PASPALUM: Jurnal Ilmiah Pertanian: Vol. 9 No. 2 Bulan September Tahun 2021
PASPALUM: Jurnal Ilmiah Pertanian: Vol. 9 No. 2 Bulan September Tahun 2021
ABSTRACT
The growth of wheat plants can be determined by measuring leaf area index and net assimilation rate. Both
measurements require leaf area data. Measurement of leaf area of wheat in Indonesia requires a method
that is not only accurate, but also easier and cheaper. One of them is the regression method. The purpose of
this study was to determine an accurate regression equation model in predicting wheat leaf area. This
research was conducted from March to June 2021 at the Experimental Station and Plant Production
Technology Laboratory, Faculty of Agriculture, UNPAD, Jatinangor, Sumedang. The materials used in this
study were various leaf area printing papers from wheat plants aged 14 days after planting (DAP), 28 DAP,
and 42 DAP. The regression equation was assembled from the relationship between leaf area with leaf width
and length, then compared with the actual leaf area that measured by scanning. The results showed that the
linear, quadratic, cubic, and logarithmic regression equations had a coefficient of determination of more
than 90% to predict leaf area, at the age of 14, 28, and 42 DAP, as well as all plant ages. Quadratic
regression had a limit of data that can be entered, so it needed circumspection in using the formula. Cubic
regression tended to have better accuracy in predicting leaf area at 14, 28, and 42 DAP, but the accuracy
was the same as other regression equations at all plant ages.
Keywords: leaf area index; net assimilation rate; regression; wheat
ABSTRAK
Pertumbuhan tanaman gandum dapat diketahui melalui pengukuran indeks luas daun dan laju asimilasi
bersih. Pengukuran keduanya memerlukan data luas daun. Pengukuran luas daun tanaman gandum di
Indonesia memerlukan cara yang tidak hanya akurat, tetapi juga praktis dan ekonomis. Salah satunya adalah
dengan metode regresi. Tujuan penelitian ini adalah untuk menentukan model persamaan regresi yang akurat
dalam memprediksi luas daun gandum. Penelitian ini dilakukan sejak Maret hingga Juni 2021 di Kebun
Percobaan serta Laboratorium Teknologi Produksi Tanaman, Fakultas Pertanian UNPAD, Jatinangor,
Sumedang. Bahan yang digunakan dalam penelitian ini adalah berbagai kertas jiplakan luas daun dari
tanaman gandum umur 14 hari setelah tanam (HST), 28 HST, dan 42 HST. Persamaan regresi dicari dari
hubungan luas daun dengan panjang kali lebar daun, kemudian dibandingkan dengan luas daun sebenarnya
yang diukur menggunakan cara scanning. Hasil penelitian menunjukkan bahwa persamaan regresi linear,
kuadratik, kubik, dan logaritmik memiliki koefisien determinasi lebih dari 90% untuk memprediksi luas
daun, pada umur 14, 28, dan 42 HST, serta semua umur tanaman. Regresi kuadratik memiliki batas data
yang dapat dimasukkan, sehingga perlu ketelitian dalam menggunakan formulanya. Regresi kubik cenderung
memiliki akurasi lebih baik untuk memprediksi luas daun pada umur 14, 28, dan 42 HST, namun akurasinya
sama dengan persamaan regresi yang lain pada semua umur tanaman.
