Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9
Penggunaan Model Simulasi dalam Penentuan Waktu Tanam Padi di Lahan Pasang Surut Provinsi Jambi Salwati1*), Izhar L1) dan Hernita D1) 1 Balai Pengkajian Teknologi Pertanian Jambi *) Telp. 081366266215 *) Corresponding author:
[email protected] ABSTRACT Farming and rice productivity is strongly influenced by changes in weather and climate. Such changes can be analyzed and predicted further by using the mathematician model. The research aims to elaborate a simulation of crop development, growth, and water balance model in order to obtain optimal rice planting time in tidal swamp land. A field experiment research to carry out the modeling was done in Sibur Naik village, East Tanjung Jabung, Jambi Province. Experiment was conducted from March to November 2014. Results of paired t test between model predictions and field trials (observations) showed no significantly differences (P> 0.05) at the variable of crop age and Leaf Area Index (LAI). Testing of the growth parameters (biomass of roots, stems, leaves, and yield/productivity) showed no significantly differences (P> 0.05). Model simulation of tidal swamp rice in Simbur Naik can simulate the process of each phase of crop development period, production of biomass from each crop body part such as roots, stems, leaves, LAI, and rice yields in accordance to field measurements. Based on graph test of relationship between model predictions and observations yield coefficient of determination (R2) revealed 0.70 each variable tested. Based on validation, simulation model, can mimic the process of each phase of crop development period, biomass production of each organ and rice yields. The model was assumed that soil nutrients in sufficient quantities and was not a limiting factor. Simulation model can be applied to anticipate the impact of temperature rise or changes in precipitation. One options on climate change adaptation is an optimal timing of planting rice in tidal swamp areas. Key words: Rice, Model, Tidal swamp areas, Jambi ABSTRAK Usahatani dan produktivitas padi sangat dipengaruhi oleh perubahan cuaca dan iklim. Perubahan tersebut dapat dianalisis dan diprediksi lebih lanjut dengan menggunakan model. Penelitian bertujuan untuk menyusun model simulasi perkembangan, pertumbuhan, dan neraca air tanaman sehingga diperoleh waktu tanam padi yang optimal di lahan rawa pasang surut. Percobaan lapang untuk menunjang penyusunan model dilakukan di desa Sibur Naik, Kabupaten Tanjung Jabung Timur, Provinsi Jambi. Percobaan dilaksanakan dari Maret - November 2014. Hasil pengujian dengan uji t berpasangan prediksi model dan percobaan lapang (observasi) menunjukkan perbedaan yang tidak nyata (P > 0,05) pada peubah umur tanaman, dan Leaf Area Index (LAI). Pengujian parameter pertumbuhan (biomassa akar, batang, daun, dan hasil/produktivitas) menunjukkan perbedaan yang tidak nyata (P > 0,05). Model simulasi tanaman padi rawa pasang surut di Simbur Naik dapat mensimulasi proses dari setiap periode fase perkembangan, produksi biomassa dari masing-masing organ tanaman berupa akar, batang, daun, LAI, serta hasil tanaman padi sesuai dengan pengukuran lapang. Berdasarkan uji grafik hubungan antara prediksi model dengan observasi menghasilkan koefisien determinasi (R2) besar dari 0,70 setiap peubah yang diuji. Berdasarkan validasi tersebut, model simulasi dapat mensimulasi proses dari setiap periode fase perkembangan, produksi biomassa dari masing-masing organ dan hasil
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9 tanaman padi sesuai dengan observasi. Model yang disusun berasumsi unsur hara tanah dalam keadaan cukup dan bukan merupakan faktor pembatas. Model simulasi yang disusun dapat diaplikasikan untuk antisipasi dampak akibat kenaikan suhu udara atau perubahan curah hujan. Salah satu opsi adaptasi perubahan iklim yang dilakukan adalah penentuan waktu tanam optimal padi di lahan rawa pasang surut. Kata kunci: Padi, Model, Pasang surut, Jambi
