PENGEMBANGAN MODEL BERBASIS DATA SPASIAL
UNTUK PERKIRAAN POTENSI HASIL DAN PRODUKSI
KEDELAI MENGGUNAKAN SUCROS.SIM DI JAWA TIMUR
BAMBANG SRI KOENTJORO
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudul Pengembangan Model Berbasis Data Spasial untuk Perkiraan Potensi Hasil dan Produksi Kedelai Menggunakan SUCROS.SIM di Jawa Timur adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Nopember 2014
RINGKASAN
BAMBANG SRI KOENTJORO. Pengembangan Model Berbasis Data Spasial untuk Perkiraan Potensi Hasil dan Produksi Kedelai Menggunakan SUCROS.SIM di Jawa Timur Dibimbing oleh IMAS SUKAESIH SITANGGANG dan ABDUL KARIM MAKARIM.
Model simulasi potensi hasil dan produksi kedelai dapat digunakan untuk memperkirakan potensi hasil dan produksi kedelai nasional. Salah satu model simulasi untuk tanaman kedelai adalah SUCROS (Simple Universal Crops Growth Simulator). Hasil dari simulasi SUCROS.SIM berupa spreadsheet kurang menarik bagi pengguna yang awam tentang simulasi. Sistem informasi geografis berbasis web (Web GIS) dapat digunakan untuk menampilkan hasil simulasi dengan lebih menarik dan lebih mudah dipahami oleh pengguna. Web GIS memiliki beberapa kelebihan yaitu data terpusat, dapat diakses dimana saja, biaya lebih murah dan penggunaan lebih mudah. Dalam penelitian ini dikembangkan sebuah modul simulasi prediksi potensi hasil dan produksi kedelai berbasis SUCROS.SIM dengan studi kasus pada sentra produksi kedelai di Jawa Timur, yang divisualisasikan dengan Web GIS. Data penelitian meliputi data suhu udara harian (suhu minimum dan maksimum), radiasi surya tahun 2008-2012, data luas lahan kedelai di Jawa Timur tahun 2008-2012, peta tematik batas wilayah tahun 2010, data varietas kedelai yaitu varietas Wilis, Bromo, Galunggung, No 29, dan Argomulyo. Hasil penelitian menunjukkan bahwa rata-rata potensi hasil kedelai dari model simulasi SUCROS.SIM di Jawa Timur sebesar 1.94 ton/ha. Tinggi rendahnya potensi hasil sangat dipengaruhi oleh fluktuasi suhu, radiasi, asimilat dan latitude. Akurasi model ditunjukkan dengan nilai RMSE sebesar 0.18-0.31, yang menunjukan bahwa perfoma pemodelan mempunyai tingkat akurasi yang tinggi dan nilai R2 sebesar 0.858-0.912 yang menunjukkan bahwa prediksi model baik dan handal. Model divisualisasikan dalam bentuk WebSIG yang mempunyai fitur utama yaitu peta sebaran potensi hasil kedelai dari setiap kabupaten di Jawa Timur, tabel potensi hasil, produksi dan senjang hasil kedelai, grafik potensi hasil, produksi dan senjang hasil kedelai tingkat kabupaten di Jawa Timur dan beberapa fungsi tambahan lain untuk explorasi peta.
SUMMARY
BAMBANG SRI KOENTJORO. Development of Spatial Data Based Model to Estimate Yield Potency and Production of Soybean using SUCROS.SIM in East Java. Supervised by IMAS SUKAESIH SITANGGANG and ABDUL KARIM MAKARIM.
The simulation model for soybean yield potency and production can be used to estimate the national soybean production. One of the simulation model for the soybean crop is SUCROS (Simple Universal Crops Growth Simulator). The results of the SUCROS.SIM simulation is in the form of spreadsheet which is less attractive to the users with less knowledge of simulation. Web-based geographic information systems (Web GIS) can be used to display the simulation results more attractive and easier for user to understand. A web GIS has several advantages such as centralized data, can be accessed anywhere, cheaper cost and easier to use. In this study a prediction of yield potential and soybean production simulation module based on SUCROS.SIM was developed with the case study based on soybean production center in East Java, which is visualized in the Web GIS. The research data includes daily air temperature data (minimum and maximum temperature), yearly solar radiation in 2008-2012, the data land area of soybean in East Java in 2008-2012, thematic boundaries map in 2010, the soybean varieties are varieties Wilis, Bromo, Galunggung, Number 29, and Argomulyo. The results showed that the average soybean yield potential of simulation models SUCROS.SIM in East Java at 1.94 ton/ha. The high and low yield potential is strongly influenced by fluctuations in temperature, radiation, assimilate and latitude. The accuracy of the model is indicated by the RMSE value that ranges from 0.18 to 0.31 which indicates that the model has a high degree of accuracy. The value of R2 is 0858-0912 which shows that the prediction models are reliable. The model is visualized in the form of WebSIG with several key features that are soybean yield potential distribution maps of each district in East Java, tables yield potential, production and soybean yield gap, graphs yield potential, production and soybean yield gap districts in East Java and some additional functionalities for map exploration.
© Hak Cipta Milik IPB, Tahun 2014
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 IPB
PENGEMBANGAN MODEL BERBASIS DATA SPASIAL
UNTUK PERKIRAAN POTENSI HASIL DAN PRODUKSI
KEDELAI MENGGUNAKAN SUCROS.SIM DI JAWA TIMUR
BAMBANG SRI KOENTJORO
Tesis
sebagai salah satu syarat untuk memperoleh gelar Magister Komputer
pada
Program Studi Ilmu Komputer
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
Judul Tesis : Pengembangan Model Berbasis Data Spasial untuk Perkiraan Potensi Hasil dan Produksi Kedelai Menggunakan SUCROS.SIM di Jawa Timur
Nama : Bambang Sri Koentjoro NIM : G 651120461
Disetujui oleh
Komisi Pembimbing
Dr Imas Sukaesih Sitanggang, SSi MKom Ketua
Prof (Riset) Dr Ir A Karim Makarim, MSc Anggota
Diketahui oleh
Ketua Program Studi Ilmu Komputer
Dr Eng Wisnu Ananta Kusuma, ST MT
Dekan Sekolah Pascasarjana
Dr Ir Dahrul Syah, MScAgr
Tanggal Ujian: 16 September 2014
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Sholawat serta salam semoga tetap tercurahkan kepada junjungan kita Nabi Muhammad SAW. Tulisan ini merupakan hasil penelitian yang disusun dalam rangka memenuhi salah satu syarat untuk memperoleh gelar Magister pada Program Studi Ilmu Komputer Institut Pertanian Bogor. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Januari 2014 sampai Juli 2014 ini adalah Pengembangan Model Berbasis Data Spasial untuk Perkiraan Potensi Hasil dan Produksi Kedelai Menggunakan SUCROS.SIM di Jawa Timur.