daun akan berbentuk garis atau kurva yang kemudian dijiplak pada kertas menggunakan
digambarkan dari kiri bawah ke kanan atas. pensil, kemudian dihitamkan daerah yang ada
Model regresi linier (y = a + bx) dapat di dalamnya menggunakan spidol. Jiplakan
memiliki hubungan korelasi yang positif yang telah dihitamkan kemudian dipindai
antara variabel terikat (y) dengan variabel (scan) menggunakan scanner dengan resolusi
bebas (x), berapapun variabel bebas yang 300 dot per inch (dpi). Hasil pindaian
tersedia (Yao & Li, 2014). Demikian juga kemudian diolah menggunakan software Irfan
dengan model regresi logaritmik (y = a log xb). View untuk dicari luas daerah dalam jumlah
Namun demikian, beberapa model regresi pixel dengan satuan dot per inch. Luas daun
tidak selamanya menunjukkan korelasi yang dicari menggunakan rumus
positif. Regresi kuadratik (y = ax2 + bx + c)
akan memiliki titik maksimum sehingga akan
terjadi korelasi yang negatif setelah melewati
titik maksimum (Yao & Muller, 2010). Keterangan: 2,542 merupakan konversi
Regresi kubik/pangkat tiga (y = ax3 + bx2 + cx dari inch2 ke cm2
+ d) selain akan memiliki titik maksimum,
juga akan memiliki titik balik yang dapat Persamaan regresi dicari dari hubungan
menyebabkan pemodelan menjadi bias. Oleh luas daun dengan panjang kali lebar daun pada
karena itu, data perkalian panjang dan lebar 30 sampel daun tanaman gandum, masing-
daun pada pemodelan regresi kuadratik dan masing pada umur 14 hari setelah tanam
kubik harus dibatasi agar korelasinya selalu (HST), 28 HST, dan 42 HST. Jenis persamaan
positif dan tidak terjadi bias. regresi yang dibuat adalah persamaan regresi
Pembatasan data dapat dilakukan dengan linear, eksponen (logaritmik), kuadratik, dan
melihat interval naik pada grafik. Interval naik polinom pangkat tiga (kubik). Penentuan
adalah keadaan ketika ordinat grafik regresi yang tepat dilakukan dengan membuat
meningkat bersamaan dengan absis grafik semua model persamaan regresi kemudian
meningkat (Sagala, 2016). Hal ini mencari persamaan regresi dengan koefisien
menunjukkan korelasi yang positif. Interval determinasi yang paling tinggi (Ziantono &
naik dapat dicari menggunakan diferensial dari Suprayitno, 2018).
persamaan grafik yang harus lebih besar dari Hasil dari prediksi luas daun
nol. menggunakan persamaan regresi kemudian
dibandingkan dengan luas daun sebenarnya
secara deskriptif menggunakan grafik. Bila
METODE grafik hasil prediksi luas daun hampir berimpit
Penelitian ini dilakukan sejak Maret dengan luas daun sebenarnya berdasarkan uji
hingga Juni 2021 di Kebun Percobaan serta Chow pada taraf nyata 5%, maka persamaan
Laboratorium Teknologi Produksi Tanaman, regresi dapat digunakan (Otieno et al., 2009;
Fakultas Pertanian UNPAD, Jatinangor, Sotirakopoulos et al., 2015).
Sumedang. Bahan yang digunakan dalam Interval naik pada regresi kuadratik dan
penelitian ini adalah berbagai kertas jiplakan kubik dicari menggunakan diferensial pertama
luas daun dari tanaman gandum umur 14 HST, pada persamaan regresi. Bila diferensial
28 HST, dan 42 HST. Bahan pendukung yang pertama pada persamaan regresi lebih besar
lain adalah pensil dan spidol. Alat yang dari nol, maka daerah yang dibatasinya
digunakan adalah jangka sorong, komputer merupakan interval naik (Setiawan, 2019;
dan software Microsoft Excel dan Irfan View. Sagala, 2016).
Penelitian dilakukan menggunakan
metode pemodelan. Tanaman gandum
Pertama, daun tanaman gandum pada masing-
masing umur tanaman diukur panjang dan
lebar daunnya menggunakan jangka sorong
pada bidang yang rata. Daun-daun tersebut
153 | P a s p a l u m : J u r n a l I l m i a h P e r t a n i a n , V o l u m e 9 N o 2 S e p t e m b e r 2 0 2 1
Hasil pengujian garis berdasarkan uji Persamaan kuadratik luas daun pada
Chow pada taraf nyata 5% menunjukkan umur 14 dan 28 HST memiliki batas interval
bahwa grafik prediksi semua model luas daun hasil kali panjang dengan lebar daun yang
berimpit dengan luas daun yang sebenarnya relatif kecil (kurang dari 12 cm2). Hal ini harus
(Grafik 1). Hal ini menunjukkan bahwa menjadi kehati-hatian bagi yang menggunakan
persamaan regresi dapat digunakan untuk formula regresi kuadratik pada umur 14 dan
memprediksi luas daun sebenarnya, yang 28 HST bila hasil kali panjang dengan lebar
selain dibuktikan dengan tingginya koefisien daunnya mencapai 12 cm2 atau lebih. Pada
determinasi, juga dibuktikan dengan pengujian umur 42 HST dan semua umur, persamaan
garis (Otieno et al., 2009; Sotirakopoulos et kuadratik memiliki batas interval yang lebih
al., 2015). besar. Oleh karena itu, bila ingin
menggunakan persamaan kuadratik maka
Interval untuk persamaan regresi lebih baik menggunakan persamaan regresi
kuadratik dan kubik untuk semua umur yang selain lebih praktis
dan lebih akurat, juga memiliki batas data
Data yang dapat dimasukkan pada yang lebih besar. Persamaan regresi dengan
persamaan regresi kuadratik dan kubik harus kriteria yang lebih luas dapat menguntungkan
dibatasi agar korelasinya selalu positif. Batas (Sebayang & Yuniarto, 2017).
