1
BAB I. PENDAHULUAN
1.1.
Latar Belakang Kebijakan pengendalian hama penyakit tanaman diatur melalui UU dan PP yang
meliputi: 1. Pengendalian hama tanaman padi sawah diatur melalui Keputusan Presiden No. 3 tahun 1986 dan UU No. 12/1992 tentang Sistem Budidaya Tanaman dan Pengendalian Hama dan Penyakit Terpadu (PHT). PHT adalah sistem pengendalian hama dalam konteks hubungan antara dinamika populasi dan lingkungan suatu jenis hama, menggunakan berbagai teknik yang kompatibel untuk menjaga agar populasi hama tetap berada di bawah ambang kerusakan ekonomi (Roja, 2009). 2. Undang-undang No.12 tahun 1992 tentang Sistem Budidaya Tanaman dan PP No. 6 tahun 1995 tentang Perlindungan Tanaman mengamanatkan bahwa pengendalian Organisme Pengganggu Tanaman (OPT) dilaksanakan dengan sistem PHT (BBPOT, 2003). Menurut Lee dkk. (1990) dalam (Pasaribu, 2010) ketidakpastian dalam usaha tani dapat diklasifikasikan menjadi 6 kategori, yaitu (1) faktor alami (kekeringan dan serangan hama penyakit), (2) bencana yang tidak diprediksi (banjir, kebakaran, longsor, letusan gunung api), (3) harga, (4) penguasaan teknologi yang rendah, (5) aksi pihak lain, dan (6) penyebab perorangan. Ketidakpastian tata usaha tani dapat menimbulkan kerusakan lahan dan kegagalan panen sehingga mengakibatkan kerugian yang besar. Kegagalan panen yang disebabkan oleh kekeringan, serangan hama penyakit dan bencana umumnya terjadi secara sporadis di berbagai wilayah, pada waktu yang berbeda namun dampak yang ditimbulkan akan terakumulasi. Gambar 1.1. memperlihatkan besarnya kegagalan panen yang disebabkan oleh faktor alami dan bencana di Indonesia antara tahun 2000 – 2008 (Ha)berdasarkan data dari Direktorat Jenderal Perlindungan Tanaman Pangan tahun 2008 dan BPS 2011 (Pasaribu, 2010).
2
Kegagalan Panen Karena Faktor Alami di Indonesia Tahun 2000 - 2008 600,000
Luas Lahan (Ha)
500,000 417,003 428,590
400,000 300,000 200,000
339,037 299,238
340,577 299,830
336,126
214,597 217,783
Banjir Kekeringan
100,000
Serangan OPT
-
2000 2001 2002 2003 2004 2005 2006 2007 2008 Tahun
Gambar 1. 1 Kegagalan panen yang disebabkan oleh faktor alami (OPT) dan bencana (Ha) (Pasaribu, 2010) Gambar 1.1 memperlihatkan fluktuasi kegagalan panen karena faktor alami antara tahun 2000 – 2008 di Indonesia. luas areal yang terkena serangan OPT, banjir dan kekeringan berfluktuasi dan cenderung meningkat sepanjang tahun yang diikuti peningkatan kehilangan hasil. Banjir dan kekeringan memiliki keterhubungan dengan waktu dan musim sehingga memungkinkan untuk dilakukan antisipasi, sedangkan serangan hama penyakit relatif lebih sulit diantisipasi karena intensitas dan frekuensi serangan OPT dapat berulang. Banjir, kekeringan dan serangan hama penyakit cenderung mendominasi dan meningkat di sepanjang tahun. Serangan OPT tidak terjadi secara mendadak, namun terjadi secara sistematis melalui tahapan dan proses tertentu serta dapat dipantau dengan pengamatan visual. Perubahan sistematis yang dapat digunakan sebagai indikator serangan OPT adalah perubahan warna daun padi menjadi kuning, pangkal batang berubah menjadi berwarna hitam dan dalam kondisi terparah tanaman akan mongering (hopperburn) (Balitbangtan, 2010). OPT menyerang tanaman budidaya pertanian dalam areal yang sangat luas, dalam waktu singkat dan akan berulang di setiap musim (Supriyono, 2006). Hama utama padi antara lain Penggerek BatangPadi (Scirpophaga sp. Wlk), Wereng Batang Cokelat (Nilaparvata lugens Stal.), atau disebut WBC, Tikus(Rattus argentiventer Rob & Kloss), Tungro (Rice tungro bacilliform virus), Blas (Pyricularia grisea), dan Hawar Daun Bakteri (Xanthomonas oryzae) (BBPOT, 2010). Penentuan serangan hama padi dinyatakan dalam Kumulatif Luas