PENDAHULUAN Perubahan iklim sangat berpengaruh terhadap sektor pertanian, yang dapat mengakibatkan penurunan produktivitas tanaman (Holden dan Breneton, 2006; Prihantoro, 2008). Perubahan suhu udara dan curah hujan erat kaitannya dengan proses fisiologi tanaman seperti fotosintesis, laju pertumbuhan tanaman, serta keseimbangan kandungan air dan nutrisi hara (Meza et al., 2008). Model simulasi tanaman yang dihubungkan dengan faktor iklim telah diaplikasikan pada berbagai aspek termasuk dalam memprediksi dampak perubahan iklim terhadap sektor pertanian (Handoko et al., 1998). Tanaman padi merupakan salah satu tanaman utama yang sangat terpengaruh oleh perubahan iklim. Kendala lain selain iklim dalam peningkatan produksi padi adalah penurunan lahan subur. Produksi padi pada tahun 2011 mencapai 5.015 ton ha -1. Impor beras Indonesia pada tahun 2010 sebesar 687.581,3 ton (BPS, 2011). Peningkatan produksi padi dapat dilakukan dengan pemanfaatan lahan rawa yang merupakan salah satu jenis lahan marjinal yang berpotensi untuk dikembangkan sebagai lahan budidaya tanaman (Balittra, 2011). Di sisi lain, usahatani padi diduga merupakan sumber pencemaran lahan, air, dan lingkungan yang berasal dari residu pupuk dan pestisida yang berlebihan, serta sebagai penghasil gas rumah kaca (GRK), terutama gas metana (CH4), N2O, CO2 (Wihardjaka et al., 1998; Makarim et al., 1996; Balitpa, 2011). Alternatif peningkatkan produktivitas padi di lahan rawa pasang surut dapat dilakukan melalui adaptasi terhadap perubahan iklim, perbaikan teknik budidaya dan penggunaan bibit bermutu dengan menerapkan inovasi teknologi yang telah dikembangkan melalui penelitian lapang. Namun demikian penelitian lapang memerlukan percobaan proses produksi pertanian yang membutuhkan waktu relatif lama di samping biaya yang cukup tinggi, apalagi jika dilakukan pada berbagai lokasi serta waktu yang berbeda-beda (Handoko, 1994). Proses-proses yang terjadi pada produksi pertanian adalah sesuatu yang berulang, sehingga proses-proses tersebut dapat diidentifikasi untuk selanjutnya diformulasikan menjadi persamaan-persamaan matematik. Persamaan-persamaan matematik tersebut dapat disusun secara sistematis dan terintegrasi dalam suatu model simulasi tanaman untuk menggambarkan serta memprediksi perkembangan dan pertumbuhan tanaman sesuai hasil pengamatan lapang (Handoko, 1994). Model simulasi tanaman padi di lahan rawa yang disusun akan menggambarkan proses perkembangan dan pertumbuhan tanaman, serta proses neraca air seperti pada pengamatan lapang (Handoko, 1996). Jika model telah tervalidasi, model dapat diaplikasikan sebagai alat bantu pengambilan keputusan (decision-support tool) yang meliputi penentuan potensi produksi pada berbagai wilayah sentra produksi padi di Indonesia, pemilihan varietas, pemilihan waktu tanam yang optimum, serta untuk simulasi dampak perubahan iklim terhadap produksi tanaman padi. Penelitian bertujuan untuk menyusun model simulasi perkembangan, pertumbuhan, dan neraca air tanaman sehingga diperoleh waktu tanam padi yang optimal di lahan rawa pasang surut.
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9 BAHAN DAN METODE Percobaan lapang dilakukan di lahan rawa pasang surut Desa Simbur Naik, Kecamatan Muaro Sabak, Kabupaten Tanjung Jabung Timur Provinsi Jambi dengan melibatkan petani koperator, dilaksanakan mulai bulan Maret sampai November 2014. Percobaan lapang atau penanaman padi di lahan rawa pasang surut metode on Farm adaptive research yaitu pengkajian di lahan petani. Komponen teknologi yang diadaptasikan adalah jenis varietas padi di lahan pasang surut dengan dua varietas : 1). Inpara-1 dan 2) Inpara 2, dan jarak tanam dengan sistem tanam jajar legowo (Sijarwo) 2:1 jarak tanam 25 cm x 25 cm dan 4:1 jarak tanam 25 cm x 12.5 cm. Percobaan menggunakan rancangan blok terpisah (split-block design) dengan tiga ulangan, sistem tanam sebagai petak utama. Perlakuan sistem tanam (J) dan varietas (V) adalah sebagai berikut : Sistem Tanam: J1 :Sistem tanam jajar legowo 2:1 dengan jarak tanam 25 cm x 25 cm J2 :Sistem tanam jajar legowo 4:1 dengan jarak tanam 25 cm x 12.5 cm Varietas: V1 : Inpara 1 V2 : Inpara 2 Lokasi penanaman padi merupakan lahan rawa pasang surut, disekitar pematang sawah dibuat saluran air mikro dengan ukuran 20 x 20 cm. Lahan disemprot dulu dengan menggunakan herbisida dosis 6 liter. Setelah gulma bersih lahan diolah dengan menggunakan hand traktor sampai melumpur. Seminggu menjelang tanam lahan diberi kapur dolomit dengan dosis 400 kg/ha dan trichoderma. Untuk menguragi percepatan pertumbuhan gulma dilakukan penyemprotan lahan dengan herbisida pratumbuh Alley. Bibit