Penulis menyadari bahwa penyelesaian tulisan ini tidak lepas dari bantuan banyak pihak, oleh karena itu pada kesempatan ini penulis menyampaikan penghargaan dan ucapan terima kasih yang tulus dan mendalam kepada Ibu Dr Imas Sukaesih Sitanggang, SSi MKom selaku Ketua Komisi Pembimbing, serta Bapak Prof. (Riset) Dr A Karim Makarim, MSc selaku Anggota Komisi Pembimbing yang telah memberikan curahan waktu, bimbingan, arahan, dorongan moral dengan penuh dedikasi kepada penulis dari awal hingga selesainya tesis ini.
Terima kasih yang mendalam penulis sampaikan kepada Bapak Dr Hariyono, MSc Kepala Badan Litbang Pertanian yang telah memberikan ijin, kesempatan dan beasiswa yang diberikan kepada penulis untuk mengikuti program Magister pada Sekolah Pascasarjana Institut Pertanian Bogor. Ucapan terima kasih juga penulis sampaikan kepada Bapak Dr Didik Hernowo selaku Ka Balitkabi yang telah memberikan dukungan, Bapak Prof. Marwoto, Dr Yusmani Prayogo dan Dr M. Muchlish Adie yang senantiasa memberi dorongan dan semangat. Bapak Ir I Ketut Tastra, MS yang telah banyak memberi saran. Di samping itu, penghargaan penulis sampaikan kepada Bapak Subekti dari Badan Meteorologi Klimatologi dan Geofisika Karangploso Malang, Bapak Ir. Arif Musaddad yang memberi ijin tinggal di rumah beliau. Terima kasih juga penulis sampikan kepada Bapak Ir Suyamto (Ka KP Muneng), Bpk Slamet Riyadi, SP (Ka KP Ngale), Bapak Margono R, MS (Ka KP Jambegede), Bapak Cipto Prahoro, SP (Ka KP Kendalpayak) dan Bapak Sumarno, SP (Ka KP Genteng) atas informasi data yang diberikan, serta Bapak Sutarji S.Sos dan Ibu Ismi staf perpustakaan Balitkabi.
Rasa hormat dan terima kasih yang sangat dalam penulis sampaikan kepada KH. Abdullah Amin pengasuh pondok pesantren Daarul Muttaqin Bantur Malang, atas bimbingan rohani dan doa. Ibunda tercinta Sri Darmini yang telah mencurahkan segenap perhatian dan waktu dengan selalu membantu dan
mendo’akan penulis agar berhasil dengan penuh rasa cinta. Demikian juga kepada Ayahnda Drs. Mulyono dan Ibunda Dra. Sujanti yang tiada henti mendo’akan
Kepada rekan-rekan mahasiswa Magister Komputer angkatan 14 penulis menyampaikan terima kasih atas kebersamaan, kerjasama dan persaudarannya selama menempuh pendidikan. Secara khusus, penulis menyampaikan peng-hargaan kepada Dhieka Avrilia Lantana atas kesabaran dan bantuannya, juga pada Aji Primajaya, Moch. Usman, Aulia Rachman, Priyo, Ramdan, Iin, Hani, M. Fuad, dan Erliyan atas kerjasamanya. Penulis menyadari bahwa tesis ini masih jauh dari kesempurnaan. Segala kritik dan saran selalu penulis harapkan demi kesempurnaan tesis ini. Akhirnya penulis berharap semoga tesis ini dapat memberikan manfaat bagi semua pihak. Semoga Allah SWT selalu memberikan petunjuk, perlindungan dan kesejahteraan bagi kita semua.
Semoga karya ilmiah ini bermanfaat.
Bogor, Nopember 2014
DAFTAR ISI
DAFTAR TABEL viii
DAFTAR GAMBAR ix
DAFTAR LAMPIRAN ix
1 PENDAHULUAN 1
Latar Belakang 1
Rumusan Permasalahan 3
Tujuan Penelitian 3
Manfaat Penelitian 3
Ruang Lingkup Penelitian 3
2 TINJAUAN PUSTAKA 3
Model dan Simulasi 4
Perkembangan Model Simulasi 6
Sistem Informasi Geografis 6
Komponen Dasar WebSIG 7
3 BAHAN DAN METODE 8
Waktu dan Tempat Penelitian 8
Bahan 8
Alat 9
Wilayah Penelitian 9
Kondisi Iklim 11
Tahapan Penelitian 13
Penentuan Potensi Hasil dan Produksi Kedelai Menggunakan Model
Simulasi SUCROS.SIM 13
Identifikasi Elemen Sistem 14
Simulasi Model SUCROS.SIM 14
Perbaikan Model 14
Visualisasi Model 14
Pembangunan Sistem Informasi Geografis 14
Analisis Kebutuhan 15
Pengumpulan Data 15
Perancangan Konseptual 16
Akuisisi Perangkat Keras dan Perangkat Lunak 16
Perencanaan dan Perancangan Basis Data 16
Implementasi WebSIG 16
Pengujian 16
4 HASIL DAN PEMBAHASAN 17
Penentuan Potensi Hasil dan Produksi Kedelai Menggunakan Model
Simulasi SUCROS.SIM 17
Identifikasi Elemen Sistem 17
Simulasi Model SUCROS.SIM 17
Perbaikan Model 22
Pembangunan Sistem Informasi Geografis 22
Analisis Kebutuhan 22
Pengumpulan Data 23
Perancangan Konseptual 23
Akuisisi Perangkat Keras dan Perangkat Lunak 24
Perencanaan dan Perancangan Basis Data 25
Perancangan Antarmuka 26
Implementasi Web 27
Pengujian 29
5 SIMPULAN DAN SARAN 30
Simpulan 30
Saran 30
UCAPAN TERIMA KASIH Error! Bookmark not defined.
