PEMETAAN SAWAH BAKU KABUPATEN SUBANG BAGIAN TIMUR DENGAN CITRA SATELIT ALOS
RINJANI YUSNI MAHARJANTI A14050139
PROGRAM STUDI MANAJEMEN SUMBERDAYA LAHAN DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2009
PEMETAAN SAWAH BAKU KABUPATEN SUBANG BAGIAN TIMUR DENGAN CITRA SATELIT ALOS
RINJANI YUSNI MAHARJANTI A14050139
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Pertanian pada Departemen Ilmu Tanah dan Sumber Daya Lahan
PROGRAM STUDI MANAJEMEN SUMBERDAYA LAHAN DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2009
ABSTRACT RINJANI YUSNI MAHARJANTI. Baseline Rice Field Mapping in Eastern Part of Kabupaten Subang Using The Image of ALOS Satellite. Under the direction of M.A.RAIMADOYA and HIDAYAT WIRANEGARA. The existing production estimation system for rice plant is not optimum yet. Therefore, the change of estimation system from list frame to area frame is needed. The area frame approach begin by using remote sensing with satellite image, where the baseline mapping rice field can be made. The purpose of this research is to map and to identify each single rice field parcel include its perimeter (galengan). This research take place in eastern part of Kabupaten Subang by using ALOS PRISM and ALOS PALSAR satellite imageries. Furtheremore, the resulted digitized rice field map is compared with the existing tabular data. Based on that data analysis, it was found that digitazed rice field map had a significant discrepancies compared to the existing data. Further exercise to reconcile the result is required through village base validation. Key Words: baseline rice field, image of ALOS satellite
ABSTRAK RINJANI YUSNI MAHARJANTI. Pemetaan Sawah Baku Kabupaten Subang Bagian Timur dengan Citra Satelit ALOS. Di bawah bimbingan M.A. RAIMADOYA dan HIDAYAT WIRANEGARA. Sistem estimasi produksi padi yang ada selama ini dinilai kurang dapat memberikan hasil yang optimal. Untuk itu diperlukan perubahan sistem estimasi dari list frame menuju area frame. Perbaikan sistem estimasi menuju area frame ini diawali dengan pemetaan lahan baku sawah. Sistem baru yang sedang dijalankan saat ini adalah dengan memanfaatkan sistem pengindraan jauh dengan menggunakan citra satelit. Penelitian ini bertujuan untuk memetakan dan mengidentifikasi setiap bidang sawah serta memisahkan dengan galengannnya. Penelitian ini dilakukan di Kabupaten Subang bagian timur dengan memanfaatkan citra satelit ALOS PRISM dan ALOS PALSAR. Metode yang digunakan adalah membandingkan data hasil digitasi lahan sawah di Kabupaten Subang bagian timur dengan data yang sudah ada selama ini. Berdasarkan analisis, hasil digitasi dengan data yang ada memiliki ketidaksesuaian. Kata kunci: peta baku sawah, citra satelit ALOS
Judul : PEMETAAN SAWAH BAKU KABUPATEN SUBANG BAGIAN TIMUR DENGAN CITRA SATELIT ALOS Nama : RINJANI YUSNI MAHARJANTI NRP
: A14050139
Menyetujui,
Dosen Pembimbing I
Dosen Pembimbing II
Ir. Mahmud A. Raimadoya, M.Sc.
Ir. Hidayat Wiranegara
NIP. 19510604 197703 1 002
NIP. 19470102 197603 1 002
Mengetahui, Dekan Fakultas Pertanian
Prof. Dr. Didy Sopandie, M.Agr NIP. 19571222 198203 1 002
Tanggal Lulus :
RIWAYAT HIDUP Penulis yang bernama Rinjani Yusni Maharjanti dilahirkan di Bogor pada tanggal 25 Juni 1987, merupakan anak kedua dari dua bersaudara pasangan Ngatidjo dan Zuwaridah. Pada tahun 2002 sampai dengan 2005 penulis menempuh pendidikan Sekolah Menengah Atas di SMA Negeri 1 Bogor. Setelah lulus Sekolah Menengah Atas penulis melanjutkan pendidikan Strata-1 di Institut Pertanian Bogor melalui jalur USMI. Kemudian tahun 2006 masuk dalam mayor Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian dan minor Arsitektur Lanskap, Fakultas Pertanian. Selama menempuh pendidikan di perguruan tinggi, penulis berkesempatan menjadi asisten praktikum mata kuliah Geomorfologi dan Analisis Lanskap dan Sistem Informasi Geografis pada tahun ajaran 2008/2009 serta Pengantar Pengindraan Jauh pada tahun ajaran 2009/2010.
KATA PENGANTAR Segala puji dan syukur ke hadirat Allah SWT atas rahmat dan hidayahNya sehingga penulis dapat menyelesaikan skripsi ini. Penyelesaian skripsi ini dapat terselesaikan dengan baik atas kerjasama, bantuan, dan dorongan dari berbagai pihak. Pada kesempatan ini penulis menyampaikan terima kasih kepada: 1. Keluarga yang sangat saya sayangi dan banggakan, Ibu, Bapa, Mba Odie, Khaylila, Mas Agus, dan Mba Tri yang selalu mendoakan serta memberi dukungannya setiap saat. 2. Bapak Ir. Mahmud Raimadoya, M.Sc selaku dosen pembimbing I yang telah memberikan bimbingan, ilmu, dan motivasi selama penelitian dengan penuh semangat dan kesabaran. 3. Bapak Ir. Hidayat Wiranegara selaku dosen pembimbing II dan Bapak Prof. Dr. Sukandi selaku dosen penguji yang telah memberikan banyak masukan. 4. Bapak Boedi Tjahjono selaku pembimbing akademik dan Bapak Bambang yang telah banyak memberi saran dan dukungannya. 5. Medria sahabat terbaik yang selau ada disaat senang, sedih, dan selalu memberikan motivasi beserta keluarga besar Soewarto Hardhienata yang telah banyak membantu dan memberikan dukungan. 6. Teman-teman mayor MSL angkatan 42 khususnya Sukapti, Miza, Puteri dan Kiki, rekan satu proyek Nadia, teman-teman Minor Arsitektur Lanskap, serta rekan-rekan Laboratorium Pengindraan Jauh dan Interpretasi Citra atas kerjasama dan kebersamaanya selama tiga tahun. Teman-teman online yang selalu memberikan semangat (Devina, Elang, Baqi, Away, Matz, dan Afin). 7. Semua pihak yang telah membantu dan memberikan dukungannya sehingga skripsi ini dapat terselesaikan dengan baik. Semoga skripsi ini dapat memberikan manfaat bagi penulis khususnya dan bagi pembaca umumnya. Bogor, Agustus 2009
Penulis iv
DAFTAR ISI Halaman DAFTAR TABEL................................................................................................. vii DAFTAR GAMBAR ........................................................................................... viii I. PENDAHULUAN 1.1 Latar Belakang............................................................................................... 1 1.2 Tujuan............................................................................................................ 2 II. TINJAUAN PUSTAKA 2.1 Pengindraan Jauh........................................................................................... 3 2.2 Peta dan Sistem Informasi Geografi.............................................................. 3 2.3 BIMAS-21 dan Peta Baku Sawah ................................................................. 5 2.4 Radar ............................................................................................................. 5 2.5 Satelit ALOS ................................................................................................. 6 2.5.1 ALOS PRISM ......................................................................................... 7 2.5.2 ALOS PALSAR...................................................................................... 8 2.5.3 Produk dan Potensi Aplikasi Data ALOS............................................. 10 III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian ..................................................................... 12 3.2 Gambaran Umum Lokasi Penelitian ........................................................... 12 3.3 Data dan Alat Penelitian.............................................................................. 13 3.3.1 Data....................................................................................................... 13 3.3.2 Alat ....................................................................................................... 13 3.4 Pelaksanaan Penelitian ................................................................................ 14 IV. HASIL DAN PEMBAHASAN 4.1 Pengolahan Citra ALOS PRISM dan Seri Citra ALOS PALSAR .............. 17 4.1.1 Pengolahan Citra ALOS PRISM .......................................................... 17 4.1.1.1 Pembagian Kabupaten Subang Menjadi Skala Kecamatan ........... 17
v
4.1.1.2 Digitasi Lahan Sawah di Kabupaten Subang Bagian Timur.......... 22 4.1.1.3 Pengambilan Daerah Cropping Sample ......................................... 26 4.1.2 Pengolahan Citra ALOS PALSAR ....................................................... 30 4.2 Perhitungan Jumlah Petak Sawah, Total Luas Lahan Sawah, Rata-rata Luas Lahan per Petak, dan Perubahan Fase Tanam..................... 34 V. KESIMPULAN DAN SARAN 5.1 Kesimpulan.................................................................................................. 40 5.2 Saran ............................................................................................................ 40 DAFTAR PUSTAKA ........................................................................................... 41 LAMPIRAN.......................................................................................................... 42
vi
DAFTAR TABEL Halaman Tabel 1. Keterangan umum ALOS.......................................................................... 6 Tabel 2. Karakterisasi PRISM................................................................................. 8 Tabel 3. Karakteristik PALSAR ........................................................................... 10 Tabel 4. Produk Data Standar – PRISM ............................................................... 10 Tabel 5. Produk Data Standar – PALSAR ............................................................ 11 Tabel 6. Luas Tanah Menurut Kecamatan di Kabupaten Subang Tahun 2007 (Ha) ..................................................................................... 34 Tabel 7. Jumlah Petak Sawah, Luas Sawah, dan Rata-rata Luas per Petak di Tiga Daerah Kajian............................................................................. 35 Tabel 8. Luas Penen, Rata-rata Produksi dan Jumlah Produksi Padi Sawah di Kecamatan Ciasem ............................................................................. 35 Tabel 9. Fase Tanam Tanaman Padi ..................................................................... 37 Tabel 10. Luas Sawah Berdasarkan Fase Tumbuh dalam Ha............................... 38
LAMPIRAN Lampiran 1. Tabel Perhitungan Jumlah Petak, Luas Lahan Sawah, dan Luas Rata-rata per Petak ........................................................... 43 Lampiran 2. Tabel Fase Tanam Tanaman Padi..................................................... 48
vii
DAFTAR GAMBAR Gambar 1. Instrumen PRISM.................................................................................. 7 Gambar 2. Prinsip Geometri dari PRISM ............................................................... 8 Gambar 3. Instrumen PALSAR .............................................................................. 9 Gambar 4. Prinsip Geometri dari PALSAR............................................................ 9 Gambar 5. Diagram Alir Penelitian ...................................................................... 16 Gambar 6. Tampilan View Window ...................................................................... 17 Gambar 7. Tampilan Kotak Dialog Extensions..................................................... 18 Gambar 8. Tampilan Data pada View Window ..................................................... 19 Gambar 9. Lembar Citra ALOS PRISM untuk Pulan Jawa.................................. 19 Gambar 10. Lembar Citra ALOS PRISM untuk Kabupaten Subang.................... 19 Gambar 11. Tampilan Query Expression untuk Mencari Kecamatan .................. 20 Gambar 12. Layout Hasil Citra ALOS PRISM dengan Batas Kecamatan ........... 21 Gambar 13. Tampilan Kotak Dialog Memilih Poligon......................................... 22 Gambar 14. Tampilan Menentukan Satuan Panjang............................................. 22 Gambar 15. Tampilan Menentukan Batas Toleransi pada Theme Properties ...... 23 Gambar 16. Layout Hasil Digitasi Lahan Sawah di Kabupaten Subang Bagian Timur ............................................................................................... 24 Gambar 17. Layout Hasil Digitasi Lahan Sawah di Kabupaten Subang............... 25 Gambar 18. Tampilan Kota Dialog Select By Theme untuk Melakukan Intersect 26 Gambar 19. Tampilan Field Calcolator untuk Menghitung Luas Poligon........... 27 Gambar 20. Tampilan Tabel Luas Poligon pada Atribut Tabel ............................ 27 Gambar 21. Layout Hasil Digitasi Lahan Sawah di Kecamatan Ciasem.............. 28 Gambar 22. Layout Hasil Digitasi Lahan Sawah di Desa Sukahaji...................... 28 Gambar 23. Layout Hasil Digitasi Lahan Sawah di Desa Pinangsari ................... 29 Gambar 24. Layout Hasil Digitasi Lahan Sawah di Desa Sukamandijaya ........... 29 Gambar 25. Tampilan Daerah Cropping sample pada Citra ALOS PALSAR Periode Juni 2007............................................................................. 30 Gambar 26. Tampilan Overlay ALOS PALSAR Juni 2007 dengan ALOS PALSAR September 2007 ............................................................... 31 Gambar 27. Tampilan Overlay ALOS PALSAR September 2007 dengan ALOS PALSAR Oktober 2007 ................................................................... 31
