3 BAHAN DAN METODE
4 HASIL DAN PEMBAHASAN
Penentuan Potensi Hasil dan Produksi Kedelai Menggunakan Model Simulasi SUCROS.SIM
Identifikasi Elemen Sistem
Elemen utama pada pertumbuhan tanaman kedelai, yaitu daun, batang, akar, dan biji (storage organ). Daun merupakan tempat proses fotosintesis, untuk proses fotosintesis daun memerlukan cahaya matahari, luas indeks daun juga berperan pada fotosintesis. Hasil fotosintesis dibagi ke bagian-bagian tanaman seperti daun, batang, akar dan biji (storage organ) (Gambar 7). Partisi asimilat merupakan proses pendistribusian hasil fotosintesis (asimilat) ke seluruh bagian tanaman. Cadangan Asimilat Fotosintesis Pengelolaan Daun Batang Akar Biji P ert u m b u h an Indeks luas daun Sinar matahari
Gambar 7. Diagram relasi antar elemen sistem dengan faktor pembatas cahaya
Simulasi Model SUCROS.SIM
Program Powersim dijalankan dengan meniru proses yang terjadi sistem real world, dengan memasukan data iklim (suhu harian minimum dan maksimum) dan data radiasi dari kabupaten yang dijadikan obyek penelitian, kemudian ditentukan pula berapa latitude dari kabupaten tersebut, selanjutnya di dalam sistem tersebut di set start time-nya (waktu tanam). Waktu tanam mengikuti rotasi tanam kedelai, yaitu bulan Juli (hari 210 julian date).
Dalam model simulasi, prediksi potensi hasil kedelai dihitung berdasarkan data suhu minimum dan maksimum, data radiasi surya dan karakteristik varietas. Meskipun memiliki proses fisiologis yang sama, suatu varietas sebenarnya memiliki parameter yang khas atau khusus seperti koefisien pemadaman cahaya, ketebalan daun, kebutuhan akan suhu kumulatif per fase tumbuh dan pola partisi biomass (Makarim et al. 2005). Beberapa varietas kedelai yang paling menentukan produktivitas menurut (Makarim 2005 dalam Manshuri 1995) adalah
18
koefisien pemadaman cahaya (k), efisiensi pemanfaatan radiasi terserap menjadi biomass (E), partitioning atau indeks panen, dan umur tanaman. Dalam pendugaan potensi hasil kedelai faktor lingkungan lainnya seperti kondisi air tanah, cekaman hara, karacunan aluminimum (Al) tidak dijadikan sebagai faktor pembatas.
Secara genetik setiap varietas tentu mempunyai potensi hasil yang tinggi. Seperti yang terdapat pada deskripsi varietas unggul kedelai varietas Wilis, Argomulyo, Bromo, Galunggung dan No. 29 masing-masing memiliki daya hasil sebesar 1.6, 1.75, 2.09, 1.5, dan 1.25 ton/ha (Suhartina 2012). Rendahnya hasil kedelai di tingkat petani bisa jadi karena: serangan hama dan penyakit, tidak menggunakan varietas unggul, waktu tanam yang tidak tepat, cekaman kekeringan pada fase generatif, kondisi iklim yang tidak pasti.
Hasil penelitian implementasi model simulasi dengan peubah suhu minimum dan maksimum, radiasi serta latitude sebagai inputan menunjukkan bahwa terdapat perbedaan hasil antara nilai aktual dengan perkiraan hasil dari model simulasi di lima lokasi, yaitu kabupaten Banyuwangi, Malang, Probolinggo, Blitar, dan Pacitan. Perbedaan suhu sangat berpengaruh pada produktivitas hasil kedelai. Suhu merupakan salah satu faktor iklim yang menentukan pertumbuhan tanaman kedelai, selain faktor panjang hari (lama dan intensitas sinar matahari), kelembaban udara dan curah hujan. Suhu yang terlalu ekstrim (panas) akan mengakibatkan polong menjadi rontok.