3
Tambah Serangan atau (KLTS) dengan satuan Hektar. KLTS OPT padi di Indonesia dapat dilihat pada Tabel 1.1. Tabel 1. 1 Jenis organisme penyakit padi dan luas serangan di Indonesia (Ha) (Sumber : BBPOPT Departemen Pertanian, 2010) Hama
KLTS MH.2009/2010
Penggerek Batang Padi (Scirpophaga sp. Wlk) Wereng Batang Cokelat (Nilaparvata lugens Stal.) Tikus (Rattus argentiventer Rob & Kloss) Tungro (Rice tungro bacilliform virus) Blas (Pyricularia grisea) Hawar Daun Bakteri (Xanthomonas oryzae)
54.846 30.342 82.603 4.390 7.290 31.851
KLTS MK. 2010 80.104 96.498 79.544 5.672 9.423 44.281
Keterangan : KLTS MH : Kumulatif Luas Tambah Serangan Musim Hujan KLTS MK : Kumulatif Luas Tambah Serangan Musim Kering
Pada Tabel 1.1. diperlihatkan jenis organisme penyakit padi dan kumulatif luas tambah serangan di musim hujan (KLTS MH) dan musim kemarau (KLTS MK) di Indonesia dalam satuan Ha pada tahun 2009/2010. Hama WBC meningkat secara drastis dalam satu musim tanam yaitu dari 30.342 Ha menjadi 92.498 Ha. Peningkatan secara drastis populasi WBC di Indonesia, menurut Southwood (1977) dalam (Iman dan Priyatno, 2001) karena hama WBC memiliki kemampuan mobilitas yang tinggi dari satu lokasi menuju lokasi sekitarnya,
kemampuan adaptasi terhadap lingkungannya secara cepat dan regenerasi
individu yang sangat tinggi. Karakteristik mobilitas, kemampuan adaptasi dan regenerasi yang tinggi di Indonesia menyebabkan serangan WBC secara meluas sejak tahun 1961 sampai dengan 2010 seperti dapat dilihat pada Tabel 1.2. Tabel 1. 2 Luas serangan WBC di Indonesia dari tahun 1961 – 2010 (Ha) (Sumber : Baehaki, 2010) Dasawarsa 1961 – 1970 1971 – 1980 1981 – 1990 1991 – 2000 2001 – 2010
Luas Kerusakan Padi (Ha)
52.000 3.093.593 458.038 312.610 351.748
Pada Tabel 1.2. terlihat bahwa luas kerusakan padi akibat serangan WBC terjadi pada setiap dasawarsa. Luas kerusakan padi terlihat fluktuatif namun cenderung mengalami peningkatan. Wilayah yang mengalami serangan tertinggi WBC pada tahun 2010 – 2012
4
menurut Direktorat Tanaman Pangan Departemen Pertanian RI adalah Provinsi Jawa Tengah, Jawa Barat dan Jawa Timur dengan besaran yang diperlihatkan pada Gambar 1.2.Serangan WBC dihitung dalam satuan Ha disetiap Musim Tanam (MT) mulai Kumulatif Luas Tambah Serangan Musim Tanam dari 2010 sampai dengan 2012 (KLTS MT). Wilayah Serangan WBC Terbesar di Indonesia 2010 - 2012 140,000
121,853
120,000
Hektar
100,000 80,000 60,000 40,000 20,000
50,721
Jabar 26,792 30,406 22,615
23,192 21,889 5,158
2,176
KLTS MT 2010
KLTS MT 2010/2011
KLTS MT 2011
Tahun
Jateng 337 1,390 905 Jatim KLTS MT 2011/2012
Keterangan : KLTS MT : Kumulatif Luas Tambah Serangan Musim Tanam
Gambar 1. 2 KLTSWBC terbesar di Indonesia tahun 2010 – 2012 (Ha) (Sumber : Direktorat Tanaman Pangan Departemen Pertanian RI, 2012) Pada Gambar 1.2. terlihat terjadinya fluktuasi luas wilayah serangan WBC dan kecenderungan peningkatan setiap tahunnya. Menurut data Balai Perlindungan Tanaman Pangan dan Hortikultura (BPTPH) Provinsi Jawa Tengah, luas serangan WBC sejak tahun 2007 meningkat. Peningkatan tersebut memiliki keterhubungan dengan beberapa faktor yaitu: (1) pola tanam kurang teratur dalam satu hamparan, (2) varietas tidak tahan WBC, (3) penggunaan pestisida, dan (4) curah hujan tinggi (Gambar 1.3). Beberapa sumber literatur menyatakan bahwa peningkatan luas serangan WBC disebabkan oleh populasi WBC yang tinggi. Populasi WBC yang tinggi pada suatu hamparan disebabkan oleh beberapa faktor yaitu: (1) biotipe, (2) varietas, (3) pola tanam, (4) insektisida dan (5) iklim (Baehaki, 2011 ; Dharmasena dkk., 2000 ; Susanti dkk., 2010 ; Olanrewaju, 1998 ; Win dkk., 2011).