viii
Gambar 28. Tampilan Legend Editor pada Theme Hasil Overlay Dua Periode Citra ALOS PALSAR...................................................................... 32 Gambar 29. Tampilan Desa Sukahaji sebagai Daerah Percontohan untuk Penentuan Fase Tanam .................................................................... 33 Gambar 30. Tampilan Menentukan Fase Tumbuh Pada Setiap Poligon .............. 33 Gambar 31. Diagram Perbandingan Luas Lahan Sawah ...................................... 38 Gambar 32. Diagram Perbandingan Fase Tanam ................................................. 38
ix
I. PENDAHULUAN 1.1 Latar Belakang Pengindraan jauh yang berawal pada tahun 1960-an kegiatannya mencakup penelitian serta analisis foto udara multispectral scanner dan digitalisasi dari foto udara yang diambil dengan sensor kamera. Kemudian berkembang dengan pesat sejak diluncurkannya satelit ERTS (Earth Resources Technology Satellite) pada tahun 1972 yang memungkinkan pengumpulan dan analisis permukaan bumi dalam jumlah besar. Beberapa penerapan pengindraan jauh adalah dalam mitigasi bencana, intelejen atau militer, serta inventarisasi dan pemantauan sumberdaya alam terutama dalam bidang pertanian. Dalam bidang pertanian terdapat tiga isu pangan dan energi yang sedang dihadapi, yaitu (1) perbaikan estimasi produksi padi dari berbasis daftar (list frame) menuju berbasis area (area frame), (2) pemetaan lahan baku sawah terkait lahan pangan abadi, dan (3) laju ekstensifikasi lahan kebun sawit terkait perubahan iklim (deforestrasi) yang dapat mengancam lahan pertanian pangan. Perbaikan sistem estimasi menuju area frame ini diawali dengan pemetaan lahan baku sawah. Selama ini hanya diketahui angka luasan areal sawah (list frame) tanpa mengetahui letak pasti di mana lahan pertanian tersebut berada. Selain itu pemetaan sawah menggunakan GPS (Global Positioning System) yang selama ini dilakukan membutuhkan banyak biaya dan tenaga karena prosesnya sebagian besar berlangsung di lapang. Hasil pengecekan lapang menggunakan GPS juga memiliki keakurasian yang rendah, tidak sedikit lahan sawah yang terlewatkan karena berada dalam daerah yang terpencil dan sulit dijangkau petugas lapang. Untuk itu diperlukan sistem baru dalam pemetaan sawah yang lebih akurat dan hasilnya dapat dimanfaatkan dalam jangka waktu yang lebih lama. Pemetaan lahan baku sawah menggunakan sistem pengindraan jauh telah dilaksanakan tahun 2005 untuk seluruh Jawa dengan citra resolusi medium Landsat-ETM. Pemetaan dalam ruang lingkup lebih kecil lagi (kabupaten) dapat dilakukan dengan menggunakan data dari citra satelit ALOS. ALOS (Advanced Land Observing Satellite) merupakan satelit milik Badan Antariksa Jepang
2
(JAXA) yang diluncurkan dari Pusat Angkasa Tanegashima tanggal 24 Januari 2006. Satelit ALOS memiliki tiga instrumen penginderaan jauh yaitu Panchromatik Remote-sensing Instrument for Stereo Mapping (PRISM) yang dirancang untuk dapat memperoleh data Digital Terrain Model (DTM), Advanced Visible and Near Infrared Radiometer type-2 (AVNIR-2) untuk pemantauan penutup lahan secara lebih tepat, dan Phased-Array type L-band Synthetic Aperture Radar (PALSAR) untuk pemantauan permukaan bumi dan cuaca pada siang dan malam hari. Untuk pemetaan baku sawah maupun pemantauan kondisi tanaman digunakan PRISM (citra optik) dan PALSAR (citra radar). 1.2 Tujuan Penelitian ini bertujuan untuk memetakan dan mengidentifikasi setiap bidang sawah serta memisahkan dengan galengannya di Kabupaten Subang bagian Timur dengan memanfaatkan citra ALOS PRISM dan ALOS PALSAR menggunakan perangkat lunak ArcView GIS 3.3 dan ENVI 4.1.
II. TINJAUAN PUSTAKA 2.1 Pengindraan Jauh Pengindraan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji. Pengindraan jauh dapat diartikan sebagai suatu proses membaca. Dengan menggunakan berbagai sensor dapat mengumpulkan data dari jarak jauh yang dapat dianalisis untuk mendapat informasi dari objek, daerah atau fenomena yang diteliti. Pengumpulan data dari jarak jauh dapat dilakukan dalam berbagai bentuk, termasuk variasi agihan daya, agihan gelombang bunyi, atau agihan energi elektromagnetik (Lillesand dan Kiefer, 1993). Pengumpulan data pengindraan jauh dilakukan dengan alat pengindra atau alat pengumpul data yang disebut sensor. Berbagai sensor pengumpul data dari jarak jauh, umumnya dipasang pada wahana (platform) yang berupa pesawat terbang, balon, satelit, atau wahana lainnya. Objek yang diindera adalah objek yang terletak di permukaan bumi, di atmosfer (dirgantara), dan di antariksa. Pengumpulan data dari jarak jauh tersebut dapat dilakukan dalam berbagai bentuk, sesuai dengan tenaga yang digunakan. Tenaga yang digunakan dapat berupa variasi distribusi daya, distribusi gelombang, bunyi, atau distribusi energi elektromagnetik. Data pengindraan jauh dapat berupa citra, grafik, dan data numerik (Purwadhi, 2001). 2.2 Peta dan Sistem Informasi Geografi Peta merupakan penyajian secara grafis dari kumpulan data mentah maupun yang telah dianalisis atau informasi sesuai lokasinya. Dengan kata lain peta adalah bentuk sajian informasi spasial mengenai permukaan bumi untuk dapat dipergunakan dalam pembuatan keputusan. Penyajian langsung adalah penyajian data, sedangkan penyajian yang terakhir adalah penyajian informasi, yang dalam hal ini disebut dengan pemetaan (Barus dan Wiradisastra, 1996). Sistem informasi geografi adalah suatu sistem yang dirancang untuk bekerja dengan data yang bereferensi spasial atau berkoordinat geografi. SIG adalah suatu sistem basis data dengan kemampuan khusus untuk data yang
4
bereferensi spasial bersama dengan seperangkat operasi kerja. SIG dapat diasosiasikan sebagai peta yang berorde tinggi, yang juga mengoperasikan dan menyimpan data non spasial (Star dan Estes, 1990 dalam Barus dan Wiradisastra, 1996). Sistem Informasi Geografi adalah sistem yang berbasiskan komputer yang digunakan untuk menyimpan dan memanipulasi informasi-informasi geografi. SIG dirancang untuk mengumpulkan, menyimpan, dan menganalisis objek-objek dan fenomena di mana lokasi geografi merupakan karakteristik yang penting atau kritis untuk dianalisis. Dengan demikian, SIG merupakan sistem komputer yang memiliki empat kemampuan berikut dalam menangani data yang bereferensi geografi: (a) masukan, (b) manajemen data (penyimpanan dan pemanggilan data), (c) analisis dan manipulasi data, (d), keluaran (Aronoff, 1989 dalam Prahasta, 2005). Alasan yang menyebabkan mengapa konsep SIG beserta aplikasnya digunakan di berbagai disipin ilmu adalah karena SIG memiliki kemampuan yang sangat baik dalam memvisualisasikan data spasial berikut atribut-atributnya. Modifikasi warna, bentuk, dan ukuran simbol yang diperlukan untuk merepresentasikan unsur-unsur permukaan bumi dapat dilakukan dengan mudah. Dan hampir semua perangkat lunak SIG memilki galeri atau pustaka yang menyediakan simbol-simbol standar yang diperlukan untuk kepentingan kartografis atau produksi peta. Selan itu, transformasi koordinat, rektifikasi, dan regristrasi data spasial sangat didukung. Dengan demikian, manipulasi bentuk dan tampilan visual data spasial dalam berbagai skala yang berbeda dapat dilakukan dengan mudah dan fleksibel (Prahasta, 2005). SIG berdasarkan operasinya, dapat dibagi dalam (1) cara manual, yang beroperasi memanfaatkan peta cetak (kertas atau transparansi), bersifat data analog, dan (2) cara terkomputer atau lebih sering disebut cara otomatis, yang prinsip kerjanya sudah dengan menggunakan komputer sehingga datanya merupakan data digital (Barus dan Wiradisastra, 1996).
5
2.3 BIMAS-21 dan Peta Baku Sawah BIMAS-21 (Bimbingan Masal Abad XXI) dicetuskan pertama kali pada tanggal 7 Agustus 2008, dalam kegiatan Indonesia Geospatial Technology Exhibition (IGTE) yang diselenggarakan oleh BAKOSURTANAL. Gerakan ini merupakan kelanjutan dari BIMAS tahun 1964 oleh IPB, dengan memasukan komponen Tani Cermat (TanCer) sebagai salah satu unsur kritis. TanCer didukung teknologi Geomatika, ditargetkan untuk mengatasi tiga mega isu pertanian pangan dan energi, yaitu: (1) perbaikan estimasi produksi padi, dari list frame menuju area frame, (2) pemetaan lahan baku sawah terkait lahan pangan abadi maupun laju “desawahnisasi”, dan (3) laju ekstensifikasi lahan kebun sawit terkait perubahan iklim (deforestasi) yang dapat berbalik mengancam lahan pertanian pangan. Prosedur estimasi produksi dalam kegiatan BIMAS dilakukan dalam empat tahapan dengan tiga jenis operasi, yaitu : (1) Intelijen Citra–INCIT (Image Intellgent-IMGINT), (2) Hitung Cepat-HPAT (Quick Count-QCOUNT), dan (3) Intelligent Sinyal-INSIN (Signal Intelligent-SIGINT). Tahap-1 (Pemetaan Sawah Baku-PESBAK) mencakup operasi murni pemetaan IMGINT yang dilakukan secara wall to wall (bukan sampling) dan luarannya berupa Peta Lahan Baku Sawah dan Peta Citra. Kedua peta ini kemudian digunakan pada Tahap-2 untuk merancang pengambilan contoh berbasis area frame dengan luaran berupa Peta Sampling (permanen atau non-permanen), yang menjadi langkah awal untuk operasi QCOUNT (Tahap 3) maupun SIGINT (Tahap 4). Pemutakhiran Tahap 1 dan 2 dilakukan setiap lima tahun sekali dan dapat dilakukan secara tandem dengan peta rupa bumi (topografi) pedesaan. Luaran Tahap 3 adalah estimasi luas atau kemajuan tanam atau panen dengan patokan dasar luas lahan baku (Raimadoya dan Fahmi, 2008). 2.4 Radar Radar merupakan singkatan untuk Radio Detection And Ranging. Radar dikembangkan sebagai suatu cara yang menggunakan gelombang radio untuk mendeteksi adanya objek dan menentukan jarak (posisi)-nya. Prosesnya meliputi transmisi ledakan pendek atau pulsa tenaga gelombang mikro ke arah yang dikehendaki dan merekam kekuatannya dan asal “gema” (echo) atau “pantulan”
6
yang diterima dari objek dalam sistem medan pandang (Lillesand dan Kiefer, 1993). 2.5 Satelit ALOS ALOS singkatan dari Advanced Land Observing Satellite adalah satelit milik Jepang yang merupakan satelit generasi lanjutan dari JERS-1 dan ADEOS yang dilengkapi dengan teknologi yang lebih maju. ALOS dilengkapi dengan tiga instrumen penginderaan jauh: yaitu Panchromatik Remote-sensing Instrument for Stereo Mapping (PRISM) yang dirancang untuk dapat memperoleh data Digital Terrain Model (DTM), Advanced Visible and Near Infrared Radiometer type-2 (AVNIR-2) untuk pemantauan penutup lahan secara lebih tepat, dan PhasedArray type L-band Synthetic Aperture Radar (PALSAR) untuk pemantauan permukaan bumi dan cuaca pada siang dan malam hari. Untuk dapat bekerja dengan ketiga instrumen di atas, ALOS dilengkapi dengan dua teknologi yang lebih maju: pertama teknologi yang mampu mengerjakan data dalam kapasitas yang sangat besar dengan kecepatan tinggi, dan selanjutnya kapasitas untuk menentukan posisi satelit dan ketinggian yang lebih tepat. Keterangan umum tentang ALOS disajikan pada tabel 1. Tabel 1. Keterangan umum ALOS Alat peluncuran
Roket H-IIA
Tempat peluncuran
Pusat Ruang Angkasa Tanagashima
Berat Satelit
4 000 Kg
Power
7 000 W
Waktu Operasional
3 sampai 5 Tahun
Orbit
Sun-Synchronous Sub-Recurr Orbit Recurrent Period : 46 hari Sub cycle 2 hari Tinggi Lintasan : 692 km di atas Equator 0
Inclinasi : 98,2 Sumber : NASDA
Secara ringkas terdapat lima misi dari satelit ALOS yaitu : 1. Kartografi
: untuk menyediakan peta wilayah Jepang dan Wilayah Asia-Pasifik
7
2. Pemantauan Regional
: melakukan pemantauan regional untuk pengembangan pembangunan yang berkelanjutan dan harmonisasi antara ketersediaan sumber daya alam
3. Monitoring Bencana
: melakukan monitoring bencana alam
4. Survei Sumber Daya
: untuk survei sumber daya alam
5. Pengembangan Teknologi : mengembangkan teknologi penginderaan jauh yang tepat untuk masa sekarang dan akan datang (Ginting, Untoro, dan Indriawan, 2003). 2.5.1 ALOS PRISM Panchromatic Remote-sensing Instrumen for Stereo mapping (PRISM) adalah instrument penginderaan jauh pada satelit ALOS dengan sensor pankromatik dengan resolusi spasial 2,5 m dan memiliki kemampuan untuk mengambil obyek yang sama pada permukaan bumi dari tiga posisi yang berbeda dengan lintasan yang sama, yaitu miring-maju ke depan, tegak, dan miringmundur ke belakang sehingga terbentuk pengamatan stereoskopis. Bentuk dari instrumen PRISM dan prinsip pengambilan obyeknya disajikan pada Gambar 1 dan Gambar 2. Sementara karakterisasi teknik sensor PRISM disajikan pada Tabel 2 (Ginting, Untoro, dan Indriawan, 2003).