Grafik suhu minimum dan maksimum pada kabupaten Banyuwangi, Malang, Pacitan, Probolinggo, dan Blitar mempunyai pola yang hampir sama, namun Kabupaten Blitar mempunyai rata-rata suhu bulanan yang lebih fluktuatif (Gambar 8). Gambaran umum luas panen kedelai di Indonesia tersaji pada Tabel 4.
Tabel 4 Luas panen, produktivitas, produksi tanaman kedelai Indonesia 2008-2012
Tahun Luas Panen (ha) Produktivitas (ton/ha) Produksi (ton) 2008 59.0956 1.31 775.710 2009 72.2791 1.35 974.512 2010 66.0823 1.37 907.031 2011 62.2254 1.37 851.286 2012 56.7624 1.49 843.153 Sumber: BPS 2013
19
Gambar 8 Rata-rata suhu maksimum dan minimum di Kabupaten Blitar, Malang, Pacitan, Banyuwangi, dan Probolinggo tahun 2008-2012
(Sumber: Data BMKG Karangploso-Malang)
Prediksi potensi hasil kedelai diperoleh dari model simulasi dengan menggunakan peubah cuaca (suhu minimum dan maksimum) dan radiasi. Hasil prediksi ini dapat digunakan untuk penunjang keputusan bagi pengambil kebijakan sebagai rekomendasi perencanaan pengembangan kedelai dengan hasil tinggi. Hasil analisis prediksi potensi hasil dari model simulasi di Kabupaten Malang, Banyuwangi, Probolinggo, Pacitan, dan Blitar tahun 2008-2012 tersaji pada Tabel 5. 0 5 10 15 20 25 30 35 40 1 2 3 4 5 6 7 8 9 10 11 12 S u h u ( oC) Bulan Blitar Max 2012 2011 2010 2009 2008 Min 2012 2011 2010 2009 2008 0 5 10 15 20 25 30 35 40 1 2 3 4 5 6 7 8 9 10 11 12 S u h u ( oC) Bulan Malang Max 2012 2011 2010 2009 2008 Min 2012 2011 2010 2009 2008 0 5 10 15 20 25 30 35 40 1 2 3 4 5 6 7 8 9 10 11 12 S u h u ( oC) Bulan Pacitan Max 2012 2011 2010 2009 2008 Min 2012 2011 2010 2009 2008 0 5 10 15 20 25 30 35 40 1 2 3 4 5 6 7 8 9 10 11 12 S u h u ( oC) Bulan Banyuwangi Max 2012 2011 2010 2009 2008 Min 2012 2011 2010 2009 2008 0 5 10 15 20 25 30 35 40 1 2 3 4 5 6 7 8 9 10 11 12 S u h u ( oC) Bulan Probolinggo Max 2012 2011 2010 2009 2008 Min 2012 2011 2010 2009 2008
20
Tabel 5 Hasil model simulasi SUCROS.SIM perkiraan potensi hasil kedelai di lima kabupaten tahun 2008-2012
No. Kabupaten Lat Long Potensi hasil (t/ha)
2008 2009 2010 2011 2012 1 Malang -7.76 112.59 2.40 2.47 1.96 2.17 2.37 2 Banyuwangi -8.22 114.38 1.98 1.83 1.96 1.73 1.76 3 Probolinggo -7.75 112.78 2.00 1.96 1.96 1.83 1.92 4 Pacitan -8.30 111.15 2.00 2.13 1.96 1.96 2.00 5 Blitar -8.14 111.87 1.94 1.76 1.96 1.68 1.94 Tabel 5 menunjukkan bahwa terdapat keragaman hasil dari model simulasi perkiraan potensi hasil dari tahun 2008-2012, keragaman hasil pada model simulasi hanya didasarkan pada kondisi suhu minimum dan maksimum, radiasi, serta latitude. Dari lima Kabupaten Malang, Banyuwangi, Pacitan, Blitar, dan Probolinggo diperoleh rata-rata potensi hasil tertinggi tahun 2008-2012 yaitu Kabupaten Malang sebesar 2.27 ton/ha dengan RMSE sebesar 0.28 dan R2 sebesar 0.856, sedangan rata-rata potensi hasil terendah yaitu Kabupaten Banyuwangi sebesar 1.85 ton/ha dengan RMSE sebesar 0.31 dan R2 sebesar 0.912 (Tabel 6). Rata-rata potensi hasil dan senjang hasil kedelai pada Kabupaten Malang, Banyuwangi, Pacitan, Blitar, dan Probolinggo selengkapnya terdapat pada Lampiran 1. Sedangkan nilai parameter RMSE model simulasi potensi hasil kedelai selengkapnya terdapat pada Lampiran 2.