dipindah setelah berumur tiga minggu di persemaian. Bibit ditanam dengan jumlah 2 - 3 bibit per rumpun menggunakan sistem tanam jajar legowo 2:1 dengan jarak tanam 25 x 25 cm dan 4:1 dengan jarak tanam 25 x 12.5 cm. Pupuk diberikan dengan dosis : 250 kg urea/ha, 200 kg SP-36 /ha dan 100 kg Kcl/ha. Pemupukan diberikan saat tanam, kecuali pupuk urea diberikan 3x karena pupuk ini mempunyai sifat mudah menguap jadi pemberian sekaligus tidak efisien untuk tanaman, maka perlu diberikan bertahap. Pemeliharaan berupa penyiangan dan pengendalian gulma dengan manual dan herbisida efektif. Pengendalian hama burung dilakukan dengan memasang jaring di seluruh areal pertanaman padi. Pengukuran Radiasi Surya dan Kalibrasi Alat.Sebelum alat pengukur radiasi surya dipasang di lokasi penelitian, dilakukan kalibrasi alat yaitu membandingkan setiap alat dengan input radiasi yang sama dengan satuan milivolt (mV). Radiasi surya diukur menggunakan sensor radiasi surya tube solarimeter. Sensor pengukuran radiasi transmisi diletakkan pada ketinggian 5 cm di atas tanah, dan radiasi datang diletakkan pada ketinggian 1 m di atas tempat terbuka. Pengambilan data dilakukan setiap 15 menit dengan 3 kali pencatatan data, kemudian dihitung nilai rata-ratanya Transmisi radiasi diukur dengan menggunakan tube solarimeter yang dihubungkan dengan AVO (Ampere Volt Meter) yang diletakkan di atas dan di bawah tajuk tanaman padi selanjutnya digunakan untuk menghitung koefisien transmisi radiasi surya yang datang pada tanaman tersebut dengan persamaan sebagai berikut : Qτ : radiasi yang ditransmisikan tajuk tanaman (W.m-2) Qo : radiasi surya datang (W.m-2) Leaf Area Indeks (LAI) dihitung dengan persamaan sebagai berikut :
(1) (2)
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9
Koefisien pemadaman tajuk (k) diturunkan berdasarkan Hukum Beer dengan persamaan sebagai berikut : τ = e-k. LAI (3) -k. LAI = Ln τ
(4) (5)
Pengamatan Pertumbuhan, Hasil dan Komponen Hasil. Pengamatan pertumbuhan dilakukan sekali dalam dua minggu sampai tanaman padi dipanen. Pertumbuhan, hasil, dan komponen hasil yang diamati meliputi : tinggi tanaman, jumlah anakan, umur berbunga 80%, umur panen, jumlah malai per rumpun, panjang malai, jumlah gabah per malai, Persentase gabah hampa, bobot 1000 butir kadar air 14%, Hasil gabah per petak dan dikonversi ke hektar, serta jenis dan intensitas hama dan penyakit utama yang menyerang tanaman. Pengukuran biomassa tanaman. Pengukuran biomassa tanaman (akar, batang, daun dan malai) dilakukan bersamaan dengan pengukuran radiasi matahari. Pengukuran biomassa dilakukan melalui pengambilan contoh tanaman dari masing-masing perlakuan dan ulangan. Biomassa tersebut selanjutnya dikeringkan menggunakan oven pada suhu 80 oC selama 24 jam. Contoh tanaman padi diambil secara destructive sampling dari setiap perlakuan dan ulangan secara acak. Lima tanaman dari masing-masing kombinasi perlakuan diambil setiap minggu, kemudian dipisahkan antara akar, batang, daun, dan malai. Biomassa didapatkan dari penimbangan masing-masing bagian tanaman tersebut setelah dikeringkan dalam oven pada suhu 70 oC selama 48 jam. Bobot kering tanaman selanjutnya dihitung per satuan luas dan ditimbang berdasarkan jarak tanam dari masing-masing contoh tanaman yang diambil. Biomassa tanaman dihitung dari berat kering tanaman (akar, batang, daun, dan malai) dibagi dengan jarak tanam (g/m2). Pengukuran Iklim. Unsur-unsur iklim diambil dengan melakukan pemasang alat iklim otomatis/Automatic Weather Station (AWS) di areal pertanaman padi yang ditempatkan di tempat terbuka. Data iklim yang dikumpulkan dari AWS ini terdiri dari : curah hujan (mm), intensitas radiasi surya (MJ.m-2 hari-1), suhu udara (0C), kelembaban udara (%), dan kecepatan angin (m detik -1). Model Simulasi Tanaman. Model yang disusun mempunyai resolusi harian dan terdiri dari tiga sub model, yaitu perkembangan, pertumbuhan, dan neraca air. Masukan model adalah parameter tanah dan tanaman, serta parameter dan peubah luar yaitu unsur-unsur cuaca. Keluaran model terdiri dari peubah dari masing-masing submodel yaitu fase-fase perkembangan tanaman, biomassa organ (batang, daun, biji), LAI, kadar air tanah. Submodel Pertumbuhan Sub model pertumbuhan mensimulasi aliran biomassa aktual hasil fotosintesis ke organ tanaman daun, batang, akar dan malai serta kehilangannya berupa respirasi. Hasil perhitungan berat daun selanjutnya digunakan untuk menduga LAI. Produksi biomassa potensial harian dihitung berdasarkan efisiensi penggunaan radiasi surya yang diintersepsi tajuk tanaman. Hukum Beer-Lambert digunakan untuk menghitung radiasi intersepsi sebagai berikut (Handoko, 1994 ; Koesmaryono dan Sugimoto, 2005) : Qint 1 Qs (6)