5
Serangan WBC di Provinsi Jawa Tengah tahun 2007 – 2011
Luas Serangan (Ha)
60,000
50,390
50,000 40,000
32,066
30,000 19,838 20,000 10,000
6,375
3,249
2007
2008
2009
2010
2011
Tahun
Gambar 1. 3 Serangan WBC di Provinsi Jawa Tengah tahun 2007 – 2011 (Sumber : BPTPH Provinsi Jawa Tengah) Populasi WBC yang tinggi berdampak terhadap persaingan makanan sehingga mendorong setiap individu untuk melakukan proses migrasi. WBC dapat melakukan proses migrasi dalam jarak geografis yang jauh karena memiliki kemampuan terbang dengan kecepatan 5-11 m/detik dan ketinggian 1000 – 3000 meter mengikuti aliran angin musiman (Monsoon) (Wada dkk., 2008 ; Seino dkk., 1987). Aktivitas migrasi dan distribusi populasi WBC dari satu tempat menuju ke tempat lain akan menyebabkan perubahan struktur spasial dan temporal yang kompleks meliputi faktor topografi, iklim, antropogenik dan interaksi biotik (Wang dkk., 2009). Sebagai contoh adalah proses migrasi dan distribusi WBC secara meluas menuju 28 Kabupaten/kota di Provinsi Jawa Tengah dengan wilayah serangan tertinggi meliputi Kabupaten Klaten, Boyolali, Sukoharjo, Sragen, Karanganyar dan Wonogiri (Waluyo, 2012). Aktivitas migrasi dan distribusi populasi WBC disebabkan oleh faktor topografi seperti jaringan irigasi dan faktor iklim (durasi penyinaran matahari, temperatur, curah hujan dan kelembaban) (Win dkk., 2011). Distribusi populasi yang disebabkan oleh faktor antropogenik yaitu perilaku pemupukan dan perilaku penggunaan insektisida. Distribusi populasi yang disebabkan oleh faktor interaksi biotik misalnya kemampuan regenerasi di wilayah yang beriklim sedang hanya dapat terjadi 3 generasi, sedangkan ketika bermigrasi ke wilayah tropis mampu bereproduksi sampai dengan 12 generasi setiap tahun (Bottrell, 2012). Sebagai upaya untuk mendeteksi dan memprediksi distribusi populasi OPT dalam ruang dan waktu tertentu Kementerian Pertanian RI mengembangkan sistem prediksi hama dan penyakit tanaman pangan & hortikultura dibawah koordinasi Direktorat Jenderal Bina
6
Produksi Tanaman Pangan Balai Besar Prediksi OPT (BBPOPT). Prediksi OPT merupakan bagian penting dalam program dan kegiatan penerapan PHT dalam kegiatan perencanaan ekosistem yang tahan terhadap gangguan OPT (budidaya tanaman sehat). Sasaran prediksi OPT yaitu: (1) menduga kemungkinan timbulnya OPT, (2) mendeteksi dan memprediksi populasi/serangan dan kerusakan yang ditimbulkan OPT, dan (3) menduga kerugian atau kehilangan hasil akibat gangguan OPT. Tujuan yang hendak dicapai adalah memberikan informasi tentang populasi, intensitas serangan, luas serangan dan penyebaran OPT pada waktu yang akan datang (Deptan, 2006). Prediksi distribusi populasi OPT dengan memanfaatkan sistem informasi geografis (SIG) sebagai perangkat bantu visualisasi wilayah endemik telah banyak dilakukan. Xiaofang dkk. (2008) membangun SIG untuk peringatan dini hama penyakit WBC menggunakan data historis iklim dan serangan WBC. Metode prediksi yang dipergunakan dalam penelitian ini adalah regresi linier, dan menghasilkan luaran pemetaan wilayah resiko yang divisualisasikan dalam bentuk grafik, tabel dan peta. Kleinhenz dkk. (2010) membangun sistem pemantauan dan peringatan dini serangan WBC menggunakan data historis komoditas pertanian dan WBC dan metode interpolasi spasial. Luaran yang dihasilkan adalah : (1) model pertumbuhan populasi WBC, (2) model invasi lokal WBC dan (3) model visualisasi multi scale. Dminic