ZONASI TANAMAN JARAK (Ricinus Communis L) BERDASARKAN INTEGRASI MODEL NUMERIK DAN SPASIAL Zonation of Castor Oil (Ricinus Communis L) Base on Integration of Spatial and Numerical Model Fadjry Djufry Balai Pengkajian Teknologi Pertanian, Papua.
ABSTRACT The research objectives to develop a crop simulation model of castor oil (crop development, crop growth, water balance, and economic) with integration spatial model. The spatial model used geographic information system base on crop simulation model for development of castor (Ricinus communis L). The system software is integrated between numerical and spatial model. Integrating process began from numerical analysis to got variable and parameter of the model that can convert to spatial. The numerical model that used to develop this system has fourth sub-model: water balance, plant development, plant growth and economic model developed by modifying of data input of numerical model becomes spatial data with geo-reference and computer algorithm changes. The result of integrating model could be used as decisions support system tool for agribusiness management of castor (cultivation, zoning and economic analysis) in Indonesia. Keywords: castor oil, numerical model and spatial model.
Informatika Pertanian Volume 19 No. 2, 2010
77
PENDAHULUAN Salah satu komoditi tanaman industri yang mempunyai prospek cerah untuk dikembangkan dan dapat dijadikan alternatif subsitusi BBM adalah tanaman jarak (Ricinus communis L.). Hasil tanaman jarak berupa biji yang mengandung minyak jarak (castor oil) sekitar 40 % - 60 % dengan karakteristik yang tidak mudah mengering (non drying oil ), tahan terhadap suhu tinggi dan renewable. Minyak jarak merupakan bahan penting dalam industri minyak pelumas, minyak rem, cat, kosmetik, tekstil, plastik dan bahan bakar roket (Soenardi, 1992, 2000). Kebutuhan minyak jarak dalam negeri dan permintaan minyak jarak dunia yang terus meningkat, menyebabkan banyak investor mulai melirik komoditi ini untuk dikembangkan dalam skala yang lebih luas. Harga pasar minyak jarak dalam negeri berkisar antara Rp. 10.000,sampai dengan Rp. 12.000,- per kg, sedangkan harga pasar luar negeri berkisar antara US$ 885-US$ 1.250 per ton. (PT. Kimia Farma, 2002). Pengembangan suatu komoditi perkebunan pada suatu daerah hendaknya disesuaikan dengan potensi sumberdaya lahan dan kondisi agroklimat tanaman tersebut. Perluasan pada wilayah pengembangan memerlukan perencanaan dengan informasi wilayah yang akurat sehingga kegiatan perluasan lahan tersebut efisien dalam peningkatan produksi tanaman. Pewilayahan komoditas juga diperlukan sebagai bahan pertimbangan investor dan pemerintah daerah dalam pengambilan keputusan untuk pengembangan tanaman jarak. Model simulasi tanaman merupakan alat analisis sekaligus sintesis hasil-hasil penelitian lapang yang mempunyai kemampuan prediksi, sehingga dapat dipergunakan dalam perencanaan di wilayah pengembangan maupun sebagai dasar acuan pengelolaan tanaman jarak di Indonesia. Model simulasi tanaman jarak (submodel pertumbuhan, perkembangan, neraca air dan ekonomi) yang telah disusun oleh Fadjry (2008) belum dapat memberikan informasi pewilayahan tanaman, sehingga menyulitkan investor yang ingin mengembangkan tanaman jarak pada suatu daerah. Oleh karena itu integrasi model simulasi tanaman yang bersifat numerik dengan pemodelan spasial akan memberikan informasi lebih akurat untuk pengembangan tanaman jarak pada suatu daerah.
