HASIL PELAKSANAAN MAGANG
ASPEK KHUSUS
Produksi kelapa sawit SAH Estate lima tahun terakhir berfluktuatif. Produktivitas aktual kebun berdasarkan umur tanaman mulai tahun 2007-2011 rata-rata melebihi standar PPKS Marihat untuk kelas kesesuaian lahan S1, meskipun hasil survei tanah semi detail yang dilakukan badan riset First Resources menjelaskan bahwa kelas kesesuaian lahan SAH Estate termasuk kelas kesesuaian lahan S2. Perbandingan antara rata-rata produktivitas kelapa sawit SAH Estate berdasarkan tahun tanam dengan standar produksi PPKS Indonesia kelas S1 dan S2 disajikan pada Gambar 11.
Produksi tahunan di SAH Estate cenderung berfluktuatif (Tabel Lampiran 9). Hal ini disebabkan oleh kondisi iklim yang berfluktuatif, salah satunya adalah penyebaran curah hujan yang tidak merata sepanjang tahun. Kondisi seperti ini tidak diharapkan oleh perusahaan karena mempersulit peramalan produksi sehingga proyeksi penerimaan dan rencana kegiatan operasional tidak sesuai dengan perkiraan yang dibuat sebelumnya. Oleh karena itu, pemahaman tentang pengaruh iklim terhadap produksi kelapa sawit, menjadi sangat penting untuk memprediksi produksi tandan buah segar kelapa sawit.
Gambar 11. Diagram perbandingan produksi kelapa sawit SAHE dengan produksi PPKS pada kesesuaian lahan S1 dan S2.
0 5 10 15 20 25 30 35 1993 1994 1995 1998 SAHE S1 S2
Curah Hujan
Menurut Siregar et al. (2006) hujan merupakan sumber air utama di perkebunan kelapa sawit. Hujan juga berpengaruh terhadap pembungaan kelapa sawit. Menurut Lubis (2008) kebutuhan air efektif kelapa sawit adalah 1,300 – 1,500 mm/tahun sehingga jumlah curah hujan yang baik (optimum) adalah 2,000 – 2,500 mm/tahun. Apabila curah hujan terlalu besar maka akan mengganggu kegiatan transportasi pemupukan dan pemeliharaan. Namun apabila terjadi defisit air yang tinggi menyebabkan produksi turun drastis.
Berdasarkan pola hujan, SAHE masuk kategori tipe Moonson yang bersifat unimodal. Hal ini dicirikan pola hujan SAH Estate memiliki satu puncak musim hujan. Curah hujan bulanan dalam enam tahun terakhir dapat dilihat pada Lampiran 5. Gambar 12 adalah grafik curah hujan di kebun SAHE dalam tujuh tahun terakhir.
Gambar 12. Grafik curah hujan kebun SAHE.
Grafik curah hujan (Gambar 12) memperlihatkan bahwa terjadi puncak musim hujan di SAH Estate yaitu antara bulan Januari hingga Mei. Penurunan musim hujan di SAH Estate terjadi pada bulan juni hingga Oktober dan mulai naik lagi pada bulan November. Pada bulan Maret 2008 dan bulan Desember
‐ 100,00 200,00 300,00 400,00 500,00 600,00 700,00 2005 2006 2007 2008 2009 2010 2011
2011 terjadi peningkatan curah hujan yang cukup ekstrem dengan curah hujan mencapai 522 mm dan 631 mm (Tabel Lampiran 5).
Pada bulan Juni 2009 SAH Estate mengalami penurunan curah hujan yang cukup drastis hingga mencapai 60 mm. Hal ini dapat menyebabkan defisit air tarhadap tanaman kelapa sawit. Menurut Murtilaksono et al. (2007) defisit air mengakibatkan terganggunya pertumbuhan, perkembangan bunga dan buah yang pada akhirnya menurunkan produksi kelapa sawit. Menurut Siregar et al. (2006), defisit air berpengaruh pada tidak terjadinya pemunculan bunga dari ketiak daun, bunga yang berdeferensiasi menjadi bunga jantan akan lebih tinggi di bandingkan bunga betina dan bunga betina yang sudah terbentuk dapat mengalami aborsi ataupun buah akan cepat matang.
