NUR ANNISSA
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.
NUR ANNISSA
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains
pada
Departemen Geofisika dan Meteorologi
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.
TINJAUAN PUSTAKA
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).
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).
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 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).
Keterangan:
dLAI : Perubahan leaf area index
sla : Luas daun spesifik (ha kg-1)
dWD : Perubahan berat daun (kg ha-1 hari-1)
6
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
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
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
Keterangan:
dLAI : Perubahan leaf area index
sla : Luas daun spesifik (ha kg-1)
dWD : Perubahan berat daun (kg ha-1 hari-1)
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:
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.
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
( ( )( ))
( )
(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)
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)
Wdf = Ta / Tm (14)
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
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
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
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
(a)
(b)
(c)
(d)
Gambar 7 Penambahan organ biomassa akar (a), batang (b), daun (c),
dan buah (d) tanaman cabai
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
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
(%)
120 3500
Biomassa Per Hari
3000
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
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
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)
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
Saran
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
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
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
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
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)
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
RIWAYAT HIDUP