dkk. (2010) melakukan penelitian pemanfaatan SIG untuk melihat dinamika spasial ekologi dan biologi hama penyakit tertentu dalam pengelolaan hama terpadu menggunakan metode geostatistic. Hasil penelitian ini dapat bermanfaat dalam menentukan wilayah resiko serangan hama tertentu berdasarkan pola spasial distribusi serangan. Dasi dkk. (2005) melakukan penelitian dan pengembangan sistem prediksi distribusi spasial populasi hama penyakit tanaman menggunakan metode geostatistic. Tujuan yang hendak dicapai adalah membangun SIG yang dilengkapi dengan analisis semivariogram dan kriging, yaitu peta interpolasi nilai variabel observasi pada lokasi yang belum diketahui. Variabel yang menjadi fokus penelitian adalah kepadatan populasi hama penyakit tanaman yang tertangkap dalam lampu perangkap di seluruh wilayah studi. Hasil penelitian didistribusikan setiap minggu kepada stakeholders untuk mendapatkan rekomendasi tindakan preventif. Analisis peta yang dihasilkan memungkinkan untuk merencanakan tindakan strategis di wilayah mana populasi hama penyakit besar dan melampaui ambang batas yang ditoleransi. Rekomendasi lainnya adalah melakukan komunikasi dengan para petani dan langkah penyemprotan bahan kimia sesuai dengan ukuran kepadatan populasi. Penelitian prediksi OPT dengan memanfaatkan SIG di Indonesia telah dilakukan diantaranya adalah sistem prediksi menggunakan metode Bayesian (Wahyono & Subanar,
7
2012) dan prediksi WBC menggunakan metode Regresi Liner (Susanti dkk., 2010). Ditinjau dari metode prediksi yang digunakan dalam penelitian OPT seperti dalam literatur (Xiaofang dkk., 2008 ; Kleinhenz dkk., 2010 ; Dminic dkk., 2010 ; Dasi dkk., 2005 ; Wahyono & Subanar, 2012 ; Susanti dkk., 2010) belum dapat memberikan informasi prediksi wilayah endemik berdasarkan pada dinamika distribusi populasi dan konektivitas spasial antar wilayah serangan WBC. Untuk mengatasi kelemahan tersebut maka diusulkan penelitian prediksi wilayah endemik WBC berdasarkan pada konektivitas spasial menggunakan kombinasi metode Exponential Smoothing dan Spatial Autocorrelation.
1.2.
Rumusan Permasalahan Berdasarkan hasil studi literatur, sampai saat ini belum pernah ada penelitian yang
membahas tentang eksplorasi dan distribusi serangan, konektivitas spasial dan dinamika serangan WBC. Pada penelitian ini dirumuskan tiga permasalahan mendasar yaitu: Pertama, menyusun kerangka konseptual dan metode untuk menentukan endemisitas WBC berdasarkan pada konektivitas spasial elemen luas serangan, curah hujan dan populasi predator di wilayah studi. Konsep eksplorasi, analisis, visualisasi dan representasi konektivitas elemen spasial menggunakan pendekatan Exploratory Spatial Data Analysis (ESDA) khususnya Spatial Autocorrelation. Konektivitas elemen spasial dalam konteks ini adalah keterhubungan topologi antara lokasi serangan WBC suatu wilayah dengan wilayah tetangganya. Kedua, menyusun kerangka konseptual dan metode prediksi elemen spasial luas serangan WBC, curah hujan dan varietas di wilayah studi menggunakan Exponential Smoothing. Hasil prediksi elemen spasial selanjutnya akan digunakan untuk menentukan konektivitas menggunakan Spatial Autocorrelation menghasilkan pola spasial luas serangan, iklim dan predator. Ketiga, menyusun kerangka konseptual dan metode prediksi Exponential Smoothing dan Spatial Autocorrelation untuk analisis dan interpretasi dinamika populasi, pola migrasi dan distribusi populasi WBC.