Curah hujan tahunan yang dimiliki oleh kebun Sei Air Hitam Estate berkisar antara 1,700 – 3,400 mm/tahun. Berikut disajikan grafik curah hujan tahunan kebun SAHE.
Gambar 13. Diagram curah hujan tahunan di SAHE
Curah hujan tahunan kebun SAHE dalam tujuh tahun terakhir (Gambar 13) menunjukkan bahwa hujan merupakan faktor pembatas dalam produktivitas kelapa sawit. Kebun SAHE memiliki penyebaran hujan yang tidak merata sepanjang tahun meskipun curah hujan tahunan mencakupi. Menurut Harahap et al. (2007) menyatakan bahwa fluktuasi musim hujan dan musim kering dapat
0 500 1000 1500 2000 2500 3000 3500 4000 2005 2006 2007 2008 2009 2010 2011 Cu ra h Hujan (mm ) Tahun
mempengaruhi penyebaran produksi dan dapat menyebabkan fluktuasi produksi bulanan kelapa sawit yang sulit untuk diprediksi.
Menurut Sulistyo (2010) hubungan antara curah hujan dan hari hujan (Lag 5 bulan dan Lag 6 bulan) terhadap pencapaian persentasi Oil Extraction Ratio (OER) menunjukkan korelasi yang signifikan terhadap penurunan OER. Curah hujan dan hari hujan pada Lag 5 - 6 bulan berpengaruh terhadap tingkat keberhasilan penyerbukan (pollination) karena menyebabkan terganggunya aktifitas serangga penyerbuk Elaeidobius kamerunicus (Gambar 14). Kegagalan penyerbukan menyebabkan terbentuknya buah partenocarpy dan false ripening. Hal ini terlihat pada fruitset maupun fruit/bunch yang terbentuk. Jumlah fruitset dan fruit/bunch karena curah hujan yang tinggi sangat mempengaruhi produksi aktual kebun.
Penyinaran Matahari
Cahaya matahari sangat mempengaruhi pertumbuhan dan perkembangan kelapa sawit. Di alam, kemampuan penyerapan cahaya akan berbeda-beda untuk setiap jenis tumbuhan dan ini juga dipengaruhi oleh besarnya cahaya yang diterima. Menurut Salisbury dan Ross (1995) cahaya sangat penting bagi tumbuhan karena tumbuhan memperoleh hara organiknya dari proses fotosintesis. Selain itu, cahaya juga berpengaruh pada proses fisiologis yaitu perkecambahan biji, pembungaan, peningkatan laju perkembangan bunga, dan penuaan. Penyinaran matahari tahun 2007-2010 dapat dilihat pada Lampiran 10. Gambar 15 adalah grafik penyinaran di kebun SAHE.
Gambar 14. Grafik penyinaran matahari kebun SAHE
Grafik penyinaran (Gambar 14) memperlihatkan bahwa rata-rata penyinaran matahari di kebun SAHE berkisar antara 30-70%. Menurut Setyamidjaja (2006) lama penyinaran yang dibutuhkan oleh kelapa sawit adalah 5-7 jam per hari. Lama penyinaran rata-rata 5 jam dan naik menjadi 7 jam per hari. Untuk beberapa bulan tertentu, lama penyinaran akan berpengaruh baik terhadap kelapa sawit. Lama penyinaran ini terutama berpengaruh terhadap pertumbuhan dan tingkat asimilasi, pembentukan bunga (sex ratio), dan produksi buah.
Kecepatan Angin, Suhu, dan Kelembaban Udara
Penyerbukan kelapa sawit (anemophyli) efektif pada kecepatan angin 5-6 km/jam. Anginterlalu kencang dapat menyebabkan tanaman baru menjadi miring, bahkan angin terlalu besar dapat merusak perkebunan kelapa sawit (Pahan, 2010). Kecepatan angin rata-rata Sei Air Hitam Estate pada tahun 2007-2010 berkisar antara 4-11 km/jam. Tanaman kelapa sawit dapat tumbuh baik pada kisaran suhu 24-28 °C dan kelembaban 85%. Suhu rata-rata kebun SAHE pada tahun 2005-2010 berkisar 26-29 °C dengan kelembaban rata-rata yaitu 74-81%. Data iklim selengkapnya disajikan pada Lampiran 10.