DAFTAR PUSTAKA 30
LAMPIRAN 34
viii
DAFTAR TABEL
1 Luas panen, produktivitas dan produksi kacang kedelai di Jawa
Timur 2011 10
2 Luas panen, produktivitas, dan produksi tanaman kedelai Provinsi
Jawa Timur tahun 2008-2012 11
3 Data suhu dan radiasi surya yang digunakan dalam model simulasi potensi hasil kedelai (SUCROS.SIM) di Jawa Timur,
2013 12
4 Luas panen, produktivitas, produksi tanaman kedelai Indonesia
2008-2012 18
5 Hasil model simulasi SUCROS.SIM perkiraan potensi hasil
kedelai di lima kabupaten tahun 2008-2012 20
6 Rata-rata hasil simulasi potensi hasil, hasil aktual, senjang hasil, regresi dan RMSE potensi hasil kedelai di Jawa Timur tahun
2008-2012 20
7 Hasil model simulasi prediksi potensi hasil dari lima kabupaten (Malang, Blitar, Banyuwangi, Pacitan, dan Probolinggo) di Jawa
Timur tahun 2008-2012 21
8 Analisis produktivitas dan produksi tanaman kedelai di Jawa
Timur (2009-2012) 21
9 Atribut tabel potensi hasil 25
10 Atribut tabel batas wilayah 25
ix
DAFTAR GAMBAR
1 Penggunaan model simulasi dan SIG untuk pemetaan wilayah
pertanian (Aggarwal 1991) 5
2 Diagram alir interaksi antara Powersim, Microsoft Excel dan SIG
(Carlos 2006) 5
3 Arsitektur SIG berbasis Web (Alesheikh et al. 2002) 8 4 Kontribusi Provinsi Jawa Timur terhadap produksi kedelai
nasional 2008-2012 (Sumber: diolah dari data BPS 2013) 11 5 Tahapan Penelitian Model Simulasi SUCROS.SIM 14
6 Tahapan pembuatan webSIG 15
7 Diagram relasi antar elemen sistem dengan faktor pembatas
cahaya 17
8 Rata-rata suhu maksimum dan minimum di Kabupaten Blitar,
Malang, Pacitan, Banyuwangi, dan Probolinggo tahun 2008-2012 19
9 Diagram konteks 23
10 Diagram aliran data 24
11 Rancangan antarmuka WebSIG 26
12 Peta hasil pencarian berdasar nama kabupaten di Jawa Timur 27 13 Tabel dan mode pencarian potensi hasil kedelai di Jawa Timur 28
14 Tampilan grafik hasil pencarian 28
DAFTAR LAMPIRAN
1 Rata-rata hasil simulasi potensi dan senjang hasil kedelai. 34 2 Nilai parameter RMSE model simulasi potensi hasil kedelai
(SUCROS.SIM) 35
1
1 PENDAHULUAN
Latar Belakang
Kedelai merupakan komoditas tanaman pangan terpenting ketiga setelah padi dan jagung kaya akan protein. Sebagai sumber protein nabati, kedelai sangat penting untuk peningkatan gizi masyarakat karena aman konsumsi dan harga yang terjangkau. Sejalan dengan pertambahan penduduk setiap tahun yang terus meningkat, tentu kebutuhan kedelai sebagai bahan pangan juga akan meningkat. Rata-rata konsumsi kedelai mencapai 8.12 kg/kapita/tahun (Sudaryanto dan Swastika 2007).
Kebutuhan kedelai pada tahun 2012 sebesar 2.2 juta ton (Badan Pusat Statistik 2013), sedangkan produksi dalam negeri baru mencapai 843.153 ton dan kekurangannya diimpor sebesar 1.35 juta ton. Impor kedelai terbesar Indonesia pada 2011 berasal dari Amerika Serikat (AS) dengan jumlah 1.847.900 ton, Malaysia 120.074 ton, Argentina 73.037 ton, Uruguay 16.825 ton, dan Brasil 13.550 ton (Badan Pusat Statistik 2012).
Salah satu upaya pemerintah untuk mengatasi kekurangan akan kebutuhan kedelai dengan menerapkan program empat sukses Kementerian Pertanian salah satu di antaranya adalah pencapaian swasembada kedelai tahun 2014. Sehubungan dengan itu, Direktorat Jenderal Tanaman Pangan pada tahun 2011 merencanakan pengembangan kedelai pada area satu juta ha dengan produktivitas 1.5 ton/ha guna mencapai total produksi nasional 1.56 juta ton (Direktorat Jenderal Tanaman Pangan 2010).
Potensi hasil adalah hasil tertinggi yang dapat dicapai suatu varietas pada suatu lokasi pertanaman tanpa adanya faktor pembatas selain genetik, radiasi, dan suhu. Produktivitas adalah kemampuan tanaman untuk menghasilkan biji (ton/ha). Produksi adalah jumlah total dari produktivitas dikalikan luas area panen. Tujuan akhir dari suatu kegiatan budidaya tanaman khususnya kedelai adalah dicapainya potensi hasil. Pada pelepasan varietas kedelai sebagai syarat kelengkapan dibutuhkan informasi potensi hasil sebagai data dukung. Dari sekian banyak varietas yang telah dilepas dalam kisaran kurun waktu 1918-2012 (Suhartina 2005, 2012) data potensi hasil masih belum dijadikan sebagai suatu ukuran yang standar. Pada deskripsi varietas, informasi hasil masih dalam bentuk rata-rata hasil ataupun kisaran hasil. Bilamana informasi potensi hasil tersebut secara konsisten ada “tercantum” dalam deskripsi varietas, tentu akan memberi dampak positif kegiatan penelitian untuk membuat terobosan baru yang dapat meningkatkan produktivitas secara signifikan.
2
data hasil kedelai dari Badan Pusat Statistik yang relatif bersifat statis. Oleh karena itu kurang praktis digunakan oleh para pengambil kebijakan jika ditemukan varietas unggul kedelai yang baru yang mempunyai potensi hasil lebih tinggi. Untuk itu, upaya mengembangkan model potensi kedelai beberapa varietas unggul kedelai, sebagai komponen (sub-sistem) dari model simulasi swasembada kedelai nasional sangat diperlukan.
Salah satu model simulasi potensi hasil kedelai yang mudah digunakan oleh para peneliti dan pengambil kebijakan adalah model simulasi SUCROS.SIM yang dikembangkan oleh Tastra et al. (2004) dari SUCROS.CSM. Namun hasil dari SUCROS.SIM masih dalam bentuk angka dalam tabel, sehingga kurang menarik bagi pengguna yang awam tentang simulasi. Salah satu upaya untuk memberikan informasi yang mudah bagi pengguna terhadap hasil model simulasi yaitu dengan menggunakan sistem informasi geografis berbasis web (WebSIG) yang memiliki fitur utama yaitu pengelolaan data spasial, serta penyajian data dan informasi dalam bentuk peta, tabel, dan grafik.
Penggunaan WebSIG diharapkan dapat memberikaninformasi bagi pengguna
mengenai potensi hasil dan produksi kedelai dalam bentuk tabel, grafik, dan peta,
selain itu pengguna dapat pula dengan mudah mengetahui peta distribusi potensi
hasil kedelai. Kelebihan lain yang didapatkan apabila menggunakan WebSIG, yaitu data terpusat, biaya lebih murah untuk hardware dan software, penggunaan lebih mudah, dan pengaksesan yang lebih luas terhadap informasi yang diberikan. Oleh karena itu, sebuah sistem informasi geografis (SIG) yang dapat mengelola data spasial diperlukan untuk memvisualisasikan hasil simulasi potensi hasil kedelai, sehingga pemanfaatannya dalam memperkirakan peningkatan produksi kedelai nasional khususnya di Jawa Timur dapat lebih optimal. Jawa Timur merupakan sentra produksi kedelai terbesar diantara propinsi yang lain di Indonesia, kontribusi Propinsi Jawa Timur terhadap produksi kedelai nasional tahun 2012 sekitar 40% (Badan Pusat Statistik 2013), sehingga menarik untuk diketahui seberapa besar potensi hasil kedelai di Jawa Timur jika dilakukan prediksi potensi hasil kedelai dengan model simulasi.
