Pola Sebaran Jaring Laba-Laba pada Pertanaman Padi

POLA SEBARAN JARING LABA-LABA PADA
PERTANAMAN PADI

SONIRITA BR PURBA

DEPARTEMEN STATISTIKA
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 Pola Sebaran Jaring
Laba-Laba pada Pertanaman Padi 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, Oktober 2014
Sonirita Br Purba
NIM G14100018

ABSTRAK
SONIRITA BR PURBA. Pola Sebaran Jaring Laba-Laba pada Pertanaman Padi.
Dibimbing oleh BAMBANG SUMANTRI, PIKA SIVIANTI dan HERMANU
TRIWIDODO.
Salah satu penghambat produksi padi adalah hama pengganggu. Hama
penganggu dapat dikendalikan dengan menyemprotkan pestisida atau
memanfaatkan laba-laba sebagai musuh alaminya. Penyemprotan pestisida
merupakan bagian pertanaman padi konvensional dan pemanfaatan laba-laba
merupakan bagian pertanaman organik. Keberadaan laba-laba dapat dideteksi dari
keberadaan jaringnya. Keberadaan jaring laba-laba pada pertanaman padi
konvensional umur 8 minggu setelah tanam (MST) dan 10 MST adalah acak,
sementara pada umur 12 MST adalah teragregasi (berkelompok) yang dapat
dihampiri dengan baik oleh sebaran binom negatif. Keberadaan jaring laba-laba
pada pertanaman padi organik umur 8 MST adalah acak sedangkan pada umur 10
MST dan 12 MST adalah seragam. Pada jaring laba-laba pertanaman padi
konvensional umur 12 MST, ARIMA digunakan untuk meramal banyaknya jaring

laba-laba baris tertentu berdasarkan banyaknya jaring laba-laba pada baris-baris
sebelumnya. Persamaan ARIMA terbaik yang didapat adalah ARIMA (1,0,2)
dengan nilai RSME (Root Mean Squared Error) yang diperoleh adalah 1.76.
Kata kunci: banyaknya jaring laba-laba, konvensional, MST, organik, sebaran

ABSTRACT
SONIRITA BR PURBA. Distribution Pattern of Spider Webs at Rice Planting.
Supervised by BAMBANG SUMANTRI, PIKA SILVIANTI and HERMANU
TRIWIDODO.
One obstacle of rice production is pests. Pests can be controled by spraying
pesticides or utilize spiders as natural enemies. Spraying pesticides is part of
conventional rice cultivation and utilization of the spider is part of an organic rice
cultivation. The existence of spiders can be detected by its webs. Distribution of
spider webs in conventional rice cultivation at the age 8 weeks after planting
(WAP) and 10 WAP is random, while the distribution of the webs at the age 12
WAP is agregated which can be approximated by negative binomial. Distribution
of spider webs in organic rice cultivation at the age 8 WAP is random while at the
age 10 WAP and 12 WAP are uniform. For conventional rice cultivation at age 12
WAP, ARIMA is used to predict the number of webs on a line based on the
number of the webs of preceeding lines. The best ARIMA equation obtained is

ARIMA (1,0,2) with the RSME (Root Mean Squared Error) is 1.76.
Key words: many spider webs, conventional, MST, organic, distribution

POLA SEBARAN JARING LABA-LABA PADA
PERTANAMAN PADI

SONIRITA BR PURBA

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika

DEPARTEMEN STASTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

Judul Skripsi : Pola Sebaran Jaring Laba-Laba pada Pertanaman Padi
Nama
: Sonirita Br Purba
NIM
: G14100018

Disetujui oleh

Ir Bambang Sumantri
Pembimbing I

Pika Silvianti, MSi
Pembimbing II

Diketahui oleh

Dr Anang Kurnia
Ketua Departemen

Tanggal Lulus:

Dr Ir Hermanu Triwidodo, MSc
Pembimbing III

PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan yang Maha Esa dan Maha
Pengasih sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam
penelitian yang dilaksanakan sejak bulan Januari 2014 untuk melihat bagaimana
pola sebaran jaring laba-laba.
Terima kasih penulis ucapkan kepada Bapak Ir Bambang Sumantri, Ibu Pika
Silvianti, MSi dan Bapak Dr Ir Hermanu Triwidodo, MSc selaku pembimbing.
Penulis juga mengucapkan terimakasih kepada Retno yang merupakan mahasiswi
Proteksi Tanaman IPB yang telah membantu memberikan informasi terkait data
penelitian. Di samping itu, penghargaan juga disampaikan kepada seluruh dosen
dan staf departemen Statistika yang turut membimbing selama perkuliahan dan
membantu menyelesaikan segala administrasi dengan baik. Ungkapan terima
kasih juga disampaikan kepada bapak, mamak, adik serta seluruh keluarga, atas
segala doa, kasih sayang dan semangat yang selalu diberikan. Penulis tidak lupa
mengucapkan terimakasih untuk adik-adik asistensi 48 dan 50, adik-adik
kelompok kecil, teman-teman KOPELKHU serta Statistika 47 yang selalu

memberi dukungan dalam penyelesaian tugas akhir penulis dan kebersamaan
selama ini.
Semoga karya ilmiah ini bermanfaat.

Bogor, Oktober 2014
Sonirita Br Purba

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Tujuan Penelitian

1

METODE

2

Data

2

Prosedur Analisis Data

2

HASIL DAN PEMBAHASAN

6

Perbandingan Banyaknya Jaring Laba-laba pada Pertanaman Padi Konvensional
dan Organik
6
Pemeriksaan Sebaran Jaring Laba-laba

8

Pengujian Sebaran Binom Negatif pada Banyaknya Jaring Laba-laba yang
Teragregasi (Berkelompok)

9

Model ARIMA banyaknya Jaring Laba-laba pada Pertanaman Padi yang
Sebaran Jaringnya Teragregasi (Berkelompok)

10

Interpretasi Model ARIMA dan Peramalan Banyaknya Jaring Laba-laba Jenis
Pertanaman Konvensional umur 12 MST
10
SIMPULAN DAN SARAN

11

Simpulan

11

Saran

12

DAFTAR PUSTAKA

12

LAMPIRAN

13

RIWAYAT HIDUP

22

DAFTAR TABEL
1 Sebaran frekuensi kuadrat petak ukuran 1m2 berdasarkan banyaknya

jaring laba-laba
2 Nilai χ2amatan, χ2tabel dan Indeks Sebaran (I) jaring laba-laba pada
pertanaman padi konvensional dan organik
3 Nilai dan batas selang U ± 2SE(U) untuk pengujian sebaran binom
negatif
4 Ketepatan peramalan model banyaknya jaring laba-laba jenis
pertanaman padi konvensional umur 12 MST