0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0
Jan Feb Mar Apr Mei Jun Jul Agust Sep Okt Nov Des
2007 2008 2009
Populasi dan Umur Tanaman
Sei Air Hitam Estate memiliki komposisi tanaman kelapa sawit dengan tahun tanam 1993, 1994, 1995, 1998, 1999, 2000, 2002, dan 2004. Setiap tahun tanamn memiliki tanaman sisipan yang ditanam pada tahun yang berbeda. Hal ini disebabkan karena adanya penyakit dan kelainan tanaman sehingga tanaman mati atau dilakukan penebangan. Jumlah rata-rata populasi/ha tanaman kelapa sawit di kebun SAHE berkisar 129 tanaman/ha. Menurut Lubis (2008) umur tanaman kelapa sawit berpengaruh terhadap produktivitas kelapa sawit. Produktivitas kelapa sawit cenderung meningkat dengan meningkatnya umur tanaman sampai pada umur tanaman 13 tahun dan akan menurun sampai umur 25 tahun.
Pemupukan
Tanah di Sei Air Hitam Estate (SAHE) didominasi oleh tanah aluvial yang miskin unsur hara, terutama kation – kation basa seperti Ca, Fe, Mg, K dan Na. Hal ini menyebabkan tanaman memerlukan unsur hara tambahan atau pupuk agar pertumbuhan dan produktivitasnya terjaga dengan baik. Peta sebaran tanah kebun SAHE disajikan pada Lampiran 6.
Pemupukan kelapa sawit di kebun SAHE dalam lima tahun terakhir berjalan dengan baik dengan realisasi pemupukan rata-rata berkisar 94-100%. Pemupukan kelapa sawit yang sesuai tepat cara, tepat jenis, tepat dosis, tepat tempat dan tepat waktu (5T) dapat memaksimalkan produksi kelapa sawit. Data historis aplikasi pupuk kebun SAHE dari tahun 2007-2011 disajikan pada Lampiran 11. Kurangnya dosis pupuk dapat berakibat terhambatnya pertumbuhan dan produksi tanaman (Poeloengan et al., 2007).
Penentuan Nilai Produksi Duga Berdasarkan Faktor Agroekologi
Analisis faktor dilakukan untuk mengetahui faktor-faktor yang mempengaruhi hasil produksi kelapa sawit. Pada analisis faktor kali ini menggunakan metode regresi linear berganda (RLB) yaitu dengan menguji pengaruh setiap peubah terhadap hasil produksi menggunakan uji t-parsial kemudian diregresikan untuk mendapat persamaan produksi. Peubah yang diuji
meliputi curah hujan, hari hujan, suhu, kelembaban udara, kecepatan angin, penyinaran matahari, pemupukan, umur tanaman, dan defisit air. Hasil uji t-parsial untuk peubah yang diduga berpengaruh terhadap produksi kelapa sawit disajikan dalam Tabel 15.
Tabel 15. Hasil uji-t parsial peubah agroekologi berdasarkan data tahun 2008 – 2010 di SAHE No Peubah 0 BSP 6 BSP 12 BSP 18 BSP P-Value 24 BSP 1 Umur tanaman 0.531 0.219 0.867 0.603 0.031* 2. Pupuk 0.230 0.382 0.145 0.520 0.887 3 Suhu udara 0.336 0.311 0.203 0.705 0.061 4 Kelembaban udara 0.245 0.374 0.825 0.906 0.028* 5 Kecepatan angin 0.916 0.134 0.400 0.919 0.026* 6 Penyinaran matahari 0.544 0.007** 0.264 0.823 0.418 7 Hari hujan 0.475 0.413 0.736 0.775 0.016* 8 Curah hujan 0.644 0.129 0.832 0.989 0.898 9 Defisit air - - - - -
Keterangan : *) Berbeda nyata pada α = 5%, **) Berbeda nyata pada α = 1% BSP : Bulan Sebelum Panen
Dari hasil uji-t parsial yang telah dilakukan terdapat peubah-peubah yang berpengaruh nyata terhadap produksi kelapa sawit yaitu umur tanaman 24 BSP, kelembaban udara pada 24 BSP, kecepatan angin pada 24 BSP, penyinaran matahari pada 6 BSP, dan hari hujan pada 24 BSP. Peubah-peubah yang berpengaruh nyata tersebut kemudian dilakukan analisis regresi linear berganda (RLB) dan mendapatkan dua kombinasi persamaan untuk meramalkan produksi kelapa sawit. Peramalan produksi kelapa sawit dilakukan secara bulanan untuk menentukan estimasi produksi kebun dalam setahun. Hasil dari analisis persamaan ini digunakan sebagai produksi duga yang kemudian dibandingkan dengan produksi aktual kebun. Berdasarkan Tabel 15, terdapat satu persamaan yang dapat digunakan untuk peramalan. Dari analisis, persamaan yang dibuat memiliki r2 nyata sehingga secara statistik sahih (Tabel 16).
