya bunga/malai (heading) terjadi pada
77 HSS dan memiliki ILD 5.44. Setelah mencapai nilai maksimum, ILD akan
turun seiring tanaman padi yang matang secara fisiologis hingga panen pada 108
HSS yaitu 2.9. Sedangkan ILD pada tanggal tanam 30 Desember 2007,
kemunculan daun pertama kali (emergence) terjadi pada 7 HSS. Indeks luas daun
tertinggi yaitu pada saat keluarnya bunga/malai (heading) ketika 86 HSS sebesar
1.25. Kemudian ILD akan turun hingga tanaman padi matang secara fisiologis
pada 117 HSS dengan ILD sebesar 0.84.
Indeks luas daun hasil simulasi dengan data radiasi, curah hujan dan data
iklim NASA/POWER pada tanggal tanam 10 Oktober 2012 lebih rendah
dibandingkan dengan hasil simulasi dengan menggunakan data observasi.
Sedangkan hasil simulasi dengan data suhu maksimum dan minimum memiliki
nilai ILD yang lebih tinggi dibandingkan data observasi. Simulasi pada tanggal
tanam 30 Desember 2007 dengan data observasi memiliki nilai ILD lebih rendah
dibandingkan simulasi dengan menggunakan data data radiasi, curah hujan dan
data iklim NASA/POWER. Sedangkan indeks luas daun hasil simulasi dengan
data suhu maksimum dan minimum NASA/POWER hampir sama dengan hasil
simulasi dengan data observasi. Perbedaan ini disebabkan oleh perbedaan kondisi
unsur iklim pada saat simulasi yang terdiri dari suhu maksimum dan minimum,
radiasi dan curah hujan. Terutama pada suhu minimum yang memiliki nilai R 2
paling kecil sehingga mempengaruhi hasil simulasi yang berbeda dengan hasil
simulasi dengan kombinasi unsur iklim lainnya.
Biomassa Organ-Organ Tanaman Padi
Tabel 7 menunjukkan hasil uji t antara simulasi dengan data iklim observasi
dan data radiasi NASA/POWER untuk biomassa organ tanaman padi pada tanggal
tanam 30 Desember 2007 dan 10 Oktober 2012. Uji t dilakukan untuk simulasi
dengan menggunakan data masukan dari data radiasi, suhu maksimum dan
minimum, curah hujan, dan data iklim NASA/POWER. Perbedaan yang nyata
menunjukkan bahwa hasil simulasi dengan masukan data iklim dari
NASA/POWER dengan kombinasi pada data radiasi, curah hujan serta suhu
maksimum dan minimum memiliki perbedaan biomassa yang cukup besar.
Sedangkan perbedaan tidak nyata menunjukka
UNTUK MODEL SIMULASI TANAMAN DI INDONESIA :
STUDI KASUS SUKAMANDI, JAWA BARAT
DEWI SULISTYOWATI
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Potensi Pemanfaatan
Data Iklim NASA/POWER untuk Model Simulasi Tanaman di Indonesia: Studi
Kasus Sukamandi, Jawa Barat, 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 skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Desember 2014
Dewi Sulistyowati
NIM G24100059
ABSTRAK
DEWI SULISTYOWATI. Potensi Pemanfaatan Data Iklim NASA/POWER untuk
Model Simulasi Tanaman di Indonesia: Studi Kasus Sukamandi, Jawa Barat.
Dibimbing oleh IMPRON dan PERDINAN.
Model simulasi tanaman dapat digunakan untuk membantu mengelola
sistem pertanian melalui integrasi cuaca, tanah dan manajemen lahan. Salah satu
model simulasi tanaman yang digunakan untuk mensimulasi pertumbuhan,
perkembangan dan potensi hasil tanaman padi adalah model Oryza, salah satu
model dalam perangkat lunak Decision Support System for Agrotechnology
Transfer (DSSAT). Data minimum yang diperlukan untuk menjalankan model
simulasi tersebut adalah data iklim harian, data fisik dan kimia tanah, serta
informasi manajemen pertanian. Namun, pemanfaatan DSSAT sering terkendala
oleh data iklim harian observasi di Indonesia yang relatif sulit diperoleh. Salah
satu solusi alternatif adalah menggunakan informasi iklim dari NASA/POWER
(Prediction of Wordwide Energy Resource). Penelitian ini mengambil studi kasus
stasiun iklim Sukamandi untuk mengevaluasi pemanfaatan NASA/POWER di
wilayah kajian. Hasil penelitian menunjukkan bahwa estimasi radiasi
NASA/POWER memiliki koefisien determinasi 0.57 terhadap data radiasi
observasi. Sementara, estimasi suhu maksimum dan minimum serta curah hujan
harian untuk wilayah kajian masih menunjukkan koefisien determinasi relatif
rendah. Hasil simulasi biomassa tanaman padi menunjukkan bahwa radiasi
NASA/POWER berpotensi digunakan untuk simulasi produktivitas tanaman padi.
Kata kunci : model tanaman, DSSAT, NASA/POWER, Sukamandi.
ABSTRACT
DEWI SULISTYOWATI. Potential Application of NASA/POWER Climate Data
for Crop Simulation Model in Indonesia: Case Study Sukamandi, West Java.
Supervised by IMPRON and PERDINAN.
Crop simulation models can simulate the interaction of weather, soil and
agricultural practices. One of the models that simulate plant growth and
development for rice production is Oryza, which is included in the software
package of Decision Support System for Agrotechnology Transfer (DSSAT).
Minimum data required for the model simulation is daily climate data, soil
chemical and physical data, and the information of agricultural practices. As daily
observed climate data in Indonesia are frequently unavailable, the estimated
climate data from satellitte, such as those derived from a number of meteorology
satellites which is published through NASA/POWER (Prediction of Wordwide
Energy Resource) database, provides an alternative source for crop model
simulation. This research employed climate station of Sukamandi as a case study
for evaluating the performance of the estimated climate data. Results indicate that
estimated radiation of NASA/POWER has a strong correlation with observed
radiation in the study area, coefficient of determinantion 0.57. However, estimated
daily maximum and minimum temperatures, and rainfall of NASA/POWER show
relatively low correlation. Simulated rice biomassa shows that the estimated daily
solar radiation of NASA/POWER can potentially be used for the crop model.
Keywords: Crop model, DSSAT, NASA/POWER, Sukamandi.
POTENSI PEMANFAATAN DATA IKLIM NASA/POWER
UNTUK MODEL SIMULASI TANAMAN DI INDONESIA :
STUDI KASUS SUKAMANDI, JAWA BARAT
DEWI SULISTYOWATI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains
pada
Departemen Geofisika dan Meteorologi
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi : Potensi Pemanfaatan Data Iklim NASA/POWER untuk Model
Simulasi Tanaman di Indonesia: Studi Kasus Sukamandi, Jawa
Barat
Nama
: Dewi Sulistyowati
NIM
: G24100059
Disetujui oleh
Dr Ir Impron, MAgrSc
Pembimbing I
Dr Perdinan, MNRE
Pembimbing II
Diketahui oleh
Dr Ir Tania June, MSc
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji serta syukur penulis panjatkan kepada Allah atas nikmat dan karuniaNya sehingga penulis dapat menyelesaikan tugas akhir ini sebagai syarat untuk
menyelesaikan pendidikan. Judul yang dipilih untuk tugas akhir ini adalah
Evaluasi Iklim Spasial dalam Model Simulasi Tanaman.