Belum ada standar yang baku untuk menentukan berapa sebenarnya R2 dan RMSE yang layak untuk informasi potensi hasil, namun secara umum dapat diartikan bahwa nilai R2≥0.85 dan RMSE≤ 0.3 sudah cukup baik sebagai bahan
informasi bagi pengambil kebijakan. Pada model ini waktu tanam sebagai input model dilakukan sekitar Juli atau 210 (Julian date), sehingga diharapkan kondisi lapang masih cukup air dan belum terjadi kekeringan.
Tabel 6 Rata-rata hasil simulasi potensi hasil, hasil aktual, senjang hasil, regresi dan RMSE potensi hasil kedelai di Jawa Timur tahun 2008-2012
Rata-rata RMSE R2 Kabupaten Potensi hasil (ton/ha) Hasil aktual (ton/ha) Senjang hasil (ton/ha) Malang 2.27 1.50 0.77 0.28 0.858 Banyuwangi 1.85 1.38 0.47 0.31 0.912 Pacitan 2.01 1.48 0.53 0.30 0.860 Blitar 1.86 1.53 0.33 0.24 0.884 Probolinggo 1.93 1.43 0.50 0.18 0.884
Hasil regresi potensi hasil dari lima kabupaten di Jawa Timur dengan menggunakan data hasil kedelai varietas Galunggung dan No 29 untuk Kabupaten Malang, varietas Wilis dan Bromo untuk Kabupaten Banyuwangi, varietas Bromo dan Galunggung untuk Kabupaten Pacitan, Varietas Galunggung dan No 29 untuk Kabupaten Blitar dan varietas Wilis dan Argomulyo untuk Kabupaten Probolinggo) diperoleh rata-rata koefisien determinasi (R2) di atas 0.80
21
(Lampiran 3). Nilai R2 yang masih cukup tinggi menunjukkan bahwa model simulasi potensi hasil kedelai SUCROS.SIM cukup baik apabila divisualisasikan pada sistem informasi geografis untuk melihat sebaran potensi hasil kedelai di Jawa Timur. Sementara itu rata-rata prediksi potensi hasil dari lima kabupaten, yaitu Kabupaten Malang, Banyuwagi, Pacitan, Blitar dan Probolinggo tahun 2008-2012 sebesar 1.99 ton/ha, sedangkan hasil aktual ditahun yang sama rata-rata sebesar 1.47 ton/ha seperti yang terlihat pada Tabel 7.
Tabel 7 Hasil model simulasi prediksi potensi hasil dari lima kabupaten (Malang, Blitar, Banyuwangi, Pacitan, dan Probolinggo) di Jawa Timur tahun 2008-2012 Tahun Hasil kedelai Luas panen Potensi hasil Produksi Hasil aktual Produksi Senjang produksi Senjang hasil Persentase senjang produksi (ha) (t/ha) (ton) (t/ha) (ton) (ton) (ton/ha) (%) 2008 3.952 2.06 8.157 1.48 4.393 3.764 0.58 46.1 2009 69.350 2.03 140.781 1.50 82.027 58.753 0.53 41.7 2010 53.621 1.96 105.097 1.47 67.026 38.071 0.49 36.2 2011 81.956 1.87 153.586 1.41 108.182 45.404 0.46 29.6 2012 41.546 2.00 83.009 1.49 50.524 32.485 0.51 39.1 Total 208.879 1.99 490.629 1.47 312.152 178.477 0.52 36.4
Tabel 7 menunjukkan senjang hasil dari lima kabupaten (Malang, Banyuwangi, Pacitan, Blitar, dan Probolinggo) rata-rata sebesar 0.52 ton/ha. Nilai senjang hasil yang hampir sama dengan rata-rata senjang hasil dari seluruh kabupaten di Jawa Timur yaitu sebesar 0.61. Peningkatan potensi hasil kedelai dapat dilakukan di antaranya dengan perbaikan genetik, pengendalian OPT yang tepat, pemupukan berimbang, pengairan, waktu tanam yang tepat, benih bersertifikat. Dengan rata-rata luas areal panen kedelai di Jawa Timur tahun 2008-2012 sebesar 201.233 ha dan rata-rata simulasi potensi hasil sebesar 1.94 ton/ha maka akan diperoleh prediksi produksi kedelai sebesar 390.794 ton (Tabel 8).