Gambar 1. Instrumen PRISM Sumber: NASDA
8
Gambar 2. Prinsip Geometri dari PRISM Sumber: NASDA
Tabel 2. Karakterisasi PRISM Panjang Gelombang Banyaknya Optik Base to High Ratio S/N MTF Resolusi Spasial Lebar Cakupan Jumlah Detektor Sudut pengambilan Panjang Bit Sumber: NASDA
0.52 – 77 μm 3 buah ( Forward, Nadir, Backward) 1.0 ( Forward dengan Backward) Diatas 70 0.2 atau lebih 2.5 m 35 km ( Triplet Mode ) 70 km (hanya pengambilan tegak) 28 000 / Kanal (lebar cakupan 70 Km) 14 000 / Kanal (lebar cakupan 35 Km) 1.5 Derajat 8 bit
2.5.2 ALOS PALSAR PALSAR merupakan salah satu instrumen ALOS dengan sensor aktif untuk pengamatan cuaca dan permukaan daratan pada siang dan malam hari dengan sistem yang lebih maju dari JERS-1 SAR. Sensor tersebut mempunyai sorotan yang dapat diatur (stereable beam) dalam elevasi dan scan SAR mode
9
yang dapat memberikan sorotan yang lebih luas dibandingkan konvensional SAR. Bentuk dari instrumen PALSAR dan prinsip pengambilan obyeknya disajikan pada Gambar 3 dan Gambar 4. Sementara karakterisasi teknik sensor PALSAR disajikan pada Tabel 3 (Ginting, Untoro, dan Indriawan, 2003).
Gambar 3. Instrumen PALSAR Sumber: NASDA
Gambar 4. Prinsip Geometri dari PALSAR Sumber: NASDA
10
Tabel 3. Karakteristik PALSAR Mode
Fine
Frekuensi Lebar Kanal Polarisasi Resolusi Spasial Lebar Cakupan Incidence Angle NE Sigma 0 Panjang bit Ukuran Antena Sumber: NASDA
ScanSAR
Polarimetric (Experimental mode)
1270 MHz (L - BAND) 28 / 14MHz HH atau VV / HH +HV HH atau VV HH+HV+VH+VV atau VV + VH 10 m (2 look)/ 20m(4 100 m (multi 30 m look) look) 70 Km 250 – 350 Km 30 Km 8-60 derajat 18-43 derajat 8 –30 derajat < - 23 dB (70 Km) < -25 dB (60 Km) 3 bit / 5 bit
< - 25 dB 5 bit AZ: 8.9 m x EL: 2.9 m
< - 29 dB 3 bit / 5 bit
2.5.3 Produk dan Potensi Aplikasi Data ALOS NASDA telah merencanakan produk data ALOS dalam dua kategori, yaitu produk standar dan produk riset. Produk standar terdiri dari produk standar untuk sensor PRISM, produk standar untuk sensor AVNIR-2, dan produk standar untuk sensor PALSAR. Produk standar untuk masing-masing sensor terdiri dari beberapa level, yaitu berturut-turut untuk sensor PRISM : level 1A, 1B1, dan 1B2, sedangkan untuk sensor PALSAR: level 1.0, 1.1, dan 1.5. Masing-masing produk standar tersebut di atas disajikan berturut-turut pada Tabel 4 dan Tabel 5. Tabel 4. Produk Data Standar – PRISM Level 1A
1B1 1B2
Definisi
Catatan
Susunan data digital yang belum dipadatkan (uncompressed) yang dilengkapi dengan koefisien kalibrasi radiometric dan koefisien koreksi geometric. Data dengan pengambilan miring-maju, tegak dan miring-mundur disimpan dalam masing-masing file tersendiri Data yang sudah dikalibrasi secara radiometrik pada masukan sensor Data yang sudah dikoreksi geometrik secara Proyeksi peta sistimatik Resampling Pixel spacing
11
Tabel 5. Produk Data Standar – PALSAR Level
Definisi
1.0
Susunan data signal yang belum dipadatkan yang dilengkapi dengan koefisien kalibrasi radiometric dan koreksi geometric Dalam mode polarimetri, data polarimetri dipisahkan Data yang sudah dikalibrasi secara radiometrik pada masukan sensor
1.1
1.5
Data yang sudah dikoreksi geometrik secara sistimatik
Catatan
Proyeksi peta Resampling Pixel spacing
Potensi aplikas data PRISM antara lain dapat digunakan untuk pembuatan peta, pembuatan DEM untuk peta dasar, perencanaan kota, pertanian, kehutanan, manajemen wilayah pesisir, kontrol pembuangan ilegal, monitoring banjir skala kecil, monitoring pelayaran, dan lainnnya. Potensi aplikasi data PALSAR dapat digunanan untuk pembuatan DEM, interferometry untuk mengetahui pergeseran tanah, kandungan biomassa untuk kehutanan, monitoring kebakaran hutan, pertanian, monitoring tumpahan minyak (oil spill), monitoring banjir, soil moisture, serta monitoring kapal (Ginting, Untoro, dan Indriawan, 2003).
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian dilakukan dari bulan Desember 2008 sampai dengan Agustus 2009 di Laboratorium Pengindraan Jauh dan Intepretasi Citra, Departemen Ilmu Tanah dan Sumber Daya Lahan, Fakultas Pertanian, Institut Pertanian Bogor. Pengambilan data sekunder dilaksanakan pada 5 Agustus 2009 di Badan Penyuluh Pertanian (BPP) Kecamatan Ciasem Kabupaten Subang dan Badan Pusat Statistik (BPS) Kabupaten Subang, Provinsi Jawa Barat. 3.2 Gambaran Umum Lokasi Penelitian Kabupaten Subang berada di sebelah utara Provinsi Jawa Barat dengan luas wilayah 205.176,95 ha atau 6,34 % dari luas Provinsi Jawa Barat. Secara geografis, Kabupaten Subang berada di antara 107º 31'-107º 54' BT dan 6º 11'-6º 49' LS. Secara administratif, Kabupaten Subang terdiri dari 253 desa dan kelurahan yang tergabung dalam 30 kecamatan. Batas-batas wilayah administratif Kabupaten Subang adalah di sebelah selatan berbatasan dengan Kabupaten Bandung Barat, di sebelah barat dengan Kabupaten Purwakarta dan Karawang, di sebelah timur dengan Kabupaten Sumedang dan Indramayu, dan Laut Jawa yang menjadi batas di sebelah utara. Berdasarkan topografinya, wilayah Kabupaten Subang dapat dibagi ke dalam tiga zona, yaitu: 1. Daerah Dataran Rendah (Subang bagian utara) Daerah dengan ketinggian antara 0-50 mdpl dengan luas 92.639,7 ha atau 45,15% dari seluruh luas wilayah Kabupaten Subang. Wilayah ini meliputi Kecamatan
Pagaden,
Cipunagara,
Pusakajaya
Pamanukan,
Sukasari,
Tambakdahan, sebagian Pagaden Barat.
Compreng, Legonkulon,
Ciasem,
Pusakanagara,
Blanakan,
Patokbeusi,
13
2. Daerah Berbukit dan Dataran (Subang bagian tengah) Daerah dengan ketinggian antara 50 – 500 mdpl dengan luas wilayah 71.502,16 ha atau 34,85% dari seluruh luas wilayah Kabupaten Subang. Zona ini meliputi wilayah Kecamatan Cijambe, Subang, Cibogo, Kalijati, Dawuan, Cipeundeuy, sebagian besar Kecamatan Purwadadi, Cikaum dan Pagaden Barat. 3. Daerah Pegunungan (Subang bagian selatan) Daerah ini memiliki ketinggian antara 500-1500 mdpl dengan luas 41.035,09 ha atau 20% dari seluruh luas wilayah Kabupaten Subang. Wilayah ini meliputi Kecamatan Jalancagak, Ciater, Kasomalang, Sagalaherang, Serangpanjang, sebagian besar Kecamatan Jalancagak dan sebagian besar Kecamatan Tanjungsiang. 3.3 Data dan Alat Penelitian 3.3.1 Data Data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data tersebut antara lain: a. Data Primer • Citra ALOS PRISM Resolusi Spasial 2,5 m dan Lebar Cakupan 35 km • Seri citra satelit ALOS PALSAR (20 Juni, 1 September, dan 17 Oktober tahun 2007) dengan Resolusi Spasial 12,5 m dan Lebar Cakupan 70 km b. Data Sekunder • Batas Kabupaten Subang Berbasis Desa • Data Luas Tanah Menurut Kecamatan di Kabupaten Subang Tahun 2007 dari Badan Pusat Statistik (BPS) Kabupaten Subang • Data Luas Panen, Rata-rata Produksi dan Jumlah Produksi Padi Sawah di Kecamatan Ciasem Tahun 2008 dari Badan Penyuluhan Pertanian (BPP) Kecamatan Ciasem, Kabupaten Subang 3.3.2 Alat Alat yang digunakan dalam penelitian ini baik perangkat keras maupun perangkat lunak adalah sebagai berikut: a. Perangkat Keras •
Seperangkat komputer
14
b. Perangkat Lunak •
Arc View GIS 3.3 untuk pengolahan citra ALOS PRISM dan seri citra ALOS PALSAR
•
ENVI 4.1 untuk pengolahan seri citra ALOS PALSAR
•
Microsoft Word 2007
•
Microsoft Exel 2007
3.4 Pelaksanaan Penelitian Penelitian yang dilakukan tediri dari beberapa tahapan, yaitu sebagai berikut: 1. Persiapan Tahap persiapan ini meliputi studi pustaka tentang pengindraan jauh, peta dan sistem informasi geografi, radar, citra satelit ALOS dan produknya, serta eksplorasi perangkat lunak ArcView GIS 3.3 dan ENVI 4.1. 2. Pengumpulan Data Pada tahap ini dilakukan pengumpulan data yang meliputi pengadaan data primer dan sekunder berupa: a. Citra ALOS PRISM dan seri citra ALOS PALSAR. b. Data Administratif Kabupaten Subang dan data dari BPS Kabupaten Subang serta BPP Kecamatan Ciasem, Kabupaten Subang. 3. Pengolahan Data Kegiatan selanjutnya setelah semua data terkumpul adalah: a. Proses kueri Batas Kabupaten Subang sehingga menghasilkan Batas-batas Kecamatan Subang menggunakan perangkat lunak ArcView 3.3. b. Tumpang susun (overlay) antara citra ALOS PRISM dan batas Kecamatan Subang yang menghasilkan Citra ALOS PRISM dengan batas kecamatan menggunakan perangkat lunak ArcView 3.3. c. Proses digitasi lahan sawah di Kabupaten Subang yang menghasilkan peta baku sawah menggunakan perangkat lunak ArcView 3.3. d. Pengambilan contoh (cropping sample) skala kecamatan dan skala kabupaten menggunakan perangkat lunak ArcView 3.3.
