PENGARUH KENAIKAN SUHU TERHADAP PRODUKSI TANAMAN
PADI SAWAH IRIGASI DAN TADAH HUJAN DI INDONESIA
MENGGUNAKAN MODEL SIMULASI PERTANIAN SHEIRARY RICE
BERBASISKAN SISTEM INFORMASI GEOGRAFIS (SIG)
TAUFIQ YULIAWAN
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ABSTRACT
TAUFIQ YULIAWAN (G24080051). Effect of temperature rissing to rice crop yield on irigated and rainfed rice field in Indonesia using Shierary Rice Crop Modelling based on Geoghrapical Information System (GIS).Supervisedby Prof.Dr.Ir. Handoko, M.Sc.
Temperature rise which is one of the climate change issue will affect rice production in Indonesia. The influence is in the development and production of the plant. The results from simulation using Shierary Wheather and Shierary Rice models show that temperature rise makes shorter rice crop duration and its yield decrease. The effect of increasing temperature on rice yield decrease is more sensitive in the lowlands. Nationally, irrigated rice field has yield decrease is 11.14%/0C while that of rainfed rice is 14.37%/0C.
ABSTRAK
TAUFIQ YULIAWAN (G24080051). Pengaruh Kenaikan Suhu Terhadap Produksi Tanaman Padi Sawah Irigasi dan Tadah Hujan di Indonesia Menggunakan Model Simulasi Pertanian Sheirary Rice Berbasiskan Sistem Informasi Geografis (SIG). Dibimbing oleh Prof.Dr.Ir. Handoko, M.Sc.
Kenaikan suhu merupakan salah satu isu perubahan iklim yang memengaruhi produksi padi di Indonesia. Pengaruh tersebut pada perkembangan dan produksi tanaman. Hasil simulasi menggunakan model Shierary Weather dan Shierary Rice menunjukkan bahwa kenaikan suhu udara mengakibatkan umur padi semakin pendek dan produksi menurun. Pengaruh kenaikan suhu terhadap produksi padi lebih sensitif pada dataran rendah. Secara nasional, sawah irigasi mengalami penurunan produksi sebesar 11.1%/0C sedangkan sawah tadah hujan sebesar 14.4%/0C.
PENGARUH KENAIKAN SUHU TERHADAP PRODUKSI TANAMAN
PADI SAWAH IRIGASI DAN TADAH HUJAN DI INDONESIA
MENGGUNAKAN MODEL SIMULASI PERTANIAN SHEIRARY RICE
BERBASISKAN SISTEM INFORMASI GEOGRAFIS (SIG)
TAUFIQ YULIAWAN
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada Mayor Meteorologi Terapan
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Judul Skripsi
: Pengaruh Kenaikan Suhu Terhadap Produksi Tanaman
Padi Sawah Irigasi dan Tadah Hujan di Indonesia
Menggunakan Model Simulasi Pertanian
Sheirary
Rice
Berbasiskan Sistem Informasi Geografis (SIG)
Nama
: Taufiq Yuliawan
NRP
: G24080051
Menyetujui,
Pembimbing
Prof. Dr. Ir. Handoko, M.Sc
NIP. 195911301 98303 1 003
Mengetahui,
Ketua Departemen Geofisika dan Meteorologi
Dr. Ir. Rini Hidayati MS.
NIP. 19600305 198703 2 002
© Hak Cipta milik IPB, tahun 2012 Hak Cipta dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan yang wajar IPB
KATA PENGANTAR
Segala puji dan syukur, Alhamdulillahirrabilalamin, penulis panjatkan kehadirat Allah SWT atas segala rahmat, hidayah, petunjuk, dan karunia-Nya sehingga penulis dapat menyelesaikan karya skripsi yang berjudul “Pengaruh Kenaikan Suhu Terhadap Produksi Tanaman Padi Sawah Irigasi dan Tadah Hujan di Indonesia Menggunakan Model Simulasi Pertanian SheiraryRice Berbasiskan Sistem Informasi Geografis (SIG)”. Skripsi ini merupakan salah satu syarat untuk mendapatkan gelar Sarjana Sains pada program studi Meteorologi Terapan, Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Pada kesempatan ini penulis ingin menyampaikan terimakasih kepada Prof. Dr. Ir. Handoko, M.Sc selaku pembimbing atas segala bantuan, bimbingan, kritik dan saran, serta petuah yang sangat berguna bagi penulis sehingga dapat menyelesaikan kendala dalam penelitian. Selanjutnya penulis juga mengucapkan terimakasih kepada:
1. Orang tua tercinta, Bapak Sugiyo dan Ibu Sutini atas segala bentuk dukungan, doa, dan kasih sayangnya, semoga karya ini bisa menjadi wujud kebanggaan Bapak dan Ibu serta adik, Taufan Ichza Baharuddin, semoga bisa menjadi lebih baik.
2. Ibu Dr. Ir. Rini Hidayati, MS. selaku Ketua Departemen, bapak Idung Risdiyanto, S.Si., M.Sc IT selaku dosen pembimbing akademik yang telah banyak membantu data dan teknis penelitian, bapak Bregas Budianto, Ass.dpl. yang memberikan banyak inspirasi, dan seluruh dosen serta staf departemen Geofisika dan Meteorologi yang turut serta memberikan dukungan.
3. Kementrian Lingkungan Hidup selaku penyelenggara proyek dan pemberi dana.
4. Iput Pradiko (teman sebangku SMA, sejurusan, dan sekontrakan), penguhuni HATORI (Abdul Hafiz, Pungki Ari Wibowo, Andika Pandu, Rudy Ryanto, Mochlisin Andrianto, Dwi Okta Priandi, Firman Arifin, Fauzan Nurachman, Asep Ferdiansyah, dan Kang Toge, Yuda Pratomohendartno, Emod Tri Utomo, Faiz Rochman Fajari, Shely, Dora, dan Diza) yang telah meramaikan markas besar HATORI.
5. Pipit P. A. atas segala dukungan dan doanya. Semoga bisa menjadi “putri yang berharga”. 6. Teman satu proyek penelitian, Dewa Putu A.M dan Yunus Bahar serta penghuni laboratorium
Agrometeorologi yang telah membantu proses penelitian ini, Dody Setiawan, Fela Fauziah, Ferdi Aprihatmoko, Adi Mulyadi, Aulia Maharani, Fitra Dian Utami, Citra Pratiwi, Ratna Dilla, dan Yoga Karisma P.
7. Teman-teman GFM 45 yang memberikan cerita indah dimasa kuliah.
8. Temen-teman klub badminton yang selalu setia menemani latihan, Nowa, Edo, Enda, May, Rickson, Normi, Rini, Shaila, Rico, Jeni, Basit, Mas Wiranto, dan Pak Nandang.
9. Kakak-kakak yang banyak memberikan nasehat, Uji A.P, Gilang A, Syamsu J., F.N. Amien, Rosianto, Pak Aziz, Kak Kiki, keluarga besar GFM 44 dan alumni.
10.Rekan kerja, Cepi “Mangkubumi Mangkulangit”, Aly Sangadji, Arief Hidayatulloh, dan Yudha ARL semoga kita semua sukses.
11.Teman-teman B05-B06 TPB 2008/2009, teman-teman lorong 8-C2 Asrama Putra TPB 2008/2009, Teman sekamar asrama (Gilang, Fikri dan Wahyu), senior resident asrama (Kak Sofian), teman-teman UKM karate IPB, konco-konco MAHAGIRI, serta seluruh teman perjuangan di BEM FMIPA 2009/2010 dan HIMAGRETO 2010-2011.
12.Semua pihak yang telah membantu penyelesaian skripsi ini yang tidak bisa saya sebutkan satu persatu.
Penulis menyadari bahwa dalam penyusunan skripsi ini masih banyak kekurangan. Oleh karena itu, saran dan kritik yang membangun sangat diharapkan. Penulis berharap dengan skripsi yang dibuat ini dapat memberikan manfaat.
Bogor, Juni 2012
RIWAYAT HIDUP
DAFTAR ISI
Halaman
KATA PENGANTAR ... vii
RIWAYAT HIDUP ... viii
DAFTAR ISI ... ix
DAFTAR TABEL ... x
DAFTAR GAMBAR ... xi
DAFTAR LAMPIRAN ... xii
I. PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Tujuan ... 1
II. TINJAUAN PUSTAKA ... 1
2.1 Sawah Irigasi dan Tadah Hujan ... 1
2.2 Kenaikan Suhu dan Dampaknya di Sektor Pertanian... 1
2.3 Pemodelan Iklim dan Pertanian ... 2
III. METODOLOGI ... 4
3.1 Waktu dan Tempat ... 4
3.2 Data dan Peralatan ... 4
3.3 Penyiapan Data ... 4
3.4 Model Simulasi Pertanian Shierary Rice ... 4
3.4.1 Model Pembangkit Data Cuaca Shierary Weather ... 4
3.4.2 Asumsi ... 5
3.4.3 Submodel Perkembangan ... 5
3.4.4 Submodel Pertumbuhan ... 5
3.4.5 Submodel Neraca Air ... 5
3.4.6 Analisis Pengaruh Kenaikan Suhu Udara Terhadap Penurunan Produksi Padi ... 5
IV. HASIL DAN PEMBAHASAN ... 6
4.1 Perubahan Produksi Tiap Ketinggian ... 6
4.2 Perbedaan Produksi pada Sawah Irigasi dan Sawah Tadah Hujan ... 7
4.3 Penurunan Produksi Padi se-Indonesia ... 7
V. KESIMPULAN DAN SARAN ... 10
5.1 Kesimpulan ... 10
5.2 Saran ... 10
DAFTAR TABEL
Halaman
1 Hasil Perubahan Produksi Potensial Padi (%) Menggunakan Model ORYZA1 dan SIMRIW
dengan Pengaruh Kenaikan Suhu dan Kenaikan konsentrasi CO2 ... 3
2 Prediksi Perubahan Produksi Per Hektar (%) di India Menggunakan Model ORYZA1 ... 4
3 Ketinggian, Suhu Udara Rata-rata, dan Umur Tanaman di Beberapa Daerah yang Memiliki Ketinggian Berbeda ... 6
4 Produksi Padi pada Setiap Skenario Perubahan Iklim Berdasarkan Hasil Simulasi Model di Beberapa Daerah yang Memiliki Ketinggian Berbeda ... 6
5 Radiasi Akumulasi pada Fase IV di Beberapa Daerah yang Memiliki Ketinggian Berbeda ... 7
6 Produksi Padi pada Dua Daerah dengan Dua Jenis Sawah yang Berbeda ... 7
DAFTAR GAMBAR
Halaman 1 Prediksi Model MACROS Tentang Respon Produksi Padi (sumbu z) Terhadap
Konsentrasi CO2 (sumbu y) dan Suhu (sumbu x) ... 3
DAFTAR LAMPIRAN
Halaman
1 Diagram Alir Penelitian ... 14
2 Diagram Alir Submodel Perkembangan ... 15
3 Diagram Alir Submodel Pertumbuhan ... 17
4 Diagram Alir Submodel Neraca Air ... 19
5 Printscreen Aplikasi Shierary Rice 3.0 ... 20
6 Contoh Data Masukan Model Pembangkit Data Cuaca Shierary Weather untuk Provinsi Bali 21 7 Contoh Data Iklim Bangkitan Keluaran Model Pembangkit Data Cuaca Shierary Weather... 22
8 Contoh Keluaran Model Simulasi Pertanian Shierary Rice ... 31
I. PENDAHULUAN 1.1 Latar Belakang
Selain gandum, padi (Oryza sativa) adalah tanaman komersial yang sangat penting karena lebih dari 40% kebutuhan pangan dunia ditopang oleh tanaman tersebut (Makino, 2011). Sebagian besar warga negara Indonesia mengkonsumsi padi sebagai makanan pokoknya dan Indonesia adalah konsumen beras terbesar di Asia. Proyeksi konsumsi beras pada tahun 2010 sebesar 49.3 juta ton (Hariadi, 2011). Tingkat konsumsi beras masyarakat Indonesia yang besar tidak diimbangi oleh produksi yang cukup. Oleh karena itu, hampir setiap tahun Indonesia mengalami defisit stok beras sehingga terpaksa melakukan impor (Muttaqin dan Martianto, 2009).