Tabel 8 Analisis produktivitas dan produksi tanaman kedelai di Jawa Timur (2009-2012)
Tahun L. panen*) Produktivitas Produksi
Peluang peningkatan Potensi hasil**) Hasil aktual*) Potensi hasil Hasil aktual
(Ha) (ton/ha) (ton/ha) (ton) (ton) (ton/ha) 2008 21.670 2.03 1.24 43.99 26.931 0.79 2009 264.478 1.96 1.25 518.377 330.598 0.71 2010 246.766 1.96 1.31 483.661 323.263 0.65 2011 252.605 1.83 1.43 462.267 361.225 0.40 2012 220.646 1.93 1.33 425.847 293.459 0.60 Rata-rata 201.233 1.94 1.33 390.794 267.640 0.61 *) Data BPS 2013
22
Perbaikan Model
Apabila nilai output yang diperoleh jauh dari range hasil yang dimodelkan. Misalkan rentang hasil kedelai secara umum antara 1.5 – 3.0 ton/ha, bila melebihi atau jauh di bawah rentang tersebut maka perlu dievaluasi pada bagian proses yang mana terjadi penyimpangan tersebut. Penyimpangan tersebut terjadi apabila ada salah satu input yang dimasukkan tidak benar, misalnya suhu yang telalu ekstrim (terlalu tinggi atau terlalu rendah) untuk itulah perlunya dilakukan praprosesing data, atau kesalahan dalam menentukan latitude atau nilai partisi yang tidak sesuai.
Pembangunan Sistem Informasi Geografis Analisis Kebutuhan
Pengembangan sistem informasi geografis untuk memberikan informasi potensi hasil dan produksi kedelai. Analisis kebutuhan dilakukan agar sistem yang dikembangkan sesuai dengan tujuan yang diharapkan, yang meliputi:
1. Spesifikasi Pengguna
Sistem ini dikembangkan untuk memudahkan para pengambil kebijakan dalam mendapatkan informasi potensi hasil kedelai dalam bentuk peta, tabel dan grafis. Data potensi hasil ini diperoleh dari prediksi model simulasi SUCROS.SIM. Selain para pengambil kebijakan informasi ini juga dapat digunakan oleh siapapun yang berkepentingan dengan informasi potensi hasil dan produksi kedelai di Jawa Timur.
2. Kebutuhan Pengguna
Sistem akan memudahkan pengguna dalam melihat potensi hasil dan produksi kedelai dalam bentuk peta, tabel dan grafik. Pada peta terdapat marker
jika di “klik” maka akan memberikan informasi terkait potensi hasil dan produksi
kedelai di kabupaten yang di pilih pada kurun waktu 2008-2012. Pengguna dapat menggeser peta, melakukan zoom (-) atau zoom (+) sesuai yang dibutuhkan. 3. Kebutuhan Data
Data spasial yang ada pada sistem ini hanya data lokasi kabupaten di Propinsi Jawa Timur. Atribut lainnya yang merupakan data non spasial, yaitu luas tanam (ha), hasil (ton/ha), produksi (ton), nama kabupaten dan tahun.
4. Kebutuhan Fungsional
Setelah dilakukan analisis kebutuhan maka dilanjukan dengan identifikasi fungsional dari sistem. Kebutuhan fungsional pengembangan sistem ini antara lain sistem dapat menampilkan peta, tabel dan grafik, zoom (-), zoom (+), pan bar, cari dan hapus.
