Gambar 15 dan 16. TampiIan antar muka program model prediksi kejadian penyakil hawar daun pada tanaman kentang. 3.
Pengujian Model
Sebelum hasil model digunakan, sebelumnya hams dilakukan pembandingan antara hasil model dengan hasil observasi lapang, jika hasilnya baik maka dapat dikatakan model yang disusun dapat mewakili keadaan lapang yang sebenarnya. Pada penelitian ini pengujian model dilakukan dengan mengynakan persamaan korelasi dan juga uji t berpasangan, persamaan yang digunakan antara lain: Persamaan korelasi
Dimana: r : Nilai korelasi YI : Nilai model : Rata-rata nilai model Yq : Nilai aktual
N S,I Sy2
: Rata-rata nilai aktual : Jumlah data : Standar deviasi model : Standard deviasi aktual
Uji T Berpasangan
Persamaan yang digunakan pada uji ini adalah:
Dimana :
- : Nilai rata-rats model Y,
&
: Nilai rata-rata aktual
a : Selang kepercayaan n : Jumlah data S, : Standar deviasi dari kedua data dari hasil kalkulasi t d : nilai t-student )11-)12:Beda antara rataan model dan aktual W .HASlL DAM PEMBAHASAN
Proses pertumbuhan tanaman adalah proses perubahan ukuran fisik suatu tanaman yang dapat diukur secara kuantitatif, sedangkan proses perubahan fase tanaman yang lebih bersifat kualitatif disebut juga perkembangan tanaman. Berheda dengan proses pertumbuhan, proses perkembangan tanaman tidak dapat diukur karena seperti yang telah disebutkan bahwa proses ini hersifat kualitatif Kedua proses yang terjadi ini saling berkaitan satu sama lain, sehingga kejadian pada salah satu proses akan mempengaruhi proses lainnya (Ayuba, 2005). Penyakit hawar daun mula-mula menyerang bagian daun tanaman kentang. Kemsakan pada daun akan mengganggu proses fotosintesis tanaman sehingga distsibusi makanan menjadi tidak lancar dan pada akhirnya proses pertumbuhan dan perkembangan tanaman juga akan terganggn, bahkan dapat menyebabkan kelnatian pada tanaman tersebut (Semanyn, 1996).
4.1. Model Pertumbi~handan Perkembangan
Tanaman 1.Umur Tanaman
Terdapat lima fase perkembangan pada tanaman kentang mulai dari awal tanam hingga panen, fase-tersebut antara lain fase muncul tunas, pemhentukan umbi, pengisian umbi, pematangan umbi dan panen. Hasil simulasi model untuk fase perkembangan menunjukkan bahwa waktu yang dibutuhkan untuk perkembangan tanaman kentang di daerah Kuningan pada bulan agustus hingga oktober adalah yang paling cepat yaitu 71 hari, ha1 yang sama juga dapat dilihat pada data observasi dimana umur tanaman paling singkat adalah daerah Kuningan, suhu udara rata-rata untuk daerah tersebut adalah yang tertinggi dibanding daerah lainnya. Hal ini sesuai dengan pendapat Nurmayulis (2005) yang menyatakan bahwa suhu rata-rata dan radiasi surya di suatu daerah mempengaruhi umur tanaman, semakin tinggi suhu rata-rata suatu daerah maka makin cepat pula tanaman mencapai fase panen. Namnn hasil ini diimbangi dengan makin sedikitnya hasil panen yang diperoleh dibandingkan dengan daerah dennan suhn-rata-rata yann . - lebih rendah. Suhu lingkungan juga mempengaruhi
rata-rats
Fase Pada Tanaman Kentang
L '
2
4
3