Persamaan Regresi Linear Berganda I
Pada persamaan regresi linear berganda I disusun melalui kombinasi peubah-peubah yang berpengaruh nyata yaitu umur tanaman (24 BSP), kelembaban udara (24 BSP), kecepatan angin (24 BSP), penyinaran matahari pada (6 BSP), dan hari hujan pada (24 BSP). Berikut adalah bentuk persamaan regresi linier berganda I :
Produksi = 0.0310 umur tanaman (24 BSP) + 0.0840 kelembaban udara (24 BSP) + 0.031 kecepatan angin (24 BSP) – 0.0141 penyinaran matahari (6 BSP) – 0.0379 hari hujan (24 BSP) – 8.9
Tabel 16. Sidik ragam untuk persamaan regresi linear berganda I Sumber
keragaman db JK KT F P
Regresi 5 2.39918 0.47984 9.91 0.007
Galat 6 0.29066 0.04844
Total 11 2.68985
Nilai p-value (Tabel 16) pada hasil uji F persamaan regresi linear berganda I menunjukkan bahwa persamaan tersebut berpengaruh nyata terhadap hasil produksi kelapa sawit pada taraf nyata 5%. Perbandingan antara produksi aktual kebun dengan produksi duga dan budget produksi disajikan pada Tabel 17.
Tabel 17. Hasil produksi duga dan akurasi peramalan regresi linear I
Tahun Produksi aktual Produksi duga Selisih (1) Budget produksi Selisih (2) (a) (b) (%) (c) (%) 2010 25.38 21.41 (15.65) 29.50 16.24 2009 27.35 18.99 (30.56) 29.47 7.71 Keterangan :
Produksi aktual = Hasil produksi kebun (ton/ha)
Produksi duga = Hasil persamaan regresi linear berganda (ton/ha) Budget Produksi = Estimasi kebun (ton/ha)
Selisih 1 = (b-a) : a x 100%
Nilai produksi duga tahunan yang didapat dari persamaan regresi linear berganda I memiliki selisih yang cukup besar dengan produksi aktual kebun yaitu berkisar 15.65% - 30.56%. Nilai produksi duga bulanan yang didapat dari persamaan regresi linear berganda yang dihasilkan juga belum mendekati produksi aktual kebun.
Nilai Variance Inflation Factor (VIF) untuk persamaan regresi linear berganda I terdapat nilai lebih dari 10 (Tabel 18). Hal ini menunjukkan ada pelanggaran asumsi metode kuadrat terkecil (MKT) yaitu adanya multikolinearitas. Untuk mengetahui adanya pelanggaran asumsi MKT heterokedasitas, dapat dilihat pada plot sisaan vs Yduga pada Gambar 15. Pada Grafik plot sisaan vs Y duga terlihat bahwa data tidak membentuk pola sehingga tidak terdapat pelanggaran asumsi MKT untuk heterokedasitas.
Tabel 18. Nilai p-value, VIF dan Durbin Watson untuk persamaaan regresi linear berganda I
1 Prediktor Koefisien P VIF
Konstanta -8.93000 0.516 - Umur tanaman 0.03100 0.618 10.3 Hari hujan -0.03792 0.242 2.1 Kecepatan angin 0.03080 0.785 3.3 Penyinaran matahari -0.01409 0.156 12.4 Kelembaban udara 0.08402 0.168 3.1 2 Durbin Watson 2.19843
Gambar 15. Plot sisaan vs Y duga untuk persamaan regresi linear berganda I
Y duga S is aan 2,8 2,6 2,4 2,2 2,0 1,8 1,6 1,4 1,2 2 1 0 -1 -2
Berdasarkan regresi linear berganda I, akurasi peramalan masih rendah. Dengan demikian, dikembangkan persamaan regresi linear berganda II.
