Pada bagian ini dilakukan upaya untuk menguji hubungan antara hasil panen dan faktor tanah
menjaga faktor manajemen konstan. Model indeks produktivitas (PIM) yang menghubungkan
produksi tanaman dengan lima atribut tanah dinyatakan secara numerik sebagaimana
digunakan oleh Pierce dan rekannya, 1983 (dikutip dalam Younis dan Dragun, 1993; NAP,
1993) dalam bentuk berikut:
AWc = kecukupan air yang tersedia kapasitas penyimpanan
AE = aerasi tanah
BD = kerapatan curah
S pH = pH tanah
E cv = konduktivitas listrik
WF = faktor bobot
n = jumlah cakrawala dalam distribusi akar tanaman
i = peningkatan kedalaman tanah
Indeks produktivitas dinormalisasi untuk mengambil nilai antara 0,0 dan 1.0. Untuk
menerapkan persamaan ini dalam kondisi lapangan sangat rumit terutama ketika informasi
yang memadai tentang bagaimana produktivitas dipengaruhi oleh masing-masing faktor ini
secara individual tidak tersedia. Keterbatasan lain tampaknya dalam fokusnya yang lebih
besar pada fisika tanah daripada pada faktor nutrisi. Oleh karena itu, upaya dilakukan di sini
untuk melihat secara sederhana bagaimana beberapa atribut unsur hara secara linier terkait
dengan hasil panen untuk tanaman lapangan utama di wilayah studi. Meskipun sejumlah
variabel tanah sangat terkait dengan penentuan status kesuburan suatu tanah dan dengan
demikian produktivitas tanaman untuk tujuan ini, hanya enam variabel tanah yang
diasumsikan secara fungsional terkait dengan hasil panen;
Y = f (N, OM, PO, KO, pH, T, N) t 2 5 2 xs δ Di mana,
N = Total Nitrogen dalam Tanah
OM = Bahan Organik
P2O5 = Fosfor yang Tersedia
K2O = Tersedia Kalium
pH = pH tanah (ukuran reaksi tanah)
Tx = Kelas Tekstur
Ns = Variabel non-tanah, dan semua faktor ini juga fungsi waktu seperti yang ditunjukkan
oleh∂ t.
BAHAN DAN METODE
Sebanyak 43 sampel tanah komposit dipilih secara acak dari Babiyabirta VDC kabupaten
Morang. Untuk memastikan keterwakilan wilayah dan tanah yang tepat, prosedur berikut ini
diadopsi:
1. Setidaknya lima sub-sampel dikumpulkan dari masing-masing unit lapangan untuk
membuat sampel komposit.
2. Sampel tanah diambil pada kedalaman vertikal lapisan bajak (20-25 cm) dengan sekop dan
auger.
3. Ukuran sampel komposit dikurangi dengan quartering berturut-turut menjadi sekitar
setengah kilogram.
4. Sejarah tanaman dan pupuk beserta nama dan alamat petani dilabeli pada kantong sampel
masing-masing dan dikirim ke laboratorium tanah - Stasiun Penelitian Pertanian Regional,
Tarhara, kabupaten Sunsari.
Persentase nitrogen dan bahan organik diperkirakan sebagai ukuran kandungan karbon
melalui metode titrasi cepat Walkley-Black. Kandungan fosfor kilogram per hektar dianalisis
dengan metode natrium bikarbonat Olsen; kadar kalium kg per hektar ditentukan dengan
metode metrik keruh kalium dan reaksi tanah dengan pH meter (rasio tanah-air 1: 1). Proporsi
pasir, lanau dan tanah liat diestimasi dengan metode hidrometri analisis tekstur. Data uji
tanah diberikan dalam tabel 1 lampiran.
Hasil panen dan informasi lainnya dinilai melalui survei rumah tangga di mana ukuran
sampel 187 dihitung dengan menggunakan rumus berikut;
N = total populasi (rumah tangga), p = tingkat kejadian yang diharapkan, q = 1-p, z = 1,96
pada tingkat kepercayaan 95%, d = tingkat kesalahan yang dapat diterima dan n = ukuran
sampel. Rumah tangga dipilih secara acak dan informasi dikumpulkan melalui wawancara
menggunakan kuesioner yang terstruktur dengan baik yang diberikan kepada masing-masing
responden.