Ketepatan dalam memprediksi potensi hasil tanaman baik pada skala regional maupun nasional merupakan informasi yang sangat dibutuhkan oleh institusi pemerintah karena dapat digunakan untuk mendukung pengambilan kebijakan berkaitan dengan pangan. Pengelolaan model simulasi dengan SIG merupakan salah satu cara yang mungkin dapat digunakan untuk memprediksi potensi hasil dan produksi tanaman di suatu wilayah (Lal et al. 1993; Engel et al. 1997, Georgiev et al. 1998). Basis data spasial dalam SIG telah digunakan secara luas pada pemodelan lingkungan dan pertanian (Hartkamp et al. 1999).
Georgiev et al. (1998) menggunakan hubungan SIG dan sistem pemodelan tanaman (IAEGIS) untuk memperkirakan hasil kedelai Southwetern Georgia. Untuk mengetahui keadaan cuaca maka dipilih delapan stasiun sebagai penyedia data cuaca. Menurut Hartkamp et al. (1999) terdapat dua model yang dapat dihubungkan dengan SIG, yaitu menghubungkan, menggabungkan atau
3
Rumusan Permasalahan
Pengambil kebijakan seringkali menghendaki tersedianya informasi potensi hasil dan produksi kedelai secara cepat. Salah satu cara yang dapat dilakukan secara cepat dan akurat yaitu dengan menggunakan model simulasi. Model simulasi prediksi potensi hasil dan produksi kedelai dapat digunakan untuk menjawab tantangan tersebut. Namun keluaran model simulasi masih dalam bentuk tabel spreadsheet, sehingga kurang menarik bagi penggunanya. Oleh karena itu, dirasa perlu untuk ditampilkan pula dalam bentuk visualisasi WebSIG. Dengan WebSIG maka pengguna akan mendapatkan informasi dengan mudah dalam bentuk peta, tabel dan grafik.
Tujuan Penelitian
1. Membuat model untuk prediksi potensi hasil dan produksi kedelai berbasis SUCROS.SIM khususnya di sentra produksi Jawa Timur.
2. Membangun sistem informasi geografis berbasis web untuk pengelolaan data hasil simulasi potensi hasil dan produksi kedelai.
Manfaat Penelitian
1. Membantu pengguna untuk mendapatkan informasi prediksi potensi hasil dan produksi kedelai yang dapat digunakan sebagai sumber informasi dengan model simulasi
2. Bagi pengambil kebijakan dengan cepat dan mudah dapat mengetahui perkiraan dampak pengembangan varietas unggul kedelai terhadap peningkatan produksi kedelai dari sentra produksi kedelai Jawa Timur.
3. Bagi para peneliti pemuliaan dan ekofisiologi model dapat dipakai untuk mendukung perakitan varietas kedelai tipe ideal yang sesuai dengan kondisi sentra produksi kedelai Jawa Timur.
Ruang Lingkup Penelitian
Pengembangan model simulasi prediksi potensi hasil dan produksi kedelai berbasis SUCROS.SIM dengan menggunakan inputan data suhu harian (minimum dan maksimum) tahun 2008-2012, radiasi surya, partisi asimilat serta latitude. Sedangkan produksi kedelai disini merupakan total dari produktivitas dikalikan luas area tanam kedelai. Aplikasi yang digunakan dalam membuat model simulasi potensi hasil kedelai adalah SUCROS.SIM yang tersedia pada Powersim Constructor.
2 TINJAUAN PUSTAKA
4
untuk meningkatkan produksi kedelai, yaitu: (1) kebijakan harga yang berorientasi pada produsen; (2) pengembangan paket teknologi; (3) subsidi sarana produksi; dan (4) pengendalian impor dan perdagangan dalam negeri.
Sistem dinamik swasembada kedelai yang digunakan para pengambil kebijakan dalam menyusun program pengembangan produksi kedelai nasional kehandalannya sangat ditentukan oleh akurasi dari berbagai sub-model penyusunnya. Salah satu sub-model (komponen) sistem dinamik kedelai adalah model simulasi potensi hasil varietas unggul kedelai. Penyebab perbedaan tingkat hasil suatu varietas antara lain oleh pola partisi asimilatnya. Partisi asimilat merupakan proses pendistribusian hasil fotosintesis (asimilat) ke seluruh bagian tanaman. Fotosintesis adalah proses sintesis karbohidrat dari bahan-bahan anorganik (CO2 dan H2O) pada tumbuhan berpigmen dengan bantuan energi
cahaya matahari. Saat ini beberapa varietas unggul kedelai yang telah dilepas belum dilengkapi dengan pola data partisi asimilat sehingga belum dapat digunakan dalam pengembangan model simulasi pola potensi.
Model dan Simulasi
Pengertian simulasi menurut Hoover dan Perry (1989) adalah sebagai suatu proses desain suatu model dari sistem nyata dengan menggunakan komputer yang berdasarkan dari hasil-hasil percobaan; digunakan untuk menggambarkan, menerangkan dan memprediksi perilaku dari sistem nyata. Sementara itu pemahaman lain yang dikemukan oleh Law dan Kelton (1989) memberikan pemahaman tentang pengertian simulasi dalam konteksnya sebagai suatu cara dalam mempelajari suatu sistem. Dikatakannya bahwa dalam mempelajari suatu sistem, dapat melakukan percobaan dengan menggunakan sistem aktual atau dengan menggunakan model dari sistem tersebut. Model yang digunakan bisa berupa model fisik atau model matematik. Untuk menguji atau melihat bagaimana model tersebut dapat menjawab tentang hal-hal yang berkaitan dengan sistem yang dipelajari, bisa menggunakan “analitical solution” atau simulasi. Simulasi dapat digunakan jika model tersebut sederhana, sehingga tinggal mencari keterkaitan antar elemen yang ada dari model tersebut. Namun, suatu sistem yang terbentuk pada umumnya sangat rumit dan sulit untuk menggunakan solusi analisis. Dalam hal ini, model tersebut harus dipelajari dengan menggunakan simulasi.
Batasan tentang model menurut Handoko (1994) sebagai penyederhanaan dari suatu sistem. Sementara sistem diartikan sebagai gambaran suatu proses atau beberapa proses (beberapa subsistem) yang teratur. Suatu sistem bisa nampak sangat rumit karena banyak proses atau komponen yang terlibat di dalamnya, namun sistem tersebut tetap merupakan suatu keteraturan. Lebih lanjut Handoko (2005) menambahkan bahwa sistem merupakan suatu mekanisme dari interaksi berbagai komponen dalam suatu alir yang membentuk suatu fungsi, dan penyederhanaannya disebut sebagai model.