Persamaan Regresi Linear Berganda II
Pada persamaan regresi linear berganda II digunakan kombinasi peubah-peubah yang berpengaruh nyata yaitu umur tanaman (24 BSP), kelembaban udara (24 BSP), kecepatan angin (24 BSP), dan hari hujan pada (24 BSP). Persamaan regresi linear berganda II dibuat dari modifikasi regresi linear berganda I yaitu dengan menghilangkan peubah penyinaran matahari 6 BSP. Berikut adalah bentuk persamaan regresi linier berganda II :
Produksi = 0.120 umur tanaman (24 BSP) + 0.132 kelembaban udara (24 BSP) + 0.168 kecepatan angin (24 BSP) – 0.0606 hari hujan – 27.7
Tabel 19. Sidik ragam untuk persamaan regresi linear berganda II Sumber
keragaman db JK KT F P
Regresi 4 2.27151 0.56788 9.50 0.006
Galat 7 0.41834 0.05976
Total 11 2.68985
Nilai p-value (Tabel 19) pada hasil uji F persamaan regresi linear berganda II menunjukkan bahwa persamaan tersebut berpengaruh nyata terhadap hasil produksi kelapa sawit pada taraf nyata 5%. Perbandingan antara produksi aktual kebun dengan produksi duga dan budget produksi disajikan pada Tabel 20.
Tabel 20. Hasil produksi duga dan akurasi peramalan regresi linear II
Tahun
Produksi
aktual Produksi duga Selisih (1) produksi Budget Selisih (2)
(a) (b) (%) (c) (%)
2010 25.38 25.29 (0.37) 29.50 16.24 2009 27.35 10.64 (61.11) 29.47 7.71 Keterangan :
Produksi aktual = Hasil produksi kebun (ton/ha)
Produksi duga = Hasil persamaan regresi linear berganda (ton/ha) Budget Produksi = estimasi kebun (ton/ha)
Nilai produksi duga tahunan yang didapat dari persamaan regresi linear berganda II pada tahun 2010 memiliki selisih yang cukup kecil dengan produksi aktual kebun yaitu sebesar 0.37%. Tetapi pada tahun 2009 nilai produksi duga memiliki selisih yang sangat besar yaitu 61.11% .
Nilai Variance Inflation Factor (VIF) untuk persamaan regresi linear berganda II kurang dari 10 (Tabel 21). Hal ini menunjukkan tidak ada pelanggaran asumsi metode kuadrat terkecil (MKT) yaitu adanya multikolinearitas. Untuk mengetahui adanya pelanggaran asumsi MKT heterokedasitas, dapat dilihat pada plot sisaan vs Yduga pada Gambar 16. Pada Grafik plot sisaan vs Y duga terlihat bahwa data tidak membentuk pola sehingga tidak terdapat pelanggaran asumsi MKT untuk heterokedasitas.
Tabel 21. Nilai p-value, VIF dan Durbin Watson untuk persamaaan regresi linear berganda II
1 Predictor Koefisien P VIF
Konstanta -27.71900 0.003 - Umur tanaman 0.12015 0.002 1.4 Hari hujan -0.06055 0.071 1.6 Kecepatan angin 0.16756 0.060 1.3 Kelembaban udara 0.13194 0.033 2.1 2 Durbin Watson 2.25898
Gambar 16. Plot sisaan vs Y duga untuk persamaan regresi linear berganda II
Y duga S is aan 2,8 2,6 2,4 2,2 2,0 1,8 1,6 1,4 1,2 2 1 0 -1 -2
Nilai produksi duga bulanan yang didapat dari persamaan regresi linear berganda II pada tahun 2010 mendekati nilai produksi aktual kebun yang disajikan pada Tabel 22, sedangkan nilai produksi duga pada tahun 2009 disajikan pada Tabel 23.