Perubahan iklim adalah suatu kondisi yang ditandai dengan perubahan pola iklim dunia yang menimbulkan fenomena cuaca yang lebih berfluktuasi. Variabel iklim yang sering menjadi indikasi perubahan iklim adalah curah hujan dan suhu udara (Susandi et al., 2008). IPCC (2007) menyebutkan bahwa peningkatan konsentrasi CO2 di
atmosfer pada tahun 1970 hingga tahun 2005 menyebabkan kenaikan suhu udara pada tahun 2100 sebesar 1.80C hingga 2.90C. Perubahan iklim dapat memengaruhi sektor-sektor kehidupan di bumi, termasuk sektor pertanian. Hasil penelitian beberapa ahli terkait dampak perubahan iklim pada sektor pertanian adalah penurunan produksi tanaman terutama tanaman pangan. Penurunan produksi akibat perubahan iklim ini disebabkan oleh penurunan produktivitas tanaman dan luas panen (Perdinan, et al., 2008; Surmaini et al., 2011). Dalam hal ini suhu udara akan memengaruhi fase perkembangan tanaman sehingga memengaruhi umur tanaman. Akibatnya, biomassa serta hasil panen menjadi berkurang (Matthews dan Wassman, 2003).
Sistem produksi padi nasional dinilai rentan terhadap kemungkinan perubahan iklim. Pada beberapa daerah di Indonesia telah dilakukan simulasi yang memprediksi produksi padi akan mengalami penurunan sekitar 20-30 persen pada tahun 2030 (Amien et al., 1996).
1.2 Tujuan
Memprediksi respon produksi padi pada sawah irigasi dan tadah hujan di Indonesia terhadap kenaikan suhu udara.
II. TINJAUAN PUSTAKA 2.1 Sawah irigasi dan Tadah Hujan
Ritung dan Hidayat (2007) menjelaskan bahwa sawah dibagi menjadi beberapa jenis yaitu sawah irigasi, sawah tadah hujan dan sawah pasang surut. Kemudian, sawah irigasi dibagi menjadi tiga jenis yaitu sawah irigasi teknis, sawah irigasi teknis sederhana, dan sawah irigasi sederhana.
Wihardjaka dan Abdurachman (2007) mendefinisikan sawah tadah hujan adalah lahan sawah yang memiliki sumber pengairan berasal dari curah hujan yang memiliki ketersedian tidak menentu. Sawah tadah hujan tersebut memiliki produktivitas yang lebih rendah dari sawah irigasi. Hal ini disebabkan ketersediaan air yang tak menentu dan tingkat ketersedian hara yang rendah. Sedangkan pada sawah irigasi yang memiliki irigasi tetap akan memiliki produktivitas tinggi karena pengaruh ketersediaan air yang selalu cukup.
Defisit air adalah perbandingan kehilangan air aktual dengan kehilangan air potensial. Defisit air ini dapat memengaruhi produktivitas tanaman. (Prasertsak dan Fukai, 1997). Defisit air setelah fase antesis dapat menurunkan jumlah dan berat biji terutama pada lahan kering yag mengandalkan air hujan sebagai pengairan (Wu et al., 2011).
2.2 Kenaikan Suhu dan Dampaknya di
Sektor Pertanian
Salinger et al. (2000) mendefinisikan perubahan iklim sebagai fenomena variabel iklim yang berubah dalam jangka waktu yang panjang. Perubahan iklim tersebut disebabkan oleh beberapa faktor seperti perubahan emisi baik alami atau karena manusia dan perubahan tutupan permukaan. Dijelaskan pula bahwa isu utama perubahan iklim adalah kenaikan suhu dan curah hujan ekstrim. Hal tersebut dibuktikan oleh Susandi (2004) yang menjelaskan bahwa pengamatan suhu secara global dari tahun 1906 sampai 2005 menunjukkan kenaikan rata-rata suhu permukaan sampai 0.740C. Suhu rata-rata tersebut secara global diproyeksikan akan terus meningkat sekitar 1.8-4.00C. (Susandi et al., 2008)
Scenarios (SRES). Skenario tersebut adalah SRESA1, SRESA2, SRESB1, dan SRESB2. Perbedaan skenario-skenario tersebut pada asumsi kondisi ekonomi, penduduk, teknologi, dan penggunaan bahan bakar. Skenario-skenario tersebut digunakan oleh IPCC (2007) untuk memproyeksikan kondisi suhu pada masa mendatang. Hasil dari proyeksi tersebut suhu akan meningkat pada tahun 2100 sebesar 1.8-2.90C. Hulme dan Sheard (1999) menggunakan beberapa skenario SRES untuk memproyeksi perubahan iklim di Indonesia dengan hasil kenaikan suhu di Indonesia berkisar 0.6-1.4
0
C tahun 2020, 0.9-2.6 0C tahun 2050, dan 1.2-3.9 0C tahun 2080.
Perubahan iklim dapat memengaruhi sektor-sektor kehidupan di bumi, termasuk sektor pertanian. Perubahan iklim tersebut akan berdampak besar terhadap produksi tanaman (Bannayan et al., 2005). Perubahan iklim tersebut memengaruhi produksi global beberapa tanaman pangan utama tanaman tanaman padi (Oryza sativa L.). Pertumbuhan dan produktifitas tanaman tersebut terkena dampak dari kenaikan konsentrasi CO2 dan suhu (Kim dan You,
2010). Kenaikan suhu yang merupakan salah satu isu perubahan iklim dapat menyebabkan peningkatan laju transpirasi dan respirasi serta penuaan yang lebih cepat dengan hasil yang rendah. (Perdinan et al., 2008).
Dalam hasil studi Kim dan You (2010) menjelaskan bahwa terdapat korelasi yang tinggi antara kenaikan CO2 dan suhu
terhadap produktifitas padi. Kenaikan konsentrasi CO2 akan meningkatkan
biomassa total. Sedangkan suhu akan menurunkan biomassa total. Jika kedua faktor tersebut digabungkan, akan memberikan efek negatif terhadap produktifitas dan respon fisiologis dari padi karena walaupun CO2 meningkatkan
biomassa namun CO2 menurunkan jumlah
klorofil dan nitrogen. Hal tersebut akan menurunkan respon daun pada proses fotosintesis.
Kobayashi et al. (2011) mempelajari efek musim panas pada tahun 2007 terhadap tanaman padi di Jepang. Efek suhu yang
panas tersebut akan menggagalkan penyerbukan, meningkatkan jumlah biji kosong, dan berujung pada penurunan hasil panen.
Penelitian Matthews et al. (1997) menunjukkan bahwa kenaikan suhu 10C akan menurunkan produksi sebesar 5-7%. Hasil penelitian Peng et al. (2004) menunjukkan bahwa setiap kenaikan suhu 10C akan menurunkan produksi sekitar 10%.
2.3 Pemodelan Iklim dan Pertanian Penelitian tentang model simulasi pertanian dimulai sekitar tahun 1970an. Model simulasi tersebut dibangun dari algoritma sederhana antara hubungan komponen tanaman dan lingkungan dengan proses-proses pertumbuhan dan perkembangan tanaman sampai algoritma kompleks yang melibatkan teknologi 3D (tiga dimensi) (Hammer et al., 2002; Wei-long et al., 2011). Model simulasi pada tanaman padi sudah banyak dilakukan. Sebagian besar menyimulasikan pengaruh komponen tanah, iklim, dan tanaman untuk mengetahui proses fenologi dan produksi. Akan tetapi, seiring perkembangan pengetahuan, model simulasi tanaman padi dimodifikasi dengan menambahkan faktor lain seperti perubahan iklim, pemupukan, bahkan Anảstacio et al. (1999) membangun model simulasi yang mengintegrasikan simulasi tanaman padi dengan simulasi cryfish.
pengaruh perubahan konsentrasi CO2 dan
kenaikan suhu. Hasil menunjukkan peningkatan konsentrasi CO2 akan
meningatkan produksi, sedangkan kenaikan suhu akan menurunkan produksi (Matthews and Wassmann, 2003).
