MODEL SIMULASI TANAMAN UNTUK MENGANALISIS

PENGARUH JADWAL TANAM DAN MENDUGA PRODUKTIVITAS

TANAMAN CABAI MERAH DI KOTA PAGAR ALAM

NUR ANNISSA

DEPARTEMEN GEOFISIKA DAN METEOROLOGI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2017
 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Model Simulasi
Tanaman untuk Menganalisis Pengaruh Jadwal Tanam dan Menduga
Produktivitas Tanaman Cabai Merah di Kota Pagar Alam adalah benar karya saya
dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip
dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.

Bogor, Oktober 2017

Nur Annissa
NIM G24130078
 ABSTRAK
NUR ANNISSA. Model Simulasi Tanaman untuk Menganalisis Pengaruh Jadwal
Tanam dan Menduga Produktivitas Tanaman Cabai Merah di Kota Pagar Alam.
Dibimbing oleh IMPRON.

Kota Pagar Alam, Sumatera Selatan berada di ketinggian 600-2700 mdpl.

Kota ini memiliki kondisi iklim dan tanah yang sesuai untuk tanaman cabai merah
(Capsicum annuum L.) yang memiliki nilai ekonomis yang tinggi. Namun jumlah
produksi cabai merah yang fluktuatif sepanjang tahun dapat mengakibatkan
kelebihan maupun kekurangan ketersediaan cabai merah di pasar. Penelitian ini
dilakukan untuk membuat model tanaman yang dapat dipakai untuk
mensimulasikan proses perkembangan, pertumbuhan, dan produksi tanaman cabai
merah. Model tanaman ini menggunakan input cuaca harian. Keluaran dari
simulasi model ini adalah komponen biomassa (kg/ha) harian yaitu akar, batang,
daun, dan buah secara harian. Perbandingan hasil simulasi dan data lapang untuk
komponen buah yang diambil di tiga lokasi di Kota Pagar Alam menunjukan
akurasi model sebesar 76% untuk wilayah Koramil, 91% untuk wilayah
Perandonan, dan akurasi 85% untuk wilayah Pagargading. Hasil model simulasi
menunjukkan bahwa produktivitas cabai rata-rata bulanan bervariasi; tertinggi
sebesar 3376 kg/ha jika penanaman dilakukan pada bulan Oktober, dan terendah
sebesar 2828 kg/ha jika penanaman dilakukan pada bulan Februari

Kata kunci: Akurasi, biomassa, cabai, model, produktivitas, simulasi

 ABSTRACT
NUR ANNISSA. Simulation Model to Analyze the Effect of Planting Schedule
and Predict the Productivity of Red Chilies in Pagar Alam City. Supervised by
IMPRON.

The city of Pagar Alam, South Sumatra is at an altitude of 600-2700 masl.

The city has climatic and soil condition suitable for red chili plants (Capsicum
annuum L.) that have high economic value. However, the fluctuating amount of
red pepper production throughout the year can lead to excess or lack of
availability of red chili in the market. This research was conducted to use a crop
model to simulate the development, growth, and production of red pepper plant.
This model used daily weather as input to simulate daily biomass (kg/ha)
components of roots, stems, leaves, and fruits. Comparison of fruit components
from simulation with field data taken at three areas in Pagar Alam city showed
model accuracy of 76% for Koramil area, 91% for Perandonan area, and 85%
Pagargading area. The simulation model result show that the average monthly
chili productivity varies; highest of 3376 kg/ha if planting is done in October, and
the lowest of 2828 kg/ha if planting is done in February.

Keywords: Accuracy, biomass, chili, model, productivity, simulation

 MODEL SIMULASI TANAMAN UNTUK MENGANALISIS
PENGARUH JADWAL TANAM DAN MENDUGA PRODUKTIVITAS
TANAMAN CABAI MERAH DI KOTA PAGAR ALAM

NUR ANNISSA

Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains
pada
Departemen Geofisika dan Meteorologi

DEPARTEMEN GEOFISIKA DAN METEOROLOGI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2017
 PRAKATA
Puji dan syukur penulis ucapkan kehadirat Allah SWT, karena berkat
rahmat dan hidayat-Nya penulis masih diberikan kesehatan dan kesempatan
sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam
penelitian yang dilaksanakan sejak Februari 2017 ini ialah Model Simulasi
Tanaman, dengan judul Model Simulasi Tanaman untuk Menganalisis Pengaruh
Jadwal Tanam dan Menduga Produktivitas Tanaman Cabai Merah di Kota Pagar
Alam. Penulis mengucapkan terimakasih untuk bantuan, semangat, kritik, dan
saran yang telah diberikan baik secara langsung maupun tidak langsung. Ucapan
terimakasih penulis sampaikan kepada:
1. Ayah, Ibu, Kakak, dan Adik yang selalu memberikan doa, dukungan,
motivasi, semangat, dan kasih sayangnya kepada penulis;
2. Bapak Dr. Ir. Impron, M.Agr.Sc. selaku pembimbing skripsi yang telah
memberikan arahan dan bimbingan selama penyusunan skripsi;
3. Bapak Dr. Bambang Dwi D, M.Si dan Dr. Sobri Effendy selaku dosen
penguji yang telah memberikan kritik dan saran untuk perbaikan tulisan
ini;
4. Dosen-dosen Geofisika dan Meteorologi yang telah memberikan ilmu
selama perkuliahan dan staf Departemen Geofisika dan Meteorologi atas
bantuan selama studi;
5. Semua keluarga Geofisika dan Meteorologi 50 atas doa, semangat,
dukungan, dan kebersamaan selama perkuliahan dan penyusunan
skripsi;
6. Semua pihak yang membantu dalam penyusunan skripsi ini yang tidak
dapat dituliskan satu per satu.
Semoga karya ilmiah ini bermanfaat.

Bogor, Oktober 2017

Nur Annissa
 DAFTAR ISI
DAFTAR TABEL viii
DAFTAR GAMBAR viii
DAFTAR LAMPIRAN viii
PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 1
Tujuan Penelitian 2
Manfaat Penelitian 2
Ruang Lingkup Penelitian 2
TINJAUAN PUSTAKA 3
Kota Pagar Alam 3
Karakteristik Tanaman Cabai Merah (Capsicum annuum L.) 3
Syarat Tumbuh Tanaman Cabai 4
Model Simulasi Tanaman 4
METODE 8
Bahan 8
Alat 8
Tahap Pengembangan Model 9
Submodel Simulasi 9
Kalibrasi Model 13
HASIL DAN PEMBAHASAN 15
Kondisi Iklim Wilayah Kota Pagar Alam 15
Potensi Produktivitas Berdasarkan Hasil Model Simulasi Cabai 16
SIMPULAN DAN SARAN 23
Simpulan 23
Saran 23
DAFTAR PUSTAKA 23
LAMPIRAN 25
RIWAYAT HIDUP 34
 DAFTAR TABEL
1. Parameter dalam pengembangan model 8
2. Proporsi biomassa yang digunakan pada setiap selang indeks
fase menurut Feriantini (2016) dan setelah modifikasi untuk
keperluan kalibrasi 14
3. Rataan nilai galat hasil kalibrasi dengan observasi menurut
Feriantini (2016) dan setelah modifikasi 18
4. Perbandingan data lapang dan model produktivitas cabai
merah di tiga Wilayah di Kota Pagar Alam 19
5. Perbandingan akurasi produktivitas total setelah perubahan
proporsi 19

DAFTAR GAMBAR
1. Diagram forester submodel pertumbuhan tanaman 6
2. Diagram forester submodel neraca air 7
3. Diagram alir metode penelitian 9
4. Akumulasi panas dalam ºC hari dan skala perkembangan 11
5. Suhu rata-rata dan kelembaban relatif bulanan 15
6. Curah hujan rata-rata bulanan tahun 2006-2015 16
7. Penambahan organ biomassa akar (a), batang (b),
daun (c), dan buah (d) tanaman cabai 17
8. Penambahan organ biomassa buah per hari dan biomassa kumulatif
wilayah Pagargading 20
9. Panen hari pertama (a), panen ketujuh (b), dan produktivitas
rata-rata bulanan (c) 21

DAFTAR LAMPIRAN
1. Contoh tampilan program model 25
2. Produktivitas tanaman cabai di tiap wilayah 27
3. Formulasi codding simulasi pertumbuhan dan perkembangan 28
 1