data yang dimasukkan harus selalu berada
dalam interval fungsi naik. Penentuan batas
data pada regresi kuadratik dan kubik
berdasarkan diferensial ada pada Tabel 2.
(a) (b)
(c) (d)
Persamaan kubik luas daun pada 14, Samuli Launiainen, Tuomas Laurila,
28, dan 42 HST, serta semua umur Meelis Mölder, Eero Nikinmaa, Kim
menunjukkan batas interval naik untuk Pilegaard, B. D. S., & Vesala, T. (2017).
semua hasil kali panjang dan lebar lebih Leaf area index is the principal scaling
dari nol, karena persamaan kubik yang parameter for both gross photosynthesis
and ecosystem respiration of Northern
diperoleh tidak mempunyai titik minimum
deciduous and coniferous forests. Tellus B:
atau maksimum, melainkan hanya titik Chemical and Physical Meteorology, 60B,
balik. Hal ini menunjukkan bahwa 129–142. https://doi.org/10.1111/j.1600-
persamaan kubik dapat dipakai untuk 0889.2006.00330.x
semua hasil kali panjang dengan lebar Breda, N. J. J. (2003). Ground-based
daun, tanpa ada pembatasan. Dengan measurements of leaf area index: a review
demikian, persamaan kubik lebih praktis of methods, instruments and current
digunakan tanpa harus melihat batas data. controversies. Journal of Experimental
Pemodelan regresi yang lebih praktis Botany, 54(392), 2403–2417.
dengan syarat-syarat yang lebih sedikit https://doi.org/10.1093/jxb/erg263
dapat menguntungkan pengguna Dwipa, I. (2020). Mampukah Indonesia
Memproduksi Gandum Sendiri? Padek
(Sebayang & Yuniarto, 2017).
Jawapos. diambil dari
KESIMPULAN https://padek.jawapos.com/opini/04/09/202
0/mampukah-indonesia-memproduksi-
Berdasarkan hasil penelitian, persamaan gandum-sendiri/
regresi linear, kuadratik, kubik, dan logaritmik Hananda Ziantono, D., & Suprayitno, H.
layak dijadikan formula untuk memprediksi (2018). Studi hubungan antara koefisien
luas daun, pada umur 14, 28, dan 42 HST, determinasi dengan kesalahan prediksi
serta semua umur tanaman. Regresi kuadratik untuk ukuran sampel tertentu pada model
memiliki batas data yang dapat dimasukkan, bangkitan perjalanan di wilayah perkotaan
sehingga perlu ketelitian dalam menggunakan gresik. Jurnal Manejemen Aset
formulanya. Regresi kubik cenderung Infrastruktur & Fasilitas, 2(2).
memiliki akurasi lebih baik untuk https://doi.org/10.12962/j26151847.v2i2.4
memprediksi luas daun pada umur 14, 28, dan 343
42 HST, namun akurasinya sama dengan Irwan, A. W., & Wicaksono, F. Y. (2018).
persamaan regresi yang lain pada semua umur Perbandingan pengukuran luas daun
tanaman. kedelai dengan metode gravimetri, regresi
dan scanner. Kultivasi, 16(3).
DAFTAR PUSTAKA https://doi.org/10.24198/kultivasi.v16i3.14
Al-Tahir, F. M. M. (2014). Flag leaf 448
characteristics and relationship with grain Otieno, D. J., Omiti, J. M., Nyanamba, T. O.,
yield and grain protein percentage for & McCullough, E. B. (2009). Application
three cereals. Journal of Medicinal Plants of Chow test to improve analysis of farmer
Studies, 2(5), 1–7. participation in markets in Kenya.
Anders Lindroth, Fredrik Lagergren, Mika International Association of Agricultural
Aurela, B. B., Torben Christensen, Ebba Economists (IAAE), 1–15.