23
Pengumpulan Data
Tahapan ini merupakan lanjutan dari tahapan sebelumnya yaitu mengumpulkan data sesuai dengan kebutuhan data yang telah didefinisikan. Data yang digunakan pada penelitian ini adalah data suhu udara harian (suhu minimum dan suhu maksimum), radiasi surya tahun 2008-2012 yang diperoleh dari (BMKG Karang Ploso Malang), data luas lahan kedelai di Jawa Timur dari Badan Pusat Statistik 2013. Peta tematik dari Badan Informasi Geospasial, data varietas kedelai, yaitu varietas Wilis, Bromo, Galunggung, No 29, dan Argomulyo dari Balai Penelitian Tanaman Aneka Kacang dan Umbi~Malang.
Perancangan Konseptual
Perancangan dapat digunakan sebagai acuan pengembangan sistem. Perancangan terdiri atas pemodelan kebutuhan fungsional, perancangan isi, dan perancangan antarmuka.
Pemodelan Kebutuhan Fungsional
Gambaran proses dari aliran input dan output data dimodelkan dengan menggunakan Data Flow Diagram (DFD). Diagram konteks merupakan level yang paling tinggi (Gambar 9). Terdapat satu entitas yang berinteraksi dengan sistem, yaitu pengguna. Pengguna memberi inputan kemudian hasil eksekusi sistem diberikan lagi ke pengguna. Pada penelitian ini DFD hanya sampai pada level 1 (Gambar 10).
Gambar 9 Diagram konteks Pengguna (User) Input query Menampilkan hasil pencarian SIG Potensi Hasil Kedelai
24 Pengguna (User) Potensi hasil Senjang Hasil Tahun,Kabupaten, Propinsi Hasil Aktual
Tahun, Propinsi, Kabupaten
Tahun, Propinsi, Kabupaten
Senjang hasil Potensi hasil
Hasil aktual
Gambar 10 Diagram aliran data
Perancangan Isi
Isi yang disajikan pada aplikasi, yaitu peta potensi hasil kedelai, tabel dan grafik. Bagian-bagian peta antara lain layer peta dasar. Komponen peta meliputi Legenda, Navigasi, dan arah mata angin.
Antarmuka Aplikasi
Antarmuka aplikasi terdiri dari header, navigasi, isi dan footer. Posisi header disebelah atas, navigasi dibagian kiri, isi berada pada bagian tengah sedangkan footer berada pada bagian bawah.
Akuisisi Perangkat Keras dan Perangkat Lunak
Tahapan ini mendefinisikan fungsi dari perangkat yang digunakan. Perangkat lunak yang digunakan adalah Postgres untuk mengelola basis data dan shape file yang diimport dari Quantum GIS. OpenGeo Suite sebuah platform yang lengkap di dalamya terdapat aplikasi-aplikasi antara lain: GeoExplorer. Aplikasi ini menggunakan GeoExt. Sedangkan visualisasi data spasialnya
25
menggunakan OpenLayer s. GeoServer aplikasi penyediaan data geospasial dalam bentuk peta. GeoWebCache penyediaan layanan web dengan manajemen cache. Hal ini untuk mempercepat akses dan penyediaan layanan. Styler untuk melakukan setting style (SLD) pada layanan web. GeoEditor untuk melakukan editing data spasial secara langsung melalui web. PostGIS merupakan ekstensi Postgres untuk pengolahan basis data spasial.