PENDAHULUAN
Latar Belakang
Cabai merah (Capsicum annuum L.) merupakan salah satu komoditas
hortikultura penting dalam memenuhi kebutuhan pangan. Sayuran yang populer
dan bernilai tinggi ini memiliki banyak kandungan gizi antara lain protein, lemak,
vitamin, karbohidrat, dan kalsium. Produktivitas cabai di Indonesia tahun 2012
menurut Badan Pusat Statistik Republik Indonesia (BPS 2013) adalah sebesar
5.60 ton/ha dengan luas panen cabai 237 105 ha dan produksi sebesar 1 327 778
ton/tahun. Jumlah konsumsi cabai merah rumah tangga dalam setahun sebanyak
4.6 kg/jiwa. Jumlah penduduk Indonesia pada tahun 2012 adalah sekitar 253 609
643 jiwa, maka konsumsi cabai merah rata-rata penduduk Indonesia sekitar 1 166
605 ton/tahun. Data tersebut menunjukan masih ada surplus jumlah produksi
cabai merah sebesar 161 173 ton/tahun, akan tetapi permintaan cabai tidak dapat
dipenuhi oleh pasar pada waktu-waktu tertentu. Hal tersebut dikarenakan
distribusi produksi cabai merah yang tidak merata sepanjang tahun.
Salah satu upaya yang dapat dilakukan dalam usaha meningkatkan
produksi cabai yang efisien dan efektif adalah melakukan optimalisasi wilayah-
wilayah yang memiliki potensi sumberdaya lahan dengan kesesuaian iklim
tumbuh tanaman cabai. Optimalisasi wilayah-wilayah yang cocok untuk budidaya
tanaman cabai dapat menjadi terobosan dalam upaya peningkatan produksi cabai
dalam negeri, seperti di Kota Pagar Alam, Sumatera Selatan yang merupakan
salah satu wilayah pemasok sayuran di Sumatera Selatan.
Proses pertumbuhan tanaman merupakan hubungan antara cuaca dengan
tanaman dengan sesuatu yang teratur, sedangkan produksi tanaman relatif tetap
dari musim ke musim, dengan asumsi faktor teknologi budidaya tetap, maka
variasi hasil dari musim ke musim disebabkan oleh fluktuasi unsur-unsur cuaca
musiman maupun harian. Penggunaan model simulasi tanaman telah teruji
keabsahannya, dengan pengaruh cuaca terhadap pertumbuhan tanaman dapat
disimulasikan dalam waktu yang singkat. Hal ini menunjukkan salah satu
keunggulan penggunaan model simulasi tanaman yaitu dalam penghematan waktu
dan biaya, dibandingkan penelitian agronomis di lapangan (Handoko 1994).
Model simulasi pertanian dapat menjadi salah satu alternatif dalam usaha
pengembangan budidaya tanaman cabai karena di dalamnya terdapat analisa
kuantitatif tentang interaksi iklim dan tanaman. Unsur-unsur cuaca yang selalu
berubah baik secara diurnal maupun musiman menyebabkan fluktuasi hasil
tanaman dari musim ke musim. Hal tersebut membuat interaksi antara cuaca
dengan tanaman menempati porsi yang cukup banyak dalam pemodelan
pertumbuhan tanaman (Handoko 1994).

Perumusan Masalah
Permintaan akan kebutuhan cabai merah yang cukup tinggi tidak
diimbangi dengan jumlah pasokan cabai merah yang sesuai karena ketersediannya
yang tidak stabil. Pasokan cabai merah oleh petani terkadang tidak bisa diprediksi.
Dibutuhkan metode prediksi produksi panen cabai merah dalam bentuk simulasi
model pertumbuhan dan perkembangan tanaman cabai merah, yang dapat
menghasilkan perkiraan panen cabai merah berdasarkan jadwal tanam tertentu.
2

Tujuan Penelitian
Tujuan dari penelitian skripsi ini adalah
1. Mengembangkan model simulasi pertumbuhan dan perkembangan
cabai merah untuk memperoleh prediksi produksi tanaman cabai
merah yang ditanam pada jadwal tanam tertentu
2. Membandingkan hasil keluaran model simulasi cabai merah dengan
data observasi lapang

Manfaat Penelitian
Manfaat dari penelitian ini adalah tersedianya simulasi model hubungan
antara jadwal tanam dan produksi tanaman cabai merah, sehingga memudahkan
petani dalam menentukan tanggal tanam agar memperoleh produktivitas cabai
merah yang optimum di Kota Pagaralam, Sumatera Selatan.

Ruang Lingkup Penelitian

Penelitian ini meggunakan data sekunder tanaman cabai merah varietas

Seloka IPB hasil penelitian Mandesno (2014) di Dramaga, Bogor dan data
sekunder produktivitas cabai merah di tiga wilayah Kota Pagaralam, Sumatera
Selatan. Parameter tanaman yang berpengaruh adalah RUE (efisieni pemanfaatan
radiasi surya oleh tajuk tanaman), SLA (luas daun spesifik), suhu dasar, dan
akumulasi panas. Penyusunan model dibatasi oleh pengaruh unsur-unsur cuaca
khususnya curah hujan, radiasi surya, suhu, kelembaban, dan kecepatan angin.
Sifat fisik tanah yang berpengaruh hanya kapasitas lapang dan titik layu
permanen.
 3

TINJAUAN PUSTAKA

Kota Pagar Alam

Kota Pagar Alam secara geografis berada pada posisi 4° Lintang Selatan
(LS) dan 103.15° Bujur Timur (BT). Sebagai salah satu Kota di Provinsi Sumatera
Selatan, Pagar Alam terletak sekitar 298 km dari Kota Palembang (Ibu Kota
Provinsi) yang berjarak 60 km di sebelah barat daya dari Kabupaten Lahat. Pagar
Alam diapit oleh kabupaten lainnya yaitu Kabupaten Lahat, Muara Enim, dan
Provinsi Bengkulu. Kota Pagar Alam berada di ketinggian 694-2 700 mdpl dan
mempunyai luas wilayah ± 633.66 km2, yang terbagi menjadi lima kecamatan
yaitu, Kecamatan Dempo Selatan, Dempo Tengah, Dempo Utara, Pagar Alam
Selatan, dan Pagar Alam Utara. Sebagian besar keadaan tanah di Kota Pagar
Alam berasal dari jenis latosol dan andosol dengan bentuk permukaan
bergelombang sampai berbukit. Jika dilihat dari kelasnya, tanah di daerah ini pada
umumnya adalah tanah kelas I (satu) yang mengandung kesuburan yang tinggi.
Kota ini memiliki kondisi dan struktur tanah yang cukup produktif untuk berbagai
jenis tanaman, baik tanaman pangan maupun tanaman perkebunan, sehingga
sangat menunjang pertumbuhan ekonomi di bidang pertanian (BPS Pagar Alam
2015).

Karakteristik Tanaman Cabai Merah (Capsicum annuum L.)

Tanaman Cabai Merah (Capsicum annuum L.) adalah tanaman perdu

dengan rasa buah pedas yang disebabkan oleh kandungan capsaicin. Cabai merah
(Capsicum annuum L.) termasuk tanaman semusim, berdiri tegak dengan
berbatang kayu, dan memiliki banyak cabang. Tinggi tanaman dewasa antara 65-
120 cm dan lebar tajuk tanaman 50-90 cm. Cabai merah tergolong dalam
tumbuhan yang menghasilkan biji (Spermatophyta). Bijinya tertutup oleh bakal
buah sehingga termasuk dalam golongan tumbuhan berbiji tertutup (Prajnanta
2007). Tanaman cabai merah diklasifikasikan dalam dunia tumbuh-tumbuhan
sebagai berikut (Prajnanta 2007):

Kingdom : Plantarum
Divisi : Spermathophytha
Subdivisi : Angiospermae
Klas : Dicotyledoneae
Subklas : Sympetalae
Ordo : Tubiflorae (Solanales)
Famili : Solanales
Genus : Capsicum
Spesies : Capsicum annuum L.

Tanaman cabai merah memiliki bentuk daun bulat telur, lonjong, dan oval
dengan ujung meruncing. Tanaman cabai merah memiliki bentuk bunga seperti
terompet. Bunga tanaman cabai merupakan bunga lengkap dan bunga berkelamin
ganda. Ukuran buah tanaman cabai sangat bervariasi bentuk dan ukurannya
tergantung dari spesiesnya. Perakaran cabai merah merupakan akar tunggang yang
terdiri dari akar utama (primer) dan akar lateral (sekunder). Panjang akar primer
4

berkisar antara 35-50 cm dan akar sekunder berkisar antara 35-45 cm (Prajnanta
2007).

Syarat Tumbuh Tanaman Cabai

Tanaman cabai dapat tumbuh pada tanah dengan pH 6 – 6.5 (George 2010),
dengan ketinggian di daerah tropis yaitu berkisar antara 150-1800 mdpl
(Valenzuela 2010). Suhu optimum harian untuk pertumbuhan cabai merah yaitu
antara 24° C sampai dengan 32° C (Berke et al. 2007). Suhu dasar untuk tanaman
cabai merah pada fase perkecambahan adalah 11.8° C, pada fase berbunga 9.6° C
dan pada fase berbuah 10.7° C (Polii 2003). Menurut Prajnanta (2007) tanaman
cabai membutuhkan curah hujan sebanyak 1500-2500 mm/tahun. Cabai dapat
tumbuh dengan baik berdasarkan tipe iklim menurut Schmidt dan Furgusson yaitu
pada iklim tipe A, B, C dan D. Berdasarkan tipe iklim Oldeman tanaman palawija
termasuk tanaman cabai membutuhkan hujan yang efektif sebesar 75% (Handoko
1994). Jenis tanah terbaik untuk pertumbuhan cabai merah adalah pada jenis tanah
lempung atau lempung berdebu dengan kapasistas memegang air yang baik. Pada
kenyataannya cabai merah dapat tumbuh selama tanah tersebut memiliki drainase
yang baik.