7

8
9
11

DAFTAR LAMPIRAN
1 Aplikasi sebaran Poisson pada data banyaknya jaring laba-laba umur 8
2
3
4
5
6
7
8
9

MST jenis pertanaman padi konvensional dan organik
Perhitungan nilai U±2SE(U) pada jaring laba-laba jenis pertanaman
padi konvensional umur 10 MST dan 12 MST
Penerapan Poisson dan binom negatif pada data jaring laba-laba jenis
pertanaman padi konvensional umur 10 MST
Aplikasi binom negatif pada data jaring laba-laba jenis pertanaman
padi konvensional umur 12 MST
Plot data asli banyaknya jaring laba-laba umur 12 MST konvensional
Koreologram data asli banyaknya jaring laba-laba umur 12 MST jenis
pertanaman padi konvensional
Uji white noise sisaan ARIMA (1,0,2) dari data jaring laba-laba umur
12 MST jenis pertanaman padi konvensional
Uji normalitas sisaan ARIMA (1,0,2) dari data jaring laba-laba umur
12 MST jenis pertanaman padi konvensional
Pengujian parameter beberapa model tentatif banyaknya jaring labalaba pada jenis pertanaman padi konvensional umur 12 MST

13
14
17
18
18
19
19
21
21

PENDAHULUAN
Latar Belakang
Keberadaan laba-laba pada tanaman padi adalah hal yang menguntungkan
tanaman padi. Sebagai pemangsa hama wereng, laba-laba membantu
pengendalian hama tanpa merusak lingkungan. Semakin banyak laba-laba maka
pengendalian hama penggangu padi secara alami juga akan semakin baik.
Banyaknya laba-laba dapat juga dilihat dari banyak jaring laba-laba yang ada pada
tanaman padi. Menurut Hoerunnisa (2006) semakin banyak jaring laba-laba
ditemukan maka laba-laba juga akan banyak yang berada didaerah sekitar jaring
laba-laba.
Dalam penelitian ini akan dilihat bagaimana keberadaan jaring laba-laba
pada petak sawah jenis pertanaman padi konvensional dan organik. Pengendalian
hama pengganggu dengan penyemprotan pestisida merupakan bagian dari
pertanaman padi secara konvensional. Sementara, pengendalian hama pengganggu
dengan memanfaatkan musuh alami hama pengganggu yaitu laba-laba merupakan
bagian dari pertanaman padi secara organik.
Menurut Krebs (1989) ada tiga jenis sebaran yang umumnya dimiliki oleh
hewan maupun tumbuhan secara geografi yaitu acak, seragam dan berkelompok.
Bila jaring laba-laba menyebar secara acak maka banyak jaring laba-laba akan
menyebar menurut sebaran Poisson. Sebaran Poisson dicirikan oleh nilai ragam
dan rata-rata yang sama. Untuk mendeteksi apakah suatu peubah acak merupakan
sebaran Poisson maka digunakan Indeks Sebaran (I). Jika nilai I adalah satu atau
menghampiri satu maka sebaran suatu peubah acak adalah Poisson namun
sebaliknya jika nilai I jauh dari satu maka sebaran peubah acak bukan Poisson.
Sebaran organisme yang seragam dapat ditunjukkan oleh nilai I yang lebih kecil
dari satu sedangkan sebaran teragregasi dapat ditunjukkan oleh nilai I yang lebih
besar dari satu.
Data yang teragregasi memiliki banyak kemungkinan sebaran. Pada
penelitian ini, data yang memiliki sebaran teragregasi akan di dekati melalui
sebaran binomi negatif. Selain binom negatif, data yang menyebar teragregasi
juga akan diselidiki apakah ARIMA dapat digunakan untuk meramal banyaknya
jaring laba-laba pada baris tertentu berdasarkan banyak jaring laba-laba pada
baris-baris sebelumnya.

Tujuan Penelitian
Menentukan sebaran banyaknya jaring laba-laba pada pertanaman padi
konvensional dan organik.

2

METODE

Data
Data yang digunakan adalah data yang dikumpulkan oleh mahasiswi
Departemen Proteksi Tanaman IPB (Anggraeni 2014) dalam penelitiannya
mengenai kelimpahan dan keanekaragaman laba-laba pada pertanaman padi
organik dan konvensional. Data dikumpulkan pada bulan Januari 2014 sampai
Maret 2014. Data diambil di desa Guyung, kecamatan Gerih, kabupaten Ngawi,
Jawa Timur. Data yang digunakan adalah banyak jaring laba-laba pada tanaman
padi yang berumur 8 minggu setelah tanam (MST), 10 MST dan 12 MST untuk
satu petak sawah dengan jenis pertanaman padi secara organik dan satu petak
sawah dengan jenis pertanaman padi secara konvensional.
Metode pengumpulan data yang dilakukan adalah data sensus banyaknya
jaring laba-laba pada kedua pertak sawah. Jaring laba-laba dihitung dengan
membagi petak sawah menjadi petak-petak kecil berukuran 1m2 yang akan
disebut kuadrat. Sebaran banyaknya jaring laba-laba akan dilihat berdasarkan
pada banyak jaring laba-laba di tiap kuadrat ukuran 1m2. Sementara banyaknya
jaring laba-laba pada barisan petak-petak sawah akan digunakan pada persamaan
ARIMA untuk meramal banyak jaring laba-laba pada baris tertentu berdasarkan
banyak jaring laba-laba pada baris-baris sebelumnya.