Gambar 1 Prediksi Model MACROS Tentang Respon Produktivitas Padi (sumbu z) Terhadap Konsentrasi CO2 (sumbu y) dan
Suhu (sumbu x) (Matthews dan Wasmann, 2003).
Model lain yang mempelajari hubungan iklim dengan produksi padi adalah CERES-Rice (Ritchie et al., 1998), SIMRIW (Simulation Model for Rice-Weather relation) (Horie, 1987), RICEMOD (McMennamy dan O’Toole, 1983), RICESYS (Graf et al., 1990), dan ORYZA1 yang merupakan pengembangan dari MACROS. CERES-Rice lebih memperhitungkan respon produksi terhadap kenaikan suhu karena perubahan konsentrasi CO2 sedangkan RICEMOD dan RICESYS
tidak menunjukkan pengaruh perubahan konsentrasi CO2. (Matthews and Wassmann,
2003). Model SIMRIW adalah model simulasi yang sederhana namun masih sesuai dengan proses fisiologis yang terlibat dalam pertumbuhan padi (Horie, 1995).
Model ORYZA1 adalah model yang menyimulasikan pertumbuhan dan perkembangan padi, indeks luas daun, dan produksi potensial (Casanova et al., 2000). Selain itu, Tang et al. (2009) membangun
model bernama RiceGrow yang
memperhitungkan water stress factor, nitrogen stress factor, dan manajemen pertanian.
Model SIMRIW dan ORYZA1
digunakan oleh Matthews et al. (1997) untuk menyimulasikan pengaruh perubahan suhu dan konsentrasi CO2 di beberapa negara di
Asia termasuk Indonesia. Simulasi tersebut menggunakan data masukan unsur iklim dari keluaran tiga jenis general Circulation Model (GCM) yaitu General Fluid Dynamics Laboratory Model (GFDL), The Goddard Institute of Space Studies Model (GISS), dan The United Kingdom Meteorological Office Model (UKMO). Hasil keluaran model SIMRIW dan ORYZA1 menunjukkan kenaikan temperatur akan menurunkan produksi padi sedangkan peningkatan konsentrasi CO2 akan
meningkatkan produksi.
Mohandass et al. (1995) mengunakan model ORYZA1 untuk menyimulasikan dampak kenaikan suhu dan kenaikan konsentrasi CO2 terhadap produksi potensial
padi di India. Hasil simulasi tersebut menunjukkan kenaikan suhu menyebabkan penurunan produksi per hektar dan kenaikan konsentrasi CO2 meningkatkan produksi per
hektar.
Tabel 1 Hasil Perubahan Produksi Potensial Padi (%) Menggunakan Model ORYZA1 dan SIMRIW dengan Pengaruh Kenaikan Suhu dan Kenaikan konsentrasi CO2 (Matthews et al., 1997).
Model dan kenaikan konsentrasi CO2
Kenaikan Suhu
+00C +10C +200C +40C
ORYZA1 340 ppm 1.5 x [CO2]
2 x [CO2]
SIMRIW 340 ppm 1.5 x [CO2]
2 x [CO2]
Tabel 2 Prediksi Perubahan Produksi Per Hektar (%) di India Menggunakan Model ORYZA1 (Mohandass et al., 1995).
[CO2]
Musim Tanam Pertama Musim Tanam Kedua
+00C +10C +20C +40C +00C +10C +20C +40C 340 ppm
1.5 x [CO2]
2 x [CO2]
0.0 28.8 45.2 -4.6 22.7 38.3 -8.6 17.7 32.6 -12.7 11.9 25.9 0.0 28.5 44.6 -17.0 6.8 20.1 -33.8 -14.7 -4.0 -63.6 -53.2 -47.7 III. METODOLOGI 3.1 Waktu dan Tempat
Penelitian ini dilaksanakan pada bulan Juli tahun 2011 sampai bulan April
tahun 2012 di Laboratorium
Agrometeorologi, Departemen Geofisika dan Meteorologi, FMIPA IPB.
3.2 Data dan Peralatan
Data yang digunakan dalam penelitian adalah :
1. Data intrapolasi curah hujan dan hari hujan bulanan dengan resolusi 1 km yang merupakan rata-rata data stasiun pengamatan hujan tahun 1970-2004 yang bersumber dari berbagai instansi seperti Badan Meteorologi Klimatologi dan Geofisika (BMKG), Dinas Pekerjaan Umum (PU),Dinas Pertanian dan sektor swasta.
2. Peta jenis sawah (irigasi dan tadah hujan) tahun 2003 yang bersumber dari Badan Koordinasi Survei dan
Pemetaan Nasional
(BAKOSURTANAL) 2003.
3. Peta posisi sawah yang bersumber dari
Badan Planologi (BAPLAN)
Kehutanan tahun 2007.
4. Data Digital Elevation Model Shuttle Radar Topography Mission (DEM SRTM) untuk ketinggian tempat yang
bersumber dari situs
http://srtm.csi.cgiar.org .
5. Peta Kabupaten Se-Indonesia yang bersumber dari Biro Pusat Statistik (BPS) tahun 2003.
Peralatan yang digunakan adalah : 1. Model pembangkit data cuaca Shierary
Wheather.
2. Model simulasi pertanian Shierary Rice.
3. Microsoft Visual Basic 6 yang dilengkapi dengan MapObject 2 dan OLEDB (Object Linking and Embedding, Database)component.
4. DBMS (Database Management System) MySQL client version 5.1.37 yang terintegrasi dalam XAMPP 1.7.2. 5. MySQL Connector/ODBC (Open
Database Connectivity) 3.51.
6. Microsoft OfficeExcel Student Edition 2010.
3.3 Penyiapan Data
Penelitian ini menggunakan data titik (pixel) yang disusun secara spasial dengan resolusi 1x1 km2. Data titik tersebut merupakan hasil olahan spasial antara peta sawah yang merupakan gabungan dari data sawah BAKORSURTANAL dan BAPLAN, peta curah hujan bulanan dan hari hujan bulanan, data ketinggian (DEM SRTM), dan peta kabupaten dari BPS. Hasil olahan spasial tersebut menghasilkan data input untuk Model Simulasi Pertanian Shierary Rice yang berupa peta beratribut koordinat sawah (Lintang dan Bujur), jenis sawah, ketinggian, kabupaten, curah hujan bulanan, dan hari hujan bulanan.
3.4 Model Simulasi Pertanian Shierary Rice
3.4.1 Model Pembangkit Data Cuaca
Shierary Weather
Data Iklim secara spasial belum tersedia sehingga digunakanlah Model Pembangkit Data Cuaca Shierary Weather yang dibangun oleh Handoko pada tahun 1994 (Handoko, komunikasi personal). Model ini membangkitkan data cuaca berupa curah hujan, suhu udara, dan kelembaban udara, serta radiasi surya secara harian. Model ini memerlukan masukan berupa curah hujan bulanan, hari hujan bulanan, informasi lokasi berupa koordinat (Lintang dan Bujur) dan ketinggian.
3.4.2 Asumsi
Asumsi yang digunakan dalam model ini adalah :
a. Varietas yang digunakan pada setiap titik pengamatan sama yaitu IR 64 yang memiliki suhu dasar 170C. b. Parameter tanah dianggap sama di
setiap titik yang terdiri dari kedalaman, kapasitas lapang, dan titik layu permanen.
c. Waktu tanam dianggap sama di setiap titik. Sawah irigasi ditanam dua kali yaitu pada julianedate 150 (29 Mei) dan 250 (7 September) sedangkan sawah tadah hujan ditanam satu kali pada julianedate 250.
d. Data bangkitan cuaca keluaran Shirary Weather tahun kedua dianggap sama dengan data tahun pertama.
e. Kecepatan angin yang digunakan dianggap konstan sebesar 5 km/jam.
3.4.3 Submodel Perkembangan
Laju perkembangan dan masing-masing kejadian fenologi tanaman padi dapat didekati menggunakan konsep heat unit. Laju perkembangan tanaman akan terjadi jika suhu rata-rata harian melebihi suhu dasar tanaman tersebut. Kejadian fenologi dihitung sejak semai sampai panen dan diberi skala 0-1. Kejadian fenologi ini dibagi menjadi lima fase perkembangan tanaman dengan skala masing-masing yang berbeda yaitu semai (s=0), tanam (s=0.25), tunas maksimum (s=0.5), pembungaan (s=0.75), dan panen (1). Laju perkembangan pada masing-masing fase dihitung sebagai berikut:
I. Semai – Tanam
ds1= 0.25 (T-Tb)/TU1 T>Tb
ds1= 0, T<Tb
II. Tanam - Tunas Maksimum
ds2= 0.25 (T-Tb)/TU2 T>Tb
ds2 = 0, T<Tb
III.Tunas Maksimum – Pembungaan ds3 = 0.25 (T-Tb)/TU3 T>Tb
ds3 = 0, T<Tb
IV.Pembungaan – Panen
ds4 = 0.75 + 0.25 (T-Tb)/TU4 T>Tb
ds4= 0, T<Tb
T adalah suhu udara harian rata-rata (0C), Tb adalah suhu dasar (0C), dan TU adalah thermal unit masing-masing fase. Untuk varietas IR64, TU1 sebesar 230 d0C,
TU2 sebesar 310 d0C, TU3 sebesar 135 d0C,
dan TU4 sebesar 305 d 0
C.
3.4.4 Submodel Pertumbuhan
Submodel pertumbuhan menghitung produksi biomassa kemudian menyimulasi aliran biomassa tersebut ke masing-masing organ tanaman (akar, batang, daun dan biji). Selain itu submodel ini menyimulasikan laju kehilangan biomassa melalui respirasi. Submodel ini juga menyimulasi perkembangan luas daun untuk menduga indeks luas daun (LAI).
3.4.5 Submodel Neraca Air
Submodel neraca air menyimulasi aliran curah hujan yang jatuh di atas tajuk tanaman kemudian sebagian diinterepsi tajuk tersebut dan sisanya jatuh di atas permukaan tanah sebagai curah hujan netto. Curah hujan netto akan masuk ke dalam tanah atau menjadi genangan air sawah. Evaporasi dan transpirasi merupakan kehilangan air dari tanah tersebut. Disamping itu, limpasan permukaan juga merupakan kehilangan air yang terjadi jika genangan air melebihi nilai 10 cm (tanggul sawah).