Dellwik, Achim Grelle, Andreas Ibrom, Pradeksa, Y., Darwanto, D. H., & Masyhuri,
Torbjörn Johansson, Harry Lankreijer,
156 | P a s p a l u m : J u r n a l I l m i a h P e r t a n i a n , V o l u m e 9 N o 2 S e p t e m b e r 2 0 2 1
M. (2016). Faktor-faktor yang Sotirakopoulos, K., Barham, R., Piper, B., &
mempengaruhi impor gandum Indonesia. Nencini, L. (2015). A statistical method for
Agro Ekonomi, 25(1). assessing network stability using the Chow
https://doi.org/10.22146/agroekonomi.173 test. Environmental Science: Processes &
81 Impacts, 17(10), 1841–1850.
Risdiyanto, I., & Setiawan, R. (2007). Metode https://doi.org/10.1039/C5EM00325C
neraca energi untuk perhitungan indeks Sugiarti, H., & Megawarni, A. (2012).
luas daun menggunakan data citra satelit Konsistensi koefisien determinasi sebagai
multi spektral (energy balance method for ukuran kesesuaian model pada regresi.
determining leaf area index land using Jurnal Matematika Sains Dan Teknologi,
multi spectral satellite imaginary). 13(2), 65–72.
Agromet, 21(2), 27. Utomo, I. P. (2017). Analisis faktor-faktor
https://doi.org/10.29244/j.agromet.21.2.27- yang memengaruhi impor gandum
38 Indonesia dari Australia tahun 1980 -
Sagala, V. (2016). Profil lapisan pemahaman 2013. Economics Development Analysis
konsep turunan fungsi dan bentuk folding Journal, 4(3), 264–272.
back mahasiswa calon guru https://doi.org/10.15294/edaj.v4i3.14833
berkemampuan matematika tinggi Wicaksono, F. Y., Maxiselly, Y., Mulyani, O.,
berdasarkan gender. MUST: Journal of & Janitra, M. I. (2016). Pertumbuhan dan
Mathematics Education, Science and hasil gandum (Triticum aestivum L.) yang
Technology, 1(2), 183. diberi perlakuan pupuk silikon dengan
https://doi.org/10.30651/must.v1i2.237 dosis yang berbeda di dataran medium
Santoso, G. (2015). Determinan koefisien Jatinangor. Kultivasi, 15(3).
respon laba. Parsimonia, 2(2), 69–85. https://doi.org/10.24198/kultivasi.v15i3.11
Sebayang, J. S., & Yuniarto, B. (2017). 770
Perbandingan model estimasi artificial Wicaksono, F. Y., Maxiselly, Y., Nurmala, T.,
neural network optimasi genetic algorithm Suherman, P. U., Fauzan, A., & Nurdin, A.
dan regresi linier berganda. MEDIA M. (2018). Respons masyarakat terhadap
STATISTIKA, 10(1), 13. pengenalan tanaman gandum dan produk-
https://doi.org/10.14710/medstat.10.1.13- produknya di desa Arjasari kecamatan
23 Arjasari Kabupaten Bandung.
Setiawan, A. (2019). Fungsi Naik Fungsi Dharmakarya, 7(1), 32–37.
Turun. Retrieved from Kemdikbud https://doi.org/https://doi.org/10.24198/dha
website: rmakarya.v7i1.14740
https://sumber.belajar.kemdikbud.go.id/rep Yao, F., & Muller, H.-G. (2010). Functional
os/FileUpload/SMA Mtk quadratic regression. Biometrika, 97(1),
NaikTurun/indikator.html 49–64.
Shipley, B. (2002). Trade-offs between net https://doi.org/10.1093/biomet/asp069
assimilation rate and specific leaf area in Yao, W., & Li, L. (2014). A new regression
determining relative growth rate: model: modal linear regression.
relationship with daily irradiance. Scandinavian Journal of Statistics, 41(3),
Functional Ecology, 16(5), 682–689.
656–671.
https://doi.org/10.1046/j.1365-
2435.2002.00672.x https://doi.org/10.1111/sjos.12054
Shipley, B. (2006). Net assimilation rate,
specific leaf area and leaf mass ratio:
which is most closely correlated with
relative growth rate? A meta-analysis.
Functional Ecology, 20(4), 565–574.
https://doi.org/10.1111/j.1365-
2435.2006.01135.x