Prosedur Analisis Data
1. Menentukan sebaran banyaknya jaring laba-laba. Langkah-langkah yang
dilakukan adalah sebagai berikut:
a. Membuat tabel sebaran frekuensi petak ukuran 1m2 berdasarkan
banyaknya jaring laba-laba.
b. Menghitung nilai rata-rata, ragam dan persentase hunian jaring labalaba pada masing-masing petak sawah organik dan konvensional
frekuensi jaring laba-laba tiap kuadrat ukuran 1m2 yang telah
dilakukan dalam penelitian Anggraeni (2014).
c. Membandingkan nilai rata-rata dari data jaring laba-laba pada kedua
jenis pertanaman padi dan ketiga umur tanaman padi. Uji yang
digunakan dalam perbandingan nilai tengah adalah uji perbandingan
berganda Duncan (DMRT). Nilai kritis Duncan dihitung sebagai
berikut:
R jp  r ; jp;dbg SY ; SY  KTG / r ;
dimana rα;jp;dbg adalah nilai tabel Duncan pada taraf nyata α, jarak
peringkat jp dan derajat bebas galat sebesar dbg. Rumus digunakan
pada nilai ulangan (r) yang sama, namun jika banyaknya ulangan yang
tidak sama maka akan digunakan nilai ulangan rataan harmonik dari
semua perlakuan(rh) dengan rumus:

3

rh 

h
t

1/ r
i 1

i

Dimana h adalah banyaknya perlakuan (Mattjik dan Sumertajaya
2006).
d. Menguji proporsi kuadrat-kuadrat sawah ukuran 1m2 yang dihuni oleh
jaring laba-laba (π) apakah sama pada kedua jenis pertanaman padi dan
ketiga umur tanam. Proporsi kuadrat sawah ukuran 1m2 yang dihuni
jaring laba-laba umur jenis pertanaman organik umur 8 MST, 10 MST
dan 12 MST dilambangkan dengan π8o, π10o dan π12o. Sementara pada
jenis pertanaman konvensional dilambangkan dengan π8k, π10k dan π12k..
Hipotesis yang akan diuji yaitu:
H0: π8o = π10o = π12o = π8k = π10k = π12k dengan H1: minimal ada sepasang
proporsi kuadrat sawah ukuran 1m2 yang dihuni jaring laba-laba yang
tidak sama.
Rumus yang digunakan untuk menguji kesamaan proporsi adalah
(O  Ei )2
2   i
Ei
i
Dimana Oi dan Ei masing-masing adalah frekuensi kuadrat teramati
dan frekuensi kuadrat harapan ke-i. Derajat bebas adalah perkalian
banyak kolom dan baris yang masing-masing dikurang satu.
(Walpole 1993).
Keputusan menolak hipotesis nol jika
e. Menguji keacakan sebaran banyak jaring laba-laba. Jika keberadaan
jaring laba-laba adalah tersebar secara acak maka banyaknya jaring
laba-laba akan mendekati sebaran Poisson. Fungsi sebaran Poisson
adalah:
 x 
Px  e   
 x! 
Dimana Px = peluang menemukan x jaring laba-laba dalam kuadrat, x=
bilangan cacah (0,1,2,3...), μ=nilai rata-rata.
Ciri sebaran Poisson adalah memiliki ragam dan rataan yang sama,
sehingga rasio ragam dan rataan mendekati satu. Rasio ragam dan
rataan dinyatakan sebagai Indeks Sebaran (I). Rumus Indeks Sebaran
(I) adalah:
s2
ragam data amatan
I=
=
x
nilai rata-rata data amatan
Statistik uji yang dapat digunakan adalah
dimana I adalah Indeks Sebaran, n adalah banyaknya kuadrat dan
adalah nilai khi-kuadrat dengan derajat bebas n-1.
Hipotesis nol bahwa sebaran jaring laba-laba menyebar secara Poisson
diterima jika statistik uji memenuhi
Tetapi jika tidak memenuhi, maka banyaknya jaring laba-laba dapat
dikatakan tidak menyebar Poisson (Krebs 1989).

4
f. Menentukan sebaran banyak jaring laba-laba yang bukan Poisson
menggunakan nilai Indeks Sebaran (I). Jika nilai Indeks Sebaran (I)
lebih besar dari satu maka sebaran banyak jaring laba-laba adalah
teragregasi, sedangkan jika nilai Indeks Sebaran (I) lebih kecil dari
satu maka sebarannya adalah seragam (Krebs 1989).
g. Apabila sebaran disimpulkan teragregasi maka akan diperiksa apakah
banyak jaring laba-laba dapat dihampiri dengan sebaran binom negatif.
Fungsi sebaran binom negatif adalah

,
dan k adalah parameter dari sebaran
dimana
(Poole 1974). Parameter k dapat diduga yaitu .
Nilai kawal diduga terlebih dahulu dengan menggunakan persamaan:

x2
s2  x
Setelah didapatkan kawal , maka akan dicari nilai
kawal 

secara iteratif. Nilai

akan ditentukan melalui metode kemungkinan maksimum yang
dalam hal ini akan menghasilkan persamaan:
 x   A 
N log e 1      x 
 k  i 0  k  x 
dimana N= total banyaknya kuadrat ; x = rata-rata jaring laba-laba/m2,
k= parameter binom negatif; Ax =
i= cacahan (0,1,2,3...); fx = banyaknya kuadrat yang berisi x jaring
laba-laba, j= cacahan (0,1,2,3,...).
Nilai parameter k berada pada selang nol hingga tak hingga. Jika nilai k
semakin mendekati nilai tak hingga, maka sebaran binom negatif
semakin mendekati sebaran Poisson (Krebs 1989).
Menurut Krebs (1989), pengujian sebaran binom negatif dapat
dilakukan dengan menghitung statistik U.

x2 
U  s 2   x   dengan
k 

  b2  (log e b)  a(1  2a)  
1


  c
SE (U ) 
2 x  x  a  (b) 
n
(b)(log e b)  a

 


Nilai a , b dan c didapat dari persamaan berikut
ba 4
b (1 x / a )  ( x  b) 
a  x / k , b  1 a dan c 
2 
b(log e b)  a 
Hipotesis nol bahwa data menyebar binom negatif akan diterima jika
selang U ± 2SE(U) mencakup nilai nol.
2. Menjumlahkan banyak jaring laba-laba tiap baris kuadrat petak-petak
sawah jenis pertanaman padi organik dan konvensional pada umur
tanaman yang sebaran jaring laba-labanya menyebar teragregasi. Data