3.4.6 Analisis Pengaruh Kenaikan Suhu
Udara Terhadap Penurunan
Produksi Padi.
IV. HASIL DAN PEMBAHASAN
4.1 Perubahan Produksi Tiap
Ketinggian
Unsur-unsur iklim merupakan salah satu komponen lingkungan yang sangat
memengaruhi pertumbuhan dan
perkembangan tanaman salah satunya adalah suhu udara. Suhu udara berpengaruh pada fase perkembangan tanaman, dalam hal ini memengaruhi umur tanaman (Shah et al., 2011; Handoko, 1994; Yang dan Heilman, 1993). Sebelum membahas respon produksi padi terhadap kenaikan suhu lebih mendalam, perlu dibahas respon produksi padi terhadap suhu pada ketinggian tempat yang berbeda.
Pada Tabel 3 terlihat bahwa suhu udara akan semakin rendah seiring kenaikan ketinggian tempat. Pengaruh suhu udara yang semakin rendah pada tempat tinggi tersebut akan membuat umur tanaman semakin panjang, sebaliknya pada daerah rendah umur tanaman akan lebih pendek. Umur tanaman yang semakin panjang ini membuat waktu untuk memproduksi biomassa semakin lama dan membuat akumulasi biomassa semakin besar. Seperti yang ditunjukkan Tabel 4, secara umum produksi padi akan semakin besar pada daerah yang lebih tinggi. Akan tetapi, pada beberapa daerah terjadi hal yang berkebalikan seperti daerah Banyuwangi dan
Karawang. Hal ini disebabkan pembentukan biomassa tidak hanya dipengaruhi oleh umur tanaman, tetapi dipengaruhi pula oleh radiasi surya yang merupakan faktor penting dalam proses pembentukan biomassa. Tabel 5 menyajikan akumulasi radiasi surya pada Fase IV yang merupakan fase pengisian biji di beberapa daerah yang memiliki ketinggian berbeda.
Akumulasi radiasi pada Fase IV di daerah Banyuwangi lebih besar dibanding daerah Karawang. Hal tersebut membuat produksi biomassa biji di daerah Banyuwangi lebih besar dibanding daerah Karawang meskipun umur tanaman padi di daerah Karawang lebih panjang. Radiasi surya yang diintersepsi oleh tanaman berpengaruh besar terhadap produksi biomassanya (Monteith, 1994; Demetriades-Shah, 1994).
Kenaikan suhu membuat umur tanaman semakin pendek seperti yang ditunjukkan pada Tabel 3. Perubahan umur tanaman tersebut tentunya akan mengurangi waktu pembentukan biomassa sehingga produksi akan mengalami penurunan seperti yang ditunjukan pada Tabel 3. Hal ini diperkuat oleh penelitian Mohandass et al., 1995 dan Matthews et al., 1997 yang menyebutkan bahwa produksi padi akan menurun seiring kenaikan suhu.
Tabel 3 Ketinggian, Suhu Udara Rata-rata, dan Umur Tanaman di Beberapa Daerah yang Memiliki Ketinggian Berbeda.
Nama Daerah Ketinggian (m)
Suhu Rata-rata pada Skenario 0 (0C)
Umur Tanaman (hari) dt=0 dt=1 dt=2 dt=3
Banyuwangi 69 27.6 90 83 76 71
Karawang 102 27.2 94 86 79 73
Malang 313 26.2 104 94 86 79
Cilacap 400 25.5 113 101 90 84
Kota Batu 810 23.4 151 131 115 103
Brebes 1022 22.1 191 160 137 119
Bandung 1190 21.0 239 191 160 137
dt = kenaikan suhu udara dalam 0C.
Tabel 4 Produksi Padi pada Setiap Skenario Perubahan Iklim Berdasarkan Hasil Simulasi Model di Beberapa Daerah yang Memiliki Ketinggian Berbeda.
Nama Daerah Ketinggian (m)
Suhu Rata-rata pada Skenario 0
(0C)
Produksi (ton)
dt=0 dt=1 dt=2 dt=3
Banyuwangi 69 27.6 6.87 6.39 5.92 5.42
Karawang 102 27.2 5.99 5.55 5.14 4.70
Cilacap 400 25.5 7.25 6.42 5.89 5.42
Kota Batu 810 23.4 10.74 9.06 7.80 7.13
Brebes 1022 22.1 11.56 10.22 8.76 7.33
Bandung 1190 21.0 12.95 11.37 9.98 8.47
dt = kenaikan suhu udara dalam 0C. Produksi pada pada area seluas 1 ha.
Tabel 5 Radiasi Akumulasi pada Fase IV di Beberapa Daerah yang Memiliki Ketinggian Berbeda.
dt = kenaikan suhu udara dalam 0C.
4.2 Perbedaan Produksi pada Sawah Irigasi dan Sawah Tadah Hujan Penelitian ini menggunakan dua jenis sawah yang berbeda yaitu sawah irigasi dan tadah hujan. Sawah irigasi (IR) memiliki cadangan air yang terus menerus ada dikarenakan sumber air utama adalah irigasi. Sedangkan sawah tadah hujan (TH) memiliki sumber air yang tidak menentu (bersumber dari hujan) sehingga air menjadi faktor pembatas (Wihardjaka dan Abdurachman, 2007). Tabel 6 menunjukkan
bahwa sawah IR memiliki produksi yang lebih besar dibanding sawah TH. Perbedaan ketersediaan air ini yang membuat perbedaan produksi tersebut. Wu et al., 2011 menyebutkan defisit air mengakibatkan penurunan jumlah dan berat biji sehingga memperkecil produksi. Hal tersebut yang membuat sawah tadah hujan memiliki produksi lebih rendah dibanding sawah irigasi. (Wihardjaka dan Abdurachman 2007; Prasertsak dan Fukai, 1997).
Tabel 6 Produksi Padi pada Dua Daerah dengan Dua Jenis Sawah yang Berbeda
Daerah Jenis
sawah
Perubahan Suhu (0C)
0 0.5 1 1.5 2 2.5 3
Karawang IR 5.99 5.79 5.55 5.35 5.14 4.91 4.70
TH 5.99 5.79 5.55 5.33 5.11 4.86 4.58
Malang IR 7.17 6.89 6.56 6.38 6.11 5.78 5.51
TH 6.56 6.10 5.39 4.91 4.29 3.51 3.01
Produksi padi dalam ton tiap luasan 1 ha.
4.3 Penurunan Produksi Padi se-Indonesia.
Sawah yang digunakan sebagai data masukan penelitian seluas 7.6 juta ha dengan sawah irigasi sebesar 5.6 juta ha (74.3%) dan sawah tadah hujan seluas 1.9 juta ha (25.7%). Sebagian besar sawah terdapat di Pulau Jawa dan Sumatera. Ritung dan Hidayat (2007) menjelaskan bahwa pada tahun 2002 luas sawah di Indonesia sebesar 7.75 juta ha. Sebagian sawah tersebut berupa sawah irigasi dan paling banyak di Pulau
Jawa. Gambar 2 merupakan contoh sebaran sawah di Pulau Jawa beserta ketinggian dan laju penurunan produksi akibat kenaikan suhu udara.
Sebaran spasial penurunan produksi padi menunjukkan bahwa penurunan produksi pada dataran tinggi lebih rendah dibanding dataran rendah. Sebagai contoh Pulau Jawa mengalami penurunan produksi padi sampai 15%/0C. Penurunan produksi yang tidak terlalu besar (<10%/0C) terletak pada sawah yang memiliki ketinggian >500 Nama Daerah Ketinggian
(m)
Radiasi Akumulasi (MJ/m2) dt=0 dt=1 dt=2 dt=3
Banyuwangi 69 629.0 589.9 548.0 506.0
Karawang 102 553.8 519.4 487.0 452.0
Malang 313 657.7 602.2 566.0 510.0
Cilacap 400 673.5 592.9 542.0 505.0
Kota Batu 810 1021.0 844.5 725.0 657.0
Brebes 1022 1157.0 982.3 822.0 682.0
m. Hal tersebut menunjukkan dataran rendah lebih sensitif terhadap kenaikan suhu daripada dataran rendah. Surmaini, et al,. 2008 menjelaskan bahwa penurunan produksi pada dataran sedang dan tinggi lebih kecil dibanding dengan dataran rendah. Penelitian Surmaini et al., 1998 menunjukkan bahwa penurunan produksi pada dataran rendah sebesar 40% sedangkan pada dataran sedang dan rendah sebesar 20% untuk setiap kenaikan suhu udara 20C.
Perubahan produksi padi tiap provinsi menunjukkan hal yang sama yaitu menurun seiring kenaikan suhu. Dari Tabel 7 dapat dilihat bahwa penurunan tertinggi untuk sawah irigasi berada di Daerah Istimewa Yogyakarta (DIY) yaitu sebesar 14.0%/0C, sedangkan untuk sawah tadah hujan di Provinsi Nusa Tenggara Barat (NTB). Kedua daerah tersebut memiliki sawah berketinggian <500m sehingga lebih rentan terhadap kenaikan suhu.
Secara nasional sawah irigasi memiliki laju penurunan produksi -11.1 %/0C yang berarti setiap kenaikan suhu 1C0 akan menurunkan produksi padi 11.1% (Gambar 3). Laju penurunan produksi untuk sawah tadah hujan sebesar -14.4 %/0C yang berarti setiap kenaikan suhu 1C0 pada sawah tadah hujan akan menurunkan produksi padi sebesar 14.4%. Pada Gambar 3 terlihat bahwa lajupenurunan produksi pada sawah tadah hujan lebih besar dibanding sawah irigasi. Hal ini terjadi dikarenakan karakteristik sawah irigasi yang mendapatkan pasokan air dari irigasi di samping curah hujan. Penelitian yang dilakukan Peng et al., 2004 menunjukkan hasil yang lebih rendah yaitu berkisar 5-7%/0C. Simulasi yang dilakukan oleh Mohandass, et al. (1995) di India, mendapatkan hasil sekitar 4-17%/0C sedangkan simulasi yang dilakukan Matthews et al., 1997 menunjukkan hasil yang rendah yaitu sekitar 4-7%/0C.