hasil umbi yang diperoleh, semakin tinggi suhu linakunnan - - maka umbi vann dihasilkan akan semakin kecil bahkan tirkadang tidak terjadi pembentukan umbi Selain itu apabila dikaitkan dengan konsep thermal unit maka ha1 ini sangat sesuai mengingat rumus yang digunakan adalah suhu rata-rata lingku~~gandikurangi dengan suhu dasar tanaman, jadi mttlcin besar suhu rata-rata lingkungan maka waktu yang dibutubkan tanaman untuk memasuki fase perkemhangan selanjutnya akan semakin cepat. Lama periode setiap fase perketnbangan tailaman kentang hasil simulasi model dan perbandingannya terhadap hasil percobaan lapang ditanipilkan pada tabel 3 serta Gambar 17 dan 18. Tabel 3. Perbandingan lama panen
1
5
Fasa
3
4
5
6
Pombariding
Gambar 17 dan 18. perbandigan fase tanaman dan n m ~tanarnan ~r
Tabel 4. Hnsil Uji Korelasi dan Uji T-Berpasangan Untuk Umur Tanaman Model I Observasi Rata-rata 92.5 1 103.17 11.91 1 7.78 SD -3.93 t P value 0.011 0.85 Correlation Dari tabel di atas dapat dilihat bahwa nilai P lebih kecil dari 0.05, sehingga dapat dikatakan
hasil keluaran model dan hasil observasi tidak berbeda nyata. Demikian pula dengan hasil uji korelasi yang bernilai 0.85, ha1 ini menunjukkan bal~wa hasil luaran model dapat menginterpretasikan dengan baik keadaan lapang 2. Produksi Biomassa Tanaman
Produksi biomassa tanaman kentang dipengarulli oleh bebefapa faktor, diantaranya suhu lingkungan, Tanaman kentang
iI
niembutuhkan suhu rata-rata yang relatif rendah agar pertumbuhannya optimal. Oleh karena itu produksi biomassa pada daerah dengan suhu rata-rata lingkungan yaug rendah akan lebih tinggi dibandingkan daerah dengan suhu ratarata yang lebih tinggi. Anonymous (2006) nienyatakan bahwa suhu lingkungan dapat mempengamhi kerja e ~ u i ndalam ~ tumbuhan, pada suhu yang tepat enzim dalam tanaman dapat merangsang pertumbuhan tanaman sehingga produksi biomassa tanaman aka11 ikut meningkat.
Model yang dibuat menrprediksi hasil produksi biomassa tanaman kentang untuk masing-masing organ tanaman, hasil luaran model dibandingkan dengall liasil observasi lapang di daerah Goalpara, perbandingan hasil luaran model dan obseravasi lapang disajikan pada tabel 5, sedaugkan hasil rrji statistik llntuk produksi biomassa tananla11 kentang disajikatr pada tabel 6
Tabel 5. Perbandingan hasil luaran model dengall observasi untuk biomassa tiap organ tanaman di daerah Goalpara
Tabel 6. Perbandingan hasil uji T-berpasangan model dcngan observasi untuk biomassa tiap organ tanatnan di daerah Goalpara
Hasil Uji t berpasangan untuk luaran model dan hasil obsewasi menunjukkan prediksi biomassa daun, batang, akar, dan umbi memiliki liilai tidak berbeda nyata. Hal ini dilihat dari tlilai P-Value (< 0.05) yaitu 0.024, 0.014, 0.002, dan 0.042. Selain ihl nilai korelasi antara luarar~ model dengan hasil observasi cukup tinggi yaitu 0.90, 0.83, 0.74 dan 0.99. Secara statistik, hasil ini menunjukkan bahwa hasil luaran model dapat diterima. Hal ini berarti model prediksi bioinassa daun, batang, akar, dan umbi cukup dapat menginte~pretasikan keaadaali lapanglwilayali observasi.