Terima kasih penulis ucapkan kepada Dr. Impron dan Dr. Perdinan selaku
pembimbing yang selalu mengarahkan tugas akhir ini melalui bantuan ide, kritik
dan saran agar dapat selesai dengan baik. Terima kasih tentu penulis ucapkan
terutama kepada keluarga atas dukungan dan doa yang tidak terbatas terutama
ketika proses penyelesaian tugas akhir ini. Terima kasih kepada ibu dan bapak
dosen pengajar dan staf pegawai Departemen Geofisika dan Meteorologi atas
bantuannya selama penulis menempuh pendidikan. Kepada teman-teman
Departemen Geofisika dan Meteorologi angkatan 47 (terutama Ina, Bude, Mani,
Dety, Alan, Ryan, Anggi, Irza, Angga, Em, Moe, Ricky, Haikal, Reza, Roni, Fiki,
Icha, Aji, Duwi, Mail, Daus, Dede, Fei) dan teman-teman Wisma Mobster atas
kebersamaan dan dukungangannya selama masa perkuliahan.
Ungkapan terima kasih penulis ucapkan pula kepada seluruh pihak yang
telah membantu dalam penyusunan tugas akhir. Kepada pengamat stasiun cuaca
Sukamandi, Subang, Jawa Barat, Bapak Jaja atas bantuannya dalam menyediakan
data cuaca dan iklim yang diperlukan penulis untuk menyusun tugas akhir. Terima
kasih pula kepada Ibu Woro Estiningtyas, peneliti Balai Agroklimatologi dan
Hidrologi atas kesediaannya untuk memberikan data tanah dan disertasinya
sebagai literatur dalam tugas akhir penulis untuk wilayah kajian Indramayu, Jawa
Barat.
Semoga karya ilmiah ini bermanfaat.
Bogor, Desember 2014
Dewi Sulistyowati
DAFTAR ISI
PRAKATA
viii
DAFTAR ISI
ix
DAFTAR TABEL
x
DAFTAR GAMBAR
x
DAFTAR LAMPIRAN
xi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
2
Ruang Lingkup Penelitian
2
TINJAUAN PUSTAKA
3
Decision Support System for Agrotechnology Transfer (DSSAT)
3
Data Iklim NASA/POWER
4
METODE
4
Lokasi dan Waktu Penelitian
4
Alat dan Bahan
5
Prosedur Analisis Data
5
HASIL DAN PEMBAHASAN
Plot Data Iklim Observasi dan Data Iklim NASA/POWER
8
8
Data radiasi
11
Data suhu maksimum dan minimum
12
Curah hujan dan hari hujan
13
Membandingkan Hasil Simulasi Data Iklim Observasi dan NASA/POWER 15
Hasil dan Komponen Hasil Tanaman Selama Simulasi
18
SIMPULAN DAN SARAN
24
DAFTAR PUSTAKA
25
RIWAYAT HIDUP
42
DAFTAR TABEL
1 Koefisien genetik untuk padi varietas IR64 dalam model
CERES-Rice
2 Data meteorologi harian yang tersedia global melalui
NASA/POWER
3 Pemilihan sistem usaha tani yang diterapkan pada file
manajemen
4 Metode yang digunakan dalam Simulation Options DSSAT
5 Rata-rata bulanan, RMSE, dan R2 (R-square) parameter iklim
Observasi dan NASA/POWER selama 2004-2013
6 Perbedaan nilai RMSE produktivitas tanaman dengan masukan
data NASA/POWER dan data observasi
7 Uji t untuk komponen hasil pertumbuhan tanaman pada tanggal
tanam 30 Desember 2007 dan 10 Oktober 2012
3
4
7
7
11
17
21
DAFTAR GAMBAR
1 Peta Wilayah Subang dan Indramayu (BPS 2010)
2 Diagram alir penelitian
3 Sebaran pada garis 1:1 (a) data radiasi (b) curah hujan (c) suhu
maksimum (d) suhu minimum harian observasi dan
NASA/POWER selama 2004-2013
4 Plot data radiasi harian observasi(biru) dan NASA/POWER
(merah) tahun 2004-2013.
5 Plot data suhu maksimum harian observasi (biru) dan
NASA/POWER (merah) tahun 2004-2013.
6 Plot data suhu minimum harian observasi (biru) dan
NASA/POWER (merah) tahun 2004-2013.
7 Plot data curah hujan harian observasi (biru) dan NASA/POWER
(merah) tahun 2004-2013.
8 Plot data hari hujan bulanan dari stasiun observasi () dan
NASA/POWER (- - - -) tahun 2004-2013 (a) sebelum (b) sesudah
hari hujan NASA/POWER dikoreksi
9 Sebaran jumlah hari hujan bulanan observasi dan hari hujan
NASA/POWER (a) sebelum (b) sesudah hari hujan
NASA/POWER dikoreksi
10 Produktivitas padi menggunakan data iklim observasi () dan
data iklim observasi dengan radiasi NASA/POWER (- - - -) tahun
2004-2013
11 Produktivitas padi menggunakan data iklim observasi ()
serta data iklim observasi dengan data suhu maksimum dan
minimum NASA/POWER (- - - -) tahun 2004-2013
2
6
8
9
9
10
10
14
14
15
16
12 Produktivitas padi menggunakan data iklim observasi () dan
data iklim observasi dengan curah hujan NASA/POWER (- - - -)
tahun 2004-2013
13 Produktivitas padi menggunakan data iklim observasi () dan
data iklim NASA/POWER (- - - -) tahun 2004-2013
14 Indeks luas daun hasil simulasi dengan iklim observasi dengan (a)
data radiasi dari NASA/POWER (b) data suhu maksimum dan
minimum dari NASA/POWER (c) data curah hujan dari
NASA/POWER (d) data iklim seluruhnya dari NASA/POWER
15 Produktivitas padi berdasarkan tanggal tanam pada 10 Januari
2011 hingga 30 Desember 2012 () hasil simulasi () BPS ()
Estiningtyas 2012
16
16
19
24
DAFTAR LAMPIRAN
1 Deskripsi Padi Varietas IR64
2 Data fisik dan kimia Kecamatan Cikedung, Indramayu (Woro
2012)
3 Komponen hasil tanaman padi pada tanggal tanam 10 Oktober
2012 menggunakan data iklim observasi
4 Komponen hasil tanaman padi pada tanggal tanam 30
Desember 2007 menggunakan data iklim observasi
5 Komponen hasil tanaman padi pada tanggal tanam 10 Oktober
2012 menggunakan data radiasi NASA/POWER
6 Komponen hasil tanaman padi pada tanggal tanam 30
Desember 2007 menggunakan data radiasi NASA/POWER
7 Komponen hasil tanaman padi pada tanggal tanam 10 Oktober
2012 menggunakan suhu maksimum dan minimum, radiasi dan
curah hujan NASA/POWER
8 Komponen hasil tanaman padi pada tanggal tanam 30
Desember 2007 menggunakan suhu maksimum dan minimum,
radiasi dan curah hujan NASA/POWER
9 Komponen hasil tanaman padi pada tanggal tanam 10 Oktober
2012 menggunakan curah hujan NASA/POWER
10 Komponen hasil tanaman padi pada tanggal tanam 30
Desember 2007 menggunakan curah hujan NASA/POWER
11 Komponen hasil tanaman padi pada tanggal tanam 10 Oktober
2012 menggunakan suhu maksimum dan minimum
NASA/POWER
12 Komponen hasil tanaman padi pada tanggal tanam 30
Desember 2007 menggunakan suhu maksimum dan minimum
NASA/POWER
13 Biomassa organ-organ tanaman dengan masukan suhu
maksimum dan suhu minimum NASA/POWER
14 Biomassa organ-organ tanaman dengan masukan curah hujan
NASA/POWER
27
27
28
29
30
31
32
33
34
35
36
37
38
39
15 Biomassa organ-organ tanaman dengan masukan radiasi
NASA/POWER
16 Biomassa organ-organ tanaman dengan masukan radiasi, suhu
maksimum dan minimum, serta curah hujan NASA/POWER
40
41
PENDAHULUAN
Latar Belakang
Penyederhanaan sistem pertumbuhan, perkembangan dan potensi hasil
tanaman melalui pemodelan merupakan salah satu cara untuk menyusun strategi
pengelolaan lahan pertanian (Boer et al. 2007). Strategi pengelolaan lahan
pertanian yang baik dapat mendukung tercapainya produksi yang maksimal dan
mengurangi kerugian yang diterima petani. Pemodelan sistem pertanian dapat
mensimulasi keterkaitan lingkungan dengan pengelolaan lahan pertanian serta
pengaruhnya terhadap pertumbuhan dan perkembangan tanaman. Pengelolaan
lahan pertanian seperti pola tanam, pemilihan varietas, waktu tanam, serta aplikasi
pemupukan dengan kombinasi yang sesuai lingkungan dapat menghasilkan
tercapainya produksi yang maksimal.