5
penjumlahan jaring laba-laba tersebut yang selanjutnya ditentukan sebagai
data amatan dan digunakan untuk penelitian menggunakan ARIMA.
3. Membagi dua data amatan yaitu amatan yang digunakan sebagai
pemodelan ARIMA dan amatan yang digunakan sebagai validasi model
yang akan dibentuk model ARIMA. Sebanyak 10 amatan terakhir dari tiap
jenis pertanaman padi di sawah digunakan untuk validasi model.
4. Melakukan pembentukan model ARIMA terhadap banyaknya jaring labalaba pada petak sawah jenis pertanaman padi yang menyebar teragregasi.
Tahapan yang dilakukan sebagai berikut:
a. Melakukan plot data banyak jaring laba-laba terhadap barisan untuk
mendeteksi kestasioneran data dan secara formal menguji
kestasioneran data yaitu uji Augmented-Dickey Fuller (ADF) (Cryer
2008).
b. Melakukan penstasioneran terhadap data yang belum stasioner dalam
rata-rata menggunakan differencing (d). Differencing didefenisikan
sebagai d Yt  (1  B)d Yt dimana Yt adalah peubah banyaknya jaring
laba-laba dan B adalah operator mundur (backshift operator) yang
didefinisikan B d Yt  Yt d . Jika data belum stasioner dalam hal ragam
maka dilakukan transformasi Box-Cox (Cryer 2008).
c. Melihat pola korelasi diri (ACF) dan korelasi diri parsial (PACF) data
yang telah stasioner untuk mengidentifikasi bentuk model ARIMA
(p,d,q) nya. Ordo proses AR dapat ditentukan dengan melihat lag ke
berapa koefisien PACF menurun drastis (cut off). Sedangkan ordo
proses MA ditentukan dengan melihat berapa banyak koefisien ACF
pertama yang menurun drastis (Cryer 2008).
d. Menentukan model ARIMA(p,d,q) sementara dari pola ACF dan
PACF (Montgomery et al 2008) yaitu:  p ( B)d Zt   ' q ( B)at
Dalam hal ini:
 ' =konstanta
 = parameter regresi diri
 = parameter rataan bergerak
at = galat acak pada baris ke-t yang diasumsikan menyebar normal
dan bebas stokastik
 p ( B)  (1  1B  ...   p B P ) polinomial karakteristik AR

q ( B)  (1  1B  ...   q B q ) polinomial karakteristik MA
e. Melakukan pendugaan parameter model ARIMA. Metode yang dapat
digunakan adalah Least Square yaitu mememinimumkan jumlah
kuadrat sisaan (Cryer 2008).
f. Melakukan pengujian asumsi normalitas dengan metode KolmogorovSmirnov serta asumsi white noise dengan melihat plot ACF dan PACF
sisaan. Jika nilai p-value lebih dari 5% maka asumsi kenormalan
sisaan tidak dilanggar. Asumsi white noise dikatakan tidak dilanggar
jika lag-lag pada plot ACF dan PACF sisaan tidak ada yang nyata.
g. Jika diperoleh model ARIMA yang baik lebih dari satu, maka akan
diilakukan pemilihan model ARIMA terbaik. Kriteria yang digunakan

6
adalah Sum Square Error (SSE) , Adjusted-R2, Akaike Information
Criterion (AIC) dan Schwarz Information Criterion (SIC). Rumus
yang digunakan sebagai berikut.:
T
 T 
et /(T  p)

  et  2 p
T
2
2
t 1
, AIC  ln  t 1  
SSE   ( yt  y ) , R Adj  1 
SSE /(T  1)
 T  T
t 1




T


  et  p ln(T )
dan SIC  ln  t 1  
dimana T adalah periode data yang
T
 T 




digunakan untuk melihat model terbaik dengan p parameter dan et
adalah sisaan periode ke-t. Model yang terbaik memiliki kriteria nilai
SSE, AIC, SIC terkecil dan R2Adj yang terbesar (Montgomery et al
2008).
5. Melakukan peramalan data dari model ARIMA terbaik yang didapatkan.
Untuk melihat kebaikan model dalam peramalan, maka akan dilihat nilai
Root Mean Squared Error (RMSE). Semakin kecil nilai RMSE
menunjukkan data hasil peramalan semakin mendekati nilai aktual maka
akan semakin baik model tersebut untuk meramal.
6. Melakukan interpretasi dari model ARIMA yang terbentuk.

HASIL DAN PEMBAHASAN
Perbandingan Banyaknya Jaring Laba-laba pada Pertanaman Padi
Konvensional dan Organik
Nilai rata-rata banyak jaring laba-laba pada tanaman padi umur 8 MST, 10
MST dan 12 MST memiliki arti bahwa ada 138, 129 dan 200 jaring laba-laba
yang dapat ditemukan dari seratus kuadrat sawah pertanaman padi konvensional
pada masing-masing umur tanaman (Tabel 1). Sementara nilai rata-rata jaring
laba-laba pada tanaman padi umur 8 MST, 10 MST dan 12 MST jenis pertanaman
padi organik memiliki arti bahwa ada 96, 489 dan 371 banyaknya jaring laba-laba
yang dapat ditemukan dari seratus kuadrat sawah. Berdasarkan nilai rata-rata
jaring laba-laba pada kedua pertanaman padi dapat dikatakan bahwa jaring labalaba lebih banyak ditemukan pada pertanaman padi organik umur 10 MST dan 12
MST.
Perbedaan nilai rata-rata jaring laba-laba dibandingkan menggunakan uji
DMRT. Uji DMRT menghasilkan bahwa rata-rata jaring laba-laba pertanaman
padi organik umur 10 MST dan 12 MST berbeda nyata dengan pertanaman padi
konvensional pada umur yang sama. Sementara nilai rata-rata jaring laba-laba
dikedua jenis pertanaman padi umur 8 MST tidak berbeda nyata pada taraf nyata
5%. Selain itu, dapat juga dikatakan bahwa nilai rata-rata jaring laba-laba dikedua
jenis pertanaman padi umur 8 MST tidak berbeda nyata dengan jenis pertanaman
padi konvensional umur 10 MST.

7
Pertanaman padi organik memiliki jaring laba-laba yang lebih padat
dibanding pertanaman padi konvensional pada umur tanaman yang semakin
mendekati panen. Persentase kuadrat-kuadrat yang dihuni jaring laba-laba
memiliki nilai paling besar pada pertanaman padi organik umur 10 MST dan 12
MST yaitu 42.071% dan 35.96%. Dapat dikatakan bahwa hampir setengah dari
luas petak sawah dihuni oleh jaring laba-laba. Namun, persentase kuadrat-kuadrat
yang dihuni jaring laba-laba umur tanaman 8 MST jenis pertanaman padi organik
kurang dari 10%. Persentase kuadrat-kuadrat yang dihuni jaring laba-laba pada
pertanaman padi konvensional memiliki nilai dibawah 20%. Dapat katakan bahwa
kurang dari 1/5 luas petak sawah dihuni oleh jaring laba-laba pada pertanaman
padi konvensional diketiga umur tanaman.
Tabel 1 Sebaran frekuensi kuadrat petak ukuran 1m2 berdasarkan banyaknya jaring
laba-laba
Banyak
Konvensional
Organik
jaring
8 MST
10 MST
12 MST
8 MST
10 MST
12 MST
laba-laba
/m2
0
854
865
819
1795
1147
1268
1
118
106
132
180
702
690
2
7
8
24
4
128
22
3
1
0
4
1
2
0
4
0
1
1
0
1
0
5
0
0
0
0
0
0
Total
980
980
980
1980
1980
1980
Petak (n)
Rata-rata
0.138b
0.129ab
0.2c
0.096a
0.489e
0.371d
jaring
labalaba/m2
(μ)a
Ragam
0.139
0.141
0.246
0.094
0.391
0.256
jaring
laba-laba
Persentase
12.857
11.735
16.429
9.343
42.071
35.960
kuadrat –
kuadrat
yang
dihuni
jaring
labalaba(π)
a

Angka-angka pada baris yang sama dan diikuti oleh huruf yang sama tidak berbeda nyata pada taraf
uji 5% (uji perbandingan berganda Duncan).