Perencanaan dan Perancangan Basis Data
Perancangan fisik dilakukan dengan memilih atribut yang akan dimasukkan dalam masing-masing tabel. Tabel basis data dirancang sesuai dengan kebutuhan fungsional aplikasi. Atribut-atribut dalam tabel diberikan pada Tabel 9 dan 10. Tabel 9 Atribut tabel potensi hasil
Nama Kolom Tipe data Keterangan
gid Serial Primary key not null
kode_kab Character (20) longitude Numeric (10) latitude Numeric (10) tahun Numeric (10) luas_ha Numeric (10) potensi_t_ha Numeric (10) prod_t Numerrc (10) aktual_t_ha Numeric (10) senjang_t_ha Numeric (10)
The geom Geometry
Tabel 10 Atribut tabel batas wilayah
Nama Kolom Tipe data Keterangan
gid Serial Primary key not null
nama_kab character (25) nama_prop character (20) kode_kab character (20) kode_prop character (20) Kab character (20) Prop character (20) Tahun numeric (10) luas_ha numeric (10) potensi_t_ha numeric (10) prod_t numeric (10) Longitude numeric (10) Latitude numeric (10)
26
Perancangan Antarmuka
Suatu alat yang disediakan oleh sistem informasi geografis berbasis web sebagai sarana untuk berinteraksi antara pengguna (user) (Gambar 11). Isi dari antaramuka sistem informasi geografis berbasis web potensi hasil kedelai, yaitu: Logo identitas logo IPB
Judul berisi judul dari WebSIG “Sistem Informasi Geografis Potensi Hasil
Kedelai di Jawa Timur”
Home, kembali ke menu semula.
Sekilas info, berisi penjelasan singkat tentang WebSIG dan pengambilan data sebagai sumberdata dari WebSIG.
Senjang hasil, berisi hasil pencarian yang menampilkan tabel informasi senjang hasil kedelai.
Tahun, berisi rentang tahun dari tahun 2008-2012
Propinsi, karena lokasi di Jawa Timur, maka hanya menampilkan Propinsi Jawa Timur
Kabupaten, berisi nama kabupaten yang digunakan sebagai inputan.
Peta, menampilkan peta dari hasil pencarian. Pada peta terdapat marker yang berisi informasi dari kabupaten yang dicari.
Tabel, menampilkan tabel hasil pencarian yang berisi informasi nama kabupaten, latitude , longitude , tahun, luas area (ha), hasil kedelai (t/ha), produksi kedelai (ton), senjang hasil (ton/ha)
Grafik, menampilkan grafik 3D hasil dari pencarian. Cari, tombol untuk memulai pencarian
Hapus, tombol untuk menghapus hasil pencarian
Gambar 11 Rancangan antarmuka WebSIG Judul
Logo
Home Sekilas Info Senjang Hasil
Peta Jawa Timur
Potensi hasil Lokasi tanam tahun Propinsi Kab cari hapus Tabel Grafik
27
Implementasi Web
Hasil dari simulasi SUCROS.SIM disimpan dalam basis data yang dibuat dengan PostgreSQL dengan ekstensi Postgis. Basis data tersebut merupakan data spasial berisi data administrasi dari kabupaten di Jawa Timur, sementara itu atribut dari data spasial, yaitu luas area (ha), potensi hasil (ton/ha), produksi (ton) dari tahun 2008 hingga 2012. Data hasil simulasi SUCROS.SIM yang sudah dijadikan data spasial diimport ke Postgres.
Implementasi selanjutnya ke WebSIG dilakukan dengan menggunakan framework codeigniter. CodeIgniter adalah sebuah framework PHP yang dapat mempercepat untuk membuat sebuah aplikasi web. Gambar 12 merupakan tampilan peta sebaran potensi hasil kedelai yang berdasarkan rentang hasil. Gambar 13 tampilan tabel potensi hasil kedelai dari pencarian berdasarkan tahun dan kabupaten. Sedangkan Gambar 14 tampilan grafik potensi hasil kedelai.
28
Gambar 13 Tabel dan mode pencarian potensi hasil kedelai di Jawa Timur
Gambar 13 merupakan tabel hasil pencarian dari sistem informasi geografis berbasis web berisi informasi tentang potensi (ton/ha), aktual (ton/ha), senjang (ton/ha) dan produksi (ton) atribut yang lain berupa nama kabupaten, latitude , longitude dan tahun. Senjang hasil merupakan selisih antara potensi hasil (ton/ha) dan hasil aktual (ton/ha). Latitude dan longitude digunakan untuk mengetahui posisi kabupaten di peta yang ditandai oleh marker.