4.4. Model Prediksi Kejadian Penyakit Sub model pertumbuhan mensimulasikan hasil indeks luas daun (ILD), berat kering total (W,,,,I), dan produksi umbi (WG). Sedangkan sub model precliksi kejadian penyakit mensimulasi waktu kejadian penyakit, dan p e n g a ~ h penyakit terhadap hasil produksi tanaman
4.4.1. Prediksi wabtu Lejadiao penyakit Hasil prediksi waklu kejadian penyakit pada tanaman kentang ciidapat dengan menggunakan asumsi yang telah disebulkan sebelulluiya. Grafik yang rnerrunjukkan kemungkinan (%) terjadinya infeksi pada tanalrlan kentang yang dipengaluhi faktor lingkulrgan hasil luaran
model untuk daerah Goalpara disajikan pada eambar 19
Tabel 7. Perbandingan ILD model dan observasi untuk daerah Goalpara Tanpa Infeksi Terinfeksi I Observas / I Observas Model I Model i
/
/
pGGzq Gambar 19: Prediksi tingkat ser'mgan penyakit hasil keluaran model untuk daerah Goalpara (bulanan) Dari gambar 19 dapat dilihat bahwa serangan penyakit akan makin tinggi pada bulan januari hingga juli atau saat musim hujan tiba, ha1 ini disebabkan karena pada musim hujan tingkat kebasahan daun akan semakin tinggi, diiringi dengan kelembaban relatif yang juga tinggi, selain itu suhu minimum ketika musim hujan umumnya lehih rendah dibandingkan pada musim kemarau. Hal tersehut mempakan faktor yang mendukung perkembangan patogen Phytophthora infestans, sehingga tingkat serangan patogen ini akan semakin tinggi. Pada hasil prediksi model, penyakit hawar daun mulai menginfeksi tanaman pada saat tanaman memasuki fase muncul tunas, berdasar pada data percobaan Sulistiono dengan tanggal tanam 23 mei 2005 penyakit mulai menginfeksi tanaman ketika usia tanaman 21 hari, sedangkan pada hasil observasi lapang, penyakit baru mulai menyerang tanaman pada saat tanaman bemmur 49 hari. Hal ini terjadi karena model tidak memperhitungkan faktor lain selain yang termasuk dalam asumsi dan syarat terjadinya penyakit yang telah diteutukan. Model tidak memprediksi faktor resistensi tanaman terhadap penyakit hawar daun 4.4.2. Indeks Luns Daun
Model yang disusun pada penelitian ini memprediksikan nilai ILD tanaman kentang, model pertama memprediksikan nilai ILD tanpa adanya serangan penyakit hawar daun kentang, sedangkan model kedua memprediksikan nilai ILD ketika tanaman terserang penyakit. Berikut adalah tabel dan graiik hasil pengujian ILD hasil percobaan lapang dengan prediksi model
/
Perbandingan ILD
e z1
'm
lrn
A
Gambar 20.Perbandingan ILD rataan hasil keluaran model dm hasil percobaan lapnng untuk daerah Goalpara
I
PerbandinganILD Setelah InfekslPenyakit
I
Gambar 21.Perbandingaa ILD observasi daerah Goalpara tanpa infeksi dan terkene infcksi Pada gambar dapat dilihat bahwwa serangan patogen dapat mengakihatkan kematian pada tanaman apabila tidak dilakukan langkah penanggulangan bempa penyemprotan hngisida atau langkah preventif lainnya. Fitting ILD antara hasil luaran model dengan hasil observasi hanya dilakukan di daerah Goalpara karena pada penelitian lain yang dijadikan pembanding pada penelitian ini tidak mencantumkan nilai ILI).