78
Zonasi Tanaman Jarak (Ricinus Communis L)
Integrasi ini memungkinkan model untuk memberikan keluaran yang bersifat keruangan/spasial, sehingga pewilayahan tanaman jarak akan lebih mudah direncanakan. Guna mempercepat proses, maka diperlukan suatu pengembangan sistem menjadi suatu perangkat lunak yang dapat memberikan keluaran baik bersifat numerik maupun spasial. Penelitian bertujuan untuk mengembangkan suatu software yang telah disusun Fadjry et. al. (2004; 2008) dengan mengintegrasikan model numerik dan spasial tanaman jarak. Software ini sebagai alat bantu untuk stakeholder (user) dalam perencanaan, pengelolaan dan pewilayahan tanaman jarak di Indonesia. METODE PENELITIAN Struktur Model Model yang disusun merupakan pengembangan dari model numerik oleh Fadjry et al. (2004) dan Fadjry (2008) dengan penambahan model spasial. Model numerik terdiri dari 4 submodel, yaitu (perkembangan tanaman, pertumbuhan tanaman, neraca air dan ekonomi) Model numerik menjelaskan proses pertumbuhan tanaman sejak tanam sampai panen, serta responnya terhadap unsur-unsur cuaca (radiasi surya, suhu dan kelembaban udara, curah hujan dan kecepatan angin) termasuk dinamika air dalam tanah secara terintegrasi serta hubungannya dengan analisis ekonomi. Model spasial akan memberikan hasil pewilayahan tanaman yang lebih informatif dan akurat. Setelah melalui berbagai kalibrasi dan validasi, model ini dapat diterapkan pada kondisi lingkungan yang berbeda-beda di wilayah Indonesia, sehingga respon tiap masukan pengelolaan (simulasi) dapat diprediksi yang merupakan dasar perencanaan dan pengelolaan tanaman jarak. Model tanaman meliputi submodel perkembangan yang menduga laju perkembangan tanaman selama periode pertumbuhan tanaman (tanam-panen) berdasarkan thermal unit. Submodel pertumbuhan mensimulasi mekanisme pertumbuhan tanaman berdasarkan radiasi surya yang diintersepsi oleh tajuk tanaman yang ditentukan oleh indeks luas daun (ILD). Submodel neraca air mensimulasi gerakan air mulai dari curah hujan jatuh ke atas tajuk tanaman, diintersepsi tajuk tersebut serta jatuh ke atas permukaan tanah kemudian terinfiltrasi ke dalam lapisan tanah, terjadi perkolasi, penguapan pada permukaan tanah sampai pada transpirasi tanaman. Selanjutnya dapat diprediksi berapa kandungan air tanah yang mendukung pertumbuhan tanaman. Penghitungan neraca air dilakukan pada empat lapisan tanah yaitu lapisan 1 (0-25 cm), lapisan 2 (25-50 cm), lapisan 3 (50-75 cm) dan lapisan 4 (75-100 cm). Submodel ini menggunakan faktor cuaca dan Informatika Pertanian Volume 19 No. 2, 2010
79
tanah sebagai faktor pembatas untuk menghitung ketersediaan air tanaman jarak (Fadjry et al. 2004). Submodel ekonomi menghitung seluruh biaya produksi termasuk sewa lahan, biaya tenaga kerja dan saprodi serta jadwal pembiayaannya. Melalui penggabungan dengan ketiga submodel lainnya, pendapatan dan berbagai indikator ekonomi berupa Benefit Cost Ratio (BCR), Break Even Point (BEP) dan Pay Back Period (PBP) dapat dihitung. Penggunaan submodel ekonomi memungkinkan pengguna untuk mengkaji kelayakan suatu daerah untuk dijadikan tempat pengembangan tanaman jarak dan menghitung nilai-nilai ekonomi (analisis usahatani) dalam penanaman tanaman jarak. Data masukan untuk model simulasi menggunakan hasil penelitian Fadjry et al. (2004) meliputi peubah cuaca, tanaman, tanah dan analisis usahatani. Selain itu peubah tanaman dan tanah yang diinisialisasi yaitu kebutuhan benih jarak per ha (berat biji jarak) dan kadar air tanah pada berbagai kedalaman tanah. Pengembangan Model Model numerik menggunakan data hasil percobaan lapang di Malang (575 mdpl), Sukamandi (50 mdpl) dan Situbondo (5 mdpl) (Fadjry et al., 2004) sebagai dasar penyusunan hubungan kuantitatif yang meliputi penurunan parameter model, kalibrasi model serta validasinya. Integrasi model numerik dan spasial yang dilakukan dalam penelitian ini disusun sebagai suatu perangkat lunak yang berfungsi sebagai sistem informasi geografi tanaman jarak di seluruh Indonesia. Proses integrasi dilakukan dengan memberikan nilai georeferen atau koordinat lokasi bagi data numerik yang telah dikonversi menjadi data vektor. Georeferensi data diberikan pada setiap data yang digunakan sebagai masuk model, terutama data dasar seperti data cuaca dan data tanah. Diagram alur proses integrasi model numerik dengan model spasial disajikan pada Gambar 1.