15
e. Perhitungan jumlah petak sawah, luas total lahan sawah, dan rata-rata luas lahan per petak sawah dalam skala kabupaten yang dijadikan perbandingan dengan data sekunder yang didapat dari BPS dan BPP. f. Tumpang susun (overlay) antara cropping sample skala kabupaten dengan ALOS PALSAR untuk mengetahui fase pertumbuhan tanam padi menggunakan perangkat lunak ENVI 4.1 dan ArcView GIS 3.3. 4. Analisis Penelitian Pada tahap ini dilakukan analisis perbandingan luasan lahan antara cropping sample skala kabupaten dengan data dari BPP dan analisis kemajuan tanaman dari hasil interpretasi citra ALOS PALSAR. 5. Hasil Penelitian 6. Kesimpulan
16
DIAGRAM ALIR
Gambar 5. Diagram Alir Penelitian
IV. HASIL DAN PEMBAHASAN 4.1 Pengolahan Citra ALOS PRISM dan Seri Citra ALOS PALSAR 4.1.1 Pengolahan Citra ALOS PRISM Citra ALOS PRISM (Panchromatik Remote-sensing Instrument for Stereo Mapping) dirancang untuk memperoleh data Digital Terrain Model (DTM). Citra ini memiliki resolusi yang tinggi mendekati foto udara. Kemampuan resolusi yang tinggi ini menjadikan citra PRISM dapat mendeteksi objek di permukaan bumi secara lebih detail. Sebelum dianalisis citra PRISM harus disesuaikan dengan analisis dan ruang lingkup yang diinginkan. Pengolahan citra ALOS PRISM secara rinci dengan menggunakan perangkat lunak ArcView GIS 3.3 dijelaskan sebagai berikut: 4.1.1.1 Pembagian Kabupaten Subang Menjadi Skala Kecamatan Berdasarkan topografinya Kabupaten Subang dibagi menjadi tiga bagian yaitu, daerah dataran rendah (Subang bagian utara), daerah berbukit dan dataran (Subang bagian tengah), serta Daerah Pegunungan (Subang bagian selatan). Lahan sawah yang akan didigitasi banyak terdapat di Subang bagian utara dan tengah, sedangkan di bagian selatan yang memiliki topografi daerah pegunungan, lahan sawah jarang ditemukan. Proses pembagian Kabupaten Subang menjadi skala kecamatan didasari oleh pembagian berdasarkan topografi. Pembagian menjadi Kecamatan Subang bagian timur dan Kecamatan Subang bagian barat dilakukan agar perbedaan topografi bagain utara, tengah, dan selatan dapat terwakili. Pembagian skala kecamatan ini dilakukan dengan menggunakan perangkat lunak ArcView GIS 3.3 dengan membuka View baru (view1) seperti yang diperlihatkan pada Gambar 6.
Gambar 6. Tampilan View Window
18
Data masukan (input data) yang digunakan dalam proses ini dan proses selanjutnya memiliki jenis yang berbeda. Contohnya pada lembar citra ALOS jenis datanya adalah Image Analysis Data Source dan pada Batas Adninistrasi Kabupaten Subang jenis datanya adalah Feature Data Source. Selain itu diperlukan kemampuan program ArcView tambahan untuk menyediakan program yang akan digunakan dalam proses pengerjaan selanjutnya. Hal ini dapat dilakukan dengan cara mengatur kemampuan program ArcView dalam kotak dialog extension dalam menu bar File, Extensions, kemudian centang kotak: Image Analysis, IMAGINE Image Support, JPEG (JFIF) Image Support, Legend Tool, MrSID Image Support, NITF Image Support, Projection Utility Wizard, Report Writer, TIFF 6.0 Image Support, dan VPF Viewer seperti pada Gambar 7.
Gambar 7. Tampilan Kotak Dialog Extensions Citra ALOS PRISM yang digunakan sebagai masukan data adalah citra ALOS
P725
(alpsmn028453725-o1b2g_un.tif)
dan
citra
ALOS
P730
(alpsmn028453730-o1b2g_un.tif). Selain itu digunakan data Batas Administratif Kabupaten Subang Berbasis Desa (A_subangm.shp). Tampilan view baru setelah semua data diaktifkan dapat dilihat pada Gambar 8. Berdasarkan gambar tersebut terlihat bahwa tidak semua Kabupaten Subang dapat diliput dengan dua lembar citra ALOS PRISM. Hal ini dikarenakan satelit ALOS PRISM belum bisa mencakup seluruh lembaran seri citra untuk Pulau Jawa. Lembaran citra ALOS PRISM untuk Jawa Barat dan Kabupaten Subang dapat dilihat pada Gambar 9 dan 10. Dalam meliput suatu daerah, satelit ini membutuhkan cuaca yang baik agar hasil yang diperoleh tidak terhalang oleh awan. Awan dapat menjadi penghalang karena instrumen PRISM tidak memiliki kemampuan untuk menembus awan.
19
Gambar 8. Tampilan Data pada View Window
Gambar 9. Lembar Citra ALOS PRISM untuk Pulau Jawa
Gambar 10. Lembar Citra ALOS PRISM untuk Kabupaten Subang
20
Pembagian Kabupaten Subang menjadi skala kecamatan dilakukan dengan memanfaatkan toolbar Query Builder. Toolbar Query Builder menyajikan ekspresi kueri (query expression) untuk membuat sejumlah rumus atau definisi yang dipilih. Pengerjaan ekspresi kueri untuk kecamatan dilakukan pada theme A_subangm.shp (batas Kabupaten Subang) karena di dalamnya mengandung atribut Kecamatan Subang. Contoh ekspresi kueri untuk mencari kecamatan di Kabupaten Subang dapat dilihat pada Gambar 11. Ekspresi kueri yang telah dibuat dapat disimpan dan ditampilkan dalam View Window.
Gambar 11. Tampilan Query Expression untuk Mencari Kecamatan Berdasarkan hasil kueri didapatkan 14 Kecamatan di Kabupaten Subang bagian timur yaitu Kecamatan Tanjungsiang, Kecamatan Subang, Kecamatan Pusakanagara,
Kecamatan
Pamanukan,
Kecamatan
Pagaden,
Kecamatan
Legonkulon, Kecamatan Jalancagak, Kecamatan Compreng, Kecamatan Cisalak, Kecamatan Cipunagara, Kecamatan Cikaum, Kecamatan Cijambe, Kecamatan Cibogo, dan Kecamatan Binong. Beberapa kecamatan tersebut tidak dapat diliput seutuhnya oleh dua lembar citra ALOS PRISM yang dapat dilihat pada Gambar 12. Hal ini karena seperti yang telah dibahas sebelumnya, satelit ini belum mampu melengkapi liputan lembar citra untuk Pulau Jawa.
21
Gambar 12. Layout Hasil Citra ALOS PRISM dengan Batas Kecamatan
22
4.1.1.2 Digitasi Lahan Sawah di Kabupaten Subang Bagian Timur Digitasi yang dilakukan dalam pengerjaan lahan sawah di Kabupaten Subang pada citra ALOS PRISM adalah digitasi on-screen. Proses digitasi ini dilakukan untuk membuat data spasial sendiri yaitu poligon lahan sawah atau memperbaharui data spasial yang sudah ada. Theme polygon dipilih dalam pengerjaan ini karena objek yang akan didigitasi (lahan sawah) merupakan daerah yang memiliki luas. Tampilan untuk membuat theme polygon baru dapat dilihat pada Gambar 13.
Gambar 13. Tampilan Kotak Dialog Memilih Poligon Proses digitasi diawali dengan penentuan satuan panjang yang baku. Hal ini diperlukan untuk melakukan proses selanjutnya yaitu perhitungan luas poligon (petak sawah). Satuan panjang yang digunakan diukur dalam satuan meter agar mempermudah perhitungan dan juga konversi ke satuan luas (hektar). Pengaturan satuan panjang dapat dilakukan pada menu View Properties yang dapat dilihat pada Gambar 14.
Gambar 14. Tampilan Menentukan Satuan Panjang
23
Tujuan awal pembuatan peta baku sawah adalah untuk memetakan lahan sawah. Pemetaan lahan sawah dilakukan sedetail mungkin hingga pemisahan petakan sawah dari badan air dan galengan agar tidak terjadi overestimate terhadap luas lahan dan jumlah produksi. Pemisahan antar petak sawah (poligon) dilakukan dalam radius lima meter. Apabila jarak antar poligon melebihi batas toleransi tersebut (radius lima meter) maka poligon akan terpisah. Sebaliknya apabila jarak poligon tersebut kurang dari batas toleransi maka poligon akan menyatu. Tampilan mengatur radius atau toleransi dapat dilihat pada Gambar 15.
Gambar 15. Tampilan Menentukan Batas Toleransi pada Theme Properties Hasil digitasi menunjukkan bahwa lahan sawah banyak terdapat di daerah Kabupaten Subang bagian utara dan tengah. Daerah bagian utara dan tengah merupakan daerah yang relatif datar sehingga berpotensi untuk dijadikan lahan sawah, sedangkan di bagian selatan lahan sawah tidak dijumpai. Hal ini dikarenakan bagian selatan Kabupaten Subang merupakan daerah perbukitan dan pegunungan. Kenampakan suatu daerah dapat dilihat melalui citra ALOS PRISM. Citra ini selain dapat menunjukkan gambaran objek juga dapat menunjukkan kenampakan terain suatu daerah. Pada bagian selatan terlihat tekstur datarannya kasar dan bergelombang yang menunjukkan bahwa di daerah ini merupakan daerah bukit dan pegunungan. Sebaliknya daerah utara dan tengah menunjukkan daerah yang datar didominasi oleh lahan sawah, pemukiman, lahan tambak, dan pusat pemerintahan. Hasil digitasi untuk Kabupaten Subang bagian timur dan seluruh bagian Kabupaten Subang dapat dilihat pada Gambar 16 dan 17.
24
Gambar 16. Layout Hasil Digitasi Lahan Sawah di Kabupaten Subang Bagian Timur
25
Gambar 17. Layout Hasil Digitasi Lahan Sawah di Kabupaten Subang
26
4.1.1.3 Pengambilan Daerah Cropping Sample Tahap selanjutnya yang dilakukan setelah proses digitasi adalah melakukan perbandingan untuk mengetahui keakurasian hasil digitasi dSengan data yang sudah ada sebelumnya. Salah satu pembanding yang dapat digunakan adalah perhitungan luas poligon hasil digitasi yang merupakan perwakilan dari luas suatu petak sawah di lapang. Proses perhitungan ini dilakukan pada daerah cropping sample yang dapat mewakili perbandingan yang akan dilakukan. Daerah yang diambil sebagai cropping sample adalah Kecamatan Ciasem. Kecamatan ini diambil sebagai daerah sample karena daerahnya di dominansi oleh lahan sawah, datanya relatif lengkap hingga skala desa (kelurahan), dan daerah ini pada citra ALOS PRISM tidak terpotong sehingga bisa dianalisis secara utuh. Agar mempermudah proses perhitungan diambil tiga desa sebagai sample dari Kecamatan Ciasem. Desa tersebut yaitu Desa Sukahaji, Desa Pinangsari, dan Desa Sukamandijaya yang saling berbatasan satu sama lain. Digitasi skala desa ini dapat diperoleh dengan cara memotong silang (intersect) antara hasil digitasi dengan batas desa di Kabupaten Subang yang dapat dilihat pada Gambar 18.
Gambar 18. Tampilan Kota Dialog Select By Theme untuk Melakukan Intersect
27
Perhitungan luas poligon dilakukan pada tabel yang tersedia pada theme baru hasil intersect. Pada tabel ini diberikan penambahan kolom luas lahan untuk hasil perhitungan. Perhitungan dikerjakan dalam aplikasi Field Calculator yang tersedia dengan rumus [Shape].returnarea yang dapat dilihat pada Gambar 19. Rumus ini akan memberikan hasil perhitungan luasan per poligon dengan satuan luas m2 yang akan muncul pada atribut tabel seperti yang terlihat pada Gambar 20.
Gambar 19. Tampilan Field Calculator untuk Menghitung Luas Poligon
Gambar 20. Tampilan Tabel Luas Poligon pada Atribut Tabel
28
Gambar 21. Layout Hasil Digitasi Lahan Sawah di Kecamatan Ciasem
Gambar 22. Layout Hasil Digitasi Lahan Sawah di Desa Sukahaji
29
Gambar 23. Layout Hasil Digitasi Lahan Sawah di Desa Pinangsari
Gambar 24. Layout Hasil Digitasi Lahan Sawah di Desa Sukamandijaya
30
4.1.2 Pengolahan Citra ALOS PALSAR Citra ALOS PALSAR (Phased-Array type L-band Synthetic Aperture Radar) memiliki kemampuan untuk memantau permukaan bumi dan cuaca pada siang dan malam hari dan merupakan citra radar yang bebas dari awan. Citra yang digunakan dalam perhitungan ini adalah ALOS PALSAR yang diambil pada bulan Juni, September, dan Oktober tahun 2007. Penggunaaan tiga citra ALOS PALSAR dalam waktu yang berbeda dilakukan agar dapat melihat perubahan fase tanam pada tanaman padi. Pengolahan Citra ALOS PALSAR dilakukan dengan menggunakan perangkat lunak ENVI 4.1. Pengolahannya dilakukan dengan mengolah menjadi tiga layer warna RGB yaitu red (merah), green (hijau), dan blue (biru). Agar sesuai dengan daerah kajian pada pengolah citra ALOS PRISM, dilakukan cropping sample pada citra ALOS PALSAR. Cropping sample citra ALOS PALSAR ini dilakukan untuk daerah pada ruang lingkup Kecamatan Ciasem. Sebagai titik awal, overlay daerah cropping sampel ALOS PALSAR dan hasil digitasi di Kecamatn Ciasem dapat dilihat pada Gambar 25.