1.3.
Batasan Penelitian Pembatasan penelitian dilakukan agar fokus penelitian tetap terarah pada rumusan
permasalahan. Faktor yang menjadi batasan dalam penelitian adalah sebagai berikut : 1.
Data yang digunakan dalam penelitian ini menggunakan data hasil surveillance Laboratorium PHP-OPT Wilayah V Surakarta di 120 kecamatan. Selama ini Dinas
8
Pertanian menggunakan data tersebut untuk melakukan prediksi dan pemetaan serangan OPT. Penggunaan data yang sama bertujuan agar tidak perlu dilakukan perubahan prosedur surveillance
apabila di
masa
mendatang metode
yang ini
akan
diimplementasikan. 2.
Wilayah penelitian difokuskan pada kabupaten yang mengalami endemik tinggi WBC di Jawa Tengah pada tahun 2010 yang meliputi Kabupaten Klaten, Wonogiri, Sragen, Sukoharjo, Karanganyar dan Boyolali. Wilayah ini merupakan lumbung beras nasional dan
perulangan terhadap serangan WBC seperti pada tahun 2009/2010 akan
mempengharuhi stabilitas ketahanan pangan nasional. 3.
Objek spasial yang menjadi indikator penting dalam penentuan migrasi lokal WBC dan penentuan endemisitas berdasarkan pada konektivitas spasial adalah data luas tambah serangan (LTS) dalam satuan Hektar.
4.
Data curah hujan yang digunakan pada penelitian ini adalah data curah hujan yang diambil oleh Lab. PHP V Surakarta tepat dari lokasi pengambilan sampel di wilayah studi, sehingga dapat mewakili karakteristik lingkungan setempat. Data kelembaban dan suhu udara tidak dipantau karena tidak tersedia peralatan pemantauan yang memadai. Data kelembaban dan suhu udara hasil pemantauan BMKG tidak dapat digunakan karena stasiun pemantauan tidak berada di lokasi pengambilan sampel sehingga tidak dapat mewakili karakteristik wilayah studi. Data perilaku petani yang dianalisis meliputi data varietas tanaman dan perilaku penyemprotan. Data predator mempergunakan data hasil pengamatan dari Lab. Entomologi Faperta UGM dan Laboratorium Balai Besar Pengamatan Organisme Pengganggu Tanaman Provinsi Jawa Tengah.
5.
Data spasial yang digunakan dalam penelitian adalah data peta wilayah studi dengan satuan terkecil adalah kecamatan. Data peta dasar berbentuk shape files (format ArcView ESRI) dengan variabel dasar dalam peta meliputi Polygon ID, koordinat wilayah studi, kecamatan dan kabupaten.
6.
Pembuatan prototype untuk membuktikan konsep dan metode yang telah disusun menggunakan perangkat lunak R, yaitu perangkat lunak komputasional berbasis opensource yang dikeluarkan oleh R-cran.project.
1.4. Tujuan Penelitian Tujuan yang hendak dicapai dalam penelitian ini adalah: 1.
Melakukan prediksi wilayah endemik WBC menggunakan pendekatan Exponential
9
Smoothing - Spatial Autocorrelation melalui eksplorasi, analisis dan visualisasi konektivitas spasial elemen luas serangan, curah hujan dan populasi predator pada skalabilitas lokal, lanskap dan regional. 2.
Melakukan prediksi dinamika populasi, pola migrasi dan distribusi populasi WBC menggunakan metode Exponential Smoothing - Spatial Autocorrelation.
3.
Menghasilkan metode dan prosedur baru untuk memprediksi wilayah endemik WBC berdasarkan pada dinamika populasi dan pola migrasi dengan pendekatan Exponential Smoothing - Spatial Autocorrelation.
1.5.
Hipotesis Penelitian Tujuan penelitian ini adalah untuk melakukan validasi dari hipotesis berikut ini:
Wilayah endemik WBC dapat diprediksi berdasarkan pada konektivitas elemen spasial suatu wilayah dengan wilayah tetangganya baik pada skalabilitas lokal, lanskap dan regional. Prediksi konektivitas objek spasial dapat dilakukan menggunakan metode Exponential Smoothing & Spatial Autocorrelation. Prediksi konektivitas membentuk pola spasial, dinamika populasi dan arah migrasi lokal yang merupakan indikator penentuan wilayah endemik WBC. Pada penelitian ini hipotesis akan diuji dan dibuktikan validitasnya. Beberapa bukti yang dapat menguatkan hipotesis tersebut adalah sebagai berikut : 1.
