Agroteknika
Agroteknika adalah jurnal nasional untuk publikasi kajian ilmiah hasil penelitian pada bidang teknologi pertanian dengan ruang lingkup: mekanisasi pertanian, teknologi pangan, irigasi, teknologi informasi pertanian, teknologi budidaya tanaman, energi terbarukan, sistem informasi geografis, bioinformatika dan topik kajian lain yang relevan.
Agroteknika telah DIAKREDITASI dengan peringkat SINTA 3 oleh Kementerian Riset dan Teknologi/Badan Riset dan Inovasi Nasional Republik Indonesia sebagai pencapaian untuk jurnal peer-review. Pengakuan ini diterbitkan dalam Keputusan Menteri Riset dan Teknologi/Kepala Badan Riset dan Inovasi Nasional Republik Indonesia, Nomor 85/M/KPT/2020, 1 April 2020, efektif dari Vol 1 No 1 2018.
Penulis yang diterbitkan naskahnya pada jurnal Agroteknika telah menyetujui ketentuan berikut:
1. Hak cipta pada setiap artikel adalah milik penulis.
2. Penulis mengakui bahwa Agroteknika berhak sebagai yang menerbitkan pertama kali dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License. 3. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusikan dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, website, publikasi ke dalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada Agroteknika.
Agroteknika menerbitkan berdasarkan ketentuan Creative Commons Attribution-ShareAlike 4.0 International License. Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.
Indeks & Abstrak:
EDITORIAL TEAM Editor in Chief
Hendra, S.Kom, M.Kom
Thomson Reuters ID: G-8963-2019 Politeknik Pertanian Negeri Payakumbuh Editorial Board:
1. Ahmad Fadholi, S.Si, M.Sc, Ph.D. Scopus ID: 57195432490 Universiti Kebangsaan Malaysia (UKM)
2. Dr. Arridina Susan Silitonga, ST, M.Eng, Scopus ID: 57196348984 Politeknik Negeri Medan
3. Dr. Eng. Muhammad Makky, Scopus ID: 55630259900 Universitas Andalas
4. Noer Syamsiana, ST, PhD, Scopus ID: 53265202500 Politeknik Negeri Malang
5. Dharma Aryani, S.T, M.T, Phd, Scopus ID: 35182491300 Politeknik Negeri Ujung Pandang
6. Dr. Nasmi Herlina Sari, ST, MT, Scopus ID: 57192905081 Universitas Mataram
7. Dr. Farah Fahma, STP, MT, Scopus ID: 36536701900 Institut Pertanian Bogor
8. Dr. Mochamad Asrofi, ST., Scopus ID: 57193698037 Universitas Jember
9. Dr. Oktaf Rina, Scopus ID: 57192168344 Politeknik Negeri Lampung
Technical Editors:
1. Dr. Edi Syafri, ST, M.Si. Scopus ID: 57196348984 Politeknik Pertanian Negeri Payakumbuh
2. Sri Aulia Novita, S, TP, MP. Scopus ID: 57189368124 Politeknik Pertanian Negeri Payakumbuh
Editorial Assistant: Yulia Chyntia Hariati, ST Sekretariat
Jurusan Teknologi Pertanian, Politeknik Pertanian Negeri Payakumbuh Jl. Raya Negara Km.7 Tanjung Pati 26271 Kec. Harau Kab. Limapuluh Kota Prov. Sumatera Barat
www.agroteknika.id
UCAPAN TERIMA KASIH
Kami dari tim editor mengucapkan terima kasih kepada semua reviewer atas kontribusi dan upaya untuk mempertahankan standar jurnal peer-review.