Tabel 7 Penurunan Produksi Padi per Provinsi di Indonesia. Jenis
Sawah Provinsi
Penurunan Produksi (%) Laju
(%/0C) dt=0.5 dt=1 dt=1.5 dt=2 dt=2.5 dt=3
Irigasi
Babel -5.1 -9.4 -13.7 -17.1 -21.5 -25.7 -8.7
Banten -6.6 -13.0 -19.1 -23.9 -29.0 -33.8 -11.7
Bali -6.4 -12.2 -17.2 -22.2 -26.8 -31.0 -10.8
Bengkulu -5.6 -10.7 -15.6 -20.1 -24.2 -28.1 -9.7
DIY -8.0 -15.4 -22.2 -28.9 -34.9 -40.5 -14.0
Jambi -6.9 -13.3 -19.4 -24.5 -29.4 -33.9 -11.9
Jateng -7.1 -13.9 -20.0 -25.4 -31.3 -36.1 -12.5
Jatim -7.8 -14.9 -21.4 -27.2 -32.7 -37.7 -13.2
Lampung -7.3 -13.5 -19.5 -24.5 -29.4 -34.5 -12.0
NAD -5.2 -9.9 -14.4 -18.7 -23.1 -27.0 -9.2
Riau -5.1 -10.1 -14.9 -19.4 -22.7 -26.9 -9.3
Sumbar -5.8 -11.1 -16.0 -20.5 -24.8 -28.8 -10.0 Sumsel -6.1 -11.9 -16.9 -22.3 -27.2 -32.0 -10.9
Sumut -5.5 -10.7 -15.4 -19.7 -23.6 -27.3 -9.5
Tadah Hujan
Banten -5.6 -11.0 -16.0 -20.6 -24.9 -29.1 -10.1
Bali -10.0 -18.6 -25.4 -31.3 -36.6 -41.3 -14.9
DIY -14.5 -26.3 -36.4 -46.8 -55.2 -61.7 -22.2
Gorontalo -8.9 -15.6 -23.2 -30.9 -35.6 -41.3 -14.5
Jambi -6.1 -11.8 -17.1 -22.1 -26.8 -31.2 -10.8
dt = kenaikan suhu udara dalam 0C.
Gambar 2 Peta Sebaran Sawah, Ketinggian, dan Laju Penurunan Produksi di Pulau Jawa
.
Kalsel -12.6 -24.8 -34.9 -44.2 -52.7 -60.9 -21.4 Kalteng -12.3 -23.8 -34.2 -43.0 -52.4 -60.7 -21.1 Kaltim -7.8 -15.9 -24.7 -34.1 -43.0 -50.5 -16.9
NTB -19.1 -32.6 -45.0 -55.9 -66.19 -74.6 -26.8
NTT -7.1 -13.7 -19.9 -25.7 -31.1 -35.8 -12.5
Papua -13.6 -17.0 -16.0 -33.6 -31.7 -44.4 -14.4 Sulbar -8.3 -14.8 -21.4 -27.3 -31.0 -36.5 -12.9 Sulsel -11.7 -23.0 -33.2 -41.9 -49.7 -55.9 -20.0 Sulteng -2.6 -7.5 -20.5 -28.2 -36.0 -41.6 -13.7 Sultenggara -11.5 -22.2 -30.8 -39.7 -47.8 -54.8 -19.2
Gambar 3 Penurunan Produksi Padi Seluruh Indonesia Akibat Kenaikan Suhu Udara.
V. KESIMPULAN DAN SARAN 5.1 Kesimpulan
Produksi padi akan mengalami penurunan akibat kenaikan suhu udara. Hal tersebut terjadi pada kedua jenis sawah yang dikaji yaitu sawah irigasi dan tadah hujan. Dataran rendah akan mengalami penurunan produksi padi yang lebih besar dibandingkan dataran tinggi akibat kenaikan suhu. Produksi padi nasional pada sawah irigasi mengalami penurunan 11.1 % sedangkan sawah tadah hujan sebesar 14.4% untuk setiap kenaikan suhu udara 1 oC.
5.2. Saran
Sebaiknya dilakukan penelitian lanjutan mengenai dampak beberapa komponen perubahan iklim terhadap produksi padi di Indonesia seperti kenaikan suhu dengan curah hujan secara bersamaan. Hasil penelitian tersebut dapat digunakan sebagai informasi untuk menentukan langkah-langkah adaptasi terhadap perubahan iklim pada sektor pertanian.
DAFTAR PUSTAKA
[IPCC] Intergovernmental Panel on Climate Change. 2000. Emission Scenarios: Special Report on Emissions Scenarios. Cambridge University Press. Cambridge.
[IPCC] Intergovernmental Panel on Climate Change. 2007. Fourth Assessment Report (AR4) of the IPCC (2007) on climate change: The Physical Science Basis.
Amien, I., Rejekiningrum, P., Pramudia, A., and Susanti, E. 1996. Effects of interannual climate variability and climate change on rice yield in Java, Indonesia. J. Water, Air, and Soil Pollution 92:29-39.
Anảstacio, P.M., Frias, A.F., Marques, J.C. 1999. CRISP (Cryfish and Rice Integrated System of Production) : 1. Modelling Rice (Oryza sativa) Growth and Production. J. Ecological Modelling 123:17-28.
Bannayan, M., Kobayashi, K., Kim, H., Lieffering, M., Okada, M., dan Miura, S. 2005. Modeling The Interactive effect of atmospheric CO2 and N on Rice Growth an Yield. J. Field Crops Research 93:237-251.
Casanova, D., Goudrian, J., dan Bosch, A.D. Testing The Performance of ORYZA1. an Explanatory Model for Rice Growth Simulation, for Mediterranean Condition. Europ. J. of Agronomy 12:175-189.
Demetriades-Shah, T.H., Fuchs, M., Kanemasu, E.T., Flitcroft, I.D. 1994. Futher Discussions on on The Relationship Between Cumulated Intercepted Solar Radiation and Crop Growth. J. Agric. and Forest Meteor. 68(3-4):231-242.
Hammer, G.L., Kropff, M.J., Sinclair, T.R., Porter, J.R. 2002. Future Contribution of Crop Modelling – y = -11.124x
R² = 0.993
y = -14.373x R² = 0.9899
-50 -45 -40 -35 -30 -25 -20 -15 -10 -5 0
0 0.5 1 1.5 2 2.5 3 3.5
Pe ru b ah an Pr o d u k si (% )
Perubahan Suhu (C)
ir
From Heuristic and Supporting Decision Making to Understanding Genetic Regulation and Aiding Crop Improvement. Europ. J. Agronomy 18 15-31.
Handoko. 1994. Dasar Penyusunan dan Aplikasi Model Simulasi Komputer untuk Pertanian. Bogor: Jurusan Geofisika dan Meteorologi, FMIPA-IPB.
Hariadi, S.S. 2008. Urgensi Pembangunan Pedesaan dalam Mewujudkan Ketahanan Pangan Nasional. J. Ilmu-Ilmu Pertanian 4(2):75-86.
Horie, T. 1995. The Rice Crop Simulation Model SIMRIW and Its Testing. Dalam : Matthews, R.B., Kropff, M.J., Bachelet, D., dan Laar. H.H. 1995. Modeling the Impact of Climate Change on Rice Production in Asia. CAB International in association with The International Rice Research Institute 51-65.
Hulme, M. dan Sheard, N. 1999. Climate Change Scenarios for Indonesia. Climatic Research Unit, Norwich, UK, 6pp.
Kim, Hae-Ran dan You, Young-Han. 2010. The Effect of The Elevated CO2 Concentration and Increased Temperature on Growth, Yield and Physiological Responses of Rice (Oryza sativa L. cv. Junam). Advances in Bioresearch 1(2) : 46-50.
Kobayashi, K., Kuawaga, T., Yoshimoto, dan Yoshimoto, M. 2011. The Hot Summers and Rice in Japan. J. Japan. Agric. Meteorol 67(4) : 205-207.
Makino, A., 2011. Photosynthesis, Grain Yield, and Nitrogen Utilization in Rice and Wheat. J. Plant Physiology 155:125-129.
Matthews, R.B., Kropff, M.J., Horie, T., Bachelet, D. 1997. Simulating The Impact of Climate Change on Rice Production in Asia and Evaluating Option for Adaptation. J. Agricultural Systems 54(3):399-425.
Matthews, R.B., Wassmann, R. 2003. Modelling The Impact of Climate Change and Methane Emission Reduction on Rice Production : A Review. Europ. J Agronomy 19:573-598.
Mohandass, S., Kareem, A.A., Rancanathan, T.B., dan Jeyaraman, S. 1995. Rice Production in India Under Current and Future Climates. Dalam : Matthews, R.B., Kropff, M.J., Bachelet, D., dan Laar. H.H. 1995. Modeling the Impact of Climate Change on Rice Production in Asia. CAB International in association with The International Rice Research Institute 161-179.
Monteith, J.L. 1994. Validity of The Correlation Between Intercepted Radiation and Biomass. J. Agric. and Forest Meteor. 68(3-4):213-220.
Muttaqin, A.Z. dan Martianto, D. 2009. Konsumsi, Kebutuhan dan Kecakupan Beras Nasional Tahun 2002-2007. J. Gizi dan Pangan 4(3):116-122.
Peng, S., Huang, J., Sheehy, J.E., Laza, R.C., Visperas, R.M., Zhong, X., Centeno, G.S., Khush, G.S., Cassman, K.G. 2004. Rice Yield Decline with Higher Night Temperature from Global Warming. PNAS 101(27):9971-9975.
Perdinan, Boer, R., dan Kartikasari, K. 2008. Linking Climate Change Adaptation Option for Rice Production and Sustainable Development in Indonesia. J.Agromet 22(2) : 94-107.
Prasertsak, A. dan Fukai, S. 1997. Nitrogen Availability and Water Stress Interaction on Rice Growth and Yield. J. Field Crops Research 52(3) : 249-260.
Ritung, S. dan Hidayat, A. 2007. Prospek Perluasan Lahan untuk Padi Sawah dan Padi Gogo di Indonesia. J. Sumberdaya Lahan 1(4):25-38.