Tabel 22. Hasil produksi duga bulanan peramalan regresi linear II pada produksi 2010
Bulan
Produksi
aktual Produksi duga Selisih (1) produksi Budget Selisih (2)
(a) (b) (%) (c) (%) Januari 1.71 1.61 (6.24) 2.28 24.99 Februari 1.29 1.26 (2.00) 2.19 41.04 Maret 1.72 1.66 (3.73) 2.28 24.44 April 1.71 1.91 11.97 2.02 15.48 Mei 1.63 1.90 16.63 2.02 19.56 Juni 2.23 2.19 (1.67) 2.13 (4.83) Juli 2.52 2.35 (6.98) 2.67 5.61 Agustus 2.71 2.30 (15.15) 3.11 13.09 September 2.36 2.64 11.95 2.49 5.33 Oktober 2.87 2.83 (1.44) 3.30 13.04 November 2.48 2.40 (2.99) 2.41 (2.91) Desember 2.17 2.25 3.89 2.61 16.91 Keterangan :
Produksi aktual = Hasil produksi kebun (ton/ha)
Produksi duga = Hasil persamaan regresi linear berganda (ton/ha) Budget Produksi = Estimasi kebun (ton/ha)
Selisih 1 = (b-a) : a x 100% Selisih 2 = (c-a) : a x 100%
Nilai produksi duga bulanan (Tabel 22) di SAHE pada tahun 2010 mendekati produksi aktual kebun dengan selisih berkisar antara 1.44% – 15.15%. Nilai produksi duga yang dilakukan memiliki selisih yang lebih kecil dibandingkan nilai budget produksi yang memiliki selisih berkisar antara 2.91% - 24.99%.
Tabel 23. Hasil produksi duga bulanan peramalan regresi linear II pada produksi 2009
Bulan
Produksi
aktual Produksi duga Selisih (1) produksi Budget Selisih (2)
(a) (b) (%) (c) (%) Januari 2.28 0.08 (96.52) 2.26 (0.81) Februari 1.97 -0.25 (112.49) 2.07 4.78 Maret 1.95 0.24 (87.95) 2.18 10.43 April 2.06 0.60 (70.87)) 1.94 (5.81) Mei 2.19 1.37 (37.47) 2.14 (2.54) Juni 2.61 0.79 (69.63) 2.32 (12.60) Juli 2.74 0.68 (75.03) 2.67 (2.45) Agustus 2.37 1.32 (44.17) 3.04 22.12 September 1.84 0.89 (51.57) 2.68 31.38 Oktober 2.87 1.60 (44.02) 3.12 8.32 November 2.28 1.77 (22.09) 2.70 15.41 Desember 2.22 1.53 (30.92) 2.48 10.58 Keterangan :
Produksi aktual = Hasil produksi kebun (ton/ha)
Produksi duga = Hasil persamaan regresi linear berganda (ton/ha) Budget Produksi = Estimasi kebun (ton/ha)
Selisih 1 = (b-a) : a x 100% Selisih 2 = (c-a) : a x 100%
Nilai produksi duga bulanan (Tabel 23) di SAHE pada tahun 2009 belum mendekati nilai produksi aktual kebun dengan selisih berkisar antara 22.09% - 112.49%. Nilai produksi duga memiliki selisih yang sangat besar dibandingkan dengan budget produksi kebun yang berkisar antara 0.81% - 31.38%.
Gambar 17. Perbandingan produksi aktual, produksi duga, dan budget produksi bulanan tahun 2009 – 2010
Perbandingan produksi aktual, produksi duga, dan budget produksi (Gambar 17) terlihat bahwa produksi duga hasil persamaan regresi linear berganda II pada tahun 2010 hampir berhimpit dengan produksi aktual kebun. Tetapi pada produksi tahun 2009 kurva produksi duga menjauhi kurva produksi aktual kebun. Fakta tersebut diduga disebabkan karena peramalan produksi dibuat pada saat tanaman berumur 14 tahun. Pada penelitian sebelumnya yang dilakukan oleh Sulistyo (2010), peramalan produksi menggunakan umur tanaman berkisar antara 5 – 10 tahun. Sehingga, ada kemungkinan pada perkebunan SAHE produksi memasuki masa penurunan hasil karena tanaman berumur lebih dari 13 tahun, akibatnya peramalan menjadi berfluktuatif.