Pengukuran dan pemetaan wilayah endemik WBC sulit dilakukan secara langsung, untuk itu diperlukan analisis terhadap berbagai variabel yang berkorelasi dengan serangan WBC. Pola spasial periode migrasi lokal, predator, varietas dan iklim dapat bermanfaat sebagai indikator endemisitas suatu wilayah.
2.
Secara teoritik pola distribusi elemen spasial (penyakit, spesies target, wilayah endemik) akan menghasilkan peta pola spasial (spatial pattern). Distribusi spasial bermanfaat dalam merepresentasikan wilayah resiko dengan sasaran observasi populasi beresiko, efek hierarki dan efek tetangga. Pada penelitian ini penentuan wilayah resiko dilakukan menggunakan efek tetangga, yaitu wilayah yang berdekatan/dikelilingi wilayah lain dalam ruang geografis tertentu.
3.
Pembuktian hipotesis dilakukan melalui 3 langkah yang merupakan konsep dasar dalam penelitian ini yaitu (1) Spatial Proximity, (2) Spatial Autocorrelation dan (3) Exponential Smoothing.
4.
Metode prediksi Exponential Smoothing digunakan untuk memprediksi kejadian dimasa depan dengan dasar pemikiran bahwa sebagian besar data pertanian termasuk dalam jenis pola data yang khas, yaitu stasioner (horizontal), musiman (seasonal), siklik
10
(periodic)
dan
kecenderungan
(trend).
Hasil
prediksi
selanjutnya
dianalisis
menggunakan metode Spatial Autocorrelation.
1.6.
Keaslian dan Kontribusi Penelitian Identifikasi keaslian penelitian dilakukan melalui perbandingan survey literatur.
Perbedaan penelitian yang diusulkan dibandingkan dengan penelitian lain dapat ditinjau dalam tiga kategori, yaitu: (1) kombinasi antara metode prediksi dan identifikasi pola spasial, (2) analisis konektivitas spasial untuk penentuan migrasi lokal, (3) pemanfaatan metode ini untuk identifikasi wilayah endemik WBC. Kontribusi penelitian dirumuskan sebagai berikut: 1.
Kerangka konseptual prediksi wilayah endemik WBC berdasarkan konektivitas spasial elemen luas serangan, curah hujan dan populasi predator di wilayah endemik. Pendekatan yang digunakan dalam penentuan endemisitas adalah eksplorasi, analisis, visualisasi dan representasi konektivitas elemen spasial.
2.
Kerangka konseptual prediksi prediksi elemen spasial luas serangan WBC, curah hujan dan varietas di wilayah studi menggunakan Exponential Smoothing.
3.
Kerangka konseptual prediksi Exponential Smoothing dan Spatial Autocorrelation untuk analisis dan interpretasi dinamika populasi, pola migrasi dan distribusi populasi WBC.
4.
Kerangka konseptual metode dan prosedur baru sistem prediksi wilayah endemik serangan OPT berdasarkan pada pendekatan analisis spasial.
1.7. 1.
Publikasi Hasil Penelitian Publikasi yang telah dilakukan pada penelitian ini adalah sebagai berikut : Publikasi ke 1 berjudul Endemic Outbreaks of Brown Planthopper (Nilaparvata lugens Stal) in Indonesia using Exploratory Spatial Data Analysis dengan author Sri Yulianto J.P., Subanar, Edi Winarko dan Budi Setiyadi Daryono. Publikasi dilakukan pada International Journal of Computer Science Issues, Vol. 9, Issue 5, No 1, September 2012 ISSN (Online): 1694-0814. Indeks publikasi adalah : Google Scholar, Scirus, Scirate.com, Scinetific, Common, Scribd, docstoc, Base, CiteSeer, dblp, Computer Science bibliography, Sensei, DOAJ, Ebsco Host dan Proquest. Fokus pembahasan dalam publikasi ini meliputi 2 hal yaitu: (1) penerapan metode ESDA dalam identifikasi wilayah endemik WBC di Indonesia, dan (2) melakukan perbandingan antara ESDA dengan metode pemetaan wilayah endemik berdasarkan frekuensi serangan WBC yang selama ini digunakan oleh BBPOPT Kementerian
11
Pertanian RI. Hasil eksperimen menunjukkan bahwa metode ESDA lebih representatif karena dapat menunjukkan pola hotspots dan coldspots pada wilayah kecamatan yang bersifat endemik WBC. Berdasarkan hasil eksperimen yang dilakukan dapat diketahui indikasi wilayah endemik pada metode Spatial Autocorrelation Moran‟s I sama dengan metode Spatial Association (G statistic). Distribusi serangan WBC ditentukan oleh pola konektivitas elemen spasial, populasi WBC, curah hujan dan posisi ketetanggaan wilayah. 2.