5
oleh Boer et al. (1998) yang merupakan model peramalan prediksi kedelai. Model simulasi dapat digunakan untuk zonasi wilayah pertanian (Agro-ecological zoning). Hal ini dapat dilakukan dengan menggabungkan model simulasi tanaman yang telah divalidasi dengan SIG. Dengan pendekatan tersebut potensi hasil suatu tanaman dalam suatu wilayah dapat segera diketahui. Di India hal ini telah digunakan untuk menentukan hasil gandum pada berbagai lokasi dengan menggunakan model simulasi WTGROWS dan SIG (Gambar 1) (Aggarwal 1991).
Gambar 1 Penggunaan model simulasi dan SIG untuk pemetaan wilayah pertanian (Aggarwal 1991)
Powersim adalah perangkat lunak simulasi yang digunakan untuk membuat pemodelan. Powersim secara dinamis terkait dengan Microsoft Excel. Powersim mampu mentransfer input dan output langsung ke Microsoft Excel. Paramater yang diperlukan untuk model kalkulasi dengan menggunakan SIG dan kemudian dimodifikasi dalam Microsoft Excel yang selanjutnya akan digunakan model Powersim. Setelah model berjalan, ouput disimpan dalam Microsoft excel yang digunakan untuk membuat peta dalam SIG Gambar 2.
Gambar 2 Diagram alir interaksi antara Powersim, Microsoft Excel dan SIG (Carlos 2006)
MODEL SIMULASI
DATA IKLIM DATA TANAH
KELUARAN
PEMETAAN GIS
GIS
6
Perkembangan Model Simulasi
Perkembangan model simulasi melalui beberapa periode/generasi. Pada setiap generasi memunculkan model simulasi yang relevan pada masa generasi tersebut, di antaranya sebagai berikut:
Periode I (1965-1980): tahap wawasan
Generasi ELCROS (ELementary CROp Simulator), merupakan salah satu simulator pertumbuhan tanaman dinamis yang pertama, (de Wit et al. 1970), digunakan untuk studi eksplorasi potensi hasil tanaman. Model ini menggambarkan mekanisme fotosintesis dan respirasi tanaman. ELCROS mengalami perkembangan model simulasi yang lebih komprehensif sehingga melahirkan BACROS (Basic Crops Growth Simulator) (de Wit et al. 1978; Penning de Vries & van Laar 1982). BACROS mensimulasikan pertumbuhan dan transpirasi tanaman pada fase vegetatif untuk tanaman sereal (Dayan et al. 1981).
Periode II (1980-1990) : tahap aplikasi praktis
Pada masa ini dikembangkan model simulasi yang lebih sederhana dinamakan SUCROS (Simple Universal Crop Growth Simulator) (van Keulen et al 1982b) dengan time-step satu hari. SUCROS telah diaplikasikan pada berbagai komoditas tanaman seperti: gandum, kentang dan kedelai.
Salah satu model aplikasi berorientasi model yang pertama merupakan generasi dari SUCROS adalah WOFOST (World Food Studies). WOFOST penekanannya pada prediksi hasil, analisis resiko dan perubahan iklim.
Perkembangan terakhir (1990-1995): operasional
Pendekatan sistem merupakan alat dan metode logika dalam pemecahan masalah yang memungkinkan untuk mengidentifikasi, menganalisis dan mensimulasikan suatu model sistem yang dirancang untuk mencapai tujuan yang diinginkan (Manetsch dan Park 1977). Sementara untuk mempelajari suatu masalah dengan pendekatan sistem, perhatian perlu dipusatkan pada hubungan antar berbagai komponen yang menyusun sistem secara keseluruhan (Roberts et al. 1983).
Law dan Kelton (1991) menyatakan bahwa untuk mempelajari suatu sistem dengan melakukan eksperimen langsung pada sistem yang nyata (real) akan membutuhkan biaya (cost) yang mahal, di samping kemungkinan akan merusak sistem yang ada. Oleh karena itu, untuk menghindari hal tersebut perlu dibangun suatu model yang merupakan representasi dari sistem nyata yang akan kita pelajari. Sedangkan Cover (1996) mengemukakan bawa model merupakan alat (tool) penyelidikan yang dapat digunakan dalam percobaan untuk mengetahui berbagai perubahan yang terjadi dalam sistem tanpa merusak sistem tersebut. Kualitas suatu model sangat bergantung pada kualitas dari elemen-elemen pengetahuan dan data yang tersedia.
Sistem Informasi Geografis
7
kesatuan formal yang terdiri dari berbagai sumberdaya fisik dan logika yang berkenaan dengan obyek-obyek yang terdapat di permukaan bumi. Rice (2000), mendefinisikan SIG sebagai suatu sistem komputer untuk memasukkan (capturing), menyimpan, mengintegrasikan, memanipulasi, menganalisis, dan menampilkan data yang berhubungan dengan posisi-posisi di permukaan bumi. Secara umum SIG didefinisikan sebagai sebuah sistem informasi yang mengelola, memanipulasi dan menganalisis data spasial. Karakteristik penting dari SIG adalah menghubungkan antara fitur geografis yang direpresentasikan pada peta (map) dengan data atribut yang menjelaskan fitur geografis. SIG merupakan sistem kompleks yang biasanya terintegrasikan dengan lingkungan sistem-sistem komputer yang lain di tingkat fungsional dan jaringan. Pengembangan aplikasi GIS kedepannya mengarah kepada aplikasi berbasis Web yang dikenal dengan Web GIS. Menurut Chang (2008) komponen sistem informasi geografis (SIG) adalah sebagai berikut:
1. Sistem Komputer
Sistem komputer termasuk komputer dan sistem operasi digunakan untuk menjalankan SIG. Sistem operasi yang digunakan adalah windows, Mac OS X, Linux. Sementara itu peralatan tambahannya terdiri dari monitor untuk menampilkan hasil, digitasi dan scanner digunakan sebagai input data spasial. Printer untuk mencetak data.
2. Perangkat Lunak SIG
Perangkat lunak SIG meliputi program dan antarmuka pengguna (user interface) untuk mengendalikan perangkat keras (hardware). Antarmuka pengguna yang umumnya terdapat dalam SIG adalah menu, ikon grafis, dan baris perintah.
3. Orang
Orang yang profesional dalam SIG dan pengguna yang mempunyai alasan dan tujuan tertentu untuk menggunakan SIG.
4. Data
Data terdiri dari berbagai macam masukan (input) yang diolah oleh sistem sehingga akan menghasilkan informasi.