Gambar 25. Tampilan Daerah Cropping sample pada Citra ALOS PALSAR Periode Juni 2007
31
Setelah itu dilakukan pengolahan perbedaan citra (image difference) antara citra ALOS PALSAR periode Juni 2007 dengan citra ALOS PALSAR periode September 2007 dan antara citra ALOS PALSAR periode September 2007 dengan citra ALOS PALSAR periode Oktober 2007 yang hasilnya disajikan pada Gambar 26 dan 27. Proses ini dilakukan untuk melihat peningkatan atau penurunan deteksi warna pada vegetasi.
Gambar 26. Tampilan Overlay ALOS PALSAR Juni 2007 dengan ALOS PALSAR September 2007
Gambar 27. Tampilan Overlay ALOS PALSAR September 2007 dengan ALOS PALSAR Oktober 2007
32
Berdasarkan hasil pengolahan dua periode citra ALOS PALSAR ini didapatkan lima kelas (Class name) yang dapat dilihat pada kotak dialog Legend Editor pada Gambar 28. Kelas ini terdiri dari decreased, increased, some decreased, some increased, dan unchanged. Decreased menunjukkan adanya penurunan deteksi warna terhadap vegetasi yang dalam konteks ini adalah tanaman padi. Penurunan menandakan semakin berkurangnya tanaman padi yang terjadi pada proses panen. Increased menunjukkan adanya peningkatan deteksi warna terhadap vegetasi. Peningkatan ini menandakan adanya pertumbuhan tanaman padi yang menandakan berlangsungnya fase generatif. Some decreased dan some increased secara berturut-turut menandakan bahwa deteksi warna terhadap vegetasi sebagian mengalami penurunan dan sebagian mengalami peningkatan. Kelas ini menunjukkan padi sedang berada pada masa padi akhir dan masa padi awal. Kelas terakhir adalah kelas unchanged menandakan tidak adanya perubahan deteksi warna pada vegetasi.
Gambar 28. Tampilan Legend Editor pada Theme Hasil Overlay Dua Periode Citra ALOS PALSAR.
33
Penentuan fase tanam dilakukan pada salah satu desa di Kecamatan Ciasem yang dapat mewakili. Desa yang dijadikan sebagai sampel dalam penelitian ini adalah Desa Sukahaji yang dapat dilihat pada Gambar 29. Fase tanam ditentukan dalam atribut tabel Desa Sukahaji. Pada tabel ini diberikan penambahan kolom fase tanam untuk hasil analisis. Analisis dilakukan dengan membandingkan warna paling dominan pada suatu poligon dengan kriteria kelas yang ada. Proses ini dapat dilihat pada Gambar 30.
Gambar 29. Tampilan Desa Sukahaji sebagai Daerah Percontohan untuk Penentuan Fase Tanam
Gambar 30. Tampilan Menentukan Fase Tumbuh Pada Setiap Poligon
34
4.2 Perhitungan Jumlah Petak Sawah, Total Luas Lahan Sawah, Rata-rata Luas Lahan per Petak, dan Perubahan Fase Tanam Pengambilan daerah kajian dilakukan di Kecamatan Ciasem, Kabupaten Subang. Berdasarkan data BPS Kabupaten Subang, luas tanah sawah di Kecamatan Ciasem adalah 6810 Hektar. Luas ini tertinggi setelah Kecamatan Binong yang memiliki luas tanah sawah 8466 Hektar. Berikut ini ditampilkan Tabel 6 yang menunjukkan luas tanah sawah di Kabupaten Subang menurut kecamatan. Tabel 6. Luas Tanah Menurut Kecamatan di Kabupaten Subang Tahun 2007 (Ha) Kecamatan
Tanah Sawah
Tanah Kering
Jumlah
1. Sagalaherang
2574
7650
10224
2. Jalancagak
2076
8263
10339
3. Cisalak
2290
7991
10281
4. Tanjungsiang
1928
6341
8269
5. Cijambe
2111
8221
10332
6. Cibogo
2043
3384
5427
7. Subang
2677
2791
5468
8. Kalijati
2641
10565
13206
9. Cipeundeuy
1503
9931
11434
10. Pabuaran
4395
4335
8730
11.Ppatokbeusi
5854
2208
8062
12. Purwadadi
1307
8227
9534
13. Cikaum
2673
6607
9280
14. Pagaden
5377
2799
8176
15. Cipunagara
4989
5084
10073
16. Compreng
4871
1515
6386
17.Binong
8466
2090
10556
18. Ciasem
6810
4914
11724
19. Pamanukan
4890
3281
8171
20. Pusakanagara
6600
4431
11031
21. Legonkulon
2792
5966
8758
22. Blanakan
5300
4415
9715
Sumber : BPS Kabupaten Subang
35
Perhitungan jumlah petak sawah total luas lahan sawah, rata-rata luas lahan per petak dilakukan pada tiga desa yang terletak di Kecamatan Ciasem. Ketiga desa ini adalah Desa Sukahaji, Desa Sukamandijaya, dan Desa Pinangsari. Letak ketiga desa ini saling berdekatan, hal ini untuk menunjukkan bahwa petakan sawah yang telah didigitasi saling berpotongan dengan batas desa. Hasil perhitungan jumlah petak sawah, luas sawah, dan rata-rata luas per petak dari hasil digitasi pada tiga daerah kajian dapat dilihat pada Tabel 7. Tabel 7. Jumlah Petak Sawah, Luas Sawah, dan Rata-rata Luas per Petak di Tiga Daerah Kajian
No
Desa
Jumlah
Luas Sawah
Rata-rata Luas
Petak
(Ha)
per Petak (Ha)
1
Sukahaji
338
1894,76
5,61
2
Pinangsari
343
1252,64
3,65
3
Sukamandijaya
201
1043,97
5,91
Sumber: Hasil digitasi lahan sawah pada Citra ALOS PRISM berbasis batas desa. Tabel 8. Luas Penen, Rata-rata Produksi dan Jumlah Produksi Padi Sawah di Kecamatan Ciasem Luas Tanam (Ha) No
Desa
MT.07/08
MT.08
MT08
1
2
3
4
5
1
Sukamandijaya
829
829
245 -
2
Ciasemgirang
721
721
3
Ciasembaru
577
577
4
Ciasemtengah
440
440
5
Ciasemhilir
605
605
6
Dukuh
437
437
75
7
Jatibaru
700
700
8 9
Pinangsari Sukahaji
1030 971
1030 971
25 -
6.364
6.364
J U MLA H
Sumber: BP2K2P Kecamatan Ciasem
100 -
-
345
36
Luas per petak yang diperoleh cukup besar karena beberapa faktor, faktor yang pertama adalah daerah yang dikaji yaitu Desa Sukahaji, Desa Pinangsari, dan Desa Sukamandijaya sebagain besar lahan sawahnya termasuk ke dalam badan penelitian untuk tanaman padi yaitu Sang Hyang Seri dan BBP (Balai Besar Padi). Petak sawah pada kedua badan ini terutama Sang Hyang Seri memiliki luasan yang besar tidak seperti luas sawah yang dimiliki petani tradisional dengan luas kepemilikan yang sempit. Faktor yang kedua adalah hasil digitasi belum mampu mengidentifikasi sampai petakan sawah terkecil karena keterbatasan kemampuan interpretasi visual dan keterbatasan resolusi citra yang digunakan. Petakan yang dapat diidentifikasi adalah petakan yang memiliki batas yang jelas. Petakan ini termasuk ke dalam petak tersier yang merupakan kumpulan petak irigasi yang memiliki kesatuan dan mendapatkan air irigasi melalui saluran tersier yang sama. Namun pendekatan ini sudah cukup untuk pendekatan area frame karena metode sebelumnya dengan menggunakan GPS pengukuran sawah dilakukan pada batas terluar atau pada pengelompokan petakan yang lebih besar lagi. Petugas di lapangan tidak sepenuhnya mampu untuk mengelilingi setiap petakan sawah untuk mengukur luas sawah per petak. Diagram Perbandingan Luas Lahan Sawah Antara Hasil Digitasi dengan Data dari BP2K2P
Gambar 31. Diagram Perbandingan Luas Lahan Sawah
37
Berdasarkan Tabel 7-8 dan diagram di atas dapat dilihat perbedaan hasil digitasi dengan data dari BP2K2P Kecamatan Ciasem. Luas sawah Desa Sukahaji hasil digitasi adalah 1894,76 hektar sedangkan data dari BP2K2P adalah 971 hektar. Luas sawah Desa Pinangsari hasil digitasi adalah 1252,64 hektar sedangkan data dari BP2K2P adalah 1030 hektar. Luas sawah Desa Sukamandijaya hasil digitasi adalah 1043,97 hektar sedangkan data dari BP2K2P adalah 829 hektar. Hasil analisis menunjukkan bahwa luas hasil digitasi selalu lebih besar dibandingkan dengan data dari BP2K2P. Perbedaan yang paling mencolok adalah perbedaan luas lahan sawah di Desa Sukahaji hasil digitasi dengan data dari BP2K2P. Perbedaan data hasil digitasi mencapai 195,13% atau mencapai dua kali lipat melebihi luas sawah dari data BP2K2P. Hal ini dikarenakan banyak poligon sawah yang bertumpuk dan melewati batas administratif desa. Sehingga diperlukan verifikasi ke lapangan untuk menentukan poligon sawah (petak sawah) yang berpotongan dengan batas desa masuk ke dalam desa yang kajian atau termasuk dalam desa sebelahnya. Selain itu, batas desa yang didapat dari batas administratif Kabupaten Subang diperoleh dari peta topografi yang dibuat BAKOSURTANAL sifatnya masih indikatif. Apabila verifikasi sudah dilakukan maka digitasi untuk sawah baku akan menghasilkan data yang lebih reliable. Tabel 9. Fase Tanam Tanaman Padi Warna
Klasifikasi
Fase Tanam
Merah
Decreased
Panen
Hijau
Increased
Fase Generatif
Hijau Tua
Some Decreased
Padi Akhir
Coklat
Some Increased
Padi Awal
Abu-abu
Unchanged
-
38
Tabel 10. Luas Sawah Berdasarkan Fase Tumbuh dalam Ha Kelas Increased Decreased Some Increased
Fase Tumbuh Fase Generatif Panen Padi Awal
Juni-September 2007 1812,60 82,16 0,00
September-Oktober 2007 353,05 1603,82 1,26
Sumber: Citra ALOS PALSAR Juni 2007, September 2007, Oktober 2007, dan hasil digitasi berbasis desa Pada klasifikasi dalam data atribut ALOS PALSAR terdapat lima kelas yaitu increased, decreased, some increased, some decreased, dan unchanged (Tabel 9). Namun demikian pada saat pengamatan dua kelas tidak tampak dominan pada poligon hasil digitasi. Hal ini menyebabkan hanya tiga kelas pertama saja yang memiliki luasan yaitu kelas increased, decreased, dan some increased (Tabel 10). Penetuan fase tanam selain dilihat dari deteksi terhadap perubahan warna vegetasi juga dilihat dari data realisasi tebar tanam pada musim tanam 2007 yang diperoleh dari PT Sang Hyang Seri. Data tersebut menunjukkan realisasi tebar padi dimulai pada bulan Maret 2007 hingga Juni 2007. Diagram Perbandingan Fase Tanam Padi Antara Juni-September dengan September-Oktober
Gambar 32. Diagram Perbandingan Fase Tanam
39
Selang waktu antara Juni 2007 sampai September 2007 terjadi peningkatan sebesar 95,66% yang menunjukkan fase generatif padi sedang berlangsung. Hasil ini apabila dibandingkan dengan realisasi tebar padi PT Sang Hyang Seri sangat berkorelasi. Dimana fase generatif ini merupakan perkembangan dari jadwal tebar padi yang dimulai dari bulan Maret-Juni 2007. Pada selang waktu September 2007 sampai Oktober 2008 terjadi penurunan sebesar 81,91% yang menunjukkan banyak tanaman padi yang dipanen.