Publikasi ke 2 berjudul The Prediction of Population Dynamics Based on the Spatial Distribution Pattern of Brown Planthopper (Nilaparvata lugenStal.) Using Exponential Smoothing – Local Spatial Statistics di Journal of Agricultural Science (JAS) dengan author Sri Yulianto J.P., Subanar, Edi Winarko dan Budi Setiyadi Daryono. Publikasi dilakukan pada International Journal of Agricultural Science, Canadian Center of Science and Education USA (Vol. 5, No. 5, Mei 2013) www.ijas.org. Indeks publikasi adalah : Bibliography and Index of Geology, CAB Abstracts, CrossRef, DOAJ, EBSCOhost, Gale's Academic Databases, Google Scholar, Index Copernicus, Journal TOCs, LOCKSS, Open J-Gate, PKP Open Archives Harvester, ProQuest, Standard Periodical Directory, Ulrich's, Universe Digital Package dan WorldCat. Penelitian ini membahas prediksi dinamika populasi WBC di wilayah endemik tinggi Provinsi Jawa Tengah Indonesia. Penelitian dilakukan dengan memodifikasi metode yang diusulkan oleh Legendre dan Fortin (1989), melalui tiga tahap yaitu, pertama memprediksi serangan WBC menggunakan Exponential Smoothing, kedua analisis struktur spasial menggunakan analisis Moran‟s I, Geary‟s C, G dan G statistic (Z) pada Local Statistic, dan ketiga, konektivitas antar prediksi periode musim tanam. Hasil penelitian menunjukkan empat kabupaten yaitu Boyolali, Klaten, Karanganyar dan Sragen mengalami gelombang migrasi lokal dari satu wilayah ke wilayah tetangganya, sedangkan kabupaten lain bersifat independen. Gelombang migrasi terjadi karena dipengaruhi oleh faktor topografi, interaksi biotik dan antropogenik. Ditinjau dari skalabilitas spasial distribusi populasi WBC termasuk dalam kategori lanscape.
3.
Publikasi ke 3 berjudul The Developing of Prediction Method Using Exponential Smoothing and Spatial Autocorrelation for Determining Brown Planthopper (Nilaparvata lugen Stal.) Endemic Areas in Indonesia, dengan author Sri Yulianto J.P., Subanar, Edi Winarko dan Budi Setiyadi Daryono. Publikasi dilakukan pada Journal
12
of Computers Indeks publikasi adalah :Academic Journals Database; Academy Search; BASE; BibSonomy; Cabell - Computer Science/Business Information Systems; CAID – Computer Abstracts International Database; CNKI; CrossRef; CSA; DBLP; Directory of Open Access Journals (DOAJ) - Computer Science; DOI; EBSCO; EI Compendex; Engineering Village 2; EZB; GALE; Genamics JournalSeek; GetCITED; Gold Rush; Google Scholar; INSPEC;
iThenticate; J4F; JAL;
JournalTOCs; NewJour; OAI-PMH Registered Data Providers; OAJSE; OAKList; OCLC; Open J-Gate - Engineering & Technology (JET); Ovid LinkSolver; PASCAL; PKP Open Archives Harvester; ProQuest; PubZone; QCAT; ResearchBib; SCImago; Scirus; SCOPUS; SHERPA/RoMEO; Socolar; The Index of Information Systems Journals; Trove; True Serials; UIUC OAI-PMH Data Provider Registry; ULRICH's Periodicals Directory; WorldCat; WorldWideScience; ZDB; Zentralblatt MATH. Fokus pembahasan dalam publikasi ini meliputi 3 hal yaitu: pertama metode Exponential Smoothing – Spatial Autocorrelation dapat merepresentasikan informasi secara geografis wilayah endemik WBC secara tepat; kedua, prototype yang dikembangkan memberikan informasi prediksi serangan pada satu periode mendatang, prediksi pola spasial populasidan asosiasi antar populasi dalam skalabilitas wilayah; ketiga, usulan metode Exponential Smoothing dan Spatial Autocorrelation memberikan indikasi gelombang migrasi lokal dari satu wilayah kabupaten ke wilayah tetangganya berdasarkan data luas serangan WBC. Gelombang migrasi lokal yang menunjukkan adanya konektivitas spasial meliputi Kabupaten Boyolali, Klaten, Karanganyar dan Sragen; dan keempat, penelitian ini akan memperkuat publikasi yang telah dilakukan sebelumnya bahwa proses distribusi organisme pengganggu tanaman dapat dipelajari berdasarkan konektivitas objek spasial yang meliputi topografi, interaksi biotik dan antropogenik.