Salinger, M.J., Stigter, C.J., dan Das, H.P.
2000. Agrometeorological
Change. J. Agricultural and Forest Meteorology 103:167-184.
Shah, F., Huang, J., Cui, K., Nie, L., Shah, T., Chen, C., dan Wang, K. 2011. Impact of High-Temperature Stress on Rice Plant and Its traits Related to Tolerance. J. Agric. Science 1-12.
Surmaini, E., Rakman, dan R. Boer. 2008.
Dampak Perubahan Iklim Terhadap Produksi Padi: Studi Kasus Pada Daerah dengan Tiga Ketinggian
Berbeda. Prosiding Seminar Nasional
dan Dialog Sumberdaya Lahan
Pertanian. Balai Besar Penelitian dan Pengembangan Sumberdaya Lahan Pertanian, Bogor.
Surmaini, E., Runtunuwu, E., dan Las, I. 2010. Upaya Sektor Pertanian dalam Menghadapi Perubahan Iklim. J. Litbang Pertanian 30(1).
Susandi, A. 2004. The Impact of International Greenhouse Gas Emissions Reduction on Indonesia. Report on Earth System Science, Max Planck Institute for Meteorology, Germany.
Susandi, A., Herlianti, I., Tamamadin, dan M., Nurlela, I. 2008. Dampak Perubahan Iklim Terhadap
Ketinggian Muka Laut di Wilayah Banjarmasin. J. Ekonomi Lingkungan 12(2).
Tang, L., Zhu, Y., Hannaway, D., Meng, Y., Liu, L., Chen, L., and Cao, W. 2009. RiceGrow : A Rice Growth and Productivity Model. NJAS - Wageningen Journal of Life Sciences 57(2009):83-92.
Wei-long, D., Yu-ping, Z., Qian-yuan, Z., De-feng, Z., dan Qi, C. 2011. Realistic Simulation of Rice Plant. J. Rice Science 18(3):224-230.
Wihardjaka, A. dan Abdurachman, S. 2007. Dampak Pemupukan Jangka Panjang Padi Sawah tadah hujan terhadap Emisi Gas Metana. J. Penelitian Pertanian Tanaman Pangan 26(3):199-205.
Wu, N., Guan, Y., dan Shi, Y. 2011. Effect of Water Stress on Physiological Traits and yield in Rice Backcross Lines after Anthesis. J. Energy Procedia 5(2011):255-260.
Lampiran 2 Diagram Alir Submodel Perkembangan
Lampiran 4 Diagram Alir Submodel Neraca Air
Lampiran 6 Contoh Data Masukan Model Pembangkit Data Cuaca
Shierary Weather
untuk Provinsi Bali.
x Y ket CH1 CH2 CH3 CH4 CH5 CH6 CH7 CH8 CH9 CH10 CH11 CH12 HH1 HH2 HH3 HH4 HH5 HH6 HH7 HH8 HH9 HH10 HH11 HH12 altitude
114.48985 -8.27765 th 238 229 206 138 100 86 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 10.1
114.50645 -8.27765 th 238 229 206 138 100 86 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 34.2
114.50645 -8.26935 th 238 229 206 138 100 86 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 35.1
114.51475 -8.25275 th 238 229 206 138 100 85 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 41.0
114.52305 -8.31915 ir 240 229 206 140 102 88 53 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 3.7
114.52305 -8.26935 th 238 229 206 138 100 86 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 38.9
114.52305 -8.26105 th 238 229 206 138 100 86 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 47.8
114.52305 -8.25275 th 238 229 206 138 100 85 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 44.0
114.52305 -8.24445 th 238 229 206 138 98 84 45 46 65 121 173 240 13 12 11 8 5 5 4 3 3 5 5 12 58.6
114.53135 -8.25275 th 238 229 206 138 100 85 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 57.4
114.53965 -8.30255 ir 240 229 206 140 102 88 53 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 23.4
114.53965 -8.29425 th 240 229 206 140 102 88 52 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 35.2
114.54795 -8.32745 th 240 229 206 140 102 89 54 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 13 28.1
114.54795 -8.31915 ir 240 229 206 140 102 88 53 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 20.3
114.54795 -8.31085 ir 240 229 206 140 102 88 53 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 26.9
114.54795 -8.30255 ir 240 229 206 140 102 88 53 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 32.7
114.55625 -8.34405 ir 242 231 208 142 106 90 59 48 71 140 177 254 13 12 11 8 6 5 5 4 4 6 6 13 16.2
114.55625 -8.32745 ir 242 231 208 142 106 90 58 48 71 140 177 254 13 12 11 8 6 5 5 4 4 6 6 13 25.2
114.56455 -8.34405 ir 248 235 215 148 108 92 62 50 71 144 183 260 13 13 12 8 6 5 5 4 4 6 6 13 19.8
Lampiran 7 Contoh Data Iklim Bangkitan Keluaran Model Pembangkit Data Cuaca
Shierary Weather
Juliane Date CH (mm)
Radiasi (MJ/m2)
Suhu (0C)
Kelembaban (%)
Kecepatan Angin (km/jam)
1 17 16.35 28.6 80.0 5
2 12 16.78 28.6 79.6 5
3 1 17.83 28.7 78.8 5
4 0 19.24 28.7 77.7 5
5 0 19.25 28.7 77.7 5
6 0 17.91 28.7 78.8 5
7 0 19.09 28.7 77.9 5
8 22 15.99 28.6 80.3 5
9 13 16.81 28.6 79.6 5
10 22 16.01 28.6 80.3 5
11 11 16.96 28.6 79.5 5
12 22 16.03 28.6 80.2 5
13 0 18.97 28.7 78.0 5
14 22 16.05 28.6 80.2 5
15 0 18.84 28.7 78.1 5
16 22 16.07 28.6 80.2 5
17 19 16.32 28.6 80.0 5
18 0 18.91 28.7 78.0 5
19 22 16.11 28.6 80.2 5
20 0 19.21 28.8 77.8 5
21 0 19.51 28.8 77.6 5
22 22 16.15 28.6 80.2 5
23 0 19.57 28.8 77.6 5
24 20 16.33 28.6 80.1 5
25 22 16.19 28.6 80.2 5
26 22 16.20 28.6 80.2 5
27 0 18.99 28.8 78.0 5
28 22 16.23 28.6 80.2 5
29 17 16.68 28.7 79.8 5
30 0 19.36 28.8 77.8 5
31 0 19.53 28.8 77.6 5
32 0 18.22 28.7 78.6 5
33 22 16.25 28.7 80.2 5
34 7 17.62 28.7 79.1 5
35 9 17.43 28.7 79.3 5
36 0 19.39 28.8 77.8 5
37 3 18.08 28.8 78.8 5
39 0 18.34 28.8 78.6 5
40 0 19.57 28.8 77.7 5
41 1 18.27 28.8 78.7 5
42 0 18.36 28.8 78.6 5
43 0 18.72 28.8 78.3 5
44 0 18.41 28.8 78.6 5
45 13 17.19 28.7 79.5 5
46 2 18.23 28.8 78.7 5
47 4 18.09 28.8 78.8 5
48 0 18.73 28.8 78.3 5
49 22 16.43 28.7 80.1 5
50 0 19.92 28.9 77.4 5
51 22 16.44 28.7 80.1 5
52 3 18.22 28.8 78.7 5
53 19 16.76 28.8 79.9 5
54 0 18.82 28.9 78.3 5
55 22 16.47 28.8 80.1 5
56 0 19.31 28.9 77.9 5
57 0 19.63 28.9 77.7 5
58 22 16.48 28.8 80.1 5
59 0 19.69 28.9 77.7 5
60 22 16.51 28.8 80.1 5
61 0 20.02 28.9 77.4 5
62 0 19.56 28.9 77.8 5
63 9 17.70 28.8 79.2 5
64 17 16.94 28.8 79.8 5
65 0 19.92 28.9 77.5 5
66 0 18.49 28.9 78.6 5
67 16 17.07 28.8 79.7 5
68 17 16.97 28.8 79.7 5
69 10 17.63 28.9 79.2 5
70 0 19.68 28.9 77.7 5
71 0 18.47 28.9 78.6 5
72 0 19.51 28.9 77.8 5
73 12 17.33 28.9 79.5 5
74 10 17.54 28.9 79.3 5
75 0 19.56 29.0 77.8 5
76 0 19.36 29.0 77.9 5
77 22 16.43 28.8 80.1 5
78 0 18.65 28.9 78.4 5
79 0 19.51 29.0 77.8 5
81 0 19.76 29.0 77.6 5
82 1 18.24 28.9 78.7 5
83 4 17.99 28.9 78.9 5
84 19 16.54 28.9 80.0 5