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9
e k ILD
(7) Qint adalah radiasi intersepsi (MJm ), Qs radiasi surya di atas tajuk tanaman atau yang terukur di stasiun klimatologi (MJm-2), proporsi radiasi surya yang ditransmisikan tajuk tanaman, k koefisien pemadaman diturunkan dari percobaan lapang berdasarkan nilai ratarata selama sehari, yang selanjutnya dirata-ratakan selama musim pertumbuhan. Produksi biomassa potensial dihitung berdasarkan hasil kali antara efisiensi penggunaan surya () dengan radiasi intersepsi (Q int) : (8) Bb 1 e k ILD Qs -1 -1 Bb adalah produksi biomassa potensial (kg ha d ) dan efisiensi penggunaan radiasi (kg MJ-1) yang dihitung menurut Monteith (1977). dW (9) Q int dW adalah penambahan massa tanaman (g m-2). Produksi biomassa potensial tersebut menganggap ketersediaan air bukan merupakan faktor pembatas. Produksi biomassa aktual dihitung dengan mempertimbangkan ketersediaan air yang dihitung berdasarkan nisbah antara transpirasi aktual (Ta) dengan nilai maksimumnya (Tm). Perhitungan faktor ketersediaan air (fw ) dan produski biomassa aktual (Ba ) adalah sebagai berikut: Ta (10) fw Tm (11) Ba f w Bb -2
Ba dalam kg ha-1 d-1. Model biomassa aktual dibagi antara daun, batang, akar dan malai yang perbandingannya tergantung pada fase perkembangan tanaman (s). Sebagian biomassa masing-masing organ akan berkurang melalui respirasi pertumbuhan (R g) dan respirasi pemeliharaan (Rm) yang dihitung berdasarkan suhu udara dan massa masing-masing organ (McCree, 1970). Pertumbuhan masing-masing organ (x) dihitung dari selisih antara alokasi bahan kering ke organ tanaman dan yang hilang melalui respirasi sebagai berikut : dWx x Ba Rg Rm x 1 k g Ba k m Wx Q10 (12) (13) Q10 2 T 20 / 10 -1 -1 dWx adalah penambahan massa organ x (kg ha d ), Rm, respirasi pemeliharaan (kg ha -1 d1 ), x adalah proposi biomassa yang dialokasikan ke organ x (daun, batang, akar dan malai), Ba koefisien respirasi pemeliharaan, kg koefisien pemeliharaan pertumbuhan dan Wx organ x (kg ha-1). Proporsi biomassa yang dialokasikan pada masing-masing organ (x) dihitung berdasarkan fungsi fase perkembangan tanaman (s) yang didekati secara empiris berdasarkan data pengamatan lapang terhadap pertumbuhan padi. Pada awal pertumbuhan, produksi biomassa hanya dialokasikan ke daun, batang dan akar dengan alokasi terbanyak pada daun. Sampai pembungaan, alokasi biomassa ke daun dan akar berkurang sedangkan alokasi ke batang bertambah dengan fase perkembangan tanaman. Setelah fase pembungaan, seluruh produksi biomassa dialokasikan ke biji. Model Leaf Area Iindeks (LAI) menentukan jumlah radiasi surya dan curah hujan yang diintersepsi tanaman serta transpirasi. LAI dihitung dari pembagian luas daun tanaman padi dengan lahan yang ditutupi daun tanaman padi (kanopi) (Sitompul dan Guritno, 1995): LAI = L/A (14)
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9 L = Luas daun tanaman padi, A= Luas area/lahan yang ditutupi daun, tanaman Padi. Sub model Neraca Air. Komponen neraca air meliputi curah hujan, intersepsi tajuk, infiltrasi, perkolasi, limpasan permukaan, kadar air tanah, evaporasi dan transpirasi. Model ini memerlukan masukan unsur-unsur cuaca harian, yaitu suhu, kelembaban, radiasi surya, kecepatan angin dan curah hujan. Peubah tanaman LAI juga diperlukan yang disimulasi pada submodel pertumbuhan. Parameter lainnya adalah kapasitas lapang, titik layu permanen dan parameter penguapan Ritchie (1972). Perhitungan neraca air dilakukan pada tiap lapisan tanah. Karena evaporasi terjadi pada lapisan permukaan (m=1) maka dibagi menjadi lapisan atas dan bawah sebagai berikut : Lapisan atas (m=1) : t 1 t 1 1 Pct 1 Ist Eat (15.1) Lapisan bawah (m > 1): t m t 1 m Pct m 1 Pct m Trt m (15.2) t menyatakan hari pada saat perhitungan dilakukan. Parameter adalah karakteristik dari unsur model yang bersifat konstan selama masa simulasi atau tergantung pada keadaan sistem. Parameter cuaca ditetapkan berdasarkan