Model simulasi Decision Support System for Agrotechnology Transfer
(DSSAT) yang dikembangkan oleh International Benchmark Sites Network for
Agrotechnology Transfer (IBSNAT) merupakan salah satu model simulasi
tanaman yang dapat mensimulasi pertumbuhan, perkembangan dan menduga
potensi hasil tanaman dengan mengintegrasikan cuaca, tanah dan manajemen
lahan pertanian (Tsuji et al. 1994). Masukan yang digunakan dalam menjalankan
model simulasi DSSAT diantaranya adalah data iklim harian yang terdiri dari
suhu maksimum, suhu minimum, radiasi, dan curah hujan (Jones et al. 2003).
Namun ketersediaan dan akses terhadap data iklim harian terutama hasil observasi
relatif sulit untuk diperoleh. Sehingga diperlukan langkah alternatif untuk
memperoleh data iklim harian.
Sulitnya data iklim observasi diantaranya disebabkan oleh jumlah stasiun
iklim yang terbatas dalam suatu wilayah, keterbatasan dan rusaknya alat, serta
adanya data hilang. Menurut Abraha dan Savage (2008), data radiasi matahari
merupakan salah satu data yang relatif lebih sulit didapatkan dibandingkan data
iklim lain. Salah satu solusi alternatif yang dapat dilakukan untuk memperoleh
data iklim harian adalah dengan menggunakan data satelit yang mudah diperoleh
dan mudah diakses. NASA’s Prediction of Worldwide Energy Resources
(NASA/POWER) melakukan proyeksi untuk menduga data radiasi berdasarkan
observasi satelit dan parameter atmosfer melalui observasi satelit dan asimilasi
model. Data iklim NASA/POWER relatif mudah diakses dan digunakan karena
pengguna sudah mendapatkan data dalam format ASCII dan tersedia dalam data
harian. Sehingga data iklim tersebut dapat digunakan sebagai data iklim masukan
dalam model simulasi tanaman (William et al. 1997).
Melalui model simulasi DSSAT, data iklim NASA/POWER digunakan
sebagai masukan. Hasil simulasi akan menghasilkan keluaran berupa potensi hasil,
yang dapat digunakan untuk mengevaluasi parameter iklim NASA/POWER
sebagai data iklim masukan. Cara yang dilakukan adalah dengan membandingkan
output DSSAT yang menggunakan masukan data iklim observasi dan masukan
data iklim hasil NASA/POWER. Jika terdapat perbedaan, maka dapat dikaji
pengaruh parameter cuaca pada setiap fase pertumbuhan dan perkembangan
tanaman. Sehingga diketahui implikasinya terhadap produksi tanaman.
2
Tujuan Penelitian
Penelitian ini bertujuan mengetahui kesesuaian data iklim keluaran
NASA/POWER yaitu radiasi, suhu maksimum, suhu minimum, dan curah hujan
sebagai data masukan dalam model simulasi tanaman. Membandingkan hasil
simulasi tanaman yang menggunakan masukan data iklim observasi dengan
NASA/POWER.
Ruang Lingkup Penelitian
Simulasi dilakukan dengan menggunakan data fisik dan kimia tanah wilayah
Cikedung, Indramayu. Secara geografis Kabupaten Indramayu terletak diantara
107o52’ – 108o36’ BT dan 06o15’ – 06o40’ LS. Berdasarkan topografinya
sebagian besar wilayah Indramayu merupakan dataran rendah dengan kemiringan
lahan 0-2%. (BPS 2012). Data iklim yang digunakan dalam simulasi berasal dari
stasiun iklim Sukamandi, Subang, Jawa Barat yang terletak pada 107o23’24” BT
dan 6o15’ LS dengan ketinggian 15 m diatas permukaan laut. Klasifikasi iklim
menurut Oldemann untuk stasiun iklim Sukamandi adalah D3, yaitu hanya
mungkin dilakukan penanaman padi satu kali atau palawija satu kali setahun, pada
sawah tadah hujan. Penggunaan data iklim stasiun Sukamandi untuk wilayah
Cikedung, Indramayu setelah diketahui adanya korelasi 0.94 antara curah hujan di
wilayah Cikedung, Indramayu, Jawa Barat dengan curah hujan di Sukamandi,
Subang, Jawa Barat.
Stasiun iklim
Data tanah
Gambar 1 Peta Wilayah Subang dan Indramayu (BPS 2010)
3
TINJAUAN PUSTAKA
Decision Support System for Agrotechnology Transfer (DSSAT)
DSSAT merupakan model simulasi tanaman yang dikembangkan oleh
International Benchmark Sites Network for Agrotechnology Transfer (IBSNAT).
Model simulasi ini dikembangkan dengan tujuan mengintegrasikan kondisi tanah,
iklim, tanaman dan sistem pengelolaan lahan pertanian untuk menghasilkan
informasi mengenai pertumbuhan dan perkembangan tanaman yang dimodelkan
(Jones et al. 2003). Informasi ini digunakan untuk menyusun keputusan dalam
mengelola lahan pertanian sehingga dapat dihasilkan produksi tanaman yang
optimal dengan memaksimalkan kondisi tanah, iklim dan karakteristik tanaman.
Data yang diperlukan untuk menjalankan model ini adalah data iklim, data tanah,
dan data pengelolaan lahan pertanian. Tanaman yang dapat dimodelkan dalam
model simulasi ini memiliki data genotipe yang berbeda tergantung dari varietas
tanaman yang akan dimodelkan (Hoogenboom et al. 2010).
DSSAT telah luas digunakan untuk mensimulasi pertumbuhan dan
perkembangan tanaman, salah satunya adalah tanaman padi. Model yang
digunakan untuk mensimulasi tanaman padi di dalam DSSAT 4.5 adalah CERESRice. Komponen fenologi dari CERES-Rice oleh Singh dan Ritchie (1993),
menggambarkan perkembangan tanaman melalui siklus hidup berdasarkan
akumulasi degree day (heat unit). Lamanya tahap perkembangan sebagai reaksi
atas suhu dan photoperiod bervariasi dan tergantung varietas, spesies dan
koefisien genetik yang digunakan sebagai input model. Varietas padi yang
digunakan dalam simulasi penelitian ini adalah varietas padi IR64 yang memiliki
koefisien genetik dalam model CERES-Rice pada Tabel 1.
Tabel 1 Koefisien genetik untuk padi varietas IR64 dalam model CERES-Rice
Koefisien
P1
Satuan
0
C day
P2O
jam
P2R
0
C day
P5
0
C day
G1
(#/g)
G2
G3
gram
G4
Definisi
Nilai
Thermal unit untuk fase dasar vegetatif
500
Panjang hari kritis ketika perkembangan dalam
12
laju maksimum
Koefisien sensitivitas panjang hari
160
Thermal unit yang diperlukan dari awal
pengisian butir (3-4 hari setelah pembungaan
450
awal) padi hingga matang fisiologis
Koefisien gabah potensial sebagai perkiraan
dari banyaknya gabah per gram batang utama
60
ditambah lonjakan berat kering pada saat
pembungaan
Berat butir satuan
0.025
Keofisien anakan
1
Suhu toleransi. Bagi varietas yang tumbuh pada
1
lingkungan normal biasanya bernilai 1.