Persentase kuadrat-kuadrat yang dihuni jaring laba-laba pada kedua jenis
pertanaman padi dan ketiga umur tanaman berbeda nyata pada taraf nyata 5%.
Persentase kuadrat-kuadrat yang dihuni jaring laba-laba dapat dianggap sebagai

8
proporsi kuadrat sawah yang dihuni jaring laba-laba. Ketidaksamaan persentase
= 921.033 dan nilai
hunian jaring laba-laba tersebut dapat diketahui dari nilai
=
=12.833. Sehingga menolak hipotesis nol yaitu proporsi
kuadrat-kuadrat yang dihuni jaring laba-laba adalah sama pada ketiga umur
tanaman dan pada kedua jenis pertanaman.
Kepadatan jaring laba-laba pada pertanaman padi organik sesuai dengan
penelitian Hoerunnisa (2006). Dalam penelitiannya dapat diketahui bahwa jaring
laba-laba lebih banyak ditemui pada lahan tanpa penggunaan pestisida. Semakin
banyak jaring laba-laba, maka semakin baik untuk mengendalikan populasi hama
pengganggu tanaman padi tanpa merusak lingkungan tanam. Dalam penelitiannya
dapat juga diketahui bahwa aplikasi pestisida pada pertanaman padi menyebabkan
musuh alami ikut terbasmi.
Pemeriksaan Sebaran Jaring Laba-laba
Penentuan sebaran jaring laba-laba dapat dilihat berdasarkan pengujian
Indeks Sebaran yang terdapat pada Tabel 2. Nilai statistik uji (
) yang
terdapat pada Tabel 2 akan menentukan penerimaan hipotesis nol bahwa banyak
didapat bahwa data
jaring laba-laba menyebar Poisson. Dari keenam nilai
yang memenuhi sebaran Poisson adalah jaring laba-laba yang terdapat pada jenis
pertanaman padi konvensional dan organik pada umur 8 MST. Sementara, nilai
pada umur tanaman lainnya dikedua jenis pertanaman padi menunjukkan
bahwa data jaring laba-laba tidak menyebar Poisson. Nilai harapan yang didapat
dari sebaran Poisson dapat dilihat pada Lampiran 1.
Berdasarkan informasi sebaran Poisson pada kedua pertanaman padi umur 8
MST maka dapat dikatakan jaring laba-laba menyebar secara acak. Jaring labalaba pada umur 8 MST menyebar acak diduga karena keberadaannya masih
terbawa oleh agen ke sawah pertanaman padi dan belum berkembangbiak secara
keseluruhan.
,
dan Indeks Sebaran (I) jaring laba-laba pada
Tabel 2 Nilai
pertanaman padi konvensional dan organik
Konvensional
Organik
8 MST
10 MST 12 MST
8 MST
10 MST 12 MST

db= (n-1)



988.428

1068.217

1204

1943.492

1584.367

1363.615

979

979

979

1979

1979

1979

894.183

894.183

894.183

1857.599

1857.599

1857.599

1067.606 1067.606

2104.190

2104.190

2104.190

0.982

0.801

0.689

2
(1

0,05
;db )
2

 2 0,05
(

2

;db )

Indeks
Sebaran (I)

1067.606
1.009

1.091

1.233

Nilai Indeks Sebaran (I) akan diperhatikan untuk menentukan sebaran data
yang tidak menyebar Poisson. Berdasarkan nilai Indeks Sebaran (I) didapatkan
bahwa jaring laba-laba yang terdapat pada pertanaman padi organik umur 10 MST

9
dan 12 MST memiliki sebaran seragam karena memiliki nilai I yang lebih kecil
dari satu. Sementara, jaring laba-laba yang terdapat pada pertanaman padi
konvensional umur 10 MST dan 12 MST memiliki sebaran yang teragregasi
karena memiliki nilai I yang lebih besar dari satu.
Sebaran yang tidak acak diduga sudah terjadi perkembangbiakan dari labalaba. Informasi yang selanjutnya didapatkan yaitu sebaran data yang seragam pada
data banyak jaring laba-laba umur 10 MST dan 12 MST pertanaman organik
jaring laba-laba pada petak sawah organik memiliki peluang yang sama untuk
ditemukan. Penyebaran seragam pada jaring laba-laba dapat diduga terjadi karena
kondisi lingkungan sama dan persaingan yang sama terhadap mangsanya.
Sementara sebaran teragregasi yang terjadi pada pertanaman padi konvensional
umur 10 MST dan 12 MST memberikan infromasi bahwa terjadi pengelompokan
pada laba-laba akibat adanya aplikasi pestisida yang menurut Hoerunnisa (2006)
membasmi musuh alami.
Pengujian Sebaran Binom Negatif pada Banyaknya Jaring Laba-laba yang
Teragregasi (Berkelompok)
Nilai selang U ± 2SE(U) pada umur tanaman padi 10 MST dan 12 MST
jenis pertanaman padi konvensional akan digunakan untuk menentukan keputusan
bahwa data menyebar binom negatif atau tidak. Perhitungan untuk mendapatkan
U ± 2SE(U) dapat dilihat pada Lampiran 2. Berdasar nilai U ± 2SE(U), hanya
tanaman dengan umur 12 MST yang memilki nilai nol pada selangnya. Sehingga
dapat dikatakan, jaring laba-laba pada pertanaman konvensional umur 12 MST
memiliki sebaran binom negatif. Berbeda halnya dengan jaring laba-laba yang
terdapat pada pertanaman padi konvensional umur 10 MST. Nilai U ± 2SE(U)
pada umur 10 MST tidak melalui nilai nol, sehingga dapat disimpulkan tidak
menyebar binom negatif.
Tabel 3 Nilai dan batas selang U ± 2SE(U) untuk pengujian sebaran binom
negatif
Umur tanaman padi
Batas bawah
Batas atas
Nilai
(U - 2SE(U))
(U + 2SE(U))
14
10 MST
0.00010
0.01185
9.92630 10
12 MST
0.852
-0.03240
0.03038
Nilai yang dimiliki oleh data jaring laba-laba pada umur 12 MST jenis
pertanaman padi konvensional adalah 0.852, sementara umur 10 MST jenis
pertanaman padi konvensional adalah 9.9263x1014. Penerapan sebaran binom
negatif pada umur 12 MST konvensional dapat dilihat pada Lampiran 4. Menurut
Krebs (1989), semakin mendekati tak hingga nilai k maka sebaran binom negatif
semakin mendekati Poisson. Pernyataan Krebs (1989) sesuai dengan hasil
penerapan sebaran binom negatif dan sebaran Poisson terhadap data jaring labalaba umur 10 MST (Lampiran 3). Kondisi nilai yang relatif besar, membuat data
jaring laba-laba lebih baik menggunakan sebaran Poisson karena menghasilkan
nilai harapan yang lebih mendekati nilai sebenarnya (Lampiran 3). Sebaran
Poisson yang terjadi pada umur 10 MST pertanaman padi konvensional diduga