Pada persamaan regresi linear berganda II peubah penyinaran matahari (6 BSP) dikoreksi dengan cara dihilangkan. Koreksi tersebut karena data penyinaran matahari memiliki beberapa penyimpangan dan tidak lengkap. Selain itu, faktor penentu lain seperti jumlah curah hujan dan realisasi pemupukan juga tidak dapat digunakan sebagai peubah dalam regresi karena di kebun tidak terdapat defisit air dalam kurun waktu enam tahun terakhir dan realisasi pemupukan di kebun cukup optimum berkisar antara 93% - 100%.
-0,5 0 0,5 1 1,5 2 2,5 3 3,5 Ja nuari F ebrua ri Ma re t Ap ri l Me i Juni Juli Agust us Sept em ber Okt ober No vemb er De se m be r Ja nuari F ebrua ri Ma re t Ap ri l Me i Juni Juli Agust us Sept em ber Okt ober No vemb er De se m be r ton/ha Tahun
Produksi aktual Produksi duga Budget produksi
Persamaan Regresi Linear Berganda Versi Sulistyo (2010)
Peramalan produksi menggunakan persamaan regresi linear berganda II belum optimal meramalkan produksi aktual di kebun, sehingga peramalan dilakukan menggunakan metode persamaan regresi linear berganda yang dikembangkan oleh Sulistyo (2010) berdasarkan data yang diambil dari Kalimantan Selatan. Peubah yang diuji meliputi curah hujan, hari hujan, suhu, kelembaban udara, kecepatan angin, penyinaran matahari, pemupukan, umur tanaman, dan defisit air. Hasil uji t-parsial untuk peubah yang diduga berpengaruh terhadap produksi kelapa sawit disajikan dalam Tabel 24.
Tabel 24. Hasil uji-t parsial dari data Kalimantan Selatan (Sulistyo, 2010)
No Peubah 0 BSP 6 BSP 12 BSP P-Value 18 BSP 24 BSP 1 Umur tanaman 0.022* - - - - 2 Populasi 0.121 - - - - 3 Pupuk 0.043* 0.493 0.055 0.007** 0.586 4 Suhu udara 0.893 0.616 0.587 0.217 0.853 5 Kelembaban udara 0.348 0.045* 0.626 0.589 0.604 6 Kecepatan angin 0.971 0.604 0.317 0.130 0.791 7 Penyinaran matahari 0.132 0.957 0.067 0.007** 0.130 8 Hari hujan 0.879 0.441 0.862 0.049* 0.216 9 Curah hujan 0.385 0.047* 0.053 0.974 0.092 10 Defisit air 0.021* 0.793 0.752 0.281 0.007**
Keterangan : *) Berbeda nyata pada α = 5%, **) Berbeda nyata pada α = 1% BSP : Bulan Sebelum Panen
Dari hasil Sulistyo (2010) (Tabel 24) peubah-peubah yang berpengaruh nyata yaitu umur tanaman, pemupukan pada 0 BSP dan 18 BSP, kelembaban udara pada 6 BSP, penyinaran matahari pada 18 BSP, curah hujan pada 6 BSP, hari hujan pada 18 BSP, dan defisit air pada 0 BSP dan 24 BSP. Dari tujuh peubah tersebut ada enam kombinasi regresi linear berganda (RLB) yang diajukan untuk meramal produksi kelapa sawit. Peramalan produksi kelapa sawit dilakukan secara bulanan untuk menentukan estimasi produksi kebun dalam setahun. Hasil analisis produksi duga dan akurasi peramalan disajikan pada Tabel 25 dan Tabel 26.
Data panen yang diperoleh oleh penulis lengkap dari tahun 2007-2011, tetapi data yang lain seperti data suhu udara, kelembaban udara, kecepatan angin, dan penyinaran matahari hanya tersedia hingga 2010. Oleh karena itu, dasar perhitungan untuk analisis menggunakan data hingga 2010.