5. Infrastruktur
Infrastruktur di antaranya adalah organisasi, administrasi, dan lingkungan budaya yang mendukung operasional SIG. Infrastruktur meliputi keterampilan yang diperlukan, standar data dan pola organisasi umum.
Komponen Dasar WebSIG
8
(user interface) untuk interaksi pengguna dengan WebSIG. Web server menerima request dari client kemudian diteruskan ke map server untuk memproses request dari client. Data server menyediakan data spasial dan non spasial melalui Structured Query Language (SQL) (Peng et al. 2003). Arsitektur WebSIG seperti tersaji pada Gambar 3.
Gambar 3 Arsitektur SIG berbasis Web (Alesheikh et al. 2002)
Client adalah tempat bagi pengguna untuk berinteraksi dengan fungsi analisis dan obyek spasial di dalam WebSIG, juga merupakan tempat untuk WebSIG menampilkan output untuk pengguna. Web server berfungsi merespon request dari web browser melalui HTTP. Ada beberapa cara web server dalam merespon client request, yaitu 1) dengan mengirim dokumen HTML yang ada atau gambar map yang tersedia ke client, 2) dengan mengirim java applets dan kontrol ActiveX ke web client. Map server, merespon request spatial, melakukan analisis spasial, menghasilkan dan mengirim map ke client sesuai permintaan pengguna. Data server, menyediakan data spasial dan non spasial dalam struktur basis data relasional atau non relasional. Aplikasi klien seperti web klien atau map server mendapatkan akses server melalui SQL.
3 BAHAN DAN METODE
Waktu dan Tempat Penelitian
Penelitian dilakukan di Laboratorium System Dynamic, Balai Penelitian Tanaman Aneka Kacang dan Umbi (Balitkabi) Malang dan di Laboratorium Software Enginering dan Information System, Departemen Ilmu Komputer – IPB Dramaga Bogor, antara bulan Januari 2014-Juli 2014.
Bahan
9
Alat
Perangkat keras atau alat yang digunakan di antaranya: komputer personal
dengan spesifikasi Prosesor: Intel® Core™ i5-3337U CPU@ 1.80 GHz, 4 GB RAM dan perangkat lunak yang digunakan: Windows 8 sebagai sistem operasi, Quantum GIS 2.0, Powersim, Microsoft Excel, Open GeoSuite 3.0, PostgresSQL 9.2.
Wilayah Penelitian
Propinsi Jawa Timur adalah penghasil kedelai terbesar di Indonesia dan sebagai penyumbang produksi kedelai nasional yang cukup besar. Sebagai salah satu sentra produksi kedelai diharapkan Propinsi Jawa Timur dapat terus meningkatkan produksi kedelainya. Kontribusi kedelai di Propinsi Jawa Timur terhadap produksi nasional tahun 2012 adalah sebesar 361.986 ton, dengan luas panen 220.815 ha, dengan rata-rata produktivitas 16.39 ku/ha (ARAM Juli 2012 BPS). Dengan melihat data tersebut maka Jawa Timur haruslah mendapat satu perhatian khusus untuk mendukung perkembangan atau setidaknya bertahan sebagai petani kedelai terbesar di Indonesia. Secara agregat produksi kedelai Indonesia masih belum mencukupi, terlihat dari adanya impor yang dilakukan pemerintah dalam menanggulangi kekurangan tersebut. Peningkatan produksi kedelai di Jawa Timur terus dilakukan dengan berbagai upaya, antara lain perluasan area, perbaikan teknologi budidaya, dan peningkatan mutu benih.
10
Tabel 1 Luas panen, produktivitas dan produksi kacang kedelai di Jawa Timur 2011
Kabupaten/Kota Luas Panen Produktivitas Produksi (Ha) (ton/Ha) (Ton)
11
Propinsi Jawa Timur memiliki areal cukup luas, sehingga dapat memberikan kontribusi terhadap produksi kedelai nasional yang cukup signifikan. Luas areal tanaman kedelai di Jawa Timur pada tahun 2012 mengalami penurunan sebesar 12%, dari seluas 252.815 ha pada tahun 2011 menjadi 220.815 ha pada tahun 2012. Namun produktivitas hasil kedelai tahun 2102 justru mengalami kenaikkan sebesar 11% dibanding tahun sebelumnya Tabel 2. Peningkatan produktivitas didukung oleh teknologi budidaya kedelai yang semakin baik. Persentase kontribusi Propinsi Jawa Timur terhadap produksi kedelai nasional dari tahun 2008 hingga 2012 dapat di lihat pada Gambar 4.
Tabel 2 Luas panen, produktivitas, dan produksi tanaman kedelai Provinsi Jawa Timur tahun 2008-2012
Gambar 4 Kontribusi Provinsi Jawa Timur terhadap produksi kedelai nasional 2008-2012 (Sumber: diolah dari data BPS 2013)
Kondisi Iklim
Potensi hasil kedelai di beberapa kabupaten di Jawa Timur diprediksi dengan menggunakan input data iklim, yaitu suhu minimum (oC), suhu maksimum (oC) dan radiasi surya seperti terlihat dalam Tabel 3. Model simulasi SUCROS.SIM untuk prediksi potensi hasil kedelai menggunakan input data partisi asimilat kedelai yang bersifat umum. Data suhu minimum dan maksimum serta radiasi surya menggunakan data yang paling dekat dengan stasiun
12
klimatologi yang ada pada suatu kabupaten (Tabel 3). Suhu udara minimm di Kabupaten Probolinggo antara tahun 2008-2012 berkisar antara 21.8oC-22 oC, sementara suhu maksimumnya antara 32.1 oC-32.8 oC. Di Kabupaten Pacitan dengan ketinggian tempat yang sama dengan Kabupaten Probolinggo yaitu 10 m dpl kisaran suhu udara juga hampir sama, yaitu suhu minimum antara 21.8o C-besarnya potensi hasil kedelai.
Tabel 3 Data suhu dan radiasi surya yang digunakan dalam model simulasi potensi hasil kedelai (SUCROS.SIM) di Jawa Timur, 2013
Rata-rata 1 Staklim Kr. Ploso-Malang, koordinat: 07o45’48”
LS, 111o35’48” BT, 600 m dpl. Ds. Ngijo, Kec. 2 Stamet Banyuwangi: koordinat: 08o13’ LS,
114o23’ BT, 50 m dpl. Ds. Mojopanggung, Kec.
10 m dpl, Ds. Sambong, Kec. Pacitan, Kab. Pacitan
2008 22.7 30.0 408 2009 22.4 30.8 425 2010 23.2 31.2 435 2011 21.8 30.7 409 2012 22.0 30.0 389 5 Bendungan Wlingi: koordinat 08o08’36” LS,
101o52’24” BT, 174 m dpl, Ds. Wlingi, Kec.