Model Simulasi Tanaman

Model merupakan bentuk sederhana dari sistem. Sistem sendiri adalah

bagian terbatas dari keadaan yang sebenarnya yang memiliki komponen-
komponen saling berhubungan secara teratur. Model hanya menggambarkan
beberapa aspek dominan yang berpengaruh dalam sistem, tidak harus
mencerminkan semua aspek yang terdapat dalam sistem. Semakin banyak aspek
atau proses yang dijelaskan oleh model, maka struktur model akan semakin
kompleks (Handoko 1994). Berdasarkan tujuannya (Handoko 1994), model
simulasi dibagi menjadi tiga macam, yaitu (1) model simulasi untuk pemahaman
proses (process understanding), (2) model simulasi untuk prediksi (prediction),
dan (3) model simulasi yang digunakan untuk keperluan manajemen
(management).
Model simulasi tanaman adalah bagian dari analisis sistem sebagai metode
suatu pendekatan masalah secara terintegrasi yang digunakan sebagai pemecahan
masalah secara metode ilmiah. Model ini merupakan hubungan matematika
terhadap berbagai proses dari pertumbuhan tanaman, perkembangan tanaman, dan
respon tanaman terhadap faktor lingkungan (Gholipouri et al. 2010). Pemodelan
dalam bidang pertanian memungkinkan kita untuk melakukan pendekatan
kuantitatif dalam memprediksi perkembangan, pertumbuhan dan hasil tanaman.
Menurut Boote dan Jones (1988), model simulasi tanaman dapat digunakan untuk
merencanakan waktu tanam, penggunaan tanah dan pengelolaan air, evaluasi
tanaman, varietas, dan teknologi budidaya.
Model simulasi dapat menganalisis tingkat resiko iklim terhadap
pertumbuhan tanaman, sehingga dapat digunakan sebagai bahan pertimbangan
dalam perluasan wilayah penanaman dan pemilihan sistem usaha tani yang sesuai
dengan lokasi (Handoko 1994). Walaupun model simulasi mempunyai banyak
keunggulan, namun harus disadari bahwa tiap model mempunyai keterbatasan.
 5

Model dibuat hanya untuk menggambarkan suatu proses atau beberapa proses
tertentu dari suatu sistem. Oleh karena itu pada proses-proses di luar tujuan model
simulasi tentu memberikan hasil prediksi yang kurang baik (Handoko 1994).
Dengan segala keterbatasannya, model mempunyai prospek yang besar sebagai
solusi untuk menjelaskan berbagai masalah pada perkembangan tanaman, prediksi
hasil, kajian iklim dan tanah, serta kajian perubahan iklim (Sirotenko 2001).

Submodel Pertumbuhan dan Perkembangan Tanaman

Submodel pertumbuhan menyimulasikan aliran biomassa hasil fotosintesis
organ-organ tanaman (akar, batang, daun, dan buah) serta kehilangannya berupa
respirasi. Pembagian biomassa hasil fotosintesis ke berbagai organ tanaman
merupakan fungsi perkembangan tanaman yang dihitung dalam submodel
perkembangan. Submodel ini memanipulasi perkembangan nilai leaf area index
(LAI).
Produksi biomassa potensial dihitung secara harian berdasarkan jumlah
radiasi yang diintersepsi tanaman cabai merah serta efisiensi penggunaan radiasi
oleh tajuk. Radiasi yang diintersepsi oleh tajuk tanaman diduga menggunakan
fungsi dari radiasi surya yang datang dan LAI.
Produksi biomassa aktual dialokasikan ke akar, batang, daun, dan buah
yang perbandingannya tergantung pada fase perkembangan tanaman yang
dijelaskan pada Gambar 1. Sebagian dari biomassa yang terkumpul pada masing-
masing organ tanaman tersebut akan hilang dalam proses respirasi pertumbuhan
dan pemiliharaan. Respirasi pemeliharaan dihitung dari fungsi berat dan suhu
udara (Handoko 1994).
Perubahan Leaf Area Index (LAI) dihitung dari perkalian antara parameter
luas daun spesifik (sla) dengan laju pertumbuhan daun harian (dWD) yang dapat
dilihat pada persamaan berikut:

dLAI = sla * dWD (1)

Keterangan:
dLAI : Perubahan leaf area index
sla : Luas daun spesifik (ha kg-1)
dWD : Perubahan berat daun (kg ha-1 hari-1)
6

Gambar 1 Diagram forester submodel pertumbuhan tanaman (Handoko 1994)

Keterangan:
Ba : Biomassa aktual
LAI : Indeks luas daun
fw : Factor water
Tm : Transpirasi
Ta : Transpirasi maksimum
k : Koefisien pemadaman tajuk
Qs : Radiasi intersepsi
ɛ : Efisiensi penggunaan radiasi
sp : Skala perkembangan
Temp : Suhu udara
W : Biomassa

Sub model Neraca Air

Hujan dan irigasi merupakan sumber air (source) dari submodel neraca air
yang terlihat pada Gambar 2, kecuali pada lahan tadah hujan yang
menggantungkan air hanya dari hujan. Konsep pada submodel ini adalah air hujan
jatuh pada permukaan tajuk tanaman. Air yang tertahan pada tajuk disebut
intersepsi yang kemudian akan menguap ke atmosfer. Sisanya yang sampai ke
permukaan tanah, akan diserap tanah berupa infiltrasi (Handoko 1994). Tanaman
dapat menyerap air jika tegangan air tersebut di atas titik layu permanen (wilting
point), sedangkan tanah dapat menahan air dapat menahan air sampai batas
kapasitas lapang (field capacity). Jumlah air antara titik layu dan kapasitas lapang
merupakan air tersedia bagi tanaman. Perkolasi akan berhenti bila tegangan air
tanah mencapai kapasitas lapang (Handoko 1994).
 7

Gambar 2 Diagram forester submodel neraca air (Handoko 1994)

Keterangan:
LAI : Indeks luas daun
Esm : Evaporasi maksimum
Etp : Evapotransprasi potensial
Tsm : Transpirasi maksimum
Ea : Evaporasi aktual
Ta : Transpirasi aktual
α dan U: Parameter penguapan tanah
KL : KAT pada kapasitas lapang
TLP : KAT pada titik layu permanen
Hujan : Curah hujan
Ic : Intersepsi tajuk tanaman
Inf : Infiltrasi
Drain : Aliran
8

METODE
Bahan
Bahan yang digunakan untuk penelitian ini berupa:
1. Data yang diperoleh dari tiga titik tanam cabai di Kota Pagar Alam
melalui wawancara kepada petani, meliputi: lokasi tanam, jadwal
tanam, jadwal panen, jumlah produksi tiap panen, jumlah total
produksi panen, jenis lahan, dan kemiringan lereng tanaman cabai
merah.
2. Data Iklim wilayah Pagar Alam tahun 2006 sampai 2015 (Sumber:
Power Nasa) meliputi suhu udara curah hujan, kecepatan angin,
kelembaban, dan radiasi surya.
3. Data parameter pertumbuhan dan perkembangan tanaman cabai
varietas Seloka IPB yang diperoleh dari penelitian Mandesno (2014)
untuk pengembangan model.
Tabel 1 Parameter dalam pengembangan model
Parameter Satuan Nilai Sumber
Data Tanaman
Efisiensi Penggunaan Radiasi KgMj-1 0.012 Mandesno (2014)
Koefisien pemadaman - 0.4 Mandesno (2014)
-1
Koefisien respirasi pemeliharaan KgMj 0.015 Amthor (2000)
-1
Koefisien respirasi pertumbuhan KgMj 0.2 Amthor (2000)
Akumulasi panas
Semai – Tanam °C hari 458 Mandesno (2014)
Tanam – Kuncup Bunga °C hari 286 Mandesno (2014)
Kuncup Bunga – Bakal Buah °C hari 370 Mandesno (2014)
Bakal Buah – Panen 1 °C hari 691 Mandesno (2014)
Panen 1 – Panen 2 °C hari 61 Mandesno (2014)
Panen 2 – Panen 3 °C hari 60 Mandesno (2014)
Panen 3 – Panen 4 °C hari 77 Mandesno (2014)
Panen 4 – Panen 5 °C hari 77 Mandesno (2014)
Panen 5 – Panen 6 °C hari 89 Mandesno (2014)
Panen 6 – Panen 7 °C hari 92 Mandesno (2014)
Suhu Dasar Perkecambahan °C 11.8 Polii (2003)
Suhu Dasar Pembungaan °C 9.6 Polii (2003)
Suhu Dasar Berbuah °C 10.7 Polii (2003)
Data Tanah
Titik layu permanen % 34 Baskoro dan Darma (2007)
Kapasitas lapang % 50 Baskoro dan Darma (2007)

Alat
Alat yang digunakan dalam penelitian yaitu seperangkat personal
komputer/laptop yang dilengkapi Microsoft Office dan software Visual Basic 6.0
untuk menghasilkan program simulasi model tanaman cabai merah.
 9

Tahap Pengembangan Model

Gambar 3 menunjukkan tahap-tahap pengembangan model simulasi,

pengumpulan data, hingga kalibrasi model tananam cabai merah.