hasil pengukuran. Parameter cuaca yang digunakan dalam simulasi tergantung pada perhitungan model, misal perhitungan evapotranspirasi potensial, dan biomassa aktual. Efisiensi penggunaan radiasi diperoleh berdasarkan metode akumulasi biomassa (RUE, g.MJ-1 ; Monteith, 1977). Nilai RUE adalah landaian (slope) dari hubungan antara radiasi yang diintersepsi atau diserap oleh kanopi tanaman dengan bahan kering yang dihasilkan mulai dari tanam dampai panen. Koefisien respirasi pertumbuhan (kg) dan koefisien respirasi pemeliharaan (km) ditetapkan masing-masing sebesar 0,14 dan 0,015 (McCree, 1974). Suhu dasar (T0) ditetapkan sebesar 10 °C. Satuan panas (TU, d°C) diperoleh dari pengamatan pada percobaan pertama menurut periode fase perkembangan sejak dari mulai tanam sampai panen. Kapasitas lapang dan titik layu permanen dibatasi dengan tegangan air tanah masing-masing sebesar ψ = -30 kpa dan ψ = -1,5 MPa. Demikian pula dengan parameter kerapatan ruah (bulk density). Parameter tersebut diperoleh dari hasil analisis laboratorium. Sementara itu, parameter yang berhubungan dengan penguapan, yaitu U dan α ditentukan dari jenis tanah. Langkah dalam kalibrasi adalah mengubah beberapa atau banyak parameter sampai antara nilai pengukuran tidak berbeda nyata dengan nilai dugaan model. Nilai parameter dapat diperoleh melalui pendekatan garis regresi dan bentuk persamaan lainnya. Nilai parameter yang diperoleh tersebut dapat menjadi tidak sesuai jika menggunakan data yang lain. Oleh karena itu, model perlu divalidasi sebelum diaplikasikan menggunakan data selain yang telah digunakan untuk kalibrasi. Validasi dilakukan secara grafis dan uji berpasangan antara data hasil pengukuran dan peubah hasil prediksi model selama periode pertumbuhan. Pengujian secara grafis, dilakukan dengan dua cara, yaitu menurut trend waktu dari peubah yang diprediksi dengan hasil pengukuran lapang, dan membuat plot/garis 1 : 1 antara data prediksi dengan observasi. Perbandingan kuantitatif umumnya terbatas pada suatu regresi linier dari data obeservasi pada data simulasi, garis regresi yang ideal adalah dengan landaian (slope) = 1 dan intersep = 0 (Jones dan Kiniry 1986). Jika kedua data hasil model dan pengukuran tersebut makin berimpit pada garis 1:1 maka model semakin mendekati hasil pengukuran lapang dan semakin jauh dari garis 1:1 maka prediksi model makin kurang tepat. Urutan uji berpasangan adalah sebagai berikut (Steel dan Torrie 1991). Di pi mi (16.1)
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9
D
D
SE t
i
(16.2)
n
2 D 2 Di i n nn 1
(16.3)
D SE
(16.4)
Di dan D adalah rata-rata antara perediksi (p) dan pengukuran (m), SE adalah galat baku dari perbedaan dan t-student. Antara model dengan hasil pengukuran berbeda nyata Nyata bila (P < 0.05) dan tidak nyata bila (P > 0.05). HASIL 1. Desian Model Simulasi Tanaman Padi Model yang didesain mempunyai resolusi harian dan terdiri dari tiga sub model, yaitu submodel perkembangan, submodel pertumbuhan, dan submodel neraca air. Masukan model adalah kadar air tanah dan biomassa awal, parameter dan peubah luar yaitu unsurunsur cuaca. Keluaran model terdiri dari peubah dari masing-masing submodel yaitu fasefase perkembangan tanaman, biomassa organ (akar, batang, daun, dan malai), LAI, kadar air tanah, dan hasil (produktivitas). 2. Parameterisasi Model Model simulasi tanaman padi didesain atau disusun setelah mendapatkan nilai-nilai parameter yang diturunkan dari hasil percobaan lapang pertama di lahan rawa pasang surut desa Simbur Naik, Kecamatan Muaro sabak Kabupaten Tanjung Jabung Timur dan studi literatur. Tabel 1 menunjukkan parameter-parameter yang digunakan sebagai masukan model. 3. Validasi Submodel Pertumbuhan Tanaman padi Validasi submodel pertumbuhan dilakukan dengan membandingkan peubah-peubah prediksi model dengan hasil pengamatan atau pengukuran lapang (Boote et al. 1996). Peubah submodel pertumbuhan yang divalidasi dengan hasil percobaan lapang (observasi) adalah : LAI, biomassa akar, batang, daun, dan biomassa total, serta hasil tanaman padi (produktivitas). Validasi dilkukan dengan membanding hasil model dengan observasi pada kombinasi perlakuan J1V1, J1V2, J1V2, dan J2V2. Tabel 2 menunjukkan hasil uji t berpasangan peubah-peubah antara prediksi model dengan (observasi) pada perlakuan J1V1, J1V2, J1V2, dan J2V2.