V. KESIMPULAN DAN SARAN 5.1 Kesimpulan Peta baku sawah yang dihasilkan dari digitasi memiliki banyak keunggulan dibandingkan data yang selama ini digunakan untuk mengetahui jumlah dan persebaran sawah. Keunggulannya adalah data yang diperoleh lebih bisa mewakili keadaan sebenarnya dan dapat diperbaharui sesuai dengan waktu yang diinginkan. Meskipun pada awalnya membutuhkan biaya yang banyak dalam pengadaan data tetapi dapat dimanfaatkan dalam jangka waktu yang lebih lama. Hasil digitasi lahan sawah pada Citra ALOS PRISM dengan data dari BP2K2P memiliki perbedaan yang cukup besar. Hasil digitasi memilki luasan yang lebih besar dibandingkan dengan data yang sudah ada. Hal ini disebabkan karena banyak petakan sawah yang berada di antara batas desa saling bertumpukan dengan batas administrasi. Batas administrasi desa juga sifatnya masih indikatif karena didapat dari peta topografi yang dibuat oleh BAKOSURTANAL. Sehingga untuk memperoleh hasil yang reliable diperlukan verifikasi ke lapangan. Hasil overlay antara citra ALOS PALSAR periode Juni dengan September 2007 menunjukkan peningkatan deteksi terhadap vegetasi sedangkan overlay antara citra ALOS PALSAR periode September dengan Oktober 2007 menunjukkan penurunan. Peningkatan deteksi terhadap vegetasi menunjukkan pertumbuhan pada tanaman padi dalam fase generatif, sedangkan penurunan terhadap deteksi vegetasi menunjukkan semakin sedikit tanaman padi yang berada pada suatu petak. Hal ini menunjukkan bahwa tanaman padi pada suatu petak sudah mengalami pemanenan. 5.2 Saran Berkaitan dengan pembuatan peta baku sawah diharapkan untuk penelitian selanjutnya dilakukan verifikasi ke lokasi penelitian untuk mendapatkan data lapang yang dapat dijadikan sebagai acuan dalam proses pemetaan.
DAFTAR PUSTAKA Barus, Baba dan U.S. Wiradisastra. 1996. Sistem Informasi Geografi. Jurusan Tanah, Fakultas Pertanian, Institut Pertanian Bogor. [BPS] Badan Pusat Statistik. 2008. Subang dalam Angka. BPS Kabupaten Subang. Kabupaten Subang. [BP4K2P] Badan Pelaksana Penyuluhan Pertanian, Perikanan, Kehutanan, dan Ketahanan Pangan. 2009. Program Penyuluhan Pertanian UPT BPP Kecamatan Ciasem Tahun 2009. BP4K2P Kecamatan Ciasem. Kabupaten Subang. Ginting, Ruslan, Bambang Untoro, dan Krisna Indriawan. 2003. Kajian Satelit Masa Depan-ALOS. Proyek Penelitian Pemanfaatan dan Pengembangan Data Pengindraan Jauh Tahun 2003. LAPAN. Jakarta. Lilliesand, T. M dan Ralph W. K. 1993. Pengindraan Jauh dan Interpretasi Citra. Dulbahri, Prapto Suharsono, Hartono, Suharyadi, penerjemah; Fakultas Geografi, Universitas Gajah Mada. Terjemahan dari: Remote Sensing and Image Interpretation. Pemerintah Kabupaten Subang. 2009. Kondisi Umum. http://www.subang.go.id/ (19 Februari 2009) Pemerintah Kabupaten Subang. 2009. Profil. http://www.subang.go.id/ (19 Februari 2009) Prahasta, Eddy. 2005. Konsep-konsep Dasar Sistem Informasi Geografis. CV Informatika. Bandung. Purwadhi, F. S. H. 2001. Interpretasi Citra Digital. Grasindo. Jakarta. Raimadoya, M.A. 2008. Lubang Hitam Estimasi Produksi Beras Indonesia. Makalah pada Forum Antar-Instansi (FORA) Tematik Sumberdaya Alam Darat, PSSDAD-BAKOSURTANAL, Jakarta Convention Center, 7 Agustus 2008. Raimadoya, M.A., Fahmi N. 2008. BIMAS-21: Bimbingan Masal Abad XXI. Makalah Undangan Semiloka Nasional: “Strategi Penanganan Krisis Sumberdaya Lahan untuk Mendukung Kedaulatan Pangan dan Energi”, Bogor, 22-23 Desember 2008. Trisasongko, Bambang H. Dan Diar Shiddiq. 2004. Pengantar Praktikum Sistem Informasi Geografis dengan ArcView. Jurusan Tanah, Fakultas Pertanian, Institut Pertanian Bogor.
LAMPIRAN
43
Lampiran 1. Tabel Perhitungan Jumlah Petak, Luas Lahan Sawah, dan Luas Rata-rata per Petak 1. Desa Sukahaji Petak
Luas (m2)
1
70400,73
40
202229,97
79
86697,95
118
12952,16
2
68586,33
41
91681,21
80
86575,14
119
12367,13
3
62130,10
42
92972,18
81
63950,10
120
18493,03
4
60548,02
43
87577,23
82
23410,13
121
11402,15
5
52087,10
44
102291,63
83
231697,72
122
51984,39
6
50449,47
45
43150,80
84
129063,95
123
27218,48
7
35593,95
46
75243,27
85
264153,64
124
35419,43
8
26725,85
47
68455,73
86
240011,24
125
43548,58
9
26967,08
48
61818,38
87
295938,48
126
47746,66
10
28265,45
49
64838,46
88
260564,65
127
4426,18
11
40619,46
50
72965,08
89
86319,43
128
15377,49
12
45087,32
51
60536,24
90
154978,49
129
8360,57
13
48550,22
52
60781,08
91
195531,40
130
34949,83
14
55404,79
53
61471,44
92
200515,52
131
6857,30
15
60118,51
54
60833,90
93
189161,09
132
25976,68
16
75273,75
55
64816,04
94
211907,59
133
3993,70
17
70610,74
56
75122,69
95
235741,23
134
39152,86
18
79830,99
57
61166,84
96
132526,41
135
32513,77
19
78380,61
58
60255,47
97
71494,31
136
10516,59
20
148513,69
59
49303,24
98
45648,09
137
46904,95
21
169962,87
60
91117,99
99
116847,94
138
174106,34
22
90027,05
61
23574,45
100
6648,63
139
24300,74
23
85976,98
62
70507,31
101
19069,36
140
38750,05
24
40869,95
63
105249,10
102
91927,58
141
24910,71
25
34939,65
64
134405,45
103
73004,36
142
9118,55
26
52231,65
65
73983,42
104
146107,47
143
10572,56
27
48453,57
66
76661,53
105
43533,45
144
6604,13
28
73213,48
67
73096,69
106
39139,03
145
34163,86
29
68173,98
68
71026,95
107
19232,87
146
14830,95
30
79859,28
69
70037,00
108
8836,45
147
41288,54
31
68221,40
70
63492,81
109
5463,19
148
45709,85
32
62768,35
71
58239,32
110
7108,93
149
90053,18
33
54365,54
72
51208,34
111
16199,95
150
59126,51
34
29275,10
73
40046,69
112
8716,87
151
34335,19
35
36404,95
74
32822,40
113
25336,30
152
103309,02
36
30633,10
75
29118,51
114
19977,10
153
16289,52
37
30028,82
76
23210,38
115
1914,72
154
85101,40
38 39
27033,77 30605,97
77 78
24123,93 16381,51
116 117
22999,29 14426,58
155 156
99315,85 54851,76
44
157
69997,39
200
73556,95
243
11410,71
286
20207,60
158
27074,28
201
59192,59
244
14271,49
287
20549,27
159
27655,71
202
63586,17
245
31259,33
288
17182,78
160
38255,62
203
35216,86
246
12864,48
289
16704,78
161
26740,23
204
62483,55
247
7906,63
290
14600,82
162
40777,48
205
61271,80
248
8300,85
291
9882,80
163
78912,52
206
32922,05
249
8058,50
292
33993,07
164
26269,42
207
36358,78
250
12014,29
293
25620,31
165
46186,18
208
56826,96
251
20588,43
294
21157,74
166
38787,75
209
21921,86
252
11006,12
295
19351,90
167
59625,93
210
29627,73
253
28054,01
296
33568,81
168
186398,43
211
70697,70
254
21967,46
297
26839,83
169
213444,36
212
32100,58
255
14214,24
298
23853,29
170
180344,66
213
20090,08
256
24172,82
299
22689,55
171
164980,15
214
71246,24
257
25795,97
300
16678,97
172
143528,51
215
26569,93
258
25341,54
301
19377,49
173
126060,46
216
10838,32
259
30462,53
302
54543,20
174
76210,03
217
58006,61
260
30126,89
303
41970,10
175
10984,31
218
42178,96
261
14962,87
304
36865,18
176
52092,60
219
33925,61
262
14695,05
305
42908,45
177
65239,71
220
7499,48
263
6313,68
306
204538,50
178
50459,71
221
27782,64
264
23119,79
307
155532,74
179
57975,90
222
74452,85
265
19610,99
308
150308,40
180
45411,61
223
17815,23
266
7107,94
309
78122,72
181
21929,18
224
16045,09
267
19174,65
310
79048,23
182
47555,34
225
41842,90
268
17003,75
311
84571,79
183
55062,88
226
16101,12
269
9251,27
312
82851,93
184
26333,38
227
27870,95
270
9519,09
313
16134,75
185
43056,53
228
30656,24
271
17153,38
314
57544,49
186
34059,37
229
20083,19
272
8584,00
315
12587,57
187
21984,41
230
27543,40
273
14252,49
316
68649,86
188
14368,24
231
3399,22
274
10132,59
317
114084,45
189
34441,40
232
18097,54
275
13755,30
318
5172,00
190
60156,16
233
34043,44
276
14097,02
319
299510,04
191
31466,65
234
29708,68
277
9769,90
320
195635,45
192
24626,87
235
35502,84
278
16462,91
321
217175,65
193
24206,65
236
43176,71
279
19043,59
322
37101,45
194
48865,02
237
20960,90
280
5815,59
323
451902,04
195
30843,17
238
25131,22
281
14747,27
324
32897,82
196
47171,78
239
13539,32
282
6342,97
325
57851,43
197
63399,80
240
25819,07
283
5876,65
326
229308,37
198
30808,03
241
25413,41
284
15765,67
327
53266,73
199
74803,09
242
24528,41
285
15388,25
328
167001,90
45
33
21244,38
86
9860,66
139
17981,25
34
14738,56
87
32495,66
140
17655,03
35
14510,74
88
9852,27
141
10390,03
83333,91
36
8267,25
89
11688,04
142
11279,89
130542,00
37
12353,03
90
19302,73
143
15100,08
8149,98
38
8675,21
91
19881,83
144
25448,33
39
12573,77
92
19478,15
145
19225,34
40
8399,66
93
10897,27
146
11038,77
41
38873,90
94
20363,73
147
22370,81
329
97053,71
330
69086,43
331 332 333 334
17766,34
335
14533,41
336
5849,70
42
41227,68
95
27265,30
148
11142,33
337
95653,71
43
25134,44
96
32369,67
149
5218,54
44
56119,88
97
35556,86
150
6520,15
45
45770,45
98
1158,78
151
11975,54
46
38887,60
99
20660,60
152
9236,77
47
15635,67
100
6399,03
153
14181,98
48
21636,24
101
15913,28
154
25424,44
49
11831,10
102
33860,45
155
44524,04
50
29272,21
103
1580,13
156
14324,60
51
25889,20
104
5555,03
157
10650,55
52
5809,76
105
7570,36
158
81351,45
53
19281,05
106
5275,13
159
9995,28
18842,74
54
7390,45
107
55213,72
160
9741,28
2
77424,36
55
25012,24
108
25158,10
161
14351,88
3
19096,66
56
22087,33
109
4205,19
162
10649,24
4
26711,03
57
27087,10
110
17657,03
163
25670,51
5
43449,34
58
48266,68
111
2965,32
164
10145,19
6
30877,09
59
31300,67
112
11316,10
165
18036,00
7
7874,23
60
28608,50
113
5758,40
166
49766,98
8
22789,05
61
37222,03
114
10865,37
167
21592,81
1474,16
62
15770,20
115
5811,71
168
15853,59
1481,37
63
1651,12
116
12634,06
169
16127,89
1774,35
64
9707,06
117
14073,41
170
25024,92
12
1419,07
65
3760,97
118
8002,98
171
132911,70
13
1384,05
66
1010,83
119
3638,17
172
67910,28
14
1483,95
67
7147,18
120
4284,34
173
27063,26
15
31551,22
68
8281,84
121
21694,01
174
23435,84
16
5604,70
69
3357,14
122
16950,12
175
132675,30
17
18738,96
70
11844,51
123
2691,06
176
94934,86
26599,29
71
2474,32
124
20348,31
177
85451,81
14166,48