Tidak ada hubungan yang signifikan terlihat antara variabel tanah dan hasil jagung namun
hubungan positif yang lemah dapat diamati antara bahan organik (X3), nitrogen (X4), dan
lanau (X9) dan hasil jagung sedangkan hubungan negatif terlihat dengan pH ( X2), pasir
(X7), dan tanah liat (X8). Jelas bahwa persentase tanah liat dan pasir yang lebih tinggi dapat
menghambat hasil jagung dan hubungan terbalik dengan pH berarti lebih sedikit toleransi
jagung dengan tanah yang lebih basa.
Tabel 1: Koefisien korelasi antara hasil panen dan variabel tanah penjelas yang dipilih (2
ekor)
Ada hubungan signifikan yang diamati pada tingkat signifikansi 0,05 bahan organik (X3) dan
nitrogen total (X4), dengan hasil gandum (Y3). Kalium tanah (X6) juga ditemukan
berhubungan positif dengan hasil gandum sedangkan tanah liat, pasir, dan pH berbanding
terbalik. Hasil rami secara signifikan berkorelasi dengan bahan organik (X3) dan nitrogen
total (X4) dan kurang terkait erat dengan pasir (X7), dan pH (X2). Hasil juga berkorelasi kuat
tetapi negatif dengan intensitas tanam (X1), lanau (X9) juga ditemukan berkorelasi negatif
dengan hasil goni. Hasil sawi juga ditemukan berkorelasi signifikan dengan kandungan bahan
organik (X3) dan nitrogen total (X4). PH tanah (X2), P2O5 (X5), K2O (X6) dan lana (X9)
berkorelasi terbalik dengan hasil sedangkan faktor-faktor lain terlihat tidak linier terkait
dengan hasil tanaman sawi.
Secara umum, Tabel 1 menunjukkan koefisien korelasi bahan organik dan nitrogen total
dengan hasil semua tanaman kecuali jagung signifikan pada atau di bawah level 0,05 (nilai-p)
yang menunjukkan variabel-variabel ini relevan dengan hasil tanaman utama. Persamaan
regresi berganda untuk beras terutama empat persamaan terakhir, pH tanah, bahan organik,
nitrogen total, fosfor dan kandungan tanah liat ditemukan signifikan dalam menjelaskan
variasi hasil sehingga hipotesis nol bahwa variabel tanah tidak relevan dengan hasil tanaman
utama adalah ditolak.
Untuk menentukan kegunaan dari seluruh model regresi seperti seberapa baik model linier
cocok dengan set data, koefisien determinasi berganda (R2) digunakan.
Dimana, SSR = jumlah regresi kuadrat atau variabilitas yang dijelaskan
SST = jumlah total kuadrat atau total variabilitas
Untuk mengetahui apakah regresi secara keseluruhan signifikan atau hanya karena kebetulan,
uji-F digunakan.
Dimana, MSR = mean square karena regresi
MSE = mean square karena kesalahan
Dengan distribusi F memiliki k pembilang derajat kebebasan (k = jumlah variabel
independen) dan derajat kebebasan penyebut nk-1, uji F digunakan dalam hipotesis Tes untuk
menentukan apakah ada hubungan yang signifikan antara variabel dependen Y dan semua
variabel independen yang terlibat dalam persamaan. Hipotesis yang akan diuji
adalah
: ..... 0 0 1 2 = = = = k H β β β (variabel X tidak berguna untuk memprediksi hasil panen, Y)
1 H : Setidaknya satu 0 1 β ≠ ( setidaknya satu variabel X berguna untuk memprediksi hasil
panen, Y)
Saat melakukan uji hipotesis jika hipotesis nol (H0) ditemukan benar, persamaan regresi
tidak dapat digunakan untuk prediksi Y. Jika hipotesis nol ditolak, jelas bahwa satu atau lebih
koefisien regresi parsial memiliki nilai yang berbeda dari nol. Untuk mengetahui koefisien
mana yang bukan nol dan alat t-test tambahan digunakan. Sementara uji F mengatakan
apakah ada hubungan yang signifikan antara variabel independen dan dependen tanpa
menentukan variabel mana yang signifikan, uji-t berguna untuk melakukan tes signifikansi
pada setiap variabel independen individu (Hair et al, 2003; Hoshmand, 1988).