10 m dpl, Ds. Muneng Kidul, Kec. Sumberasih, Kab. Probolinggo**) Sumber: BMKG Karangploso Malang 2013
*)
Data Radiasi matahari yang ada hanya Staklim Karangploso
**)
13
Tahapan Penelitian
Penelitian ini dilaksanakan dalam dua tahapan utama yaitu penggunaan model simulasi SUCROS.SIM (Simple Universal Crop Growth Simulator) untuk menentukan potensi hasil dan produksi kedelai dan pembangunan WebSIG untuk mengelola dan memvisualisasikan data potensi hasil dan produksi kedelai berbasis model SUCROS.SIM.
Penentuan Potensi Hasil dan Produksi Kedelai Menggunakan Model Simulasi SUCROS.SIM
Potensi hasil tanaman kedelai diprediksi dengan menggunakan model SUCROS.SIM melalui validasi model. Input data yang digunakan adalah nilai partisi asimilat tanaman kedelai ke batang, daun, akar, dan biji serta data iklim yaitu radiasi surya, suhu maksimum dan minimum. Data iklim tahun 2008-2012 dikumpulkan dari stasiun klimatologi Karangploso Malang (BMKG Malang). Hasil simulasi yang berupa potensi hasil biji kemudian dibandingkan dengan data hasil aktual kedelai pada masing-masing lokasi kabupaten tahun 2008 hingga 2012. Selanjutnya nilai RMSE (Root Mean Square Error) dan koefisien determinasi (R2) model simulasi potensi hasil kedelai ditentukan. Data varietas yang digunakan adalah Wilis, Bromo, Galunggung, No 29, dan Argomulyo merupakan varietas kedelai yang banyak dibudidayakan petani di Jawa Timur (Heriyanto 2012). Tahapan penelitian dengan model simulasi tersaji pada Gambar 5.
RMSE adalah parameter yang digunakan untuk mengukur perbedaan antara nilai prediksi potensi hasil kedelai menggunakan model simulasi SUCROS.SIM dengan data pengamatan. Nilai RMSE menunjukkan tingkat akurasi model. Semakin kecil nilai RMSE, semakin tinggi tingkat akurasi dari model simulasi tersebut. Rumus untuk menghitung RMSE adalah sebagai berikut (Ghamari et al. 2011)
√ ∑
dengan, Xm : hasil simulasi potensi hasil kedelai (ton/ha) Xp : pengamatan hasil kedelai (ton/ha)
n : waktu pengamatan (tahun).
Nilai koefisien determinasi model simulasi dihitung menggunakan persamaan sebagai berikut (Ghamari et al. 2011)
[∑ ̅ ̅ ] ∑ ̅ ̅
dengan, Xp : pengamatan prediksi hasil kedelai (ton/ha) ̅ : rata-rata data output
14
Mulai
Identifikasi Elemen Sistem
Simulasi SUCROS.SIM
Model Simulasi Prediksi Potensi Hasil Kedelai
Model potensi hasil memenuhi RMSE dan R2 yang
ditentukan
Perbaikan Model Visualisasi Model
dalam WEBSIG
Input data: Suhu (min, maks), Radiasi, Latitude
Ya Tidak
Gambar 5 Tahapan penelitian model simulasi SUCROS.SIM
Identifikasi Elemen Sistem
Elemen-elemen dari sistem yang saling berhubungan mengikuti aturan tertentu. Keterkaitan antar elemen yang ada pada suatu sistem untuk mencapai tujuan suatu sistem.
Simulasi Model SUCROS.SIM
Setelah elemen-elemen sistem yang mendukung simulasi teridentifikasi langkah selanjutnya membuat simulasi model. Keterkaitan antarelemen akan menghasilkan output dari hasil simulasi.
Perbaikan Model
Evaluasi atau perbaikan model dilakukan jika model yang dihasilkan tidak memenuhi RMSE dan R2 yang ditentukan.
Visualisasi Model
Hasil simulasi nilai potensi hasil divisualisasikan dalam bentuk peta sebaran potensi hasil kedelai dalam sistem informasi geografis.
Pembangunan Sistem Informasi Geografis
15
Analisis Kebutuhan
Perancangan Konseptual
Akuisisi Perangkat Keras dan Perangkat Lunak
Perancangan dan Pengelolaan Basis data
Perancangan Antarmuka (Interface)
Implementasi WebSIG
Pengujian Sistem Pengumpulan Data
Gambar 6 Tahapan pembuatan webSIG Analisis Kebutuhan
Analisis adalah tahapan untuk mengetahui kebutuhan dari sistem. Tahapan ini akan menjelaskan solusi permasalahan yang diperoleh dari pengembangan sistem aplikasi berbasis web dan sesuai dengan informasi yang didapat. Tahapan analisis merumuskan spesifikasi kebutuhan perangkat lunak, dimulai dari spesifikasi pengguna, kebutuhan pengguna, kebutuhan data, dan kebutuhan fungsional sistem.
Pengumpulan Data
16
Perancangan Konseptual
Perancangan konseptual meliputi perancangan konseptual basisdata dan desain proses dari sistem, dan perancangan antarmuka. Perancangan basisdata mengidentifikasikan data yang dibutuhkan. Data yang dibutuhkan dalam penelitian ini adalah data suhu harian oC (min dan maks) tahun 2008-2012, data radiasi, partisi asimilat, dan latitude.
Akuisisi Perangkat Keras dan Perangkat Lunak
Tahapan ini dilakukan untuk merancang perangkat keras dan perangkat lunak yang digunakan dalam pengembangan sistem, berdasarkan fungsionalitas sistem. Perangkat keras yang dibutuhkan harus mampu menjalankan perangkat lunak yang dipilih. Perangkat lunak yang dibutuhkan dalam pengembangan sistem ini adalah perangkat lunak untuk pembuatan data spasial, sistem manajemen basisdata, dan pengembangan sistem pemetaan berbasis web.
Perencanaan dan Perancangan Basis Data
Tahapan ini dilakukan dengan melakukan perancangan logik dan fisik basis data. Perancangan logik merupakan perancangan basis data dengan membuat diagram hubungan antartabel. Namun pada penelitian ini tidak ada hubungan antar tabel. Perancangan fisik dilakukan dengan memilih atribut yang ada dalam masing-masing tabel. Setelah dilakukan perencanaan basisdata maka dilakukan pembangunan basis data. Pembangunan basis data ini dilakukan dengan menentukan inputan tipe data spasial dan atribut ke dalam basis data.
Perancangan Antarmuka
Data yang telah ada diolah sehingga dapat ditampilkan melalui sistem. Perancangan antarmuka dilakukan pada isi, arsitektur aplikasi dan informasi, desain antarmuka, dan struktur navigasi.