Gambar 1. Tahapan-tahapan penyusunan integrasi model numerik dan spasial 80
Zonasi Tanaman Jarak (Ricinus Communis L)
Analisis Statistik Pengujian model dilakukan dengan membandingkan hasil keluaran model dengan data pengamatan lapang. Pengujian dilakukan degan dua cara, yaitu secara kualitatif menggunakan metode grafik (fitting dan uji 1:1) serta uji statistik (uji t berpasangan, uji ketepatan model dan analisis regresi). Uji t berpasangan mengikuti persamaan (Steel dan Torrie, 1981). Di = pi - mi D
= ∑Di/n
SE = √{[ ∑Di2 - (∑Di )2 /n)/n (n-1)]} t
= D /SE
Di : perbedaan antara nilai prediksi (p) dan pengukuran (m) individual ke-i D : perbedaan antara nilai prediksi (p) dan pengukuran (m) rerata individual P
: nilai prediksi individu pada pengamatan ke-i
Mi : nilai pengukuran pada pengamatan ke-i N : jumlah pengamatan SE : standar error selisih nilai pengamatan dan dugaan t
: nilai t – student
Uji ketepatan model menggunakan persamaan (Handoko, 1996): Ketepatan Model = { 1 – I Model – Observasi I } x 100 % I Observasi I HASIL DAN PEMBAHASAN Model Numerik Validasi model numerik dilakukan terhadap pertumbuhan, perkembangan dan produktivitas hasil tanaman jarak pada berbagai kondisi pemberian air dan nitrogen serta waktu tanam. Model yang dibangun menggunakan data hasil penelitian daerah Sukamandi. Data yang digunakan untuk validasi adalah koleksi data selama percobaan tahun 2002 di daerah Sukamandi dan Malang serta koleksi data percobaan tahun 2003 di daerah Situbondo. Keluaran model simulasi Informatika Pertanian Volume 19 No. 2, 2010
81
tanaman jarak yang dibandingkan dengan pengukuran lapang meliputi submodel perkembangan ( fase emergence sampai fase panen), submodel pertumbuhan (indeks luas daun, biomassa tanaman, produksi biji), dan submodel neraca air (kadar air tanah). Ringkasan hasil pengujian model yang disusun antara berbagai peubah pada tiga buah submodel (pertumbuhan, perkembangan dan neraca air) disajikan pada Tabel 1. Perbandingan antara model dan observasi berdasarkan hasil uji t berpasangan. Bila hasil uji t antara model dan observasi tidak berbeda nyata (ns), artinya keluaran model mendekati atau sama dengan hasil pengamatan lapang. Berdasarkan hasil pengujian dari 52 peubah yag digunakan untuk pengujian, 9 % berbeda nyata (P<0.05) dan 91 % tidak berbeda nyata (P>0.05) antara hasil observasi dan prediksi model. Hasil uji t berpasangan menunjukkan, bahwa untuk daerah Malang, Sukamandi dan Situbondo berturut-turut 95 %, 79 % dan 100 % hasil keluaran model dapat memprediksi pertumbuhan, perkembangan, produksi, dan kadar air tanah sesuai dengan hasil observasi lapang. Tabel 1. Hasil pengujian uji t berpasangan antara model dan observasi daerah Malang, Sukamandi dan Situbondo No 1
2
3
Peubah Submodel pertumbuhan ILD Biomassa daun (kg/ha) Biomassa batang (kg/ha) Biomassa akar (kg/ha) Biomassa total (kg/ha)
N0 ns ns ns ns ns
Malang N1 N2 ns ns ns ns ns
ns ns ns ns ns
Sukamandi A0 A1 A2
Situbondo W1 W2
s ns ns s ns
ns ns ns ns ns
ns s ns ns s
ns ns ns ns ns
ns ns ns ns ns
Produksi biji (ton/ha)
ns
ns
ns
Submodel perkembangan Periode fase fenologi (hari)
ns
ns
ns
Submodel neraca air KAT (0-25 cm) (mm) KAT (0-100 cm) (mm)
s ns
s ns
ns ns
ns ns
ns ns
ns : tidak berbeda nyata, s : nyata
Uji ketepatan model dilakukan untuk menilai sampai sejauh mana keluaran model dapat memprediksi secara tepat sesuai hasil observasi lapang disajikan pada Tabel 2. Hasil uji ketepatan model menunjukkan
82
Zonasi Tanaman Jarak (Ricinus Communis L)