1
I
Tabel 8. Hasil Uji Korelasi dan Uji T-Berpasangan Model
Observasi
Rata-rata
VI. DAFTAR PUSTAIL4 0.007 0.93
Dari hasil uji T-berpasangan dan uji korelasi dapat dilihat bahwa nilai P < 0.05 yaitu 0.007, dan nilai korelasi mencapai 0.93, ha1 ini menunjukkan bahwa hasil luaran model dapat mewakili keadaan daerah observasi dengan baik. Tabel 9. Hasil Uji Korelasi dan Uji T-Bemasangan
I
P value Correlation
model dapat digunakan u~ituk memprediksi kejadian penyakit hawar daun pada tanaman kentang
4.13
0.021 0.78
1
Pada tabel di atas nienunjukkan bahwa nilai P sebesar 0.021 dan nilai korelasi sebesar 0.78, ha1 ini menlmjukan bahwa liasil luaran model dapat digunakan untuk memprediksika~i keadaan lapang
Model yang telah disusun pada penelitian ini dapat mensiiilulasikan dengan baik pengaruh unsur cuaca terhadap pertumbuhan dan perkembangan tanaman. Hasil yang didapat pada model pertumbuhan dan perkembangan tanaman menunjukkan hasil tidak berbeda nyata untuk untuk prediksi Biomassa daun, batang, akar, umbi, ILD tanaman dan umur tanaman dengan nilai P diba~vah0.05, sehingga model dapat digunakan untuk mensimulasikan keadaan tanaman berdasar kondisi cuaca yang ada Model kedua memprediksikan waktu kejadian penyakit, yang menunjukkan hahwa penyakit dapat menyerang tanaman pada saat tanaman memasuki fase pel-h~nibuhan hulas, pada tanggal taliam 23 mei 2005 tanaman diprediksi terserang penyakit hawnr daun ketika berurnur 21 hari. Hasil ini berbeda untok setiap tanggal tallam yatlg berbeda. Untuk prediksi ILD setelah terinfeksi terlihat hahwa nilai P sebesar 0.021 clan nilai korelasi sebesar 0.78, ha1 ini berarti basil luaran model tidak berbeda nyata dengan hasil observasi lapang, sehingga
[Anonim]. 1997. Usahatani Keiitang. Badan Penelitian da;? Pengembangan Pertanian. Pusat Penelitian Sosial Ekonomi Pertanian [APS] American Phytopathological Society. 1998. The Irish Potato Famine and the Birth of Plant Pathology. I~ttp://www.apsnet.org/online/featurellatebli t/chapterl/epidemic.litni, [15 juni 20081 [ASPB] American Society of Plant Biologist. The Plant Cell. http://www.plantcell.or~content~vol20/issu e3lcover.dtl [23 rnaret 20081 Abadi, A.L. 2003. Illnu Penyakit Ti~mbuhan3. Bayumedia. Malang Ayuha, U. 2005. Model Simulasi ranaman Kentang, [Skripsi]. Departemen Geofisika Dan Meteorologi Iustitnt Pertanian Bogor. Bogor Bey, A dan Las. 1991. Pengaruh lklim terhadap Hama dan Penyakit 'Tanaman. Di dalam Bey A, editor. Kapita Selekla Dnlam Agromeleorologi. editor Program Shtdi Agrometeorologi Inlitut Pertauian Bogor. Bogor Burton, W.G. 1996. Tlze I'olnlo. H. Veenrnan and Sonen. Holand Ewing, P.C and Struick, E.E. 1995. Crop Pl~ysiologyof Pololo (Solrrn~o~i t~rberos~mi): Respons to Plroto~~eriod and Teinperniwre Relevnril To Crop hfodelling. Kluwer Academic Publisher. London Hall, R. 1995. What Are Hcat Unit o r Growi~zg Degree D~JJS.South Dakota University. South Dakota Hamdani, J.S. 2005. Pe~ig[rruh Musirn Tanam Terl~arlap Pertlnllbuhan dn11 Hasil Ullzbi Kentang Pada Tilrggi Bedengan [Inn Mt~lsa Yarzg Berbeda cli Dataran Medirtnn. Departemen Ilnlu Pertanian. Universitas Padjadjaran. Bandung Handoko. 1994. Dasar Penyusunan dan Aplikasi Model Simulasi Ko~~ipuier Untuk Pertanian. Departenien Geotisika clan Mcteorologi. Institut Pertanian Bogor. Bogor I-Iandoko. 1996 Analisis Sisteln dull Model Sirnulasi I