1.8.
Sistematika Penulisan Disertasi Penulisan disertasi ini dibagi menjadi delapan bab dan lampiran, terdiri atasbab I
pendahuluan, bab II tinjauan pustaka, bab III landasan teori, bab IV metodologi penelitian, bab V analisis pemetaan wilayah endemik OPT BBPOPT dan metode Exponential Smoothing - Spatial Autocorrelation, bab VI prediksi distribusi spasial WBC menggunakan Exponential Smoothing – Spatial Autocorrelation, bab VII representasi informasi geografi pada wilayah endemik WBC, Bab VIII kesimpulan dan saran. Masing – masing bab diuraikan sebagai berikut :
13
Bab I adalah Pendahuluan, membahas latar belakang penelitian, rumusan permasalahan, batasan pemasalahan, tujuan penelitian, hipotesis penelitian, keaslian dan kontribusi penelitian, publikasi hasil penelitian dan sistematika penulisan. Bab II adalah Tinjauan Pustaka, membahas kemajuan penelitian 3 konsep bidang ini yang meliputi konektivitas spasial, Spatial Autocorrelation, prediksi spasial dan prediksi OPT berbasis Time Series. Bab III adalah Landasan Teori, membahas teori yang berhubungan erat dengan penelitian ini yaitukonsep analisis data spasial,konsep analisis spasial statistika, konsep metode ESDA, konsep Spatial Autocorrelation, konsep Exponential Smoothing, konsep Exponential Smoothing – Spatial Autocorrelation, dinamika populasi dan migrasi WBC, model distribusi populasi WBC, genetika populasi migrasi WBC, profil pertanian dan perkembangan WBC di Provinsi Jawa Tengah serta profil wilayah penelitian. Bab IV adalah Metodologi Penelitian, membahas data penelitian, tahapan penelitian, desain arsitektur prototype, tahapan pembangunan prototype, struktur basisdata, dan definisi akurasi penetapan wilayah endemik. .
Bab V adalah Analisis Pemetaan Wilayah Endemik OPT BBPOPT Dan Metode
Exponential Smoothing - Spatial
Autocorrelation, membahas pemrosesan awal data
penelitian, analisis pemetaan daerah endemik dengan prosedur BBPOPT, prediksi KLTS menggunakan metode Exponential Smoothing, dan analisis pemetaan wilayah endemik menggunakan metode Spatial Autocorrelation. Bab VI adalah Prediksi Distribusi Spasial WBC menggunakan Exponential Smoothing – Spatial
Autocorrelation, membahas pemrosesan awal data penelitian, prediksi distribusi
spasial WBC, visualisasi prediksi distribusi spasial populasi WBC, dan faktor kunci penentuan laju perkembangan WBC. Bab VII adalah representasi informasi geografi pada wilayah endemik WBC. Bahasan pada bab ini adalah model representasi geografi, data penelitian representasi informasi geografi, representasi informasi geografi pemetaan dan prediksi WBC dan jalur migrasi lokal endemik WBC. Bab VIII adalah kesimpulan dan saran, kesimpulan merupakan ringkasan dari hasil yang dicapai dalam penelitian. Pada kesimpulan terdapat jawaban secara ringkas rumusan permasalahan dan hipotesis disertai dengan bukti nyata yang telah dicapai selama proses eksperimen. Saran membahas penelitian lanjutan yang perlu dilakukan di masa mendatang. Daftar Pustaka menyediakan informasi referensi yang digunakan dalam penelitian. Lampiran meliputi data pendukung penelitian dan publikasi hasil penelitian.