bahwa, 87 % dan 95 % model dapat secara tepat menduga produksi biji tanaman jarak tanaman sesuai observasi lapang. Model simulasi tanaman jarak yang telah disusun menggunakan koleksi data percobaan daerah Sukamandi yang memperhitungkan proses yang terjadi pada pertanaman jarak. Namun demikian model mempunyai keterbatasan antara lain tidak dapat menjelaskan mekanisme proses pergerakan unsur-unsur hara tanah termasuk nitrogen dalam tanah dan tanaman. Hal ini disebabkan model yang disusun belum mengintegrasi submodel nitrogen dan unsur-unsur lainnya. Dalam model yang disusun respon tanaman terhadap pemupukan nitrogen berdasarkan penurunan dari hasil percobaan pemupukan N daerah Malang (model fitting). Tabel 2. Uji ketepatan model antara observasi dan keluaran model produksi biji (ton/ha) daerah Sukamandi, Situbondo dan Malang
Perlakuan Sukamandi A2 A1 A0 Situbondo W1 W2 Malang N2 N1 N0 Rata-rata
Observasi (ton/ha) Model (ton/ha) Ketepatan (%) 1.6 1.2 0.7
2.4 1.4 0.7
55 85 99
1.3 1.3
1.5 1.2
86 90
2.0 1.5 1.0
2.0 1.6 0.9
97 91 95 87
Model Spasial Pewilayahan tanaman dilakukan dengan menjalankan model yang telah disusun dengan masukan unsur-unsur cuaca dan parameter tanah yang digunakan model. Data cuaca yang digunakan diperoleh dari hasil pengamatan Stasiun Klimatologi yang tersebar di Indonesia. Jika pada lokasi tertentu tidak terdapat data yang diperlukan digunakan model data pembangkit cuaca Shierary-weather (Handoko, 1996). Berdasarkan keluaran model akan dapat dipetakan daerah-daerah di Indonesia yang berpotensi untuk dikembangkan tanaman jarak. Informasi ini akan membantu para investor dalam memilih daerahInformatika Pertanian Volume 19 No. 2, 2010
83
daerah pengembangan tanaman yang baru. Perangkat lunak sistem informasi geografis (PC-ArcInfo) digunakan untuk penyusunan database serta pemetaan wilayah-wilayah pengembangan tanaman jarak. Masukan model terdiri spatial data berupa peta administrasi, data hujan dan hari hujan bulanan sebagai input model pembangkit cuaca, ketinggian tempat, letak lintang dan bujur serta data parameter tanah (kapasitas lapang dan titik layu permanen), dengan resolusi spasial 0.10, waktu tanam dan jumlah pupuk N Keluaran model dapat disajikan secara spasial berupa sebaran potensi produksi pertanaman jarak untuk setiap provinsi yang didalamnya dibatasi dengan batas/wilayah kabupaten dan kota. Nilai potensi hasil jarak disajikan dalam bentuk peta, grafik dan tabel yang dapat diketahui jumlah luasan dalam hektar di setiap provinsi di seluruh Indonesia. Nilai potensi hasil yang diperoleh dipengaruhi oleh waktu tanam/musim, jumlah pupuk yang diberikan. Gambar 2 menyajikan contoh keluaran model sistem informasi geografi tanaman jarak pada daerah sentra pengembangan tanaman jarak di provinsi Nusa Tenggara Barat (NTB) dan diprovinsi Jawa Timur. Tanggal penanaman 190 (julian date) dengan perlakukan jumlah pupuk 68 kg N/ha dan tanpa pemberian air irigasi. Simulasi waktu tanam yang berbeda dilakukan pada wilayah Sulawesi Selatan. Penanaman dilakukan pada bulan Januari (tanggal 1 julian date) sebagai representasi bulan basah dan bulan Juni (tanggal 190 julian date) sebagai representasi bulan kering akan memberikan sebaran potensi hasil yang berbeda di wilayah Sulawesi Selatan (Gambar 3). Pewilayahan tanaman jarak yang disusun pada penelitian ini memiliki keterbatasan dalam penilaian daerah yang berpotensi untuk pengembangan tanaman jarak diseluruh Indonesia secara akurat. Hal ini disebabkan belum dilakukannya validasi model pada berbagai kondisi iklim dan tanah di Indonesia sehingga hasil pewilayahan jarak ini masih memerlukan validasi model untuk memperoleh hasil pewilayahan yang lebih mengambarkan kondisi aktual dilapangan.