85 5 17.80 28.9 79.1 5
86 0 18.25 28.9 78.7 5
87 0 18.86 29.0 78.2 5
88 8 17.52 28.9 79.3 5
89 0 18.21 28.9 78.7 5
90 4 17.82 28.9 79.0 5
91 0 18.14 28.9 78.8 5
92 0 19.00 29.0 78.1 5
93 25 15.88 28.8 80.5 5
94 11 17.05 28.9 79.6 5
95 1 17.99 28.9 78.9 5
96 0 18.53 29.0 78.4 5
97 23 15.94 28.9 80.4 5
98 0 19.14 29.0 77.9 5
99 25 15.73 28.9 80.6 5
100 12 16.81 28.9 79.7 5
101 0 17.87 29.0 78.9 5
102 0 18.68 29.0 78.3 5
103 25 15.62 28.9 80.7 5
104 12 16.70 28.9 79.8 5
105 0 19.03 29.0 78.0 5
106 25 15.53 28.9 80.7 5
107 6 17.15 28.9 79.4 5
108 10 16.78 28.9 79.7 5
109 25 15.43 28.9 80.7 5
110 16 16.12 28.9 80.2 5
111 8 16.79 28.9 79.7 5
112 0 18.06 29.0 78.6 5
113 10 16.61 28.9 79.8 5
114 17 15.91 28.9 80.3 5
115 13 16.24 28.9 80.0 5
116 12 16.31 28.9 80.0 5
117 0 17.90 29.0 78.7 5
118 0 18.26 29.0 78.4 5
119 12 16.21 28.9 80.0 5
120 0 18.25 29.0 78.4 5
121 1 17.09 28.9 79.3 5
123 0 17.04 28.9 79.3 5
124 18 15.49 28.9 80.6 5
125 1 16.90 28.9 79.4 5
126 3 16.68 28.9 79.6 5
127 0 16.89 28.9 79.4 5
128 0 17.18 29.0 79.2 5
129 0 17.66 29.0 78.8 5
130 1 16.75 28.9 79.5 5
131 0 17.73 29.0 78.7 5
132 1 16.70 28.9 79.5 5
133 0 16.90 28.9 79.3 5
134 13 15.56 28.9 80.4 5
135 7 16.05 28.9 80.0 5
136 0 16.81 28.9 79.4 5
137 0 17.60 29.0 78.7 5
138 13 15.44 28.9 80.5 5
139 0 17.88 29.0 78.5 5
140 4 16.15 28.9 79.9 5
141 0 17.68 29.0 78.6 5
142 22 14.60 28.9 81.1 5
143 3 16.10 28.9 79.9 5
144 0 17.46 29.0 78.8 5
145 22 14.52 28.9 81.1 5
146 5 15.91 28.9 80.0 5
147 4 15.95 28.9 80.0 5
148 4 15.91 28.9 80.0 5
149 2 16.08 28.9 79.8 5
150 0 16.68 28.9 79.3 5
151 0 17.25 29.0 78.9 5
152 22 14.40 28.9 81.2 5
153 0 17.19 29.0 78.9 5
154 22 14.36 28.9 81.2 5
155 4 15.78 28.9 80.0 5
156 1 16.02 28.9 79.8 5
157 0 16.32 28.9 79.6 5
158 9 15.30 28.9 80.4 5
159 0 17.15 29.0 78.9 5
160 11 15.15 28.9 80.5 5
161 0 15.98 28.9 79.8 5
162 0 17.15 29.0 78.9 5
163 15 14.75 28.9 80.8 5
165 5 15.51 28.9 80.2 5
166 7 15.41 28.9 80.3 5
167 0 15.93 28.9 79.9 5
168 0 15.78 28.9 80.0 5
169 0 15.92 28.9 79.9 5
170 0 16.17 28.9 79.7 5
171 3 15.65 28.9 80.1 5
172 0 16.95 28.9 79.0 5
173 0 15.90 28.9 79.9 5
174 0 16.51 28.9 79.4 5
175 13 14.89 28.9 80.7 5
176 0 17.04 28.9 79.0 5
177 22 14.20 28.8 81.3 5
178 0 17.19 29.0 78.8 5
179 0 15.91 28.9 79.9 5
180 0 16.78 28.9 79.2 5
181 2 15.81 28.9 80.0 5
182 5 15.54 28.9 80.2 5
183 1 15.86 28.9 79.9 5
184 0 16.30 28.9 79.6 5
185 12 15.01 28.9 80.6 5
186 0 17.36 29.0 78.7 5
187 0 16.49 28.9 79.4 5
188 17 14.71 28.9 80.9 5
189 0 16.01 28.9 79.9 5
190 7 15.53 28.9 80.2 5
191 2 15.97 28.9 79.9 5
192 0 17.20 29.0 78.9 5
193 1 16.10 28.9 79.8 5
194 0 16.73 28.9 79.3 5
195 17 14.85 28.9 80.8 5
196 0 17.55 29.0 78.6 5
197 0 17.13 29.0 79.0 5
198 0 16.79 28.9 79.3 5
199 2 16.14 28.9 79.8 5
200 0 16.32 28.9 79.7 5
201 3 16.07 28.9 79.9 5
202 0 16.95 29.0 79.2 5
203 0 16.41 28.9 79.6 5
204 0 17.67 29.0 78.6 5
205 9 15.77 28.9 80.2 5
207 7 16.00 28.9 80.0 5
208 0 17.32 29.0 78.9 5
209 7 16.04 28.9 80.0 5
210 0 17.15 29.0 79.1 5
211 0 17.74 29.0 78.7 5
212 18 15.17 28.9 80.7 5
213 0 18.05 29.0 78.4 5
214 0 17.34 29.0 79.0 5
215 0 17.76 29.0 78.7 5
216 0 17.74 29.0 78.7 5
217 19 15.31 28.9 80.7 5
218 0 18.06 29.0 78.5 5
219 0 17.64 29.0 78.8 5
220 0 18.05 29.0 78.5 5
221 4 16.67 28.9 79.6 5
222 0 18.37 29.0 78.3 5
223 22 15.24 28.9 80.8 5
224 4 16.78 28.9 79.6 5
225 0 18.07 29.0 78.6 5
226 22 15.34 28.9 80.7 5
227 0 17.25 29.0 79.2 5
228 3 17.03 28.9 79.4 5
229 6 16.83 28.9 79.6 5
230 0 18.85 29.0 78.0 5
231 22 15.52 28.9 80.6 5
232 6 16.96 28.9 79.5 5
233 0 17.80 29.0 78.9 5
234 0 18.93 29.0 78.0 5
235 22 15.64 28.9 80.6 5
236 0 18.78 29.0 78.1 5
237 1 17.54 29.0 79.1 5
238 3 17.39 29.0 79.2 5
239 0 18.08 29.0 78.7 5
240 22 15.80 28.9 80.5 5
241 0 18.28 29.0 78.6 5
242 0 18.56 29.0 78.4 5
243 0 19.02 29.0 78.0 5
244 0 18.60 29.0 78.3 5
245 0 17.87 29.0 78.9 5
246 14 16.72 28.9 79.8 5
247 15 16.59 28.9 79.9 5
249 0 19.43 29.0 77.8 5
250 30 15.31 28.8 81.0 5
251 0 18.60 29.0 78.4 5
252 0 19.54 29.0 77.7 5
253 5 17.67 28.9 79.1 5
254 1 18.10 29.0 78.8 5
255 0 19.23 29.0 78.0 5
256 30 15.44 28.8 80.9 5
257 1 18.17 28.9 78.8 5
258 2 18.10 28.9 78.8 5
259 0 18.25 28.9 78.7 5
260 30 15.52 28.8 80.8 5
261 9 17.47 28.9 79.3 5
262 1 18.25 28.9 78.7 5
263 0 18.64 29.0 78.4 5
264 28 15.77 28.8 80.7 5
265 0 19.48 29.0 77.8 5
266 30 15.61 28.8 80.8 5
267 2 18.26 28.9 78.7 5
268 6 17.93 28.9 79.0 5
269 0 19.58 29.0 77.7 5
270 6 17.88 28.9 79.0 5
271 1 18.41 28.9 78.6 5
272 1 18.38 28.9 78.7 5
273 0 18.81 28.9 78.3 5
274 28 15.87 28.8 80.6 5
275 8 17.79 28.9 79.1 5
276 6 17.97 28.9 79.0 5
277 0 19.56 28.9 77.8 5
278 28 15.89 28.8 80.6 5
279 0 19.34 28.9 77.9 5
280 0 20.06 29.0 77.4 5
281 0 19.74 28.9 77.6 5
282 27 16.05 28.8 80.4 5
283 28 15.90 28.8 80.6 5
284 9 17.73 28.8 79.1 5
285 0 19.54 28.9 77.8 5
286 28 15.89 28.8 80.6 5
287 28 15.91 28.7 80.5 5
288 0 19.51 28.9 77.8 5
289 0 19.75 28.9 77.6 5
291 0 19.55 28.9 77.7 5
292 2 18.28 28.8 78.7 5
293 8 17.71 28.8 79.1 5
294 0 19.51 28.9 77.8 5
295 8 17.72 28.8 79.1 5
296 12 17.33 28.8 79.4 5
297 0 19.81 28.9 77.5 5
298 2 18.28 28.8 78.7 5
299 0 19.36 28.9 77.9 5
300 28 15.80 28.7 80.6 5
301 0 19.91 28.9 77.4 5
302 19 16.69 28.7 79.9 5
303 14 17.10 28.7 79.6 5
304 0 18.96 28.8 78.1 5
305 0 19.83 28.9 77.5 5
306 1 18.28 28.8 78.6 5
307 3 18.10 28.8 78.8 5
308 27 15.88 28.7 80.5 5
309 27 15.79 28.7 80.6 5
310 14 17.02 28.7 79.6 5
311 20 16.47 28.7 80.0 5
312 0 18.23 28.8 78.6 5
313 2 18.06 28.7 78.8 5
314 27 15.73 28.6 80.6 5
315 0 18.94 28.8 78.1 5
316 19 16.47 28.7 80.0 5
317 27 15.69 28.6 80.6 5
318 0 18.18 28.7 78.7 5
319 9 17.37 28.7 79.3 5
320 0 19.61 28.8 77.5 5
321 2 17.97 28.7 78.8 5
322 27 15.63 28.6 80.6 5
323 12 17.06 28.7 79.5 5
324 0 18.83 28.7 78.1 5
325 27 15.59 28.6 80.6 5
326 0 19.29 28.8 77.8 5
327 0 19.42 28.8 77.7 5
328 1 17.99 28.7 78.7 5
329 0 18.87 28.7 78.1 5
330 27 15.53 28.6 80.7 5
331 27 15.52 28.6 80.7 5
333 0 19.10 28.7 77.9 5
334 27 15.57 28.6 80.6 5
335 0 17.94 28.7 78.7 5
336 5 17.49 28.7 79.1 5
337 0 18.57 28.7 78.3 5
338 0 19.01 28.7 77.9 5
339 25 15.70 28.6 80.5 5
340 0 19.03 28.7 77.9 5
341 1 17.80 28.7 78.8 5
342 0 19.33 28.7 77.7 5