Gambar 14 Tampilan grafik hasil pencarian
Potensi hasil kedelai di Jawa Timur pada tahun 2008 menunjukkan bahwa poligon berwarna gelap yang meliputi 15 kabupaten, yaitu Kabupaten Magetan, Trenggalek, Tuban, Lamongan, Jombang, Sidoarjo, Pasuruan, Malang, Lumajang, Probolinggo, Situbondo, Pamekasan dan Sumenep merupakan daerah yang mempunyai potensi hasil tinggi dengan rentang hasil antara 2.0 – 2.5 ton/ha, dengan demikian daerah tersebut sangat berpotensi sebagai daerah pengembangan tanaman kedelai. Sementara untuk poligon dengan warna agak terang meliputi 12 kabupaten, yaitu Ngawi, Bojonegoro, Madiun, Nganjuk, Ponorogo, Kediri, Blitar,
Tabel pencarian Mode Pencarian
29
Jember, Bondowoso, Banyuwangi, dan Bangkalan masuk dalam kategori potensi hasil sedang dengan rentang hasil 1.75-2.0 ton/ha.
Tahun 2009 terdapat lima kabupaten yang mempunyai potensi hasil tinggi, yaitu Magetan, Pacitan, Trenggalek, Malang dan Sumenep sedangkan 24 kabupaten lainnya masuk kategori sedang. Tahun 2010 semua kabupaten di Jawa Timur dalam kategori sedang dengan rentang hasil dari model simulasi 1.75-2.0 t/ha. Sementara pada tahun 2011 terdapat tiga kabupaten dalam kategori potensi hasil tinggi, yaitu Magetan, Trenggalek dan Malang, kategori sedang meliputi 18 kabupaten, yaitu Pacitan, Ngawi, Tuban, Lamongan, Gresik, Madiun, Nganjuk, Kediri, Jombang, Mojokerto, Sidoarjo, Pasuruan, Probolinggo, Lumajang, dan Situbondo masuk dalam kategori potensi hasil sedang dengan rentang hasil 1.75-2.0 ton/ha. Kategori potensi hasil rendah yaitu Kabupaten Bojonegoro, Ponorogo, Tulungagung, Blitar, Jember, Bondowoso, dan Banyuwangi masuk dalam kategori potensi hasil rendah dengan rentang hasil 1.50 – 1.75 ton/ha. Pada tahun 2012 terdapat empat kabupaten kategori potensi hasil tinggi, yaitu Magetan, Pacitan, Trenggalek dan Malang, sedangkan 25 kabupaten lainnya masuk pada kategori potensi hasil sedang dengan rentang 1.75-2.00 t/ha. Secara umum dari tahun 2008-2012 terdapat tiga kabupaten yang konsisten memberikan hasil tinggi maliputi kabupaten Magetan, Trenggalek dan Malang (Lampiran 4).
Pengujian
Pengujian terhadap sistem dilakukan dengan menggunakan metode black-box. Pengujian dilakukan dengan cara memberikan masukan tertentu untuk memeriksa apakah luaran yang dihasilkan sesuai dengan harapan (Tabel 11). Tabel 11. Hasil pengujian Black-box
Pengujian Skenario Hasil yang
diharapkan
Hasil pengujian
Menampilkan peta Awal web,
menam-pilkan peta Jawa Timur
Gambar peta dapat tampil
Sukses
Pan map Klik pada peta
kemudian geser sesuai yang dikehendaki
Peta dapat bergeser Sukses
Zoom (-) Zoom (+) peta Zoom (-) Zoom (+) pada peta Ukuran tampilan peta dapat membesar dan mengecil Sukses Query untuk pencarian data Pilih tahun, propinsi dan kabupaten Menampilkan hasil pencarian dalam bentuk peta, tabel dan grafik
Sukses
Hasil pengujian pada sistem dapat dinyatakan bahwa SIG berbasis web yang dibangun dapat memberikan informasi potensi hasil kedelai. Fungsi menampilkan peta potensi hasil kedelai, pan map, zoom (-), zoom (+) dan query dapat dijalankan dengan baik.
30