84
Zonasi Tanaman Jarak (Ricinus Communis L)
Gambar 4. Hasil sistem informasi geografis tanaman jarak di provinsi NTB dan Jawa Timur
Gambar 5. Hasil sistem informasi geografis tanaman jarak di provinsi Sulawesi Selatan ( dari atas ke bawah waktu tanam bulan Januari dan Juni)
Informatika Pertanian Volume 19 No. 2, 2010
85
KESIMPULAN 1. Integrasi model simulasi tanaman (numerik) dengan model spasial (sistem informasi geografis) maka metode pewilayahan tanaman yang selama ini bersifat statis dapat disempurnakan dengan merubah metode pewilayahan yang bersifat dinamis tergantung dengan musim tanam dan teknik budidaya yang akan dikembangkan. Selain itu juga dapat dilakukan suatu analisis usahatani pada daerah tertentu yang telah dipilih untuk pengembangan berdasarkan skenario-skenario tertentu. 2. Keluaran model dapat disajikan secara spasial berupa sebaran potensi produksi pertanaman jarak untuk setiap provinsi yang didalamnya dibatasi dengan batas/wilayah kabupaten dan kota. Nilai potensi hasil jarak disajikan dalam bentuk peta, grafik dan tabel yang dapat diketahui jumlah luasan dalam hektar di setiap provinsi di seluruh Indonesia. 3. Pengembangan integrasi model simulasi tanaman (numerik) dengan model spasial (sistem informasi geografis) akan membantu pengguna untuk perencanaan pengembangan tanaman jarak secara luas pada berbagai wilayah di Indonesia sehingga pada akhirnya akan meningkatkan agribisnis, agroindustri dan ekspor minyak jarak. DAFTAR PUSTAKA Fadjry D, Handoko, J.S. Baharsjah, Koesmaryono Y dan Goenadi, D.H. 2004. Penyusunan model simulasi tanaman Jarak (Ricinus communis L.). Jurnal Agromet Indonesia. 18: 1-10. Fadjry Djufry. 2008. Integrasi model tanaman dan model ekonomi untuk pengelolaan tanaman jarak (Ricinus communis L.) di Indonesia. Jurnal Widya Riset. 11: 1-10 Handoko, I. 1996. Analisis Sistem dan Model Simulasi Komputer untuk Perencanaan Pertanian di Indonesia. Materi Pelatihan (tidak dipublikasikan). Bogor, 2 - 6 September 1996. Jurusan Geofisika dan Meteorologi. FMIPA. IPB Bogor. 112 hlm. [PT. Kimia Farma] PT. Kimia Farma (Unit Produksi Semarang). 2002. Kebutuhan Jarak Domestik dan Impor untuk Berbagai Industri. Lokakarya dan Pameran Pengembangan Kapas, Jarak dan Wijen dalam Rangka Penerapan Otonomi Daerah. Pusat Penelitian dan Pengembangan Tanaman Perkebunan. Balai Penelitian Tanaman Tembakau dan Serat . Malang 15-16 Oktober 2002. 6 hlm.
86
Zonasi Tanaman Jarak (Ricinus Communis L)
Soenardi. 1992. Potensi dan Prospek Tanaman Jarak di Indonesia Bagian Timur. Warta Badan Litbang Pertanian. 14: 3 – 5. Soenardi. 2000. Budidaya Tanaman Jarak. “Jarak”. Balai Penelitian Tembakau dan Tanaman Serat Malang. Monograf Balittas 6: 15 - 24. Steel, R.G.P & J.H. Torrie. 1981. Introduction to Statistics. New York : Mc Graw Hill. 382 hlm.
Informatika Pertanian Volume 19 No. 2, 2010
87