10
akibat mati karena aplikasi pestisida, sehingga sebarannya tidak berbeda dengan
tanaman yang berumur 8 MST.
Model ARIMA Banyaknya Jaring Laba-laba pada Pertanaman Padi yang
Memiliki Sebaran Teragregasi (Berkelompok)
Pembentukan model ARIMA dilakukan terhadap data jaring laba-laba jenis
pertanaman padi konvensional umur 12 MST. Model ARIMA yang dibangun
bertujuan untuk melihat pola sebaran jaring laba-laba menggunakan barisan
sawah. Data yang digunakan adalah banyak jaring laba-laba tiap barisan sawah
yang masing-masing barisan sawah berukuran 1m x 14m. Sehingga dimiliki 60
barisan (amatan) yang digunakan untuk membangun model.
Syarat pertama pembentukan model ARIMA adalah data jaring laba-laba
umur 12 MST pertanaman konvensional telah stasioner. Oleh karena itu langkah
awal yang dilakukan adalah menguji kestasioneran data. Kestasioneran data dapat
dilihat dari plot data asli, nilai koreologram data asli serta pengujian Augmented
Dickey Fuller (ADF) data jaring laba-laba. Plot data asli dapat dilihat pada
Lampiran 5. Berdasar hasil uji kestasioneran, disimpulkan bahwa banyak jaring
pada jenis pertanaman konvensional umur tanaman 12 MST memiliki pola yang
stasioner.
Langkah selanjutnya yang dilakukan terhadap data yang stasioner adalah
menentukan lag ARIMA berdasar nilai koreologram data asli banyak jaring labalaba umur 12 MST jenis pertanaman konvensional yang terdapat pada Lampiran
6. Pola yang terbentuk dari ACF dan PACF banyak jaring laba-laba pada umur 12
MST terlihat berbentuk menurun melambat. Hal tersebut mengindikasikan
perlunya diuji kombinasi AR dan MA yang sesuai. Pengujian dilakukan
menghasilkan kriteria seperti Lampiran 9 .
Kriteria yang digunakan sebagai model terbaik adalah paramater yang
signifikan, nilai AIC, SBC dan SSE yang terkecil serta nilai Adjusted R-Squared
terbesar. Maka didapatkan model yang terbaik bagi jaring laba-laba jenis
pertanaman padi konvensional umur 12 MST adalah ARIMA(1,0,2). Tetapi hal
yang perlu diperhatikan sebelum menetapkan model terbaik asumsi yang
terpenuhi oleh tiap model.
Asumsi yang diperhatikan adalah asumsi white noise sisaan dan sebaran
normal sisaan. Pengujian asumsi white noise yang dilakukan terhadap model
terbaik ini dapat dilihat pada Lampiran 7. Sementara asumsi kenormalan pada
Lampiran 8. Berdasarkan uji asumsi yang dilakukan, dapat disimpulkan model
ARIMA (1,0,2) sudah memenuhi asumsi.
Interpretasi Model ARIMA dan Peramalan Banyaknya Jaring Laba-laba
Jenis Pertanaman Konvensional umur 12 MST
Parameter yang didapat pada model ARIMA yang didapatkan dalam proses
pemilihan model terbaik disubstitusikan pada model yang diperoleh. Sehingga
model yang dimiliki banyak jaring laba-laba jenis pertanaman konvensional 12
MST adalah Yt = 1.8609 + 0.2950Yt-1 + at – 0.5701at-1 +0.6834 at-2. Berdasarkan
model ARIMA yang dimiliki dapat diinterpretasikan bahwa banyak jaring labalaba umur 12 MST jenis pertanaman konvensional sebesar 1.8609 ditambah 0.295

11
kali banyak jaring laba-laba satu baris sebelumnya serta satu kali nilai salah
hitung baris tersebut dikurang 0.5701 kali nilai salah hitung pada satu baris
sebelum baris tersebut ditambah 0.6834 kali nilai salah hitung dua baris
sebelumnya.
Tabel 4 Ketepatan peramalan model banyaknya jaring laba-laba jenis pertanaman
padi konvensional umur 12 MST
Barisan Petak Sawah
Data aktual
Data Ramalan
(Amatan ke-)
61
0
3.205
62
3
2.669
63
2
3.203
64
1
2.662
65
2
3.200
66
1
2.666
67
0
3.206
68
4
2.669
69
3
3.203
70
3
2.662
RMSE
1.76
Nilai data ramalan yang didapat tidak jauh berbeda dengan data aktual.
Untuk melihat kebaikan dalam meramal akan digunakan nilai RMSE. Semakin
kecil RMSE maka semakin baik model digunakan untuk peramalan. Nilai RMSE
yang didapat setelah meramalkan data jaring laba-laba umur 12 MST adalah 1.76.
Nilai RMSE dapat dilihat pada Tabel 4.