Sumber : DSSAT/CERES-Rice Model
4
Data Iklim NASA/POWER
Model simulasi pertanian memerlukan input data iklim dalam jangka waktu
yang cukup panjang untuk dapat melakukan simulasi terkait pertumbuhan dan
perkembangan tanaman. Ketersediaan data iklim harian relatif sulit didapatkan.
Salah satu alternatif dalam mendapatkan data iklim harian adalah dengan data
NASA/POWER
dapat
diakses
melalui
power.larc.nasa.gov/cgibin/cgiwrap/solar/agro.cgi?email=agroclim@larc.nasa.gov. Data iklim dapat
diunduh sesuai titik koordinat wilayah kajian. Situs tersebut berisi data iklim hasil
dari proyeksi Prediction of Wordwide Energy Resource (POWER) yang terdiri
dari data radiasi, rata-rata suhu titik embun, suhu maksimum dan minimum dan
curah hujan harian secara global yang memiliki jangkauan hingga grid 1ox1o
(White et al . 2011). Parameter iklim yang terdapat dalam Prediction of Wordwide
Energy Resource (POWER) NASA terutama data radiasi matahari, diperoleh dari
observasi satelit serta parameter meteorologi dari gabungan beberapa model
(William et al. 1997). Tabel 2 menunjukkan sumber data meteorologi yang
digunakan dalam NASA/POWER dan jangka waktu ketika sumber data
digunakan.
Tabel 2 Data meteorologi harian yang tersedia global melalui NASA/POWER
Variabel
Suhu maksimum
dan
minimum,
suhu
rata-rata,
suhu titik embun
harian.
Curah hujan
Radiasi
Sumber data
Goddard Earth Observing Systems
(GEOS) assimilation model version 4
Goddard Earth Observing Systems
(GEOS) assimilation model version 5
Jangka waktu
Januari 1983 hingga
Desember 2007
Januari 2008 hingga
sekarang
Satelit dan pengamatan permukaan
dari Global Precipitation Climatology
Project (GPCP)
Pengamatan satelit GEWEX
SRB v3.0
FLASHFlux
Januari 1997 hingga
sekarang
Juli 1983 hingga
Desember 2007
Januari 2008 hingga
sekarang
Sumber : White et al. 2008
METODE
Lokasi dan Waktu Penelitian
Penelitian ini mengkaji lahan pertanian di Cikedung, Indramayu dan stasiun
iklim Sukamandi, Subang, Jawa Barat. Pengolahan data dan penulisan
dilaksanakan Departemen Geofisika dan Meteorologi, Fakultas Matematika dan
Ilmu Pengetahuan Alam, Institut Pertanian Bogor yang berlangsung pada bulan
Juli sampai Oktober 2014.
5
Alat dan Bahan
Alat yang digunakan dalam penelitian ini meliputi perangkat komputer yang
dilengkapi software pengolah data seperti Microsoft Office 2010, software
DSSAT (Decision Support System for Agrotechnology Transfer) version 4.5.0
yang diunduh dari dssat.net/downloads/dssat-v45, serta software MINITAB. Data
yang digunakan terdiri dari data iklim harian, data manajemen lahan pertanian
serta data fisik dan kimia tanah.
Data manajemen lahan pertanian yang diperlukan berupa varietas tanaman,
waktu tanam, jarak tanam, dan pemupukan. Data fisik dan kimia tanah Kec.
Cikedung, Kabupaten Indramayu. Data iklim harian terdiri dari data observasi dan
NASA/POWER tahun 2004-2013 (suhu maksimum, suhu minimum, suhu udara
rata-rata, radiasi matahari dan curah hujan). Data observasi diperoleh dari stasiun
Sukamandi, Subang, Jawa Barat. Sedangkan data iklim dari NASA/POWER
diunduh
dari
situs
resmi
NASA,
dengan
alamat
website,
http://power.larc.nasa.gov/cgibin/cgiwrap/solar/agro.cgi?email=agroclim@larc.
nasa.gov yang diakses pada 9 Juli 2014.
Prosedur Analisis Data
Penelitian ini dilakukan dalam beberapa tahapan. Tahap pertama adalah
dengan melakukan plotting data iklim observasi dari stasiun Sukamandi, Subang
dengan data iklim NASA/POWER pada koordinat 6.25 LS dan 107.39 BT serta
ketinggian 15 meter diatas permukaan laut. Plotting ini dilakukan untuk
mengetahui pola yang dibentuk dari panjang data selama 10 tahun (2004-2013).
Tahap ini menghasilkan koefisien determinasi (R2) dari parameter iklim hasil
observasi dan keluaran NASA/POWER yang dapat menunjukkan keragaman data
observasi yang dapat dijelaskan oleh data keluaran NASA/POWER. Deviasi
antara NASA/POWER dan data iklim observasi dinyatakan dalam Root Mean
Square Error (RMSE).
Tahap kedua adalah simulasi potensi hasil tanaman padi dengan
menggunakan model simulasi tanaman DSSAT. Sebelum menjalankan model ada
beberapa tahap yang dipersiapkan, diantaranya membuat modul data tanah, data
iklim dan data manajemen lahan pertanian. Modul data tanah terdiri dari data fisik
dan kimia tanah yang dibuat dalam SBuild. Modul iklim terdiri dari data suhu
maksimum dan minimum, data radiasi serta data curah hujan harian yang dibuat
dalam Weatherman. Modul manajemen lahan pertanian dibuat dalam XBuild yang
berisi data seperti tabel 4. Seluruh modul yang telah dibuat akan disimulasi dalam
file yang format (.SNX) karena tipe analisis DSSAT yang digunakan adalah
seasonal. Tahap selanjutnya adalah mengidentifikasi pengaruh parameter iklim
terhadap perkembangan dan pertumbuhan tanaman yang digambarkan dalam
biomassa tanaman. RMSE juga digunakan oleh Wart et al.(2013) untuk
mengetahui rata-rata kesalahan antara hasil simulasi tanaman yang menggunakan
gridded weather databases (GWD) dari CRU, NCEP/DOE dan NASA/POWER
dengan simulasi tanaman yang menggunakan control weather data (CWD) dari
stasiun iklim observasi.
6
S
n
√∑i
1
s- o
n
2
(1)
Ys adalah produktivitas hasil simulasi menggunakan data radiasi NASA/POWER,
Yo adalah produktivitas hasil simulasi menggunakan data iklim observasi.
Data estimasi
radiasi, curah
hujan, suhu
maksimum dan
minimum
NASA/POWER
Data radiasi,
curah hujan, suhu
maksimum dan
minimum
observasi
Data tanah,
informasi
manajemen
pertanian
Membandingkan data observasi dan NASA/POWER dengan koefisien
determinasi
Parameterisasi, Simulasi dengan DSSAT
Hasil simulasi dengan
radiasi, curah hujan,
suhu maksimum dan
minimum
NASA/POWER
Hasil simulasi dengan
radiasi, curah hujan,
suhu maksimum dan
minimum observasi
Uji beda biomassa akar, batang, butir padi, daun,
malai hasil simulasi
Validasi model (biomassa padi)
Gambar 2 Diagram alir penelitian
7
Tabel 3 Pemilihan sistem usaha tani yang diterapkan pada file manajemen
Parameter
Planting date
Planting method
Planting distribution
Plant Population at seeding/m2
Plant Population at emergence/m2
Row spacing
Planting Depth
Row Direction, Degree from North
Irrigation
Fertilizer
Urea
Triple Super Phospat
NPK
Dasarian 1 (tanggal 10)
Dasarian 2 (tanggal 20)
Dasarian 3 (tanggal 30)
Dry seeda
Rowsb
80
80
25 cm
5 cm
90
No Applicationc
150 kg/ha, 15 dan 30 HSS
150 kg/ha, 15 dan 30 HSS
100 kg/ha, 15 dan 30 HSS
a
Sumber : Estinityas 2012 ; aDry Seed : Penanaman dilakukan setelah bibit disemai terlebih dahulu pada
sebagian petak sawah sebelum musum hujan tiba. Setelah tiba musim hujan, bibit yang telah disemai
dipindahkan ke seluruh petak sawah ; bRows : Penanaman dilakukan dengan cara berbaris ;
c
No Application : Sawah tadah hujan.