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9 Tabel 1. Nilai-nilai parameter yang digunakan dalam menyusun model simulasi tanaman Padi Parameter 1. CUACA Tetapan psikometrik Massa jenis udara Panas laten penguapan Kapasitas panas 2. TANAMAN Radiation-use efficiency Perlakuan J1V1 Perlakuan J2V1 Perlakuan J1V2 Perlakuan J2V2 Luas Daun Spesifik Koefisien pemadaman Koefisien respirasi pemeliharaan Koefisien respirasi pertumbuhan Thermal unit (inpara 1 dan inpara 2) Semai - Tanam Tanam -Tunas maksimum Tunas maksimum Pembungaan Pembungaan - Panen Suhu dasar 3. TANAH Titik layu permanen Kapasitas lapang Tetapan U Tetapan α
Simbo Satuan l γ d air lhv cp
PaoC Kg m-3 MJ kg-1 Pa oC-1
Nilai
Sumber
66,1 1.204 2.454 1.010
Lascano (1991) Lascano (1991) Lascano (1991) Lascano (1991)
RUE gMJ-1 hari- 3,07 1 2,98 -1 g MJ 3,56 hari-1 3,36 -1 g MJ 0,001 hari-1 0,3 g MJ-1 0,015 hari-1 0,14 ha kg-1
Percobaan ini Percobaan ini Percobaan ini Percobaan ini Percobaan ini Percobaan ini Percobaan ini Percobaan ini
TU1 TU2 TU3 TU4 Tb
unitless unitless
204,2 283,0 214,8 463,0 17
Percobaan ini Percobaan ini Percobaan ini Percobaan ini Percobaan ini
TLP KL U α
% % mm mm
10 35 12 5,08
Percobaan ini Percobaan ini Ritchie (1972) Ritchie (1972)
SLA k km kg
hari 0C hari 0C hari 0C hari 0C 0 C
Tabel 2. Uji berpasangan t-student peubah-peubah submodel pertumbuhan Peubah
Satuan Perlakuan J1V1 Submodel Pertumbuhan LAI unitless Biomassa akar kg ha-1 Biomassa batang kg ha-1 Biomassa daun kg ha-1 Biomassa total kg ha-1 Produktivitas ton/ha Perlakuan J1V2
P-Value
Perbedaan
0,541 0,099 0,076 0,068 0,719 0.155
tn tn tn tn tn tn
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9 Submodel Pertumbuhan LAI unitless Biomassa akar kg ha-1 Biomassa batang kg ha-1 Biomassa daun kg ha-1 Biomassa total kg ha-1 Produktivitas ton/ha Perlakuan J2V1 Submodel Pertumbuhan LAI unitless Biomassa akar kg ha-1 Biomassa batang kg ha-1 Biomassa daun kg ha-1 Biomassa total kg ha-1 Produktivitas ton/ha Perlakuan J2V2 Submodel Pertumbuhan LAI unitless Biomassa akar kg ha-1 Biomassa batang kg ha-1 Biomassa daun kg ha-1 Biomassa total kg ha-1 Produktivitas ton/ha
0,097 0,464 0,277 0,891 0,115 0.155
tn tn tn tn tn tn
0,449 0,870 0,610 0,920 0,390 0.155
tn tn tn tn tn tn
0,483 0,095 0,335 0,189 0,172 0.155
tn tn tn tn tn tn
Hasil pengujian dengan uji t berpasangan antara prediksi model dan observasi tanaman padi varietas inpara 1 dan inpara 2 menunjukkan perbedaan yang tidak nyata (P > 0,05) pada semua peubah (LAI, biomassa akar, batang, daun, total, dan produktivitas) yang diuji. Berdasarkan hasil uji t peubah-peubah pada submodel pertumbuhan pada tanaman padi inpara 1 dan inpara 2 menunjukkan bahwa model mampu memprediksi pertumbuhan tanaman sesuai pengukuran lapang (observasi). Pengujian prediksi model biomassa total dengan uji t berpasangan tanaman padi di Simbur Naik menunjukkan prediksi model tidak berbeda nyata dengan observasi. Demikian pula pada uji grafik, sebaran data hasil prediksi model dan observasi banyak menyebar pada garis 1 : 1, dengan nilai R2 lebih dari 0.70. Nilai R2 = 0,7 dapat diinterpretasikan bahwa model dapat mensimulasikan variasi pertumbuhan dan perkembangan tanaman padi sebesar 70% tetapi belum dapat mensimulasi seluruh proses pertumbuhan dan perkembangan (Gambar 4). Pengujian dengan uji t berpasangan menunjukkan produktivitas tanaman padi masing-masing perlakukan di Simbur Naik prediksi model tidak berbeda nyata dengan observasi. Sama seperti LAI, biomassa akar, batang, daun, dan biomassa total model juga mampu memprediksi produktivitas padi varietas inpara 1 dan 2 sesuai hasil pengukuran lapang di Desa Simbur Naik (Tabel 3).