SIMPULAN DAN SARAN
Simpulan
Jaring laba-laba menyebar acak dan banyaknya jaring laba-laba mengikuti
sebaran Poisson terjadi pada saat padi berumur 8 MST pada jenis pertanaman padi
organik dan konvensional serta umur 10 MST pada pertanaman padi
konvensional. Keberadaan acak pada jaring laba-laba terjadi karena adanya labalaba masih terbawa oleh agennya dan belum menetap untuk hidup dimana. Jaring
laba-laba menyebar seragam terjadi pada pertanaman padi organik umur 10 MST
dan 12 MST sehingga memberikan informasi bahwa laba-laba lebih menyebar
merata pada pertanaman tanpa pestisida dan berkembangbiak dengan baik.
Sebaran data jaring laba-laba adalah binom negatif pada jenis pertanaman padi
konvensional umur 12 MST. Model ARIMA yang terbentuk pada data banyaknya
jaring laba-laba pada tanaman padi umur 12 MST konvensional adalah Yt =
1.8609 + 0.2950Yt-1 + at – 0.5701at-1 +0.6834 at-2. Penggunaan Yt adalah banyak
jaring laba-laba pada baris ke-t dan at adalah nilai salah hitung pada baris ke-t.
RMSE yang didapat setelah pembentukan model adalah 1.76.

12
Saran
Penganalisisan sebaran jaring laba-laba dapat menggunakan metode yang
lain seperti metode spasial. Metode yang tidak hanya menggunakan data banyak
jaring laba-laba tiap baris tetapi dari petak-petak sawah yang berdekatan dengan
petak tempat beradanya jaring laba-laba. Selain jaring laba-laba, ada baiknya
dilakukan juga berdasar jenis laba-labanya.

DAFTAR PUSTAKA
Anggraeni R. 2014. Kelimpahan dan keanekaragaman laba-laba pada pertanaman
padi organik dan konvensional di Kabupaten Ngawi, Jawa Timur.[skripsi].
Bogor (ID): Institut Pertanian Bogor
Cryer JD, Chan KS. 2008. Time Series Analysis with Applications in R. Casella G,
Fienberg S, Okin I. editor. New York(US): Springer Publishing
Hoerunnisa. 2006. Kekayaan dan keragaman laba-laba pada pertanaman padi PHT
dan konvensional di Ciasem, kabupaten Subang.[skripsi]. Bogor (ID):
Institut Pertanian Bogor
Krebs CJ. 1989. Ecological Methodology. New York(US): Harper & Row
Publishers
Mattjik AA, Sumertajaya IM. 2006. Perancangan Percobaan dengan Aplikasi
SAS dan Minitab.Bogor(ID): IPB Press
Montgomery DC, Jennings CL, Kulahci M. 2008. Introduction to Time Series
Analysis and Forecasting. Canada : J Wiley
Poole RW. 1974. An Introduction to Quantitative Ecology. Amerika Serikat (US).
McGraw-Hill.Inc
Walpole RE. 1993. Pengantar Statistika Edisi ke-3. Sumantri B, penerjemah
Jakarta(ID): Gramedia Pustaka Utama. Terjemahan dari: Introduction to
Statistics 3rd
Wei WWS. 2006. Time Series Analysis Univariate and Multivariate Methods.
Amerika Serikat(US): Addison-Wesley

13
Lampiran 1 Aplikasi sebaran Poisson pada data banyaknya jaring laba-laba umur
8 MST jenis pertanaman padi konvensional dan organik
(a) Aplikasi Poisson pada data banyaknya jaring laba-laba umur 8 MST jenis
pertanaman padi konvensional
Banyak jaring
laba-laba/m2
0
1
≥2

Px (Peluang
teramati x)
0.871312048
0.12002768
0.00866

Frekuensi
Kuadrat
Amatan (O)
854
118
8

Frekuensi
Kuadrat
Harapan (E)
853.8858
117.6271
8.487067

(O-E)2/ E
1.53 x 10-5
1.18 x 10-3
2.80 x 10-2
2.9150x 10-2
3.841459

(b) Aplikasi sebaran Poisson pada data banyaknya jaring laba-laba umur 8
MST jenis pertanaman padi organik
Banyak jaring
laba-laba/m2
0
1
≥2

Px (Peluang Frekuensi
teramati x)
Kuadrat
Amatan (O)
0.908042
1795
0.087594
180
0.004361
5

Frekuensi
Kuadrat
Harapan (E)
1797.923
173.436
8.64072

(O-E)2/ E

0.0047521
0.2484265
1.5339974
1.787176
3.841459

14
Lampiran 2 Perhitungan nilai U±2SE(U) pada jaring laba-laba jenis pertanaman
padi konvensional umur 10 MST dan 12 MST
(a) Menghitung nilai U±2SE(U), sebaran binom negatif data banyaknya
jaring laba-laba pada pertanaman padi konvensional umur 10 MST
1. Informasi data yang dimiliki

Banyak Jaring labalaba/m2 (X)
0
1
2
3
4
2
= 0.129 ; s = 0.141
2. Menduga

Banyaknya kuadrat
Petak berisi jaring
laba-laba (fx)
865
106
8
0
1

AX
205
9
1
1

(0.129) 2
x2
=
= 1.4156
kawal  2
s  x 0.141  0.129
3. Menghitung dengan persamaan yang didapat dari metode
kemungkinan maksimum secara iteratif.
3.a Ketika = 1.4156 maka
0.129 
 x

N log e 1    (980) log e 1 
  85.4703
 k
 1.4156 

dan


 Ax   205

9

1

1 

  k  x    0.141  1.141  2.141  3.141   149.0654
i 0

Hasilnya 85.4703≠149.0654
3b. Dengan cara yang sama seperti 3.a, maka dicobakan beberapa nilai

k yang memungkinkan. Ketika nilai k
k  9.92 1014 didapat hasil 2.1760x 10-13 ≠ 2.1774 x 10-13
k  9.93 1014 didapat hasil 2.1760 x 10-13 ≠ 2.1752 x 10-13

k  9.9263 1014 didapat hasil 2.1760x10-13 = 2.1760x10-13

Maka k  9.9263 1014
Jika dilihat dari nilai k dengan persamaan yang didapat dari metode
kemungkinan maksimum maka didapat nilai k yang relatif besar
menuju tak hingga.