Tabel 4 Metode yang digunakan dalam Simulation Options DSSAT
Parameter
Weather
Initial condition
Evapotranspiration
Infiltration
Photosynthesis
Hydrology
Method of soil organic matter
Soil evapotranspiration
Soil layer distribution
Metode yang digunakan
Measured data
As reported
Priestley-Taylor/Ritchie
Soil Conservation Service
Radiation efficiency
Ritchie water balance
CERES (Godwin)
Suleiman-Ritchie
Modified soil profile
8
HASIL DAN PEMBAHASAN
Perbandingan Data Iklim Observasi dan Data Iklim NASA/POWER
Informasi data iklim diperlukan sebagai data masukan dalam model simulasi
tanaman agar dihasilkan hasil simulasi berupa produktivitas yang sesuai dengan
hasil aktualnya. Salah satu sumber informasi untuk memperoleh data iklim harian,
berupa radiasi, suhu udara maksimum dan minimum, serta curah hujan adalah
melalui NASA’s Prediction of Worldwide Energy Resources (NASA/POWER).
Sebelum digunakan sebagai data masukan dalam simulasi, data iklim tersebut
dibandingkan dengan data iklim observasi. Hal ini dilakukan agar diketahui data
iklim NASA/POWER sesuai atau tidak sesuai dengan data iklim observasi, karena
kondisi tersebut dapat mempengaruhi hasil simulasi. Sehingga diperlukan evaluasi
data iklim NASA/POWER dengan menghitung koefisien determinasi dan RMSE.
(a)
(c)
(b)
(d)
Gambar 3 Sebaran pada garis 1:1 (a) data radiasi (b) curah hujan (c) suhu
maksimum (d) suhu minimum harian observasi dan NASA/POWER
selama 2004-2013
Gambar 1 Plot data radiasi harian observasi(biru) dan NASA/POWER (merah) tahun 2004-2013.
Gambar 2 Plot data suhu maksimum harian observasi (biru) dan NASA/POWER (merah) tahun 2004-2013.
9
Gambar 1 Plot data suhu minimum harian observasi (biru) dan NASA/POWER (merah) tahun 2004-2013.
Gambar 2 Plot data curah hujan harian observasi (biru) dan NASA/POWER (merah) tahun 2004-2013.
10
11
Melalui plotting dan sebaran antara data iklim observasi dengan data iklim
NASA/POWER selama 2004-2013, dapat diketahui kemampuan data iklim
NASA/POWER dalam mengestimasi data iklim di wilayah sekitar Sukamandi,
Subang, Jawa Barat. Stasiun Sukamandi terletak pada 6.25 lintang selatan dan
107.39 bujur timur dengan ketinggian 15 meter diatas permukaan laut. Sebaran
data iklim observasi dan NASA/POWER digunakan untuk menghasilkan nilai R2,
yang dapat menggambarkan berapa banyak data iklim NASA/POWER yang
sesuai dengan data iklim observasi. Nilai R2 yang semakin tinggi menunjukkan
bahwa data iklim yang dihasilkan oleh NASA/POWER memiliki kemampuan
yang cukup baik untuk mengestimasi data iklim di wilayah sekitar Sukamandi,
Subang, Jawa Barat. Sedangkan nilai RMSE yang semakin kecil, menunjukkan
data iklim NASA/POWER dapat mengestimasi dengan semakin baik karena
RMSE menunjukkan besarnya penyimpangan rata-rata dibandingkan data iklim
observasi. Tabel 5 menunjukkan rata-rata bulanan selama tahun 2004-2013 untuk
suhu maksimum, minimum, curah hujan dan radiasi matahari yang dihasilkan oleh
data hasil observasi dan data spasial NASA/POWER serta nilai RMSE dari kedua
data iklim.
Tabel 5 Rata-rata bulanan, RMSE, dan R2 parameter iklim Observasi dan
NASA/POWER selama 2004-2013
Parameter
Observasi
NASA/POWER
Tertinggi Terendah Tertinggi Terendah
o
24
22
22.8
21.1
Suhu Minimum ( C)
o
32.9
30
26.5
28.5
Suhu Maksimum ( C)
2
18.7
14.3
20.8
15.7
Radiasi (MJ/m )
267.8
6.3
383.2
38
Curah Hujan (mm)
RMSE
R2
2.4
4.5
3.2
12.6
0.00034
0.22
0.57
0.09
Data radiasi
Data radiasi matahari merupakan salah satu parameter iklim penting dalam
model simulasi tanaman. Radiasi matahari diperlukan oleh tanaman untuk
melakukan fotosintesis. Gambar 4 menunjukkan bahwa data radiasi harian
NASA/POWER sudah cukup baik dalam mengestimasi data radiasi harian di
wilayah kajian. Kedua grafik memiliki bentuk pola yang mirip dan saling
berhimpitan, warna merah merupakan data radiasi NASA/POWER dan warna biru
merupakan data radiasi observasi. Nilai RMSE radiasi harian NASA/POWER
dengan observasi adalah 3.2 MJ/m2. Melalui sebaran data radiasi pada Gambar 3,
dapat diketahui koefisien determinasi (R2) yaitu 0.57.
Berdasarkan Tabel 5, nilai radiasi harian tertinggi selama 2004-2013 di
wilayah Sukamandi, Subang, Jawa Barat, menurut data observasi adalah 18.7
MJ/m2 pada bulan September, serta radiasi harian terendah adalah 14.3 MJ/m2
pada bulan Januari dan Desember. Data radiasi NASA/POWER menyebutkan
radiasi maksimum di wilayah kajian selama 2004-2013 adalah 20.8 MJ/m2 pada
bulan September, sedangkan radiasi minimumnya adalah 15.7 MJ/m2 pada bulan
Febuari. Nilai tersebut menunjukkan bahwa radiasi maksimum dan minimum
yang terdapat di wilayah kajian menurut NASA/POWER cenderung mendekati
radiasi observasi. Penerimaan radiasi yang cukup tinggi di wilayah kajian
12
disebabkan karena topografi di sekitar stasiun observasi adalah di dataran rendah
dan relatif dekat dengan pantai. Sedangkan adanya perbedaan nilai maksimum dan
minimum radiasi bulanan dalam satu tahun disebabkan adanya pola matahari
tahunan.
Data suhu maksimum dan minimum
Suhu udara merupakan unsur iklim yang penting proses pertumbuhan dan
perkembangan tanaman padi. Suhu udara mempengaruhi proses respirasi dan
fotosintesis tanaman. Adanya ketidakseimbangan antara kedua proses tersebut
dapat mengurangi bobot gabah (Suhartatik et al. 2008). Model simulasi tanaman
memerlukan data suhu udara maksimum dan minimum harian untuk mengetahui
batas kritis suhu udara yang dapat ditoleransi oleh tanaman dalam pertumbuhan
dan perkembangannya. Sehingga dapat diketahui pengaruhnya terhadap
produktivitas tanaman.
Berdasarkan Tabel 5, suhu maksimum tertinggi menurut data observasi
selama 2004-2013 rata-rata adalah 32.9o C pada bulan Oktober, sedangkan suhu
maksimum paling rendah adalah 30o C pada bulan Januari. Suhu udara maksimum
NASA/POWER tertinggi selama tahun 2004-2013 rata-rata adalah 28.5o C pada
bulan September, sedangkan suhu udara maksimum terendahnya adalah 26.5o C
pada bulan Januari. Sehingga dapat diketahui bahwa suhu maksimum tertinggi
dan terendah menurut NASA/POWER terjadi pada waktu yang cenderung sama
dengan data observasi. Suhu udara maksimum di wilayah Sukamandi, Subang,
Jawa Barat cenderung tinggi karena dipengaruhi oleh wilayahnya yang terletak di
dataran rendah dan dekat relatif dekat dengan pantai.