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9
Perbandingan antar prediksi model dan observasi biomassa akar perlakuan J1V1, dan perbandingan plot 1 : 1
tanaman padi
Perbandingan antar prediksi model dan observasi biomassa batang perlakuan J1V2, dan perbandingan plot 1 : 1
tanaman padi
Perbandingan antar prediksi model dan observasi biomassa daun padi perlakuan J2V1, dan perbandingan plot 1 : 1.
tanaman
Perbandingan antar prediksi model dan observasi biomassa total tanaman padi perlakuan J2V2, dan perbandingan plot 1 : 1. Gambar 4. Perbandingan antar prediksi model dan observasi tanaman padi.
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9 Tabel 3. Produktivitas padi hasil percobaan lapang (observasi) di Desa Simbur Naik dan hasil model. Perlakuan Produktivitas (ton/ha) Hasil percobaan lapang (observasi) Hasil model J1V1 3,730 4,035 J1V2 3,644 4,010 J2V1 3,577 3,452 J2V2 3,235 3,838 PEMBAHASAN Tanaman padi merupakan salah satu tanaman utama yang sangat terpengaruh oleh perubahan iklim. Model simulasi tanaman yang dihubungkan dengan faktor iklim telah diaplikasikan pada berbagai aspek termasuk dalam memprediksi dampak perubahan iklim terhadap sektor pertanian tanaman pangan (Handoko et al., 1998). Berdasarkan penelitian dan validasi yang dilakukan, model simulasi tanaman padi dapat mensimulasi proses dari setiap periode fase perkembangan tanaman, produksi biomassa dari masing-masing organ tanaman berupa akar, batang, daun, dan biomassa total, LAI serta produktivitas sesuai dengan pengukuran lapang. Validasi submodel pertumbuhan dilakukan dengan membandingkan peubah-peubah prediksi model dengan hasil pengamatan atau pengukuran lapang (Boote et al. 1996). Setelah validasi maka model dapat diaplikasikan sebagai alat bantu pengambilan keputusan (decision-support tool) yang meliputi penentuan potensi produksi pada berbagai wilayah sentra produksi padi di Indonesia, pemilihan varietas, pemilihan waktu tanam yang optimum, serta untuk simulasi dampak perubahan iklim terhadap produksi tanaman padi (Handoko, 1996). Model simulasi tanaman telah digunakan sebagai alat bantu untuk melakukan prediksi dampak perubahan iklim terhadap sektor pertanian sehingga opsi-opsi adaptasi dapat ditentukan. Salah satu opsi adaptasi terhadap perubahan iklim adalah penentuan waktu tanam yang optimal. Model simulasi tanaman padi yang telah didesain dalam penelitian ini dapat digunakan sebagai alat untuk menentukan waktu tanam yang optimal untuk tanaman padi di lahan rawa pasang surut. Pengaturan waktu tanam dapat meningkatkan produktivitas padi di lahan pasang surut dibanding tanpa pengaturan waktu tanam. KESIMPULAN Dari hasil pelaksanaan kegiatan pada percobaan pertama ini dapat diambil beberapa kesimpulan: 1. Hasil pengujian dengan uji t berpasangan antara prediksi model dan observasi kedua varietas padi di Simbur Naik menunjukkan perbedaan yang tidak nyata (P > 0,05) pada peubah umur tanaman, dan LAI. Pengujian pada parameter pertumbuhan (biomassa akar, batang, daun, dan total), serta hasil (produktivitas) juga menunjukkan perbedaan yang tidak nyata (P > 0,05). 2. Berdasarkan uji grafik hubungan antara prediksi model dengan observasi menghasilkan koefisien determinasi (R2) yang lebih besar dari 0,70 untuk semua peubah yang diuji. 3. Model simulasi tanaman padi rawa pasang surut di Simbur Naik dapat mensimulasi proses dari setiap fase perkembangan tanaman, produksi biomassa dari masing-masing organ tanaman padi berupa akar, batang, daun, dan LAI, serta produktivitas sesuai dengan pengukuran lapang. Model simulasi yang didesain dapat diaplikasikan untuk