Gambar 3 Diagram alir metode penelitian

Submodel Simulasi

Submodel Pertumbuhan
Submodel pertumbuhan menghitung produksi biomassa kemudian
menyimulasi aliran biomassa tersebut ke masing-masing organ tanaman (akar,
batang, daun, dan umbi). Selain itu submodel ini menyimulasikan laju kehilangan
10

biomassa melalui respirasi. Submodel ini juga menyimulasi perkembangan luas

daun untuk menduga indeks luas daun (LAI).
Perubahan LAI dihitung dari perkalian antara parameter luas daun spesifik
(sla) dengan laju pertumbuhan daun harian (dWD)

dLAI = sla * dWD (2)

Keterangan:
dLAI : Perubahan leaf area index
sla : Luas daun spesifik (ha kg-1)
dWD : Perubahan berat daun (kg ha-1 hari-1)

Produksi biomassa potensial harian dihitung berdasarkan efisiensi

penggunaan radiasi surya yang diintersepsikan ke tajuk tanaman. Hukum Beer
digunakan untuk menghitung besarnya radiasi intersepsi dengan persamaan:

Qint = (1- τ ) Qs , sedangkan τ = e-k LAI (3)

Keterangan :
Qint : Radiasi intersepsi (MJ m-2)
Qs : Radiasi surya di atas tajuk tanaman (MJ m-2)
τ : Proporsi radiasi surya yang ditransmisikan oleh tajuk tanaman
k : Koefisien pemadaman
LAI : Leaf area index

Perhitungan biomassa aktual dibagi antara daun, batang, akar, dan buah
yang perbandingannya tergantung fase perkembangan tanaman (s). Pertumbuhan
masing-masing organ (x) dihitung dari selisih antara alokasi bahan kering ke
organ tanaman dan hilang melalui respirasi:

dWx = ηx Ba – Rg – Rm = ηx (1-kg)Ba-kmWx Q10 , Q10 = 2(T-20)/10 (4)

Keterangan:
dWx : Penambahan masa organ x (kg ha-1d-1)
Rg/Rm : Respirasi pertumbuhan / Respirasi pemeliharaan (kg ha-1d-1)
Ba : Produksi biomassa aktual (kg ha-1d-1)
Wx : Massa organ x (kg ha-1)
km/kg : Koef resp pemeliharaan / Koef resp pertumbuhan
Q10 : Quatian (hasil bagi suhu organ) (oC)
ηx : Proporsi biomassa yang dialokasikan ke organ x

Submodel Perkembangan
Sebagai masukkan dalam sub model ini adalah suhu udara rata-rata harian.
Konsep umum yang digunakan menjelaskan pengaruh suhu terhadap
perkembangan tanaman (fenologi) adalah thermal unit (TU) yang sering pula
disebut day degrees atau heat unit. Konsep ini hanya berlaku pada tanaman netral,
yaitu yang tidak responsif terhadap panjang hari (Handoko 1994). Konsep ini
menganggap faktor lainnya seperti panjang hari tidak berpengaruh, laju
perkembangan tanaman berbanding lurus dengan suhu (T) di atas suhu dasar
 11

(Tb). Konsep ini digunakan untuk tanaman hari netral, termasuk cabai. Heat unit
tidak dipengaruhi oleh perbedaan lokasi dan waktu tanam (Koesmaryono et al.
2002). Suhu dasar tanaman cabai menurut Polii (2003) dibagi menjadi 3, yaitu
pada fase perkecambahan 11.8 ºC, fase berbunga 9.6 ºC, dan fase berbuah 10.7 ºC.
Berikut persamaan perhitungan akumulasi panas:

∑ ( ) (5)

Keterangan :
AP : Akumulasi panas ( ºC hari)
s : Fase perkembangan tanaman
T : Suhu rata – rata (ºC)
Tb : Suhu dasar tanaman cabai merah (ºC)
s : Fase perkembangan tanaman
Gambar 4 menunjukkan akumulasi panas tanaman cabai merah varietas
seloka IPB beserta indeks fasenya mulai dari semai sampai dengan panen ketujuh
berdasarkan penelitian Mandesno (2014). Nilai akumulasi panas total sebesar
2261 oC hari.

Gambar 4 Akumulasi panas dalam ºC hari dan skala perkembangan (s)

cabai merah varietas Seloka IPB (Feriantini 2016)

Submodel Neraca Air

Submodel neraca air menyimulasi aliran curah hujan yang jatuh di atas tajuk
tanaman kemudian sebagian diinterepsi tajuk tersebut dan sisanya jatuh di atas
permukaan tanah sebagai curah hujan netto. Curah hujan netto akan masuk ke
dalam tanah atau menjadi limpasan. Evaporasi dan transpirasi merupakan
kehilangan air dari tanah tersebut, begitu pula limpasan permukaan.
Jumlah air yang diintersepsi tajuk tanaman tergantung oleh curah hujan dan
LAI menggunakan persamaan (Zinke 1967):

Ic = min (LAI, P), 0 < LAI ≤3 Ic = min (1.27, P), LAI > 3 (6)

Keterangan:
Ic : Intersepsi tajuk tanaman (mm)
P : Curah hujan (mm)
LAI : Leaf area index
12

Evapotranspirasi potensial dihitung dengan metode Penman yang

merupakan jumlah dari evaporasi dan transpirasi maksimum atau
evapotranspirasi.

( ( )( ))
( )
(7)
Em = Etm (e-kLAI) (8)
Tm = (1-e-kLAI) Etm (9)

Keterangan:
ETm : Evapotranspirasi maksimum (mm)
ETp : Evapotranspirasi (mm)
Em : Evaporasi maksimum (mm)
Tm : Transpirasi maksimum (mm)
Δ : Gradient tekanan uap air jenuh terhadap suhu udara (Pa K-1)
Qn : Radiasi netto (W m-2)
γ : Konstanta psikometer (66.1 Pa K-1)
f (u) : Fungsi kecepatan angin (MJ m-2 Pa-1)
es –ea : Defisit tekanan uap air (Pa)
λ : Panas spesifik untuk penguapan (2.454 MJ kg-1)

Evaporasi tanah aktual dihitung dengan:

Ea = Em * (θ / θkl) (10)

Keterangan:
Ea : Evaporasi aktual (mm)
Em : Evaporasi maksimum (mm)
θ : kadar air tanah (mm)
θkl : kadar air tanah pada kapasitas lapang (mm)

Transpirasi aktual dihitung berdasarkan transpirasi maksimum (Tm) dan

ketersediaan air tanah pada lapisan perakaran, yang batas atasnya merupakan nilai
transpirasi maksimum (Tm). Berikut perhitungan Ta yang merupakan jumlah
serapan air oleh akar pada lapisan tanah (Bahar 2009)

Ta = Tm * (θ - θtlp) / {0.4 (θkl-θtlp)} θkl ≥ θ > θtlp (11)

Ta = Tm θ > θkl (12)
Ta =0 θ > θtlp (13)

Water defisit factor dihitung dengan persamaan:

Wdf = Ta / Tm (14)

Kadar air tanah dapat dihitung dengan persamaan:

θ = θawal + Inf – Ea –Ta (15)

 13

Keterangan:
Ea : Evaporasi aktual (mm)
Ta : Transpirasi aktual (mm)
Tm : Transpirasi maksimum (mm)
Inf : Infiltrasi (mm)
wdf : fungsi kadar air tanah
θ : kadar air tanah (mm)
θtlp : kadar air tanah pada titik layu permanen (mm)
θkl : kadar air tanah pada kapasitas lapang (mm)

Kalibrasi Model

Model simulasi tanaman cabai ini dikalibrasi dengan menggunakan

percobaan lapang Mandesno (2014). Proses kalibrasi dilakukan dengan
mengubah-ubah beberapa nilai parameter hingga perbedaan antara pengukuran
dengan dugaan model tidak nyata. Kalibrasi model ini dilakukan pada proporsi
biomassa setiap organ dan nilai SLA di submodel pertumbuhan. Proporsi
biomassa yang digunakan berbeda-beda pada setiap selang indeks fase tertentu
bergantung pada laju pertumbuhan tanaman sesuai percobaan lapang Mandesno
(2014).
14