72
14139,26
125
37252,80
178
66041,57
20
6623,47
73
4584,76
126
50181,59
179
58898,05
21
6602,67
74
22329,63
127
25368,81
180
56133,46
22
6308,06
75
5480,32
128
22747,64
181
60857,76
23
20948,20
76
16077,83
129
48163,96
182
62854,59
24
22906,55
77
22602,09
130
36258,23
183
65203,58
25
35596,91
78
6303,76
131
33995,48
184
71310,37
26
9726,17
79
29731,45
132
22190,28
185
184106,46
27
10107,93
80
14159,68
133
21947,09
186
14072,36
28
11363,17
81
36535,09
134
25595,73
187
8968,44
29
34499,80
82
46315,10
135
40362,37
188
111316,72
30
9189,88
83
10848,20
136
20155,23
189
115406,47
31
14053,58
84
10811,67
137
7198,74
190
88755,60
32
9222,89
85
10714,14
138
5710,69
191
69791,87
338 Total Luas Ratarata (Ha)
4058,25 18947600,27 5,61
2. Desa Pinangsari Petak 1
9 10 11
18 19
Luas (m2)
46
42797,12
3. Desa Sukamandijaya
192
74315,49
245
20234,03
298
193
57207,88
246
224555,73
299
9074,30
194
13446,71
247
223854,08
300
11799,72
Petak
195
8348,13
248
233230,81
301
27025,58
1
30274,37
196
13657,97
249
209412,48
302
21331,05
2
95523,39
197
13672,50
250
191967,71
303
56701,26
3
79385,48
198
21253,89
251
95721,18
304
35052,67
4
97589,79
199
87286,44
252
140588,72
305
129985,65
5
187319,24
200
12110,40
253
102860,77
306
27371,70
6
87100,21
201
54568,18
254
130204,25
307
75180,87
7
98735,39
202
17858,75
255
24124,41
308
97696,87
8
91517,50
203
19791,79
256
21358,88
309
86066,30
9
94147,70
204
62003,43
257
84048,40
310
14514,58
10
83976,12
205
60931,20
258
49743,01
311
76057,94
11
89391,38
206
27504,56
259
64621,31
312
32741,86
12
96739,45
207
19200,84
260
33849,08
313
40854,26
13
100019,12
208
33679,84
261
38234,51
314
6629,50
14
81463,99
209
28595,46
262
30581,80
315
59890,83
15
74999,98
210
13603,78
263
39513,86
316
37036,59
16
77955,07
211
11802,89
264
13530,92
317
149699,62
17
81414,52
212
9425,86
265
59933,17
318
81083,51
18
69293,90
213
7827,49
266
2150,70
319
136811,59
19
87794,88
214
13958,88
267
2214,58
320
70476,95
20
76520,35
215
10481,72
268
24733,81
321
76846,07
21
15908,75
216
11733,57
269
23277,74
322
8740,23
22
73143,86
217
15506,95
270
10678,75
323
6964,12
23
37098,04
218
6283,68
271
18086,15
324
101378,21
24
53444,86
219
33940,65
272
38418,58
325
16309,25
25
49250,60
220
41561,90
273
39687,90
326
13192,81
26
44370,64
221
39452,02
274
28069,05
327
5136,24
27
38583,50
222
46741,97
275
20650,09
328
14124,36
28
47265,16
223
38563,35
276
15802,84
329
68999,18
29
55689,34
224
39698,66
277
26257,99
330
9258,93
30
34080,83
225
17088,38
278
57342,03
331
51897,50
31
43221,97
226
29298,63
279
5066,12
332
4652,07
32
46583,61
227
45402,66
280
32122,91
333
17443,61
33
48520,72
228
63954,29
281
26490,60
334
14809,65
34
41317,60
229
37111,40
282
92533,03
335
20238,54
35
43259,75
230
45845,08
283
49012,48
336
29094,73
36
55161,92
231
17553,25
284
19323,22
337
8610,62
37
62202,39
232
39218,33
285
64673,84
338
29107,07
38
83779,19
233
35752,17
286
29351,05
339
2882,68
39
74775,39
234
20249,25
287
32310,94
340
105057,97
40
58662,28
235
64769,38
288
51805,81
341
80171,87
41
10374,15
236
64021,58
289
25124,84
342
26194,50
42
28487,55
237
33422,22
290
61012,58
4405,44
43
52511,28
238
137694,02
291
54284,55
44
152871,15
239
157899,61
292
21349,08
45
86701,24
240
167480,89
293
9758,59
46
99356,51
241
187167,62
294
12757,15
343 Total Luas Ratarata (Ha)
47
62829,47
242
190062,72
295
57626,25
48
29144,56
243
203096,12
296
17361,36
49
95020,72
244
175648,37
297
18611,03
50
55098,12
12526376,67 3,65
Luas (m2)
47
51
46999,48
104
60721,03
157
22008,29
52
46428,70
105
12144,22
158
5797,03
53
48820,95
106
25945,18
159
27542,67
54
52739,25
107
38172,21
160
35808,81
55
54713,81
108
28970,22
161
30300,69
56
53792,91
109
53471,23
162
17274,31
57
47754,20
110
53526,84
163
17123,91
58
50535,43
111
51494,00
164
48608,59
59
55176,57
112
6468,76
165
129239,49
60
52931,29
113
64315,79
166
94089,46
61
64704,64
114
94965,42
167
22039,25
62
56629,52
115
121959,04
168
27957,35
63
59080,42
116
110233,25
169
6185,69
64
65432,03
117
27258,76
170
4760,55
65
40729,82
118
11311,09
171
4449,02
66
60793,54
119
29544,51
172
5108,92
67
170527,74
120
14296,03
173
48614,14
68
167073,39
121
24642,53
174
49692,69
69
158879,01
122
36359,05
175
45111,73
70
169365,42
123
7850,14
176
41750,86
71
161970,17
124
31990,95
177
11759,64
72
154743,64
125
31652,79
178
19031,66
73
171208,64
126
34935,98
179
53387,75
74
156311,58
127
45976,17
180
34662,09
75
172010,29
128
62266,40
181
7828,20
76
142342,57
129
67383,83
182
26284,53
77
129857,13
130
62178,63
183
36685,34
78
102024,16
131
38387,05
184
59599,97
79
9868,39
132
20258,91
185
3573,12
80
35066,97
133
35320,88
186
14452,51
81
28019,11
134
31740,18
187
1969,99
82
13583,86
135
16245,32
188
3461,84
83
10213,31
136
32444,20
189
30020,79
84
12111,60
137
32930,14
190
1236,65
85
17349,22
138
29747,98
191
54851,76
86
16466,77
139
32155,48
192
4952,94
87
16736,88
140
27944,88
193
6996,42
88
19919,63
141
92322,16
194
6522,21
89
12110,64
142
70438,12
195
10238,76
90
19370,76
143
30161,55
196
28381,66
91
21735,38
144
95969,35
197
2011,66
92
10961,65
145
84409,65
198
90657,63
93
15617,90
146
57903,30
199
30874,37
94
8861,02
147
41703,34
200
51202,63
95
19639,28
148
89514,78
4932,62
96
12080,72
149
93729,90
97
19351,65
150
28234,17
98
20837,49
151
50876,53
99
22007,86
152
86049,96
201 Total Luas Ratarata (Ha)
100
12130,39
153
12419,97
101
13694,59
154
85060,79
102
29993,31
155
62347,70
103
24591,80
156
56532,76
10439696,75 5,19
48
Lampiran 2.
39
3,06
fase generatif
82
2,34
fase generatif
Tabel Fase Tanam Tanaman Padi
40
20,22
panen
83
23,17
fase generatif
1.
41
9,17
panen
84
12,91
fase generatif
42
9,30
panen
85
26,42
fase generatif
43
8,76
panen
86
24,00
fase generatif
fase generatif
44
10,23
fase generatif
87
29,59
fase generatif
4,32
panen
88
26,06
fase generatif
Desa Sukahaji Periode Juni-September 2007 Luas Petak (ha) Fase Tanam 1
7,04
2
6,86
fase generatif
45
3
6,21
fase generatif
46
7,52
fase generatif
89
8,63
fase generatif
4
6,05
fase generatif
47
6,85
fase generatif
90
15,50
fase generatif
5
5,21
fase generatif
48
6,18
fase generatif
91
19,55
fase generatif
6
5,04
fase generatif
49
6,48
fase generatif
92
20,05
fase generatif
7
3,56
fase generatif
50
7,30
fase generatif
93
18,92
fase generatif
8
2,67
fase generatif
51
6,05
fase generatif
94
21,19
fase generatif
9
2,70
fase generatif
52
6,08
fase generatif
95
23,57
fase generatif
6,15
fase generatif
96
13,25
fase generatif
10
2,83
fase generatif
53
11
4,06
fase generatif
54
6,08
fase generatif
97
7,15
fase generatif
12
4,51
fase generatif
55
6,48
fase generatif
98
4,56
fase generatif
13
4,86
fase generatif
56
7,51
fase generatif
99
11,68
fase generatif
14
5,54
fase generatif
57
6,12
fase generatif
100
0,66
fase generatif
15
6,01
fase generatif
58
6,03
fase generatif
101
1,91
fase generatif
16
7,53
fase generatif
59
4,93
fase generatif
102
9,19
fase generatif
17
7,06
fase generatif
60
9,11
fase generatif
103
7,30
fase generatif
2,36
fase generatif
104
14,61
fase generatif
18
7,98
fase generatif
61
19
7,84
fase generatif
62
7,05
fase generatif
105
4,35
fase generatif
20
14,85
fase generatif
63
10,52
fase generatif
106
3,91
fase generatif
21
17,00
fase generatif
64
13,44
fase generatif
107
1,92
fase generatif
22
9,00
fase generatif
65
7,40
fase generatif
108
0,88
fase generatif
23
8,60
fase generatif
66
7,67
fase generatif
109
0,55
fase generatif
24
4,09
fase generatif
67
7,31
fase generatif
110
0,71
fase generatif
25
3,49
fase generatif
68
7,10
fase generatif
111
1,62
fase generatif
7,00
fase generatif
112
0,87
fase generatif
26
5,22
fase generatif
69
27
4,85
fase generatif
70
6,35
fase generatif
113
2,53
fase generatif
28
7,32
fase generatif
71
5,82
fase generatif
114
2,00
fase generatif
29
6,82
fase generatif
72
5,12
fase generatif
115
0,19
Panen
30
7,99
fase generatif
73
4,00
fase generatif
116
2,30
fase generatif
31
6,82
fase generatif
74
3,28
fase generatif
117
1,44
fase generatif
32
6,28
fase generatif
75
2,91
fase generatif
118
1,30
fase generatif
33
5,44
fase generatif
76
2,32
fase generatif
119
1,24
fase generatif
2,41
fase generatif
120
1,85
fase generatif
34
2,93
fase generatif
77
35
3,64
fase generatif
78
1,64
fase generatif
121
1,14
fase generatif
36
3,06
fase generatif
79
8,67
fase generatif
122
5,20
fase generatif
37
3,00
fase generatif
80
8,66
fase generatif
123
2,72
fase generatif
38
2,70
fase generatif
81
6,40
fase generatif
124
3,54
fase generatif
49
125
4,35
fase generatif
168
18,64
fase generatif
211
7,07
fase generatif
126
4,77
fase generatif
169
21,34
fase generatif
212
3,21
fase generatif
127
0,44
fase generatif
170
18,03
fase generatif
213
2,01
fase generatif
128
1,54
fase generatif
171
16,50
fase generatif
214
7,12
fase generatif
129
0,84
fase generatif
172
14,35
fase generatif
215
2,66
fase generatif
130
3,49
fase generatif
173
12,61
fase generatif
216
1,08
fase generatif
131
0,69
fase generatif
174
7,62
fase generatif
217
5,80
fase generatif
132
2,60
fase generatif
175
1,10
fase generatif
218
4,22
fase generatif
133
0,40
fase generatif
176
5,21
fase generatif
219
3,39
fase generatif
134
3,92
fase generatif
177
6,52
fase generatif
220
0,75
fase generatif
135
3,25
fase generatif
178
5,05
fase generatif
221
2,78
panen
136
1,05
fase generatif
179
5,80
fase generatif
222
7,45
fase generatif
137
4,69
fase generatif
180
4,54
fase generatif
223
1,78
panen
138
17,41
fase generatif
181
2,19
fase generatif
224
1,60
fase generatif
139
2,43
fase generatif
182
4,76
fase generatif
225
4,18
fase generatif
140
3,88
fase generatif
183
5,51
fase generatif
226
1,61
panen
141
2,49
fase generatif
184
2,63
Panen
227
2,79
fase generatif
142
0,91
fase generatif
185
4,31
fase generatif
228
3,07
fase generatif
143
1,06
fase generatif