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9 menentukan waktu tanam yang optimal dalam rangka antisipasi dampak perubahan iklim terhadap produktivitas padi di lahan rawa pasang surut di Jambi dan di Indonesia apabila telah divalidasi dengan baik. DAFTAR PUSTAKA Badan Pusat Statistik [BPS]. 2011. Statistik Indonesia. Balai Besar Penelitian Padi. 2011. Inovasi Padi Menghadapi Perubahan Iklim. Sinar Tani Edisi 5 - 11 Januari 2011 No.3387 Tahun XLI. Balai Penelitian Tanaman Rawa. 2011. Setengah Abad (1961 – 2011) Balittra “Rawa Lumbung Pangan Menghadapi Perubahan Iklim”. Balittra. Banjarbaru. Boote. K.J., J.W, Jones, N.B. Pickering. 1996. Potential uses and limitions of crop models. J. Agron. 88: 704 – 716. Handoko, I., Y. Sugiarto, Y. Syaukat. 2008. Keterkaitan Perubahan Iklim dan Produksi Pangan Strategis: Telaah kebijakan independen dalam bidang perdagangan dan pembangunan. SEAMEO BIOTROP for Kemitraan partnership. Handoko, I. 1994. Dasar Penyusunan dan Aplikasi Model Simulasi Komputer untuk Pertanian. Geomet FMIPA-IPB. Bogor: 112 hal. Handoko, I. 1996. Analisis Sistem dan Model Simulasi Komputer untuk Perencanaan Pertanian di Indonesia. Materi Pelatihan (tidak dipublikasikan). Bogor 2 – 6 September 1996. Jurursan Geofisika dan Meteorologi. FMIPA. IPB Bogor. Holden, N.M., A.J. Breneton. 2006. Adaptation of water and nitrogen management of spring barley and patato as a response to possible climate change in ireland. J. Agric Water Management 82: 297 – 317. Ismunadji, M., S. Partohardjono, M. Syam, A. Widjono. 1988. Padi (buku-1). Balai Tanaman Padi. Badan Litbang Pertanian. Bogor Jones, C.A., and J.R. Kiniry. 1986. CERES-Maize: A Simulation Model Of Maize Growth And Development. Texas A&M University Press, College Station, Texas, USA. 194pp. Makarim, A.K., P. Setyanto, and A.M. Fagi. 1996. Suppressing methane emission from rainfed lowland rice field in Jakenan, Central Java. Paper presented at the International Symposium on Maximising Sustainable Rice Yield through Improved Soil and Environmental Management, Khon Kaen,. Thailand. Meza, F., D. Silva, H. VigiH. 2008. Climate change impact on irrigated maize in Mediterranean climates : Evaluation of double cropping as an emerging adaptation alternative. J. Agric System 98: 21 – 30. Nasir, A.A., S. Effendy. 2002. Neraca air agroklimatik. Makalah pelatihan bimbingan pengamanan tanaman pangan dari bencana alam. Jurusan Geomet FMIPA IPB. Bogor. Hlm 1 – 23. Poluektov, R.A., and G.A. Topaj. 2001. Crop modelling (nostalgia about present orreminiscence about future). J. Agron 93: 653 – 659. Prihantoro, F. 2008. Dampak Perubahan Iklim dan Antisipasi Masyarakat Lokal. Yayasan Bintari. Semarang. Ritchie., J.T. 1972. Model for predicting evaporation from a row crop with incomplete cover. water resources reseacrh, 8, 1204 – 1213. Steel, R.G.D., and J.H. Torrie. 1991. Prinsip dan Prosedur Statistika: Suatu pendekatan biometrik. Jakarta. PT. Gramedia Pustaka Utama. Supit, I. 1997. Predicting national wheat yields using a crop simulation and trend models. J. Agric for meteorol 88: 199 – 214.
Prosiding Seminar Nasional Lahan Suboptimal 2015, Palembang 08-09 Oktober 2015 ISBN: 979-587-580-9 Suprihatno, B, A. A. Daradjat, Satoto, S. E. Baehaki., Suprihanto, A. Setyono, S.D. Indrasari, I.P. Wardana, H. Sembiring. 2010. Deskripsi Varietas Padi. Balai Besar Tanaman Padi. Subang. Wihardjaka, A., P. Setyanto, dan A.K. Makarim. 1998. Pengaruh penggunaan bahan organik terhadap hasil padi dan emisi gas metana pada lahan sawah. Laporan Tahunan Loka Penelitian Tanaman Pangan, Jakenan. Yin, X., and P.C. Stuik. 2010. Modelling the crop : from system dynamic to systems biology. J. of Exsperimental Botany 61 : 2171 – 2183. Yoshida, S. 1981. Fundamental of rice Crop Science. International Rice Research Institute. Los Banos. Philippines.