Tabel 2 Proporsi biomassa yang digunakan pada setiap selang indeks fase menurut
Feriantini (2016) dan setelah modifikasi untuk keperluan kalibrasi
Proporsi Biomassa
Indeks Fase
Feriantini (2016) Modifikasi
s <= 0.203 batang = 0.437 0.437
akar = 0.22 0.22
daun = 0.343 0.343
0.203 < s <= 0.291 batang = (-2.5 * s) + 0.78 (-2.5 * s) + 0.78
akar = (-1.35 * s) + 0.395 (-1.35 * s) + 0.395
daun = 1 – batang – akar 1 – batang – akar
0.291 < s <= 0.389 batang = (0.3396 * s) + 0.15 (0.3396 * s) + 0.15
akar = (0.6189 * s) + 0.01 (0.6189 * s) + 0.01
daun = 1 – batang – akar 1 – batang – akar
0.389 < s <= 0.492 batang = (1.4413 * s) - 0.25 (1.4413 * s) - 0.25
(-1.2806 * s) + (-1.2806 * s) +
akar =
0.67 0.67
daun = 1 – batang – akar 1 – batang – akar
(-0.51585 * s) + (-0.51585 * s) +
0.492 < s <= 0.588 batang =
0.67 0.67
(0.2863 * s) - (0.2863 * s) -
akar =
0.0426 0.0426
buah = (0.5127 * s) - 0.22 (0.5127 * s) - 0.22
1 – batang – akar – 1 – batang – akar –
daun =
buah buah
0.588 < s <= 0.685 batang = (-1.1087 * s) + 0.8 (-1.1087 * s) + 0.8
(-0.7998 * s) + (-0.7998 * s) +
akar =
0.55 0.55
1 – batang – akar – 1 – batang – akar –
buah =
buah buah
(-0.1581 * s) + (-0.1581 * s) +
daun =
0.55 0.55
(0.9935 * s) - (0.9935 * s) -
0.685 < s <= 0.784 batang =
0.5084 0.5084
(-0.0717 * s) + (-0.0717 * s) +
akar =
0.0924 0.0924
-0.521 * s) + -0.521 * s) +
buah =
0.7155 0.7155
1 – batang – akar – 1 – batang – akar –
daun =
buah buah
s > 0.784 batang = 0 0
akar = 0 0
buah = 1 1
daun = 0 0
 15

HASIL DAN PEMBAHASAN

Kondisi Iklim Wilayah Pagar Alam

Kota Pagar Alam secara geografis berada pada posisi 4° Lintang Selatan
(LS) dan 103.15° Bujur Timur (BT). Kota ini berada di ketinggian 600-2 700
mdpl, dengan suhu udara rata harian pada wilayah kajian berada pada 25°C. Suhu
udara rata-rata bulanan pada Gambar 5 tidak menunjukan adanya perbedaan yang
signifikan dimana suhu rata-rata bulanan berada pada kisaran 25-26°C.

88 26.2

86 26.0

25.8
Kelembaban (%)

Suhu (C)
84
25.6
82
25.4
80
25.2
Kelembaban
78 25.0
Suhu
76 24.8
Jan Feb Mar Apr May Jun Jul Aug Sep Okt Nov Dec
Waktu
Gambar 5 Suhu rata-rata dan kelembaban relatif bulanan tahun 2006-2015

Kelembaban relatif udara rata-rata pada wilayah kajian sebesar 84 %.

Perbedaan kelembaban rata-rata bulanan di wilayah kajian tidak terlalu besar baik
itu pada musim hujan maupun musim kemarau, dimana kelembaban rata-rata
bulanannya berkisar 79-89% (Gambar 5). Suhu udara dan kelembaban udara
sangat erat kaitannya, karena jika kelembaban udara berubah maka suhu udara
juga akan berubah. Kelembaban udara berbanding terbalik dengan suhu udara.
Semakin tinggi suhu udara, maka kelembaban udaranya semakin kecil. Hal ini
dikarenakan dengan tingginya suhu udara akan terjadinya pegembunan molekul.
Pola curah hujan pada wilayah kajian sangat dipengaruhi oleh musim (Gambar 6).
Penurunan curah hujan pada bulan April hingga mencapai puncak musim kemarau
di bulan Agustus, kemudian terjadi peningkatan curah hujan hingga bulan
Februari. Curah hujan rata-rata bulanan tertinggi terjadi pada bulan Desember 389
mm. Sedangkan curah hujan rata-rata bulanan terendah terjadi pada bulan Agustus
yaitu sebesar 79 mm.
16

450
400
Curah Hujan (mm) 350
300
250
200
150
100
50
0
Jan Feb Mar Apr May Jun Jul Aug Sep Okt Nov Dec
Waktu

Gambar 6 Curah hujan rata-rata bulanan tahun 2006-2015

Secara umum, tanaman cabai membutuhkan kesesuaian iklim untuk

mendapatkan pertumbuhan yang baik. Berdasarkan kondisi iklim di wilayah
kajian, wilayah ini cukup baik untuk dijadikan daerah budidaya cabai. Kondisi
iklim yang cocok untuk pertumbuhan cabai yaitu daerah dengan suhu udara rata-
rata harian yang berkisar 24-32°C (Berke et al. 2007) dengan ketinggian di daerah
tropis yaitu berkisar antara 150-1800 mdpl (Valenzuela 2010). Menurut Prajnanta
(2007) tanaman cabai membutuhkan curah hujan sebanyak 1500-2500 mm/tahun.
Berdasarkan tipe iklim Oldeman tanaman palawija termasuk tanaman cabai
membutuhkan hujan yang efektif sebesar 75% (Handoko 1994).

Potensi Produktivitas Berdasarkan Hasil Model Simulasi Cabai

Masukan data yang diperlukan untuk menjalankan model simulasi adalah
data iklim harian seperti curah hujan, suhu, kelembaban udara, kecepatan angin,
dan radiasi surya. Untuk melihat satu model simulasi data yang dimasukan adalah
data tanggal awal tanam 23 Februari 2014 sampai 30 Juni 2014 berdasarkan hasil
penelitian Mandesno (2014). Hasil keluaran model simulasi tanaman cabai pada
wilayah kajian Mandesno (2014) dapat dilihat pada Gambar 7. Data ini juga
digunakan sebagai kalibrasi model yang telah menunjukan perbedaan yang tidak
nyata. Ketelitiannya mendekati 1 pada uji garis.
 17

(a)

(b)

(c)

(d)

Gambar 7 Penambahan organ biomassa akar (a), batang (b), daun (c),
dan buah (d) tanaman cabai

Gambar 7 menunjukan perubahan biomassa tanaman tiap organ pada masa

pertumbuhan dan perkembangannya. Biomassa organ vegetatif meningkat mulai
fase tanam dan mulai menurun setelah panen 1. Laju pertumbuhan organ vegetatif
tanaman sebanding dengan pertumbuhan indeks luas daun. Pada masa vegetatif,
produk fotosintesis dialokasikan pada organ akar, batang, dan daun. Sebagian
produk fotosintesis mulai dialokasikan pada organ buah setelah munculnya bakal
buah. Biomassa buah cabai meningkat pada awal fase pembentukan buah sampai
panen ketujuh. Data biomassa tanaman observasi Mandesno (2014) hanya tersedia
18

sampai dengan panen 1. Fase selanjutnya tidak dilakukan pengamatan. Oleh

karena itu, simulasi model pada fase setelah panen 1 dilakukan dengan cara
mengasumsikan proporsi biomassa seluruhnya dialokasikan pada organ buah.
Hasil pengujian dengan uji t berpasangan pada biomassa (akar, batang,
daun, dan buah) keluaran model dengan observasi Mandesno (2014) menunjukkan
prediksi model dan observasi tidak berbeda nyata (P > 0.05). P-Value akar,
batang, daun, dan buah berturut-turut sebesar 0.09, 0.36, 0.31, dan 0.42.
Hasil nilai variabel dugaan model dapat lebih kecil atau lebih besar dari
hasil observasi. Oleh karena itu, dilakukan perhitungan rataan persentase galat
dugaan model untuk mengetahui akurasi model berdasarkan nilai galat. Tabel 3
menunjukkan nilai rataan galat hasil kalibrasi model dengan data observasi
Mandesno (2014). Rataan nilai galat paling tinggi terdapat pada peubah indeks
luas daun. Rataan nilai galat mencapai lebih dari 34%, namun setelah dikalibrasi
ulang nilai galat berkurang menjadi lebih dari 28%. Rataan nilai galat untuk biomassa
akar, batang, daun, dan buah menunjukkan kisaran nilai antara 4 – 15 %. Berdasarkan
perhitungan rataan nilai galat, secara umum hasil kalibrasi model ini mencapai nilai
akurasi lebih dari 70% untuk semua peubah yang diuji.