186
3,41
fase generatif
229
2,01
fase generatif
144
0,66
fase generatif
187
2,20
fase generatif
230
2,75
fase generatif
145
3,42
fase generatif
188
1,44
fase generatif
231
0,34
fase generatif
146
1,48
fase generatif
189
3,44
fase generatif
232
1,81
fase generatif
147
4,13
fase generatif
190
6,02
fase generatif
233
3,40
panen
148
4,57
fase generatif
191
3,15
fase generatif
234
2,97
fase generatif
149
9,01
fase generatif
192
2,46
fase generatif
235
3,55
fase generatif
150
5,91
fase generatif
193
2,42
fase generatif
236
4,32
fase generatif
151
3,43
fase generatif
194
4,89
fase generatif
237
2,10
fase generatif
152
10,33
fase generatif
195
3,08
fase generatif
238
2,51
panen
153
1,63
fase generatif
196
4,72
fase generatif
239
1,35
fase generatif
154
8,51
fase generatif
197
6,34
fase generatif
240
2,58
fase generatif
155
9,93
fase generatif
198
3,08
fase generatif
241
2,54
fase generatif
156
5,49
fase generatif
199
7,48
fase generatif
242
2,45
fase generatif
157
7,00
fase generatif
200
7,36
fase generatif
243
1,14
fase generatif
158
2,71
fase generatif
201
5,92
fase generatif
244
1,43
fase generatif
159
2,77
fase generatif
202
6,36
fase generatif
245
3,13
fase generatif
160
3,83
fase generatif
203
3,52
fase generatif
246
1,29
fase generatif
161
2,67
fase generatif
204
6,25
fase generatif
247
0,79
fase generatif
162
4,08
fase generatif
205
6,13
fase generatif
248
0,83
fase generatif
163
7,89
fase generatif
206
3,29
fase generatif
249
0,81
fase generatif
164
2,63
fase generatif
207
3,64
fase generatif
250
1,20
fase generatif
165
4,62
fase generatif
208
5,68
fase generatif
251
2,06
fase generatif
166
3,88
fase generatif
209
2,19
fase generatif
252
1,10
fase generatif
167
5,96
fase generatif
210
2,96
fase generatif
253
2,81
fase generatif
50
254
2,20
fase generatif
297
2,68
fase generatif
Jumlah panen
255
1,42
fase generatif
298
2,39
fase generatif
Jumlah padi awal
256
2,42
fase generatif
299
2,27
fase generatif
257
2,58
fase generatif
300
1,67
fase generatif
258
2,53
fase generatif
301
1,94
fase generatif
259
3,05
fase generatif
302
5,45
fase generatif
260
3,01
fase generatif
303
4,20
fase generatif
1
70,40
Panen
261
1,50
fase generatif
304
3,69
fase generatif
2
6,86
Panen
262
1,47
fase generatif
305
4,29
fase generatif
3
6,21
Panen
263
0,63
fase generatif
306
20,45
fase generatif
4
6,05
Panen
264
2,31
fase generatif
307
15,55
fase generatif
5
5,21
Panen
265
1,96
fase generatif
308
15,03
fase generatif
6
5,04
panen
266
0,71
Fase generatif
309
7,81
fase generatif
7
3,56
panen
267
1,92
fase generatif
310
7,90
fase generatif
8
2,67
panen
268
1,70
fase generatif
311
8,46
fase generatif
9
2,70
panen
269
0,93
fase generatif
312
8,29
fase generatif
10
2,83
panen
270
0,95
fase generatif
313
1,61
panen
11
4,06
panen
271
1,72
fase generatif
314
5,75
panen
12
4,51
panen
272
0,86
fase generatif
315
1,26
panen
13
4,86
panen
273
1,43
fase generatif
316
6,86
panen
14
5,54
panen
274
1,01
fase generatif
317
11,41
fase generatif
15
6,01
panen
275
1,38
fase generatif
318
0,52
fase generatif
16
7,53
panen
276
1,41
fase generatif
319
29,95
fase generatif
17
7,06
panen
277
0,98
fase generatif
320
19,56
fase generatif
18
7,98
panen
278
1,65
fase generatif
321
21,72
fase generatif
19
7,84
panen
279
1,90
fase generatif
322
3,71
fase generatif
20
14,85
panen
280
0,58
fase generatif
323
45,19
fase generatif
21
17,00
panen
281
1,47
fase generatif
324
3,29
fase generatif
22
9,00
fase generatif
282
0,63
fase generatif
325
5,79
fase generatif
23
8,60
fase generatif
283
0,59
fase generatif
326
22,93
fase generatif
24
4,09
fase generatif
284
1,58
fase generatif
327
5,33
fase generatif
25
3,49
fase generatif
285
1,54
fase generatif
328
16,70
fase generatif
26
5,22
fase generatif
286
2,02
fase generatif
329
9,71
fase generatif
27
4,85
fase generatif
287
2,05
fase generatif
330
6,91
fase generatif
28
7,32
fase generatif
288
1,72
fase generatif
331
8,33
fase generatif
29
6,82
fase generatif
289
1,67
fase generatif
332
13,05
fase generatif
30
7,99
fase generatif
290
1,46
fase generatif
333
0,81
fase generatif
31
6,82
fase generatif
291
0,99
fase generatif
334
1,78
fase generatif
32
6,28
fase generatif
292
3,40
fase generatif
335
1,45
fase generatif
33
5,44
fase generatif
293
2,56
fase generatif
336
0,58
fase generatif
34
2,93
fase generatif
294
2,12
fase generatif
337
9,57
fase generatif
35
3,64
fase generatif
295
1,94
fase generatif
338
0,41
fase generatif
36
3,06
fase generatif
296
3,36
fase generatif
37
3,00
fase generatif
Jumlah fase generatif
1812,60
82,16 0,00
2.
Desa Sukahaji Periode September-Oktober 2007 Luas Petak (ha) Fase Tanam
51
38
2,70
fase generatif
81
6,40
panen
124
3,54
panen
39
3,06
fase generatif
82
2,34
fase generatif
125
4,35
panen
40
20,22
panen
83
23,17
panen
126
4,77
panen
41
9,17
panen
84
12,91
fase generatif
127
0,44
panen
42
9,30
panen
85
26,42
panen
128
1,54
panen
43
8,76
fase generatif
86
24,00
panen
129
0,84
panen
44
10,23
panen
87
29,59
panen
130
3,49
panen
45
4,32
fase generatif
88
26,06
panen
131
0,69
panen
46
7,52
panen
89
8,63
panen
132
2,60
panen
47
6,85
panen
90
15,50
panen
133
0,40
panen
48
6,18
panen
91
19,55
panen
134
3,92
panen
49
6,48
panen
92
20,05
fase generatif
135
3,25
panen
50
7,30
panen
93
18,92
fase generatif
136
1,05
panen
51
6,05
panen
94
21,19
panen
137
4,69
panen
52
6,08
panen
95
23,57
panen
138
17,41
panen
53
6,15
panen
96
13,25
panen
139
2,43
panen
54
6,08
panen
97
7,15
panen
140
3,88
panen
55
6,48
panen
98
4,56
panen
141
2,49
panen
56
7,51
panen
99
11,68
panen
142
0,91
panen
57
6,12
panen
100
0,66
panen
143
1,06
panen
58
6,03
panen
101
1,91
panen
144
0,66
panen
59
4,93
panen
102
9,19
panen
145
3,42
panen
60
9,11
panen
103
7,30
panen
146
1,48
panen
61
2,36
panen
104
14,61
panen
147
4,13
panen
62
7,05
panen
105
4,35
panen
148
4,57
panen
63
10,52
panen
106
3,91
panen
149
9,01
panen
64
13,44
panen
107
1,92
panen
150
5,91
panen
65
7,40
panen
108
0,88
panen
151
3,43
panen
66
7,67
panen
109
0,55
panen
152
10,33
panen
67
7,31
panen
110
0,71
panen
153
1,63
panen
68
7,10
panen
111
1,62
panen
154
8,51
panen
69
7,00
panen
112
0,87
panen
155
9,93
panen
70
6,35
panen
113
2,53
panen
156
5,49
panen
71
5,82
panen
114
2,00
panen
157
7,00
panen
72
5,12
panen
115
0,19
panen
158
2,71
panen
73
4,00
panen
116
2,30
panen
159
2,77
panen
74
3,28
panen
117
1,44
panen
160
3,83
panen
75
2,91
fase generatif
118
1,30
panen
161
2,67
panen
76
2,32
fase generatif
119
1,24
panen
162
4,08
panen
77
2,41
fase generatif
120
1,85
panen
163
7,89
panen
78
1,64
fase generatif
121
1,14
panen
164
2,63
panen
79
8,67
panen
122
5,20
panen
165
4,62
panen
80
8,66
panen
123
2,72
panen
166
3,88
panen
52
167
5,96
panen
210
2,96
panen
253
2,81
fase generatif
168
18,64
panen
211
7,07
panen
254
2,20
panen
169
21,34
panen
212
3,21
panen
255
1,42
fase generatif
170
18,03
fase generatif
213
2,01
panen
256
2,42
panen
171
16,50
fase generatif
214
7,12
panen
257
2,58
panen
172
14,35
fase generatif
215
2,66
panen
258
2,53
panen
173
12,61
fase generatif
216
1,08
panen
259
3,05
panen
174
7,62
panen
217
5,80
panen
260
3,01
panen
175
1,10
panen
218
4,22
panen
261
1,50
panen
176
5,21
panen
219
3,39
panen
262
1,47
fase generatif
177
6,52
fase generatif
220
0,75
panen
263
0,63
fase generatif
178
5,05
fase generatif
221
2,78
panen
264
2,31
panen
179
5,80
fase generatif
222
7,45
panen
265
1,96
panen
180
4,54
panen
223
1,78
panen
266
0,71
panen
181
2,19
panen
224
1,60
panen
267
1,92
panen
182
4,76
fase generatif
225
4,18
panen
268
1,70
panen
183
5,51
fase generatif
226
1,61
panen
269
0,93
panen
184
2,63
fase generatif
227
2,79
panen
270
0,95
panen
185
4,31
fase generatif
228
3,07
panen
271
1,72
panen
186
3,41
fase generatif
229
2,01
panen
272
0,86
panen
187
2,20
fase generatif
230
2,75
panen
273
1,43
panen
188
1,44
fase generatif
231
0,34
panen
274
1,01
panen
189
3,44
fase generatif
232
1,81
panen
275
1,38
panen
190
6,02
panen
233
3,40
fase generatif
276
1,41
panen
191
3,15
fase generatif
234
2,97
panen
277
0,98
panen
192
2,46
panen
235
3,55
panen
278
1,65
panen
193
2,42
fase generatif
236
4,32
panen
279
1,90
panen
194
4,89
fase generatif
237
2,10
panen
280
0,58
fase generatif
195
3,08
panen
238
2,51
fase generatif
281
1,47
panen
196
4,72
panen
239
1,35
fase generatif
282
0,63
fase generatif
197
6,34
fase generatif
240
2,58
fase generatif
283
0,59
fase generatif
198
3,08
panen
241
2,54
panen
284
1,58
panen
199
7,48
panen
242
2,45
panen
285
1,54
panen
200
7,36
panen
243
1,14
panen
286
2,02
panen
201
5,92
panen
244
1,43
panen
287
2,05
panen
202
6,36
panen
245
3,13
fase generatif
288
1,72
panen
203
3,52
panen
246
1,29
panen
289
1,67
panen
204
6,25
panen
247
0,79
fase generatif
290
1,46
panen
205
6,13
panen
248
0,83
panen
291
0,99
panen
206
3,29
panen
249
0,81
panen
292
3,40
panen
207
3,64
panen
250
1,20
panen
293
2,56
panen
208
5,68
panen
251
2,06
panen
294
2,12
panen
209
2,19
panen
252
1,10
panen
295
1,94
fase generatif
53
296
3,36
panen
Jumlah fase generatif
297
2,68
panen
Jumlah panen
298
2,39
panen
Jumlah padi awal
299
2,27
panen
300
1,67
panen
301
1,94
fase generatif
302
5,45
fase generatif
303
4,20
panen
304
3,69
panen
305
4,29
fase generatif
306
20,45
panen
307
15,55
panen
308
15,03
panen
309
7,81
panen
310
7,90
panen
311
8,46
panen
312
8,29
panen
313
1,61
fase generatif
314
5,75
fase generatif
315
1,26
padi awal
316
6,86
fase generatif
317
11,41
panen
318
0,52
panen
319
29,95
Panen
320
19,56
panen
321
21,72
panen
322
3,71
panen
323
45,19
panen
324
3,29
fase generatif
325
5,79
fase generatif
326
22,93
panen
327
5,33
panen
328
16,70
panen
329
9,71
panen
330
6,91
panen
331
8,33
panen
332
13,05
panen
333
0,81
panen
334
1,78
panen
335
1,45
panen
336
0,58
panen
337
9,57
panen
338
0,41
panen
353,05 1603,82 1,26