Implementasi WebSIG
Perangkat dan teknologi diaplikasikan untuk membangun aplikasi web yang telah dirancang. Pengembangan aplikasi dilakukan dengan melakukan konfigurasi layer pada geoserver. Geoserver berfungsi untuk mengatur layer yang akan ditampilkan, sumber data yang diperoleh, dan cara menampilkan peta.
Sistem yang telah dirancang pada tahap perancangan akan direalisasikan pada tahap implementasi. Pada tahap ini dilakukan implementasi basis data, implementasi server peta, dan implementasi antarmuka.
Pengujian
17
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.
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).
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.
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.
Max 2012 2011 2010 2009 2008 Min 2012 2011 2010 2009 2008
0
Max 2012 2011 2010 2009 2008 Min 2012 2011 2010 2009 2008
0
Max 2012 2011 2010 2009 2008 Min 2012 2011 2010 2009 2008
0
Max 2012 2011 2010 2009 2008 Min 2012 2011 2010 2009 2008
0
20
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
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 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)
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
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
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
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
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,
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
Peta dapat bergeser Sukses
Zoom (-) Zoom (+)
30
5 SIMPULAN DAN SARAN
Simpulan
Pemodelan simulasi SUCROS.SIM cukup handal digunakan untuk prediksi potensi hasil dan produksi kedelai di Jawa Timur, dengan RMSE adalah 0.18 dan 0.31. Prediksi potensi hasil kedelai model simulasi SUCROS.SIM cukup layak divisualisasikan dengan WebSIG dengan nilai R2 adalah 0.858 – 0.912. Kabupaten yang mempunyai potensi hasil tinggi berdasarkan hasil simulasi SUCROS.SIM di Jawa Timur, yaitu Kabupaten Malang, Trenggalek, dan Magetan. WebSIG potensi hasil dan produksi kedelai di Jawa Timur mempunyai fitur utama yaitu peta sebaran potensi hasil kedelai dari setiap kabupaten di Jawa Timur, tabel potensi hasil, produksi dan senjang hasil kedelai, grafik potensi hasil, produksi dan senjang hasil kedelai tingkat kabupaten di Jawa Timur dan beberapa fungsi tambahan lain untuk explorasi peta. Hasil pengujian sistem 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.
Saran
Untuk meningkatkan validitas dari model simulasi yang divisualisasikan dengan SIG, disarankan membuat basis data penelitian partisi asimilat setiap varietas unggul kedelai, dan pengembangan basis data iklim (suhu dan radiasi).
DAFTAR PUSTAKA
Aggarwal, P.K. 1991. Agro-ecological zoning using crop growth models. Characteriszation of wheat environments of India. Paper presented at International Symposium on System Approaches for Agriculture Development. IRRI-CABO-AIT-SARP. AIT. 2-6 December 1991. Bangkok, Thailand. pp 97-109. DOI 10.1007/978-94-011-2842-1_6
Alesheikh, Helali & Behroz (2002), Web GIS: Technologies and Its Applications, Symposium on Geospatial Theory, Processing and Applications, Ottawa 2002.
Badan Meteorologi Klimatologi dan Geofisika. 2013. Klimatologi. Stasiun Klimatologi Karang Ploso. Malang.
Badan Pusat Statistik, 2012. http://www.bps.go.id/tnmn_pgn.php?kat=3 [diunduh 10 September 2013].
Badan Pusat Statistik, 2013. http://www.bps.go.id/tnmn_pgn.php?kat=3 [diunduh 20 Agustus 2014].
Boer R, Las I, Notodiputro K.A. 1998. Analisis Resiko Kekeringan untuk Pengembangan dan Produksi Kedelai di Flores, Nusa Tenggara Timur. Laporan Akhir Riset Unggulan Terpadu IV (1996-1998). Kantor Menteri Negara Riset dan Teknologi. Jakarta. Dewan Riset Nasional.
31
Geographical Information Systems (GIS) and System Dynamic. http://proceedings.esri.com/library/userconf/proc06/papers/papers/pap_11 63.pdf. [diunduh Oktober 2013].
Cover, J. 1996. Introduction to System Dynamics. Powersim Press. Resto. USA. Dayan, E., van Keulen, H. & Dovrat, A. 1981. Experimental evaluation of a crop
growth simulation model. A case study with Rhodes grass. Agro-ecosystem 7(1981), 113--126. Amsterdam, Netherlands. doi 10.1016_0304-3746(81)90025-1
de Wit, C. T. 1970. Dynamic concepts in biology. In Prediction and management of photosynthetic productivity, Proceedings International Biological Program: Plant Production Technical Meeting, Trebon,
de Wit, C. T. 1978. Simulation of assimilation, respiration and transpiration of crops. Simulation Monographs, PUDOC, Wageningen, The Netherlands. 148 pp.
Direktorat Jenderal Tanaman Pangan. 2010. Road Map Peningkatan Produksi
Kedelai Tahun 2010−2014. Direktorat Jenderal Tanaman Pangan, Jakarta.
53 hlm.
Engel, T., Hoogenboom, G., Jones, J.W., Wilkens, P.W. 1997. AEGIS/WIN : A Computer Program for the Application of Crop Simulation Models Across Geographic Areas. Agonomy Journal. 89(6): 919-928.
Ghamari A., Rabbani H., and Khazael J. 2011. Mathematic model for predicting the terminal velocity of chickpea, rice and lentil. J. World App. Sci. 15(11):1557-1561.
Georgiev, G.A, Hoogenboom, G. Raghupathy, K. 1998. Regional Yield Estimation Using a Linked Geographic Information System, Crop Growth Models and a Weather Observation Network. Proc. Institute of Biological Engineering 1:B135-B145, IBE Publication, Athens.
Handoko. 1994. Dasar Penyusunan dan Aplikasi Model Simulasi Komputer untuk Pertanian. Jurusan Geofisika dan Meteorologi, FMIPA-IPB, Bogor. Handoko. 2005. Quantitative Modeling of System Dynamics for Natural
Resources Management. Seameo Biotrop. Bogor. 80 p.
Hartkamp, A.D., White J.W. Hoogenboom, G. 1999. Interfacing Geographic Information System with Agronomic Modeling. A Review. Agronomy Journal 91(5):762-772.
Heriyanto 2012. Upaya Percepatan Penyebaran Varietas Unggul Kedelai Di Pulau Jawa. Hlm 272-282. Prosiding Seminar Nasional Hasil Penelitian Tanaman Aneka Kacang dan Umbi Tahun 2012. Pusat Penelitian dan Pengembangan Tanaman Pangan Badan Penelitian dan Pengembangan Pertanian Bogor 2013
Hoover, S.V. and R. F. Perry. 1989. Simulation A Problem Solving Approach. Addison-Wesley Publish. Com. Inc. NY. Simulation Model. User Guide. Florida: University of Florida & IBSNAT.