Tabel 3 Rataan nilai galat hasil kalibrasi dengan observasi menurut Feriantini (2016)
dan setelah modifikasi
Rataan Nilai Galat (%) Akurasi (%)
Peubah Feriantini Feriantini
Modifikasi Modifikasi
(2016) (2016)
ILD 34 29 66 71
Akar 5 4 95 96
Batang 13 10 87 90
Daun 13 12 87 88
Buah 15 11 85 89

Berdasarkan hasil keluaran model simulasi tanaman cabai, hasil

produktivitas pengamatan Mandesno (2014) adalah sebesar 2855 kg/ha. Umur
panen 1 hasil model simulasi terjadi pada 117 HST dengan waktu tiap fase
berbeda-beda. Fase 1 (tanam – tanam) pada 1-35 HST. Fase 2 (muncul tanam –
kuncup bunga) pada 36-57 HST. Fase 3 (kuncup bunga – bakal buah) pada 58-75
HST. Umur panen 2, 3, 4, 5, 6, dan 7 berturut-turut yaitu 121, 125, 131, 136, 142,
dan 149 HST.
 19

Tabel 4 Perbandingan data lapang dan model produktivitas cabai merah di tiga
Wilayah di Kota Pagar Alam
Wilayah
Pagargading Perandonan Koramil
Panen
Data Data Data
ke- Model Model Model
lapang lapang Lapang
kg/ha
1 53 537 36 89 13 73
2 175 144 72 132 63 112
3 375 91 165 162 120 206
4 625 623 387 212 244 204
5 750 472 420 127 356 112
6 775 548 432 187 403 116
7 625 468 299 414 407 300
8 700 587 205 519 350 367
Jumlah
4078 3470 2016 1842 1956 1490
(kg/ha)
Akurasi
85 91 76
(%)

Berdasarkan pengamatan lapang dan hasil model simulasi, nilai

produktivitas cabai merah sampai dengan panen ke-8 dapat dilihat pada Tabel 4.
Total produktivitas cabai sampai dengan panen ke-8 memperoleh akurasi diatas
76 % dengan jumlah tiap panen berbeda-beda. Hasil pemanenan cabai merah
dimulai di atas 80 hari setelah tanam, pemanen cabai merah dilakukan dengan
interval pemanenan 4-7 hari Sebaran produktivitas di tiga wilayah tersebut
mencapai puncak panennya diatas panen ke-4. Akurasi nilai total produktivitas
pemanen cabai pun meningkat setelah dilakukan kalibrasi terhadap tiap
proporsinya (Tabel 5).

Tabel 5 Perbandingan akurasi produktivitas total setelah modifikasi proporsi

Rataan Nilai Galat (%)

Wilayah
Feriantini (2016) Modifikasi
Pagargading 77 85
Perandonan 75 91
Koramil 60 76
20

120 3500
Biomassa Per Hari
3000

Biomassa Kumulatif (kg/ha)

100
Biomassa Per Hari (kg/ha)

Biomassa Kumulatif
2500
80
2000
60
1500
40
1000
20 500

0 0
101
105
109
113
117
121
125
129
133
137
141
145
149
153
77
81
85
89
93
97

Hari Setelah Tanam

Gambar 8 Penambahan organ biomassa buah per hari dan biomassa kumulatif
wilayah Pagargading

Berdasarkan hasil model simulasi pada Gambar 8, biomassa buah cabai per
harinya pada hari tanam ke 77-122 penambahannya hanya sekitar 2-40 kg/ha,
sedangkan hari tanam ke 123-155 penambahan biomassa buahnya sudah mencapai
sekitar 40-80 kg/ha. Hal tersebut menunjukan bahwa penambahan biomassanya
semakin meningkat. Gambar 8 juga menunjukan akumulasi penambahan biomassa
cabai per hari dari panen ke-1 hingga ke 8.
 21

123

Hari Penen ke-1

121

119

117

115

113
Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des
Waktu
(a)

155
Hari Penen ke-7

153

151

149

147

145
Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des
Waktu
(b)
3400
3300
Produktivitas (kg/ha)

3200
3100
3000
2900
2800
2700
2600
Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des
Waktu
(c)
Gambar 9 Hari panen pertama (a), panen ketujuh (b), dan produktivitas rata-rata
bulanan (c)

Data masukan untuk memperoleh simulasi pertumbuhan dan perkembangan

cabai wilayah Pagar Alam adalah data iklim tahun 2006-2015. Pada Gambar 9a
22

dan 9b ditunjukan rata-rata bulanan hari panen pertama dan ketujuh. Panen paling
cepat terjadi jika penanaman dilakukan pada bulan Februari hingga Mei, yaitu
rata-rata 117 HST. Sedangkan panen paling lama terjadi jika penanaman
dilakukan pada bulan Oktober hingga Desember, yaitu rata-rata 124 HST.
Kecepatan hari awal panen tidak mengindikasikan bahwa produktivitas yang
diperoleh akan semakin besar. Berdasarkan Gambar 9c, tanaman cabai yang
ditanam pada bulan Februari hingga Maret memperoleh jumlah produktivitas
minimum, yaitu terjadi di bulan Februari sebesar 2828 kg/ha. Sedangkan
penanaman bulan Oktober memperoleh produktivitas maksimum yaitu sebesar
3376 kg/ha. Jika dibandingkan dengan besarnya curah hujan, produktivitas akan
semakin tinggi jika ditanam pada bulan-bulan dengan curah hujan rendah dan
akan semakin berkurang produktivitasnya jika ditanam pada bulan dengan curah
hujan cukup tinggi. Berdasarkan total produktifitas yang diperoleh di tiga wilayah,
wilayah yang ditanam pada bulan Juni (Wilayah Pagargading) memperoleh
jumlah panen yang paling banyak dibandingkan dengan wilayah yang ditanam
pada bulan Mei (Wilayah Perandonan) dan bulan Desember (wilayah Koramil).
Hal tersebut sesuai dengan hasil model simulasi yang terlihat pada Gambar 9c,
tanaman cabai yag ditanam pada bulan Juni akan memperoleh jumlah panen yang
lebih banyak dibandingkan jika ditanam pada bulan Mei dan Desember. Secara
umum tanaman cabai sangat rentan terhadap kondisi iklim dengan kelembaban
dan curah hujan tinggi. Tanaman mudah terserang hama dan penyakit, terutama
yang disebabkan oleh jamur cendawan karena kelembaban udara yang terlalu
tinggi (Samadi 2007).
 23

SIMPULAN DAN SARAN

Simpulan

Model simulasi ini digunakan untuk menganalisis pengaruh jadwal tanam

dan menduga produktivitas tanaman cabai. Model simulasi yang dikembangkan
berbasis produktivitas. Sehingga model ini hanya berdasarkan total tanaman cabai
yang dipanen. Model simulasi tanaman cabai yang dikembangkan dapat dilihat
pada Lampiran 1.
Perbandingan data lapang dan hasil simulasi model yang diambil di tiga
wilayah menunjukan akurasi yang diperoleh mencapai lebih dari 75%. Akurasi
terhadap model mencapai 76% penanaman di wilayah Koramil, akurasi 91% di
wilayah Perandonan, dan akurasi 85% di wilayah Pagargading. Berdasarkan
kajian iklim dan hasil simulasi cabai, daerah Pagar Alam memiliki potensi
pengembangan budidaya cabai. Hasil simulasi menunjukkan bahwa produktivitas
cabai rata-rata bulanan tertinggi jika penanaman dilakukan pada bulan Oktober,
yaitu dengan rata-rata hasil produksi sebesar 3376 kg/ha. Sedangkan produktivitas
cabai rata-rata bulanan terendah yaitu pada bulan Februari dengan rata-rata hasil
produksi sebesar 2828 kg/ha. Sehingga model simulasi dapat dijadikan
pertimbangan untuk memilih curah hujan yang tidak terlalu tinggi pada saat
penanaman dan pemanenan, serta dengan asumsi bahwa kebutuhan air untuk
tanaman cabai merah dapat dipenuhi setiap tahunnya.