Gambar 5 menunjukkan data suhu maksimum NASA/POWER pada grafik
berwarna merah dan data suhu maksimum observasi pada grafik yang berwarna
biru. Plotting data suhu maksimum menunjukkan terjadi underestimate, yaitu data
harian suhu maksimum NASA/POWER lebih rendah dibanding data observasi
pada terhadap data observasi. Meskipun terjadi underestimate, namun pola yang
dihasilkan oleh data suhu maksimum NASA/POWER cenderung mirip dengan
pola data observasi. Selisih yang terdapat pada kedua grafik rata-rata dapat
dihitung dengan RMSE, yaitu sebesar 4.5o C. Sehingga sebaran pada Gambar 3
menunjukkan nilai koefisien determinasi (R2) sebesar 0.22. Artinya data suhu
maksimum NASA/POWER belum mampu mengestimasi suhu maksimum di
Sukamandi, Subang, Jawa Barat.
Berdasarkan Tabel 5, suhu minimum paling tinggi rata-rata menurut data
observasi selama 2004-2013 terjadi pada bulan April dan November yaitu 24oC,
sedangkan suhu minimum paling rendah terjadi pada bulan Agustus yaitu 22oC.
Hasil estimasi NASA/POWER suhu minimum tertinggi terjadi pada bulan yang
sama dengan observasi, yaitu April dengan suhu 22.8oC. Sedangkan suhu
minimum terendah dengan suhu 21.1oC juga terjadi pada bulan yang sama dengan
observasi, yaitu bulan Agustus. Gambar 5 menunjukkan grafik berwarna merah
merupakan suhu minimum NASA/POWER dan grafik berwarna merah
merupakan suhu minimum observasi pada tahun 2004-2013. Data harian suhu
minimum NASA/POWER pada tahun 2004-2008 cenderung overestimate, yaitu
data harian suhu udara minimum data NASA/POWER lebih tinggi dibandingkan
data harian suhu udara minimum observasi. Sedangkan pada tahun 2000-2013
cenderung terjadi underestimate, yaitu data harian suhu udara minimum data
13
NASA/POWER lebih rendah dibandingkan data harian suhu udara minimum
observasi. Perubahan secara signifikan yang dimulai pada 1 Januari 2008
disebabkan oleh adanya perbedaan suber data yang digunakan. GEOS
assimilation model version 4 sejak Januari 1983 hingga Desember 2007,
kemudian pada Januari 2008 menggunakan GEOS assimilation model version 5.
Perbedaan rata-rata antara data NASA/POWER dengan data observasi selama
tahun 2004-2013 adalah 2.4oC. Adanya data suhu minimum yang underestimate
dan overestimate menyebabkan nilai koefisien determinasi (R2) yang dihasilkan
pada Gambar 8 sangat kecil, yaitu 0.000034. Hal ini menunjukkan bahwa data
suhu minimum NASA/POWER belum mampu mengestimasi suhu minimum di
wilayah kajian.
Curah hujan dan hari hujan
Simulasi pertumbuhan dan perkembangan tanaman memerlukan data
curah hujan sebagai salah satu unsur iklim dalam data iklim masukan. Curah
hujan berpengaruh pada proses pertumbuhan dan perkembangan tanaman padi
terutama dalam evapotranspirasi. Keterbatasan air maupun kelebihan air bagi
tanaman selama masa pertumbuhan dapat mempengaruhi hasil tanaman padi.
Sehingga dalam simulasi data curah hujan harian diperlukan karena lahan
diumpamakan sebagai lahan tadah hujan. Jadi sumber air bagi lahan pertanian
satu-satunya berasal dari hujan.
Berdasarkan Gambar 7, diketahui bahwa data curah hujan NASA/POWER
dalam grafik berwarna merah memiliki pola yang mirip dengan data observasi
dalam grafik berwarna biru. Namun seperti kemampuan satelit pada umumnya,
data curah hujan NASA/POWER memiliki kelemahan dalam mengestimasi
jumlah curah hujan yang terjadi pada suatu lokasi, terutama ketika terjadi curah
hujan tinggi. Menurut NASA (2013), hal ini disebabkan hujan biasanya terjadi
dalam jangka waktu yang singkat dan terjadi pada lokasi tertentu. Sedangkan
satelit GPCP (Global Precipitation Climate Project) yang digunakan untuk
mengestimasi curah hujan, bekerja pada 1ox1o bujur dan lintang dalam
mengakumulasi curah hujan harian. Sehingga hasil plot menunjukkan adanya
jarak antara grafik yang dibentuk oleh data curah hujan observasi dengan data
curah hujan NASA/POWER.
Berdasarkan Tabel 5, Curah hujan maksimum rata-rata yang terjadi selama
tahun 2004-2013 di Sukamandi, Subang, Jawa Barat adalah 267.8 mm terjadi
pada bulan Januari, sedangkan jumlah curah hujan maksimum yang diestimasikan
oleh NASA/POWER adalah 383.2 mm terjadi pada bulan Desember. Curah hujan
minimum rata-rata selama tahun 2004-2013 menurut data observasi adalah 6.3
mm yang terjadi pada bulan Agustus, sedangkan menurut NASA/POWER adalah
38 mm juga terjadi pada bulan Agustus. Nilai RMSE diantara kedua grafik selama
tahun 2004-2013 adalah 12.6 mm. Meskipun memiliki bentuk pola curah hujan
yang mirip dengan data curah hujan observasi, namun curah hujan
NASA/POWER menurut sebaran pada Gambar 3, koefisien determinasi (R2) yang
sangat kecil, yaitu 0.097. Nilai R2 yang sangat kecil disebabkan oleh adanya curah
hujan tinggi yang tidak tertangkap oleh NASA/POWER. Selain itu disebabkan
pula ketika tidak ada hujan namun NASA/POWER mencatat adanya hujan.
Artinya, data curah hujan NASA/POWER masih kurang baik untuk mengestimasi
curah hujan yang terjadi di wilayah kajian.
14
(a)
(b)
Gambar 8 Plot data hari hujan bulanan dari stasiun observasi () dan
NASA/POWER (- - - -) tahun 2004-2013 (a) sebelum (b) sesudah hari
hujan NASA/POWER dikoreksi
(a)
(b)
Gambar 9 Sebaran jumlah hari hujan bulanan observasi dan hari hujan
NASA/POWER (a) sebelum (b) sesudah hari hujan NASA/POWER
dikoreksi
Hari hujan menurut BMKG adalah ketika dalam suatu hari terdapat curah
hujan 0.55 mm atau lebih. Informasi mengenai hari hujan bermanfaat untuk
menentukan awal musim tanam dalam pertanian (Handoko 1994). Hasil plot data
iklim pada Gambar 8a, menunjukkan pola yang dihasilkan oleh jumlah hari hujan
bulanan selama 10 tahun (2004-2013) NASA/POWER pada grafik putus-putus
dengan hari hujan mirip dengan data observasi pada grafik utuh. Namun jumlah
hari hujan bulanan NASA/POWER yang dihasilkan selalu lebih tinggi dari jumlah
hari hujan bulanan observasi. Hal ini terjadi karena data NASA/POWER tidak
dapat menangkap curah hujan tinggi, namun data curah hujan NASA/POWER
15
menangkap adanya hujan yang lebih sering dibandingkan data observasi.
Meskipun terjadi overestimate namun dan koefisien determinasi (R2) yang
dihasilkan cukup tinggi, yaitu dan 0.75.