Di mana, t = pada distribusi dengan nk-1 derajat kebebasan
bi = koefisien regresi sampel
βi = nilai hipotesis populasi slope untuk variabel i
Sbi = kesalahan standar dari koefisien regresi bi
Karena nilai hipotesis : 0 0 H β = , kita dapat gunakan rumus t berikut sebagai statistik uji,
Cara lain untuk melihat pentingnya variabel individu dalam analisis adalah melalui koefisien
standar (β) atau beta. Ini adalah koefisien yang diperoleh dengan membakukan variabel
sebelum menjalankan regresi. Menempatkan semua variabel pada skala yang sama berarti
membuat perbandingan lebih mudah untuk melihat variabel mana yang lebih berpengaruh
pada variabel dependen. Beta yang lebih besar dikaitkan dengan rasio t yang lebih besar dan
nilai p yang lebih rendah.
Model regresi berganda yang digunakan untuk melihat hubungan antara sembilan variabel
independen (x1 hingga x9) dan satu variabel dependen Y (hasil padi) diberikan di bawah ini:
Y = bo + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + b7X7 + b8X8 + b9X9 + e Di
mana,
Y = Crop Yield (kg ha-1) X5= P2O5 kg ha-1
bo= Nilai intersepsi X6= K2O kg ha-1
X1= Intensitas Tanam (%) X7= Pasir (%)
X2= nilai pH (dalam skala pH) X8= Tanah Liat (%)
X3= Konten Materi Organik (%) X9= Lumpur (%)
X4= Total Konten Nitrogen (%) e = Istilah kesalahan
b1... b9= Koefisien yang sesuai dari X1 hingga X9.
Ketika mengeluarkan dua variabel X3 (bahan organik) dan X7 (pasir) yang masing-masing
sangat berkorelasi dengan dua variabel penjelas lainnya dan menambahkan satu lagi variabel
X10 (total kepemilikan lahan) dalam model asli lima variabel muncul dalam persamaan
(YR3) menjelaskan sekitar 99% variasi dalam hasil rata-rata beras. Di antara koefisien,
penguasaan lahan (X10) tampaknya menjadi variabel yang paling penting diikuti oleh nilai
pH (X2). Penjelasan untuk hal ini mungkin bahwa hasil secara linier terkait dengan ukuran
kepemilikan lahan (X10) menyiratkan lebih besar ukuran lahan lebih tinggi dari total
produksi (tetapi tidak harus menghasilkan per unit lahan). Variabel penting kedua X2 (pH)
berhubungan positif yang berarti semakin besar nilainya (lebih banyak tanah basa) semakin
tinggi produksi yang sebenarnya tidak relevan dengan tanaman padi karena alasan teoritis.
Oleh karena itu, tanda untuk variabel X2 (pH) tidak terduga dalam persamaan. Total nitrogen
(X4), dan tanah liat (X8) positif menyiratkan variabel-variabel ini relevan dengan tanaman
padi, kandungan nitrogen yang lebih tinggi memberikan kontribusi positif terhadap hasil, dan
tanah liat (X8) memiliki dampak positif pada produksi beras dengan meningkatkan kapasitas
penyimpanan air dari tanah. KarenaP2O5 kandungandi tanah dalam kebanyakan kasus tinggi,
tanda negatif untuk variabel X5 tidak tidak relevan dalam persamaan. Ketika mengeluarkan
Dalam persamaan YR5 sembilan variabel (tidak termasuk X3 (bahan organik) dan X7 (pasir)
dan menambahkan X13 (area di bawah tanaman kacang-kacangan) mengalami kemunduran
memberikan ri se ke lima variabel menjelaskan sekitar 73% variasi dalam hasil. Semua
variabel berhubungan positif dengan hasil kecuali variabel X1 (intensitas tanam) yang
memiliki tanda negatif berarti semakin tinggi intensitas tanam semakin rendah. produktivitas
(kecuali input nutrisi tambahan ditambahkan). Hubungan ini tampaknya berhasil untuk semua
tanaman di bawah sistem tanam input rendah. Defisit nitrogen nutrisi (X4), dan lanau (X9)
muncul dalam persamaan tetapi mereka tampaknya kurang penting daripada variabel non-
tanah X11 (total pupuk yang digunakan) dan X13 (area legum).