Saran

Model simulasi cabai yang dikembangkan terbatas pada proses hubungan

faktor iklim harian dengan mempertimbangkan hasil akhir panen buah. Untuk itu
perlu adanya penelitian dengan mempertimbangkan perubahan tiap partisi pada
pengamatan lapang agar diperoleh pemodelan yang lebih detail, sehingga akan
diperoleh model dengan perubahan pertumbuhan dan perkembangan tanaman
cabai yang lebih nyata. Model juga hanya terbatas pada satu varietas. Selain itu,
ketersediaan data untuk pengembangan model hanya ada sampai panen tujuh
sehingga akurasi hasil kalibrasi yang dapat diuji hanya sampai dengan panen
tujuh.
24

DAFTAR PUSTAKA

[BPS] Badan Pusat Statistik Daerah Kota Pagar Alam. 2015. Statistik Daerah
Kota Pagar Alam. Pagar Alam (ID): Badan Pusat Statistik.
[BPS] Badan Pusat Statistik. 2013. Produksi Tanaman Sayuran di Indonesia.
Jakarta (ID): Badan Pusat Statistik.
Amthor JS. 2000. The McCree-de Wit-Penning de Vries-Thornley Respiration
Paradigms: 30 Years Later Review. Annals of Botany. 86: 1-20.
Bahar Y. 2009. Model simulasi tanaman jagung (Zea Mays L.) [skripsi].
Bogor (ID) : Institut Pertanian Bogor.
Baskoro D dan Darma S. 2007. Karakteristik kelembaban tanah pada beberapa
jenis tanah. Tanah dan Lingkungan. 9(2): 77-81.
Berke T, Black LL, Talekar N. 2007. Suggested cultural practices for chili pepper.
Journal of China Capsicum. 26(2): 45-49.
Boote KJ, Jones JW, Pickering NB. 1996. Potential uses and limitions of crop
models. Agron J. 88: 704 – 716
Gholipouri, Sedghi R, Seyed S, Heydari A. 2010. Simulating photosynthesis,
respiration, and dry matter production in annual crops. Journal of
Phytology. 2(1):1-6
Handoko. 1994. Dasar Penyusunan dan Aplikasi Model Simulasi Komputer untuk
Pertanian. Bogor (ID): FMIPA IPB.
Koesmaryono Y, Sangaji S, dan June T. 2002. Akumulasi panas tanaman soba
(Fagopyrum esculentum) cv. Kitaware pada dua ketinggian di iklim
tropika basah. J. agromet Indonesia. 15 (1): 8 – 13.
Mandesno A. 2014. Respon tanaman cabai merah terhadap arah baris tanam yang
berbeda. [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Penman HL. 1956. Estimating Evaporation. London (GB): Trans Amer.
Polii MGM. 2003. Penentuan Umur Berbuah Tanaman Cabe Merah (Capsicum
annuum var.longum Sendt) Pada Tiga Tinggi Tempat yang Berbeda
Menggunakan Metode Satuan Panas. Eugenia 9 (2) :104-108. Manado :
Universitas Sam Ratulangi.
Prajnanta F. 2007. Agribisnis Cabai Hibrida. Jakarta (ID): Penebar Swadaya.
Samadi. 2007. Kentang dan Analisis Usaha Tani. Yogyakarta (ID): Kanisius.
Sirotenko OD. 2001. Crop Modelling (adv and problems). Agron J. 93: 650-653.
Valenzuela H. 2010. Farm and Foresty Production and Marketing Profile for
Chili Pepper (Capsicum annuum). Hawai (US): Permanent Agriculture
Resources.
Feriantini Y. 2016. Model simulasi tanaman cabai merah (Capsicum Annuum L.)
varietas seloka IPB. [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Zinke PJ. 1967. Forest Interception Studies in the United States. London (GB):
Oxford.
 25

LAMPIRAN

Lampiran 1 Contoh tampilan program model

a. Tampilan depan model simulasi

b. Grafik penambahan biomassa akar

26

c. Grafik penambahan biomassa batang

d. Grafik penambahan biomassa daun

e. Grafik penambahan biomassa buah

 27

Lampiran 2 Produktivitas tanaman cabai di tiap wilayah

Wilayah
Panen Pagargading Perandonan Koramil
ke- 727 mdpl 753 mdpl 731 mdpl
kg/ha
1 53 36 13
2 175 72 63
3 375 165 120
4 625 387 244
5 750 420 356
6 775 432 403
7 625 299 407
8 700 205 350
Jumlah
4078 2016 1956
(kg/ha)
28

Lampiran 3 Formulasi codding simulasi pertumbuhan dan perkembangan

Public Class Form1

Private Sub buka_Click(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles buka.Click
Using open As New OpenFileDialog
With open
.Filter = "Comma Delimited | *.csv"
If .ShowDialog = Windows.Forms.DialogResult.Cancel Then Exit Sub
buka1.Text = .FileName
End With
End Using
End Sub
Private Sub Form1_Load(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles MyBase.Load
With ComboBox1
.Items.Add("0 cm")
.Items.Add("2 cm")
.Items.Add("5 cm")
.Items.Add("8 cm")
End With
End Sub
Private Sub proses_Click(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles proses.Click
Dim fopen, fsave As String
fopen = buka1.Text
'fsave = simpan1.Text
Dim readfile As New System.IO.StreamReader(fopen)
'Dim savefile As New System.IO.StreamWriter(fsave)
Dim readcontent, content_txt, content() As String
Dim i As Integer
i=0
While Not (readfile.EndOfStream)
readcontent = readfile.ReadLine
content = readcontent.Split(",")
i=i+1
CH(i) = content(0)
Rad(i) = content(1)
T(i) = content(2)
RH(i) = content(3)
Wnd(i) = content(4)
etm(i) = content(5)

End While
jml = i
Dim t1, t2, t3, u1, u2, u3, u4, up2, up3, up4, up5, up6, up7 As Double
If Tdate1.Text = "" Then
 29

MsgBox("Tanggal Belum Ada", vbCritical, "Error")

GoTo out
End If
tgl = Tdate1.Text

t1 = TB1.Text
t2 = TB2.Text
t3 = TB3.Text
u1 = TU1.Text : u2 = TU2.Text : u3 = TU3.Text : u4 = TU4.Text : up2 =
TUP2.Text : up3 = TUP3.Text : up4 = TUP4.Text : up5 = TUP5.Text : up6 =
TUP6.Text : up7 = TUP7.Text

Dim gam, lhv As Integer

gam = 66.1
lhv = 2.454

Dim k, lue, km, kg As String

Dim dwsemai, pD, pA, pB, pbuah As String
k = 0.4
lue = rue.Text
km = 0.015
kg = 0.2
Dim lai(9999) As Double

jd = jeda.Text
simulasi = ulangan.Text
For j = 0 To simulasi - 1
lai(tgl - 1) = 0.001
hari = 0
s(j, tgl - 1) = 0
wakar(j, tgl - 1) = 0
wbatang(j, tgl - 1) = 0
wdaun(j, tgl - 1) = 0
wbuah(j, tgl - 1) = 0
kat(tgl - 1) = kat1.Text * 300 / 100
'If kat(tgl - 1) > 150 Then kat(tgl - 1) = 150
For i = tgl To jml
If s(j, i - 1) >= 1 Then
GoTo keluar
End If

'kat
kat(i) = kat(i - 1) + CH(i) - etm(i) 'ea(i) - ta(i)

'If kat(i) < 112 Then kat(i) = 0

Dim irigasi As String

irigasi = ComboBox1.Text
30

If irigasi = "0 cm" Then

kat(i) = kat(i) + 0

ElseIf irigasi = "2 cm" Then

kat(i) = kat(i) + (kat(i) * 0.2)

ElseIf irigasi = "5 cm" Then

kat(i) = kat(i) + (kat(i) * 0.5)
Else
kat(i) = kat(i) + (kat(i) * 0.8)
End If

If kat(i) > 300 Then kat(i) = 300

If kat(i) > 300 Then

wdf(i) = 0.5

ElseIf kat(i) > 150 Then

wdf(i) = 150 / kat(i)

ElseIf kat(i) >= 112 Then

wdf(i) = kat(i) / 150

Else
wdf(i) = 0
End If

'pertumbuhan
Dim Q10 As Double
Q10 = 2 ^ ((T(i) - 20) / 10)
Qint(j, i) = Rad(i) * (1 - Exp(-k * lai(i - 1)))
dw(j, i) = (1 - kg) * (lue * Qint(j, i) * 10 ^ 4) * wdf(i)

'fase perkembangan
If s(j, i - 1) >= 0.959 Then
ds(j, i) = 0.041 * (T(i) - t3) / up7
fase(j, i) = "panen 7"
s(j, i) = s(j, i - 1) + ds(j, i)
If s(j, i) > 1 Then s(j, i) = 1
ElseIf s(j, i - 1) >= 0.92 Then
ds(j, i) = 0.039 * (T(i) - t3) / up6
fase(j, i) = "panen 6"
s(j, i) = s(j, i - 1) + ds(j, i)
If s(j, i) > 0.959 Then s(j, i) = 0.959
ElseIf s(j, i - 1) >= 0.886 Then
ds(j, i) = 0.034 * (T(i) - t3) / up5
fase(j, i) = "panen 5"
 31

s(j, i) = s(j, i - 1) + ds(j, i)