Gambar 8b menunjukkan pola hari hujan selama tahun 2004-2013 dengan
hari hujan untuk data NASA/POWER merupakan hari dengan curah hujan 4.5
mm atau lebih. Nilai 4.5 mm didapatkan dari rata-rata perbedaan yang terdapat
pada grafik hari hujan dengan data curah hujan NASA/POWER dan observasi.
Berdasarkan Gambar 9b, melalui adanya perubahan curah hujan minimum untuk
menentukan hari hujan pada data curah hujan NASA/POWER, nilai koefisien
determinasi (R2) meningkat menjadi 0.80. Koreksi ini diperlukan karena pola
antara hari hujan NASA/POWER hampir mirip dengan pola hujan observasi,
namun yang membedakan adalah adanya selisih diantara kedua grafik. Nilai
koefisien determinasi (R2) yang tinggi meskipun terdapat selisih diantara kedua
grafik terjadi karena menurut curah hujan NASA/POWER mengestimasikan
adanya hujan meskipun menurut observasi tidak terjadi hujan. Sehingga prediksi
terjadinya hujan menurut NASA/POWER akan selalu sama dengan hasil
observasi yang menyatakan terjadi hujan.
Membandingkan Hasil Simulasi Data Iklim Observasi dan NASA/POWER
Simulasi dilakukan dengan waktu tanam 10 hari sekali selama tahun 20042012 pada sawah tadah hujan. Simulasi yang dilakukan untuk membandingkan
potensi tanaman padi yang dihasilkan antara hasil simulasi yang menggunakan
data iklim observasi dan data iklim NASA/POWER, yang terdiri dari suhu
maksimum, suhu minimum, radiasi dan curah hujan. Grafik dan sebaran
menunjukkan bahwa data radiasi NASA/POWER sudah cukup baik untuk
mengestimasi data radiasi harian di wilayah kajian. Sedangkan NASA/POWER
masih kurang mampu untuk mengestimasi suhu udara maksimum, minimum dan
curah hujan di wilayah kajian. Sehingga perlu diketahui penggunaan data suhu
udara maksimum, minimum, radiasi dan curah hujan NASA/POWER sebagai data
iklim masukan dalam simulasi. Serta seberapa besar pengaruh masing-masing
unsur dalam pertumbuhan dan perkembangan tanaman.
Gambar 10 Produktivitas padi menggunakan data iklim observasi () dan data
iklim observasi dengan radiasi NASA/POWER (- - - -) tahun 20042013
16
Gambar 11 Produktivitas padi menggunakan data iklim observasi () serta
data iklim observasi dengan data suhu maksimum dan minimum
NASA/POWER (- - - -) tahun 2004-2013
Gambar 12 Produktivitas padi menggunakan data iklim observasi () dan data
iklim observasi dengan curah hujan NASA/POWER (- - - -) tahun
2004-2013
Gambar 13 Produktivitas padi menggunakan data iklim observasi () dan data
iklim NASA/POWER (- - - -) tahun 2004-2013
Berdasarkan grafik dan sebaran data iklim NASA/POWER tahun 20042013 pada 6.25 LS dan 107.39 BT, data radiasi NASA/POWER telah cukup baik
mengestimasi data radiasi harian di Sukamandi, Subang, Jawa Barat. Gambar 10
menunjukkan hasil simulasi produktivitas dengan data iklim observasi yang data
radiasinya diganti dengan radiasi NASA/POWER lebih tinggi dibandingkan
simulasi menggunakan data observasi. Gambar 11 menunjukkan simulasi yang
17
data suhu maksimum dan minimumnya diganti dengan suhu maksimum dan
minimum NASA/POWER lebih tinggi dibandingkan dengan simulasi
menggunakan data observasi. Sedangkan Gambar 12, simulasi produktivitas
dengan data iklim observasi yang curah hujannya diganti dengan curah hujan
NASA/POWER lebih rendah dibandingkan hasil simulasi produktivitas dengan
data iklim observasi. Gambar 13 menunjukkan simulasi dengan data iklim
NASA/POWER lebih tinggi dibandingkan dengan simulasi dengan data observasi.
Hal ini menunjukkan bahwa curah hujan NASA/POWER menghasilkan simulasi
yang paling berbeda diantara simulasi data iklim yang radiasi, suhu maksimum
dan minimum bersumber dari NASA/POWER. Perbedaan hasil simulasi pada
masing-masing gambar dijelaskan pada Tabel 6.
Tabel 6 Perbedaan nilai RMSE produktivitas tanaman dengan masukan data
NASA/POWER dan data observasi
Parameter
Radiasi NASA/POWER
Curah hujan NASA/POWER
Suhu maksimum dan minimum NASA/POWER
Data iklim NASA/POWER
RMSE
808 kg/ha
583 kg/ha
1677 kg/ha
1922 kg/ha
Berdasarkan Tabel 6, diketahui bahwa simulasi yang memiliki nilai RMSE
semakin besar menunjukkan ketepatan hasil simulasi yang semakin kurang
dibandingkan dengan simulasi menggunakan data observasi. Hasil simulasi yang
data curah hujannya diganti dengan curah hujan NASA/POWER menghasilkan
RMSE yang paling kecil yaitu 583 kg/ha dengan nilai R2 antara curah hujan
observasi dengan curah hujan NASA/POWER sebesar 0.09. Sedangkan RMSE
simulasi yang data radiasinya berasal dari NASA/POWER adalah 808 kg/ha
dengan R2 radiasi 0.57. Hal ini menunjukkan bahwa dalam simulasi curah hujan
bukan faktor iklim yang paling mempengaruhi hasil simulasi. Unsur iklim yang
paling mempengaruhi simulasi diantara suhu maksimum dan minimum, curah
hujan, dan radiasi adalah suhu maksimum dan suhu minimum. Sehingga
perbedaan hasil simulasi terbesar pada data masukan suhu maksimum dan
minimum yang berasal dari NASA/POWER.
Adanya subtitusi data radiasi NASA/POWER sebagai pengganti data radiasi
harian observasi dimungkinkan dalam simulasi pertumbuhan dan perkembangan
tanaman. Hal ini karena nilai R2 radiasi NASA/POWER sebesar 0.57 dan
menghasilkan RMSE produktivitas paling rendah kedua setelah simulasi dengan
data curah hujan NASA/POWER. Perbedaan hasil simulasi antara data observasi
dengan radiasi NASA/POWER disebabkan karena data radiasi yang dihasilkan
oleh NASA/POWER di wilayah kajian lebih tinggi dibandingkan dengan data
observasi, meskipun perbedaan rata-rata data radiasi NASA/POWER dengan data
radiasi observasi relatif kecil, yaitu 3.2 MJ/m2. Nilai RMSE simulasi produksi
tanaman padi yang menggunakan data radiasi NASA/POWER dengan data radiasi
observasi sebesar 808 kg/ha. Menurut Hoogenboom et al. (2011), radiasi matahari
merupakan input yang penting dalam mengestimasi evaporasi dan akumulasi
biomassa tanaman dalam model simulasi tanaman.
18
Fluktuasi produktivitas tanaman terjadi karena adanya simulasi perbedaan
tanggal tanam. Waktu tanam yang dipilih yaitu per 10 harian dalam satu tahun
selama tahun 2004-2013. Rata-rata bulanan produktivitas tanaman selama waktu
simulasi antara kedua skenario menunjukkan fluktuasi produktivitas yang sama.
Produktivitas minimum simulasi yang menggunakan data iklim observasi terjadi
pada tanggal tanam 30 Desember 2007 sebesar 2803 kg/ha. Sedangkan
produktivitas maksimum simulasi yang menggunakan data iklim observasi terjadi
pada tanggal tanam 10 Oktober 2012 sebesar 7040 kg/ha.