15
4. Menghitung nilai U±2SE(U)
4.a Menghitung U±2SE(U) dengan nilai = 9.9263 x 1014
x
0.129
 1.2996 1016 , b  1  a  1  1.2996 1016  1
a 
k 9.9263 1014
dan
ba 4
b(1 x a  ( x  b) 
c
2 

b(loge b)  a  


1(1.2996 1016 ) 4

 (1 0.1291(1.29961016 )

1
 (0.129  1)   3.9552 1033
2 
16

(1)(log e 1)  (1.2996 10 )  



 0.1292  
x2 
U  s 2   x    0.141   0.129  
 0.01176
14  
k 

 9.9263 10  

SE (U ) 

  b 2  (log e b)  a(1  2a)  
1 

  c
x
x
a
b

2
(
)



n
(b)(log e b)  a

 


 12  (log e 1)  1.2996 1016 (1  2(1.2996  1016 )) 
1 

16
  3.9552  1033 
2(0.129)  0.129  1.2996  10  (1) 
16
980 
(1)(log e 1)  1.2996 10




 0.00583


Sehingga U ± 2SE(U) terhadap jaring laba-laba jenis pertanaman
konvensional umur 10 MST adalah 0.01176 ± 0.01166
(b) Menghitung nilai U±2SE(U), sebaran binom negatif data banyaknya
jaring laba-laba pada pertanaman padi konvensional umur 12 MST
1. Informasi data yang dimiliki
Banyak Jaring labalaba/m2 (X)
0
1
2
3
4
= 0.2 ; s2 = 0.246
2. Menduga
kawal 

Banyaknya kuadrat
Petak berisi jaring
laba-laba (fx)
819
132
24
4
1

(0.2) 2
x2
=
= 0.8702
s 2  x 0.246  0.2

AX
161
29
5
1

16
3. Menghitung dengan persamaan yang didapat dari metode
kemungkinan maksimum secara iteratif.
3.a Ketika = 0.8702 maka
0.2 
 x

N log e 1    (980) log e 1 
  202.7355
 k
 0.8702 
dan

 Ax   161



29

5

1



  k  x    0,8702  1.8702  2.8702  3.8702   202.5168
i 0

Hasilnya 202.7355 ≠ 202.5168
3b. Dengan cara yang sama seperti 3.a, maka dicobakan beberapa nilai

k yang memungkinkan
k  0.86 didapat hasil 204.91 ≠ 204.81
k  0.85 didapat hasil 207.08 ≠ 207.10
k  0.8515 didapat hasil 206.75 = 206.75

Maka k  0.8515
4. Menghitung nilai U ± 2SE(U)
x
0.2
a 
 0.2349 , b  1  a  1  0.2349  1.2349 dan
k 0.8515
ba 4
b(1 x a  ( x  b) 
c
2 

b(log b)  a  
e



1.2349(10.2 (0.2349)  (0.2  1.2349)   0.2458
2

(1.2349)(loge 1.2349)  (0.2349) 
1.2349(0.2349)4



 0.22  
x2 
U  s 2   x    0.246   0.2  
   0.00101
k 

 0.8515  

SE (U ) 

  b 2  (log e b)  a(1  2a)  
1 

  c

2
x
x
a
(
b
)



n
(b)(log e b)  a

 


 1.23492  (log e 1.2349)  0.2349(1  2(0.2349)) 
1 

  0.2458
2(0, 2)  0.2  0.2349  (1.2349) 
980 
(1.2349)(log e 1.2349)  0.2349




 0.01569


Sehingga U ± 2SE(U) terhadap jaring laba-laba jenis pertanaman
konvensional umur 12 MST adalah -0.00101 ± 0.03139

17
Lampiran 3 Penerapan Poisson dan binom negatif pada data jaring laba-laba jenis
pertanaman padi konvensional umur 10 MST

(a) Aplikasi Poisson pada data banyaknya jaring laba-laba umur 10 MST jenis
pertanaman padi konvensional
Banyak jaring
labalaba/m2( x)
0
1
≥2

Px (Peluang
teramati x)
0.879351
0.113059
0.0075899

Frekuensi
Kuadrat
Amatan (O)
865
106
9

Frekuensi
Kuadrat
Harapan (E)
861.76373
110.79819
7.438071

(O-E)2/ E

0.012153464
0.207789214
0.327991177
0.547933856
3.841459

(c) Aplikasi binom negatif pada data banyaknya jaring laba-laba umur 10
MST jenis pertanaman padi konvensional
Banyak jaring
laba-laba/m2
0
1
2
3
4
≥5

Px (Peluang
teramati x)
0.802191328
0.103482681
0.006674633
0.000287009
9.2560x 10-6
0.08736435

Frekuensi
Kuadrat
Amatan (O)
865
106
8
0
1
0

Frekuensi
Kuadrat
Harapan (E)
786
101.413
6.54
0.28
0.009
85.61706202

(O-E)2/ E

7.9402036
0.2074741
0.3259327
0.28
109.12011
85.617062
203.49078
7.8147279

18

Lampiran 4 Aplikasi binom negatif pada data jaring laba-laba jenis pertanaman
padi konvensional umur 12 MST

Banyak jaring
laba-laba/m2
0
1
2
3
4
≥5

Px (Peluang
teramati x)
0.83556747
0.13532813
0.0238287
0.00430794
0.00078896
0.0001788

Frekuensi
Kuadrat
Amatan (O)
819
132
24
4
1
0

Frekuensi
Kuadrat
Harapan (E)
818.8561
132.6216
23.35213
4.221784
0.773184
0.175224

(O-E)2/ E
2.529 x 105
0.0029135
0.0179742
0.011651
0.0665372
0.175224
0.175224
7.8147279

Lampiran 5 Plot data asli banyaknya jaring laba-laba umur 12 MST konvensional

19

Lampiran 6 Koreologram data asli banyaknya jaring laba-laba umur 12 MST jenis
pertanaman padi konvensional

(a) Plot ACF banyaknya jaring laba-laba umur 12 MST pertanaman padi konvensional

(b) Plot PACF banyaknya jaring laba-laba umur 12 MST pertanaman padi konvensional

20
Lampiran 7 Uji white noise sisaan ARIMA (1,0,2) dari data jaring laba-laba
umur 12 MST jenis pertanaman padi konvensional

(a) Plot ACF sisaan model ARIMA(1,0,2) banyak jaring laba-laba umur 12
MST pertanaman padi konvensional

(b) Plot PACF sisaan model ARIMA(1,0,2) banyak jaring laba-laba umur 12 MST
pertanaman padi konvensional

21
Lampiran 8 Uji normalitas sisaan ARIMA (1,0,2) dari data jaring laba-laba umur
12 MST jenis pertanaman padi konvensional

Lampiran 9 Pengujian parameter beberapa model tentatif banyaknya jaring laba
laba pada jenis pertanaman padi konvensional umur 12 MST
Model
Estimasi
ARIMA Parameter
(1,0,1) μ= 2.75
=-0.33
=0.376
(1,0,2) μ= 2.64
= 0.295
=-0.57

tvalue
10.29
-2.95
2.245
6.97
2.46
-5.25

pAIC SIC SSE
R2Adjusted
value