Tabel 25. Hasil produksi duga dan akurasi peramalan regresi linear berganda (Sulistyo, 2010) pada produksi SAHE tahun 2010
Persamaan
Produksi
aktual Produksi duga Selisih (1) produksi Budget Selisih (2)
(a) (b) (%) (c) (%) RLB I 25.38 24.52 3.37 29.50 16.24 RLB II 25.38 23.52 7.34 29.50 16.24 RLB III 25.38 25.33 0.21 29.50 16.24 RLB IV 25.38 24.03 5.30 29.50 16.24 RLB V 25.38 27.08 6.71 29.50 16.24 RLB VI 25.38 27.74 9.30 29.50 16.24 Keterangan :
Produksi aktual = Hasil produksi kebun (ton/ha)
Produksi duga = Hasil persamaan regresi linear bergand (ton/ha) Budget Produksi = Estimasi kebun (ton/ha)
Selisih 1 = (b-a) : a x 100%
Selisih 2 = (c-a) : a x 100%
Tabel 26. Hasil produksi duga dan akurasi peramalan regresi linear berganda (Sulistyo, 2010) pada produksi SAHE tahun 2009
Persamaan Produksi aktual Produksi duga Selisih (1) Budget produksi Selisih (2) (a) (b) (%) (c) (%) RLB I 27.37 24.02 12.20 29.47 7.71 RLB II 27.37 23.21 15.17 29.47 7.71 RLB III 27.37 24.28 11.26 29.47 7.71 RLB IV 27.37 23.36 14.61 29.47 7.71 RLB V 27.37 25.47 6.91 29.47 7.71 RLB VI 27.37 26.50 3.13 29.47 7.71 Keterangan :
Produksi aktual = Hasil produksi kebun (ton/ha)
Produksi duga = Hasil persamaan regresi linear berganda (ton/ha) Budget Produksi = Estimasi kebun (ton/ha)
Selisih 1 = (b-a) : a x 100%
Berdasarkan hasil dari keenam persamaan regresi linear berganda pada Tabel 24 dan Tabel 25, didapatkan produksi duga dan akurasi peramalan (selisih) yang mendekati produksi aktual kebun. Produksi duga hasil persamaan regresi memiliki selisih atau kesalahan yang lebih kecil dibandingkan dengan budget produksi yang dibuat oleh kebun. Pada tahun 2010 seluruh hasil produksi duga dari keenam persamaan regresi mendekati produksi aktual dibandingkan budget produksi kebun dengan kisaran selisih 0.21%-9.30%. Hal ini memperlihatkan bahwa keenam model persamaan regresi tersebut dapat digunakan dalam peramalan.
Pada keenam model persamaan regresi linear berganda (RLB) terdapat model persamaan regresi yang paling mendekati produksi aktual kebun yaitu model persamaan RLB III. Pada model persamaan RLB III memiliki selisih atau tingkat kesalahan 0.21% pada produksi tahun 2010 walaupun pada tahun 2009 tingkat kesalahan mencapai 11.26%. Model persamaan RLB III yaitu :
Produksi = 0.0127 umur tanaman (0 BSP) – 0.0187 pupuk (18 BSP) + 0.0404 kelembaban udara (6 BSP) – 0.0126 penyinaran matahari (18 BSP) – 0.000922 curah hujan (6 BSP) – 0.00371 defisit air (0 BSP) – 0.0205 hari hujan (18 BSP) – 0.32
Model persamaan regresi linear berganda (RLB) III dapat digunakan untuk meramal produksi tahunan kelapa sawit di SAHE dengan menjumlahkan produksi bulanan pada tahun tersebut. Kekurangan persamaan regresi linear berganda III ini adalah tidak dapat digunakan untuk meramal produksi bulanan karena nilai produksi duga bulanan yang dihasilkan belum akurat. Selain itu, data iklim yang digunakan masih menggunakan data iklim daerah Pekanbaru yaitu stasiun terdekat dengan wilayah kebun. Penggunaan persamaan regresi linear berganda III belum akurat untuk meramal produksi tanaman kelapa sawit di SAHE yang rata-rata berumur 15 tahun. Hal ini disebabkan karena produksi kelapa sawit cenderung konstan kemudian mulai menurun pada umur 14-25 tahun.
Bentuk persamaan regresi linear berganda III mempunyai potensi untuk meramal produksi pada wilayah perkebunan di Kabupaten Rokan Hulu dengan
kultur teknis yang optimal dan jenis tanah atau kondisi kelas kesesuaian lahan yang mirip dengan SAHE. Potensi penggunaan model peramalan untuk wilayah lebih luas dapat dilakukan apabila wilayah tersebut mempunyai kondisi iklim yang hampir sama.