Perbedaan produktivitas yang cukup signifikan disebabkan oleh perbedaan
kondisi iklim selama fase pertumbuhan dan perkembangan tanaman tersebut. Pada
tanggal tanam 10 Oktober 2012 curah hujan sejak tanam hingga panen 810 mm,
tanggal tanam 30 Desember 2007 adalah 1017 mm. Radiasi pada tanggal tanam
10 Oktober 2012 adalah 17.6 MJ/m2 sedangkan pada 30 Desember 2007 adalah
13.9 MJ/m2. Suhu udara maksimum pada tanggal tanam 10 Oktober 2012 sejak
tanam hingga panen adalah 31.7oC dan untuk tanggal tanam 30 Desember adalah
30.4oC. Suhu minimum sejak tanam hingga panen adalah 24.4oC dan untuk
tanggal tanam 30 Desember 2007 adalah 22.3oC. Curah hujan pada tanggal tanam
30 Desember 2007 lebih tinggi dibandingkan pada tanggal tanam 10 Oktober
2012, karena pada 30 Desember 2007 sudah memasuki La Nina lemah. Jumlah
curah hujan yang lebih tinggi, radiasi yang lebih rendah dan suhu udara
maksimum dan minimum yang lebih rendah mulai fase tanam hingga panen pada
30 Desember 2007 menyebabkan produktivitas yang lebih rendah dibandingkan
pada tanggal tanam 10 Oktober 2012. Hal ini disebabkan proses fotosintesis pada
tanggal tanam 10 Oktober 2012 lebih optimal karena radiasi matahari yang
diterima selama tanam hingga panen lebih tinggi dibandingkan pada tanggal
tanam 30 Desember 2007.
Hasil dan Komponen Hasil Tanaman Selama Simulasi
Hasil simulasi dapat dipengaruhi oleh kondisi iklim di wilayah kajian. Hal
ini terjadi karena masing-masing unsur iklim berpengaruh dalam proses
pertumbuhan dan perkembangan tanaman. Dalam kondisi aktual, unsur iklim
tersebut saling menunjang dalam proses fotosintesis dan metabolisme tanaman.
Hasil fotosintesis ditransportasikan ke organ-organ tanaman yang ditunjukkan
dalam besarnya biomassa tanaman. Biomassa tanaman yang dihasilkan dalam
simulasi ini adalah biomassa akar, batang, daun, malai dan butir padi. Kondisi
lingkungan berpengaruh terhadap umur tanaman dan lama masing-masing fase
perkembangan tanaman. Selain dipengaruhi oleh kondisi lingkungan, biomassa
tanaman juga dipengaruhi oleh faktor internal, seperti Indeks luas daun (ILD).
Indeks luas daun mempengaruhi besarnya radiasi dan curah hujan yang
diintersepsi oleh tanaman yang berpengaruh pada proses fotosintesis.
Indeks Luas Daun
Gambar 14 menunjukkan indeks luas daun pada tanggal tanam 10 Oktober
2012 dan indeks luas daun pada tanggal tanam 30 Desember 2007. Hasil simulasi
dengan menggunakan data iklim observasi selama tahun 2004-2013 menunjukkan
hasil simulasi bahwa produktivitas tertinggi pada tanggal tanam 10 Oktober 2012,
sedangkan produktivitas terendah pada tanggal tanam 30 Desember 2007. Gambar
19
14 menggambarkan indeks luas daun (ILD) pada tanggal tanam 10 Oktober 2012
dengan garis putus-putus dan ILD pada tanggal tanam 30 Desember 2007 dengan
garis utuh. Garis berwarna merah menunjukkan hasil simulasi dengan data radiasi
NASA/POWER, sedangkan garis hitam menunjukkan hasil simulasi dengan data
iklim observasi. Tinggi rendahnya ILD dipengaruhi oleh banyaknya daun yang
terdapat pada tanaman di suatu fase dalam suatu luasan. Perbedaan ILD pada
kedua tanggal tanam dapat mempengaruhi fotosintesis tanaman, karena
mempengaruhi besarnya radiasi yang diserap oleh tanaman. Semakin tinggi nilai
ILD, maka semakin besar pula radiasi surya yang diintersepsi, sehingga dapat
mempengaruhi fotosintesis.
(a)
(c)
(b)
(d)
- - - - - - - LAI maksimum observasi
- - - - - - - LAI maksimum NASA/POWER
LAI minimum observasi
LAI minimum NASA/POWER
Gambar 14 Indeks luas daun hasil simulasi dengan iklim observasi dengan (a)
data radiasi dari NASA/POWER (b) data suhu maksimum dan
minimum dari NASA/POWER (c) data curah hujan dari
NASA/POWER (d) data iklim seluruhnya dari NASA/POWER
Simulasi pada tanggal tanam 10 Oktober 2012 dengan data observasi
menghasilkan produktivitas 7040 kg/ha, sedangkan 30 Desember 2007
menghasilkan produktivitas 2803 kg/ha. Perbedaan kondisi lingkungan yaitu
unsur cuaca dan iklim dapat mempengaruhi komponen hasil berupa biomassa
pada masing-masing tanggal tanam. Indeks luas daun hasil simulasi dengan data
20
iklim observasi pada tanggal tanam 10 Oktober 2012 memiliki nilai terendah
ketika belum ada daun yang muncul. Daun pertama muncul (emergence) pada 5
HSS memiliki ILD 0.01. Pada saat keluarnya bunga/malai (heading) terjadi pada
77 HSS dan memiliki ILD 5.44. Setelah mencapai nilai maksimum, ILD akan
turun seiring tanaman padi yang matang secara fisiologis hingga panen pada 108
HSS yaitu 2.9. Sedangkan ILD pada tanggal tanam 30 Desember 2007,
kemunculan daun pertama kali (emergence) terjadi pada 7 HSS. Indeks luas daun
tertinggi yaitu pada saat keluarnya bunga/malai (heading) ketika 86 HSS sebesar
1.25. Kemudian ILD akan turun hingga tanaman padi matang secara fisiologis
pada 117 HSS dengan ILD sebesar 0.84.
Indeks luas daun hasil simulasi dengan data radiasi, curah hujan dan data
iklim NASA/POWER pada tanggal tanam 10 Oktober 2012 lebih rendah
dibandingkan dengan hasil simulasi dengan menggunakan data observasi.
Sedangkan hasil simulasi dengan data suhu maksimum dan minimum memiliki
nilai ILD yang lebih tinggi dibandingkan data observasi. Simulasi pada tanggal
tanam 30 Desember 2007 dengan data observasi memiliki nilai ILD lebih rendah
dibandingkan simulasi dengan menggunakan data data radiasi, curah hujan dan
data iklim NASA/POWER. Sedangkan indeks luas daun hasil simulasi dengan
data suhu maksimum dan minimum NASA/POWER hampir sama dengan hasil
simulasi dengan data observasi. Perbedaan ini disebabkan oleh perbedaan kondisi
unsur iklim pada saat simulasi yang terdiri dari suhu maksimum dan minimum,
radiasi dan curah hujan. Terutama pada suhu minimum yang memiliki nilai R 2
paling kecil sehingga mempengaruhi hasil simulasi yang berbeda dengan hasil
simulasi dengan kombinasi unsur iklim lainnya.
Biomassa Organ-Organ Tanaman Padi
Tabel 7 menunjukkan hasil uji t antara simulasi dengan data iklim observasi
dan data radiasi NASA/POWER untuk biomassa organ tanaman padi pada tanggal
tanam 30 Desember 2007 dan 10 Oktober 2012. Uji t dilakukan untuk simulasi
dengan menggunakan data masukan dari data radiasi, suhu maksimum dan
minimum, curah hujan, dan data iklim NASA/POWER. Perbedaan yang nyata
menunjukkan bahwa hasil simulasi dengan masukan data iklim dari
NASA/POWER dengan kombinasi pada data radiasi, curah hujan serta suhu
maksimum dan minimum memiliki perbedaan biomassa yang cukup besar.
Sedangkan perbedaan tidak nyata menunjukka