343 0 19.17 28.7 77.8 5
344 25 15.67 28.6 80.5 5
345 25 15.66 28.6 80.5 5
346 8 17.13 28.6 79.4 5
347 4 17.52 28.6 79.0 5
348 25 15.65 28.6 80.5 5
349 0 18.48 28.7 78.3 5
350 17 16.30 28.6 80.0 5
351 0 18.58 28.7 78.2 5
352 3 17.53 28.6 79.0 5
353 25 15.64 28.6 80.5 5
354 12 16.77 28.6 79.6 5
355 0 19.20 28.7 77.7 5
356 0 19.01 28.7 77.9 5
357 21 15.92 28.6 80.3 5
358 2 17.64 28.6 78.9 5
359 25 15.64 28.6 80.5 5
360 0 18.25 28.7 78.5 5
361 14 16.63 28.6 79.7 5
362 5 17.41 28.6 79.1 5
363 0 19.31 28.7 77.7 5
364 20 16.10 28.6 80.2 5
Lampiran 8 Contoh Keluaran Model Simulasi Pertanian
Shierary Rice
DAS Fase LAI Berat
Daun
Berat Batang
Berat Akar
Berat Biji
Berat Total
1 0.011 0.1 6.25 6.25 12.50 0 0
2 0.022 0.1 6.25 6.25 12.50 0 0
3 0.033 0.1 6.25 6.25 12.50 0 0
4 0.044 0.1 6.25 6.25 12.50 0 0
5 0.055 0.1 6.25 6.25 12.50 0 0
6 0.066 0.1 6.25 6.25 12.50 0 0
7 0.077 0.1 6.25 6.25 12.50 0 0
8 0.088 0.1 6.25 6.25 12.50 0 0
9 0.100 0.1 6.25 6.25 12.50 0 0
10 0.111 0.1 6.25 6.25 12.50 0 0
11 0.122 0.1 6.25 6.25 12.50 0 0
12 0.133 0.1 6.25 6.25 12.50 0 0
13 0.144 0.1 6.25 6.25 12.50 0 0
14 0.155 0.1 6.25 6.25 12.50 0 0
15 0.166 0.1 6.25 6.25 12.50 0 0
16 0.177 0.1 6.25 6.25 12.50 0 0
17 0.188 0.1 6.25 6.25 12.50 0 0
18 0.199 0.1 6.25 6.25 12.50 0 0
19 0.210 0.1 6.25 6.25 12.50 0 0
20 0.221 0.1 6.25 6.25 12.50 0 0
21 0.233 0.1 6.25 6.25 12.50 0 0
22 0.244 0.1 6.25 6.25 12.50 0 0
23 0.258 0.1 18.58 6.15 14.07 0 39
24 0.267 0.1 29.37 6.05 15.42 0 51
25 0.275 0.2 46.75 5.95 17.72 0 70
26 0.284 0.4 74.73 5.85 21.54 0 102
27 0.292 0.5 115.57 5.75 27.19 0 149
28 0.301 0.8 178.20 5.66 35.96 0 220
29 0.309 1.2 261.21 5.56 47.65 0 314
30 0.318 1.7 379.08 5.47 64.32 0 449
31 0.326 2.2 522.27 5.38 84.61 0 612
32 0.335 2.9 681.49 5.29 107.19 0 794
33 0.343 3.6 867.60 5.21 133.61 0 1006
34 0.352 4.3 1076.86 5.12 163.35 0 1245
35 0.360 5.2 1326.00 5.04 198.78 0 1530
36 0.369 5.9 1532.97 4.95 228.19 0 1766
37 0.377 6.7 1778.99 4.87 263.19 0 2047
38 0.386 7.4 1990.94 4.79 293.32 0 2289
39 0.394 8.1 2216.13 4.71 325.34 0 2546
41 0.411 9.4 2675.32 4.56 390.65 0 3071
42 0.420 10.0 2907.20 4.48 423.64 0 3335
43 0.428 10.6 3149.97 4.41 458.18 0 3613
44 0.437 11.0 3343.86 4.34 485.75 0 3834
45 0.445 11.5 3558.67 4.26 516.30 0 4079
46 0.454 12.0 3773.77 4.19 546.90 0 4325
47 0.462 12.4 3977.01 4.12 575.80 0 4557
48 0.471 12.7 4173.12 4.06 603.69 0 4781
49 0.479 13.0 4350.71 3.99 628.94 0 4984
50 0.487 13.4 4554.97 3.92 658.00 0 5217
51 0.496 13.7 4744.48 3.86 684.95 0 5433
52 0.519 13.9 4923.36 3.80 712.93 0 5640
53 0.538 14.1 5081.47 3.73 740.46 0 5826
54 0.557 14.2 5240.97 3.67 771.41 0 6016
55 0.576 14.2 5336.37 3.61 793.75 0 6134
56 0.595 14.1 5421.76 3.55 817.29 0 6243
57 0.613 14.1 5499.49 3.49 842.88 0 6346
58 0.632 13.9 5553.42 3.44 866.78 0 6424
59 0.651 13.7 5591.55 3.38 890.95 0 6486
60 0.670 13.5 5601.55 3.32 911.23 0 6516
61 0.689 13.3 5605.01 3.27 935.05 0 6543
62 0.708 13.0 5594.65 3.21 960.41 0 6558
63 0.727 12.6 5557.01 3.16 979.48 0 6540
64 0.746 12.3 5504.71 3.11 998.69 0 6507
65 0.758 11.9 5449.69 3.06 1017.78 249 6719
66 0.767 11.6 5394.86 3.01 1035.80 488 6922
67 0.775 11.2 5347.02 2.96 1059.81 767 7177
68 0.783 10.9 5296.56 2.91 1079.89 1017 7396
69 0.792 10.6 5244.15 2.86 1096.78 1243 7587
70 0.800 10.3 5193.49 2.82 1114.31 1471 7782
71 0.808 10.0 5144.64 2.77 1132.55 1703 7983
72 0.817 9.7 5098.48 2.72 1152.41 1944 8198
73 0.825 9.4 5052.20 2.68 1171.05 2175 8401
74 0.833 9.2 5006.68 2.63 1189.37 2402 8601
75 0.842 8.9 4961.08 2.59 1206.54 2620 8790
76 0.850 8.7 4915.10 2.55 1222.26 2826 8966
77 0.858 8.4 4871.23 2.51 1239.11 3038 9151
78 0.867 8.2 4832.96 2.47 1260.67 3282 9378
79 0.875 8.0 4787.59 2.43 1273.96 3466 9530
80 0.883 7.7 4745.89 2.39 1290.02 3668 9706
81 0.892 7.5 4704.00 2.35 1304.93 3860 9872
83 0.908 7.1 4619.65 2.27 1331.31 4217 10170
84 0.917 6.9 4579.51 2.23 1345.21 4398 10325
85 0.925 6.7 4536.07 2.20 1354.82 4548 10441
86 0.933 6.5 4501.12 2.16 1372.22 4751 10626
87 0.942 6.3 4462.35 2.12 1384.84 4919 10768
88 0.950 6.2 4425.33 2.09 1398.39 5092 10918
89 0.958 6.0 4384.44 2.05 1407.15 5230 11024
90 0.967 5.8 4350.36 2.02 1422.03 5410 11184
91 0.975 5.7 4309.88 1.99 1429.58 5537 11279
92 0.983 5.5 4272.98 1.96 1439.96 5683 11398
93 0.992 5.4 4237.89 1.92 1451.40 5835 11527
94 1.000 5.2 4204.06 1.89 1463.36 5990 11659
Lampiran 9 Contoh Hasil Produksi dan Penurunan Produksi Padi dengan Berbagai Skenario Pada Kabupaten Pandeglang, Provinsi Banten
x y ket Produksi (ton) Penurunan Produksi (%)
dt=0 dt=0.5 dt=1 dt=1.5 dt=2 dt=2.5 dt=3 dt=0 dt=0.5 dt=1 dt=1.5 dt=2 dt=2.5 dt=3 laju
105.49345 -6.81155 ir 998 944 902 853 812 779 730 0 -5.4 -9.6 -14.5 -18.6 -21.9 -26.9 -9.1
105.50175 -6.79495 ir 961 922 871 808 756 706 653 0 -4.1 -9.4 -15.9 -21.3 -26.5 -32.0 -10.6
105.51215 -6.76575 th 495 462 432 405 382 358 324 0 -6.7 -12.7 -18.2 -22.8 -27.7 -34.5 -11.5
105.52045 -6.75745 th 487 459 433 382 340 302 261 0 -5.7 -11.1 -21.6 -30.2 -38.0 -46.4 -15.0
105.52045 -6.74085 th 481 459 428 400 332 301 264 0 -4.6 -11.0 -16.8 -31.0 -37.4 -45.1 -14.5
105.51835 -6.72855 ir 971 886 812 744 696 639 608 0 -8.8 -16.4 -23.4 -28.3 -34.2 -37.4 -13.6
105.52665 -6.72855 ir 895 815 743 688 622 574 535 0 -8.9 -17.0 -23.1 -30.5 -35.9 -40.2 -14.4
105.52665 -6.72025 ir 835 764 689 645 584 522 474 0 -8.5 -17.5 -22.8 -30.1 -37.5 -43.2 -14.9
105.53495 -6.71195 ir 989 942 895 849 811 776 729 0 -4.8 -9.5 -14.2 -18.0 -21.5 -26.3 -8.9
105.55155 -6.72025 ir 1058 1007 950 898 844 792 742 0 -4.8 -10.2 -15.1 -20.2 -25.1 -29.9 -10.0
105.55155 -6.70365 ir 940 855 774 708 624 566 506 0 -9.0 -17.7 -24.7 -33.6 -39.8 -46.2 -16.0
105.55985 -6.71195 ir 1026 977 935 885 831 791 738 0 -4.8 -8.9 -13.7 -19.0 -22.9 -28.1 -9.3
105.55985 -6.70365 ir 954 893 838 792 742 677 624 0 -6.4 -12.2 -17.0 -22.2 -29.0 -34.6 -11.5
105.56815 -6.70365 ir 1006 935 842 755 687 640 562 0 -7.1 -16.3 -25.0 -31.7 -36.4 -44.1 -15.1
105.56815 -6.69535 ir 967 893 844 791 733 676 616 0 -7.7 -12.7 -18.2 -24.2 -30.1 -36.3 -12.1
105.56815 -6.68705 ir 812 737 678 614 544 487 445 0 -9.2 -16.5 -24.4 -33.0 -40.0 -45.2 -15.8
105.58685 -6.67445 th 518 471 436 397 364 339 308 0 -9.1 -15.8 -23.4