If s(j, i) > 0.92 Then s(j, i) = 0.92
ElseIf s(j, i - 1) >= 0.852 Then
ds(j, i) = 0.034 * (T(i) - t3) / up4
fase(j, i) = "panen 4"
s(j, i) = s(j, i - 1) + ds(j, i)
If s(j, i) > 0.886 Then s(j, i) = 0.886
ElseIf s(j, i - 1) >= 0.825 Then
ds(j, i) = 0.027 * (T(i) - t3) / up3
fase(j, i) = "panen 3"
s(j, i) = s(j, i - 1) + ds(j, i)
If s(j, i) > 0.852 Then s(j, i) = 0.852
ElseIf s(j, i - 1) >= 0.798 Then
ds(j, i) = 0.027 * (T(i) - t3) / up2
fase(j, i) = "panen 2"
s(j, i) = s(j, i - 1) + ds(j, i)
If s(j, i) > 0.825 Then s(j, i) = 0.825
ElseIf s(j, i - 1) >= 0.493 Then
ds(j, i) = 0.306 * (T(i) - t3) / u4
fase(j, i) = "fase 4"
s(j, i) = s(j, i - 1) + ds(j, i)
If s(j, i) > 0.798 Then s(j, i) = 0.798
ElseIf s(j, i - 1) >= 0.329 Then
ds(j, i) = 0.164 * (T(i) - t2) / u3
fase(j, i) = "fase 3 "
s(j, i) = s(j, i - 1) + ds(j, i)
If s(j, i) > 0.493 Then s(j, i) = 0.493
ElseIf s(j, i - 1) >= 0.203 Then
ds(j, i) = 0.126 * (T(i) - t1) / u2
fase(j, i) = "fase 2 "
s(j, i) = s(j, i - 1) + ds(j, i)
If s(j, i) > 0.329 Then s(j, i) = 0.329
Else
ds(j, i) = 0.203 * (T(i) - t1) / u1
fase(j, i) = "fase 1"
s(j, i) = s(j, i - 1) + ds(j, i)
If s(j, i) > 0.203 Then s(j, i) = 0.203
End If

If s(j, i - 1) <= 0.203 Then

pB = 0.437
pA = 0.22
pD = 0.343
pbuah = 0
dwakar(j, i) = (pA * dw(j, i))
dwbatang(j, i) = (pB * dw(j, i))
dwdaun(j, i) = (pD * dw(j, i))
dwbuah(j, i) = (pbuah * dw(j, i))
32

ElseIf s(j, i - 1) <= 0.291 Then

pB = (-2.5 * s(j, i)) + 0.78
pA = (-1.35 * s(j, i)) + 0.395
pD = 1 - pB - pA
pbuah = 0
dwakar(j, i) = (pA * dw(j, i))
dwbatang(j, i) = (pB * dw(j, i))
dwdaun(j, i) = (pD * dw(j, i))
dwbuah(j, i) = (pbuah * dw(j, i))
ElseIf s(j, i - 1) <= 0.389 Then
pB = (0.3396 * s(j, i)) + 0.15
pA = (0.6189 * s(j, i)) + 0.01
pD = 1 - pB - pA
pbuah = 0
dwakar(j, i) = (pA * dw(j, i))
dwbatang(j, i) = (pB * dw(j, i))
dwdaun(j, i) = (pD * dw(j, i))
dwbuah(j, i) = (pbuah * dw(j, i))
ElseIf s(j, i - 1) <= 0.492 Then
pB = (1.4413 * s(j, i)) - 0.25
pA = (-1.2806 * s(j, i)) + 0.67
pD = 1 - pB - pA
pbuah = 0
dwakar(j, i) = (pA * dw(j, i))
dwbatang(j, i) = (pB * dw(j, i))
dwdaun(j, i) = (pD * dw(j, i))
dwbuah(j, i) = (pbuah * dw(j, i))
ElseIf s(j, i - 1) <= 0.588 Then
pB = (-0.51585 * s(j, i)) + 0.67
pA = (0.2863 * s(j, i)) - 0.0426
pbuah = (0.5127 * s(j, i)) - 0.22
pD = 1 - pB - pA - pbuah
dwakar(j, i) = (pA * dw(j, i))
dwbatang(j, i) = (pB * dw(j, i))
dwdaun(j, i) = (pD * dw(j, i))
dwbuah(j, i) = (pbuah * dw(j, i))
ElseIf s(j, i - 1) <= 0.685 Then
pB = (-1.1087 * s(j, i)) + 0.8
pA = (-0.7998 * s(j, i)) + 0.55
pD = (-0.1581 * s(j, i)) + 0.55
pbuah = 1 - pD - pA - pB
dwakar(j, i) = (pA * dw(j, i))
dwbatang(j, i) = (pB * dw(j, i))
dwdaun(j, i) = (pD * dw(j, i))
dwbuah(j, i) = (pbuah * dw(j, i))
ElseIf s(j, i - 1) <= 0.784 Then
pB = (0.9935 * s(j, i)) - 0.5084
pA = (-0.0717 * s(j, i)) + 0.0924
 33

pbuah = (-0.521 * s(j, i)) + 0.7155

pD = 1 - pA - pB - pbuah
dwakar(j, i) = (pA * dw(j, i))
dwbatang(j, i) = (pB * dw(j, i))
dwdaun(j, i) = (pD * dw(j, i))
dwbuah(j, i) = (pbuah * dw(j, i))
Else
pB = 0
pA = 0
pD = 0
pbuah = 1
dwakar(j, i) = (pA * dw(j, i))
dwbatang(j, i) = (pB * dw(j, i))
dwdaun(j, i) = (pD * dw(j, i))
dwbuah(j, i) = (pbuah * dw(j, i))
End If
rdaun(j, i) = km * wdaun(j, i - 1) * Q10
rbatang(j, i) = km * wbatang(j, i - 1) * Q10
rakar(j, i) = km * wakar(j, i - 1) * Q10
rbuah(j, i) = km * wbuah(j, i - 1) * Q10

wakar(j, i) = wakar(j, i - 1) + dwakar(j, i) - rakar(j, i)

wdaun(j, i) = wdaun(j, i - 1) + dwdaun(j, i) - rdaun(j, i)
wbatang(j, i) = wbatang(j, i - 1) + dwbatang(j, i) - rbatang(j, i)
wbuah(j, i) = wbuah(j, i - 1) + dwbuah(j, i) - rbuah(j, i)

If s(j, i - 1) <= 0.203 Then

dlai(i) = 0.001 * wdaun(j, i)
ElseIf s(j, i - 1) <= 0.291 Then
dlai(i) = 0.0035 * wdaun(j, i)
ElseIf s(j, i - 1) <= 0.389 Then
dlai(i) = 0.0055 * wdaun(j, i)
ElseIf s(j, i - 1) <= 0.492 Then
dlai(i) = 0.005 * wdaun(j, i)
ElseIf s(j, i - 1) <= 0.588 Then
dlai(i) = 0.0018 * wdaun(j, i)
ElseIf s(j, i - 1) <= 0.685 Then
dlai(i) = 0.005 * wdaun(j, i)
ElseIf s(j, i - 1) <= 0.784 Then
dlai(i) = 0.0055 * wdaun(j, i)
Else
dlai(i) = 0.002 * wdaun(j, i)
End If
lai(i) = dlai(i) + lai(i - 1)

If s(j, i - 1) = 0.959 Then wbuah(j, i) = dwbuah(j, i)

If s(j, i - 1) = 0.92 Then wbuah(j, i) = dwbuah(j, i)
34

If s(j, i - 1) = 0.886 Then wbuah(j, i) = dwbuah(j, i)

If s(j, i - 1) = 0.852 Then wbuah(j, i) = dwbuah(j, i)
If s(j, i - 1) = 0.825 Then wbuah(j, i) = dwbuah(j, i)
If s(j, i - 1) = 0.798 Then wbuah(j, i) = dwbuah(j, i)
hari = hari + 1
Next i
keluar:
tanam(j) = tgl
panen(j) = tgl + hari - 1
umur(j) = panen(j) - tanam(j)
tgl = tgl + jd
Next j
If panen(simulasi) > jml Then
MsgBox("Jumlah Data Kurang", vbCritical, "Error")
Me.Show()
Else
MsgBox("Selamat, Data Berhasil Disimpan", vbInformation, "Semoga
Sukses")
End If
out:
Me.Show()
End Sub
 35

RIWAYAT HIDUP

Penulis dilahirkan di Pagar Alam (Sumatera Selatan) pada tanggal 31

Oktober 1995 yang merupakan anak kedua dari pasangan Vinus Asmohan dan
Suriyati. Penulis menempuh pendidikan dasar sejak 2001 di SD Xaverius Pagar
Alam hingga tahun 2007, kemudian melanjutkan pendidikan di SMP Negeri 1
Pagar Alam hingga 2010, dan menyelesaikan pendidikan menengah atas di SMA
Negeri 1 Pagar Alam. Pada tahun 2013 penulis diterima sebagai mahasiswi IPB
mayor Meteorologi Terapan Fakultas Matematika dan Ilmu Pengetahuan Alam
melalui jalur Ujian Talenta Masuk IPB (UTMI).
Selama masa perkuliahan, penulis aktif sebagai pengurus bagian Sosial dan
Lingkungan Himpunan Mahasiswa Agrometeorologi (HIMAGRETO) tahun
2016. Penulis juga aktif dalam beberapa kegiatan kepanitianyang diselenggarakan
Himpunan Mahasiswa Agrometeorologi (HIMAGRETO) tahun 2014-2016.
Penulis pernah mengikuti kegiatan magang di Pusat Penelitian Kelapa Sawit
(PPKS) Medan pada Agustus 2016.