Dalam YR6 dua variabel non-tanah (X11, dan X13) termasuk dalam persamaan YR5
dijatuhkan dan satu variabel non-tanah X10, dan dua variabel yang sebelumnya dijatuhkan
X3 dan X7 dimasukkan sehingga menghasilkan tiga variabel X1, X4 dan X10 menjelaskan
sekitar 85% variasi hasil. Dalam persamaan total nitrogen (X4) muncul sebagai variabel
penting di sebelah total kepemilikan lahan (X10).
Dalam YR7 dan YR8 model itu mencolok untuk dicatat bahwa variabel X10 tampil sangat
penting memiliki terbesar t-nilai diikuti oleh X positif2,variabel X5 tetap penting dan negatif.
Semua variabel lain adalah positif dan penting, semuanya menjelaskan sekitar 99% dan
variasi 87% dalam hasil di kedua persamaan YR7 dan YR8 masing-masing. YR9 dan YR10
memiliki pola yang sama yang memiliki fosfor (X5), penguasaan lahan (X10) dan area
tanaman legum (X13) sebagai variabel penting.
TEMUAN DAN KESIMPULAN
Dalam menyimpulkan, menganalisis persamaan dapat dikatakan bahwa variabel tanah kritis
yang menjelaskan variasi paling banyak dalam hasil padi adalah total nitrogen (X4) dan
bahan organik (X3). Fosfor (X5), pH tanah (X2) dan tanah liat (X8) juga ternyata menjadi
variabel penting dalam beberapa persamaan. Semua variabel ini kecuali satu fosfor (X5)
positif. P205 (X5) berbanding terbalik dengan hasil di hampir semua persamaan yang
muncul. Dalam kebanyakan persamaan, intersep (bo) kurang berarti ketika X = 0.
Analisis tanah telah mengungkapkan bahwa status kesuburan tanah di wilayah studi rendah
ketika dianggap tingkat dua variabel tanah yang paling kritis - total nitrogen dan kandungan
bahan organik . Informasi ini penting terutama ketika nilai-nilai uji tanah dikalibrasi untuk
merekomendasikan tingkat optimal pupuk (nutrisi) dalam sistem pertanian lokal. Distribusi
kandungan fosfor dalam tanah pada umumnya dari tingkat rendah ke sangat tinggi (tabel 1,
simpangan baku sangat tinggi) dengan rata-rata tinggi. Alasan di balik hubungan terbalik
fosfor dengan hasil mungkin karena memiliki kadar konten fosfor yang tinggi hingga sangat
tinggi di tanah yang mungkin mempengaruhi hasil negatif.
Mengingat temuan dan kesimpulan, disarankan agar kebijakan dan opsi teknologi yang
ditingkatkan harus tersedia bagi petani untuk melestarikan dan meningkatkan kandungan
bahan organik dan total nitrogen di tanah. Penyebaran informasi yang lebih luas tentang
metode penggunaan pupuk kimia secara seimbang juga diperlukan untuk menjaga kesuburan
tanah dan meningkatkan produksi tanaman di wilayah studi.
Tujuan Penelitian Untuk menilai variabel tanah mana yang penting untuk produksi
tanaman, sampel tanah diuji dan data uji berkorelasi dengan hasil
panen.
Subjek Penelitian Variabel tanah
Metode Penelitian Melalui analisis dengan metode natrium bikarbonat Olsen; kadar
kalium kg per hektar ditentukan dengan metode metrik keruh kalium
dan reaksi tanah dengan pH meter (rasio tanah-air 1: 1) untuk
mengetahui kandungan fosfor kilogram per hektar.