Perdana Putera, ST, M.Eng, University of Nottingham Prof. Dr. Ir. Jeanne M. Paulus, MS, Universitas Sam Ratulangi
Jamaluddin, M.Si, Politeknik Pertanian Negeri Payakumbuh
Wismaroh Sanniwati Saragih, SP, M.Si, Universitas Pembinaan Masyarakat Indonesia Dr. Rilma Novita, S.TP, MP, Politeknik Pertanian Negeri Payakumbuh
Anna Kusumawati, SP, M.Sc, Politeknik LPP Yogyakarta
Dr. Neni Trimedona, S.Si, M.Si, Politeknik Pertanian Negeri Payakumbuh Isna Tustiyani, SP, M.Si, Universitas Garut
DAFTAR ISI
Volume 3, Nomor 2, Halaman 67-119 Desember 2020
Penerapan Teknologi Visible-Near Infrared Spectroscopy untuk Prediksi Cepat dan Simultan Kadar Air Buah Melon (Cucumis melo L.) Golden
Yuda Hadiwijaya, Kusumiyati, Agus Arip Munawar ... 67-74 Analisis Pertumbuhan Padi Lokal Aksesi PH 1 Menggunakan
Penambahan Pupuk Silika Padat pada Kondisi Salin
Nasrudin, Arrin Rosmala ... 75-84 Pemanfaatan Pupuk Organik Cair Nasa dalam Meningkatkan Produktivitas
Bawang Merah di Daerah Wamena
Sumiyati Tuhuteru, Inrianti, Maulidiyah, Muhammad Nurdin ... 85-98 Analisis Variasi Konsentrasi Asam Sulfat sebagai Aktivasi Arang Aktif
Berbahan Batang Tembakau (Nicotiana Tabacum)
Mohammad Amirudin, Elida Novita, Tasliman ... 99-108 Rancang Bangun dan Analisis Mesin Pengupas Kulit Kacang Tanah
Tipe Silinder Horizontal
Muhammad Anwar, Aldi Pratama, Rio Andria Saputra, Nur Kholilah,
Agroteknika 3 (2): 67-74 (2020)
AGROTEKNIKA
ISSN: 2685-3450 (Online) www.agroteknika.id ISSN: 2685-3450 (Print)
Diterima: 24 September 2020 Disetujui: 19 Desember 2020 Diterbitkan: 30 Desember 2020
Doi: https://doi.org/10.32530/agroteknika.v3i2.83
Artikel ini adalah artikel open access di bawah lisensi CC BY-SA 4.0
67 Penerapan Teknologi Visible-Near Infrared Spectroscopy untuk Prediksi Cepat dan
Simultan Kadar Air Buah Melon (Cucumis melo L.) Golden
Application of Visible-Near Infrared Spectroscopy Technology for Rapid and Simultaneous Prediction of Water Content in Golden Melon (Cucumis melo L.) Fruit
Yuda Hadiwijaya*,1, Kusumiyati2, Agus Arip Munawar3
1Program Studi Magister Agronomi, Fakultas Pertanian, Universitas Padjadjaran, Indonesia 2Departemen Budidaya Pertanian, Fakultas Pertanian, Universitas Padjadjaran, Indonesia 3Program Studi Teknik Pertanian, Fakultas Pertanian, Universitas Syiah Kuala, Indonesia
*Penulis Korespondesi
Email: yuda09001@mail.unpad.ac.id
Abstrak. Kadar air merupakan salah satu atribut kualitas yang penting pada komoditas hortikultura. Penetapan kadar air buah melon dengan metode konvensional memakan waktu yang lama dan perlu merusak sampel buah. Penelitian ini bertujuan untuk memprediksi kadar air buah melon golden menggunakan teknologi visible-near infrared spectroscopy (Vis-NIRS). Metode koreksi spektra orthogonal signal correction (OSC) diterapkan pada spektra original untuk meningkatkan kehandalan model kalibrasi. Partial least squares regression (PLSR) digunakan sebagai metode pendekatan regresi untuk mengekstraksi data spektra Vis-NIRS. Hasil penelitian membuktikan bahwa Vis-NIRS dapat diandalkan untuk memprediksi kadar air buah melon golden. Metode koreksi spektra OSC mampu memperkecil jumlah principal component (PC) pada spektra original. Linieritas pada model kalibrasi menggunakan spektra OSC tercatat memperoleh nilai tertinggi sebesar 0,92. Ratio of performance to deviation (RPD) pada spektra OSC menampilkan nilai tertinggi pula yaitu 3,63. Model kalibrasi yang diperoleh pada penelitian ini dapat ditransfer ke dalam spektrometer Vis-NIRS untuk prediksi kadar air melon golden secara cepat dan simultan. Kata kunci: visible-near infrared spectroscopy, kadar air, buah melon golden
Abstract. Water content is an important quality attribute of horticultural commodities. Determination of water content in melon fruit using conventional methods is time-consuming and required to destruct the fruit samples. The research aimed to predict the water content of golden melon using visible-near infrared spectroscopy (Vis-NIRS) technology. Orthogonal signal correction (OSC) spectra correction was applied to the original spectra to increase the calibration model's reliability. Partial least squares regression (PLSR) was utilized as a regression approach method to extract Vis-NIRS spectra data. The results proved that Vis-NIRS was reliable to predict water content in golden melon. OSC spectra correction was able to minimize the number of principal components (PC) in the original spectra. Linearity in the calibration model using OSC spectra yielded the highest value of 0.92. The ratio of performance to deviation (RPD) in OSC spectra displayed the highest score of 3.63. This research's acquired calibration model could be transferred into a Vis-NIRS spectrometer for rapid and simultaneous water content prediction in golden melon.
68 1. Pendahuluan
Buah melon merupakan buah yang digemari oleh masyarakat. Hal ini disebabkan oleh rasanya yang enak dan kandungan nutrisi yang terkandung didalamnya. Komoditas hortikultura, khususnya buahan memiliki sifat yang mudah rusak. Ini dikarenakan komoditas buah-buahan mengandung kadar air yang tinggi. Kadar air merupakan besarnya kandungan air yang terdapat pada suatu bahan. Umumnya, nilai kadar air dinyatakan dalam nilai persen. Kadar air dalam buah dapat mempengaruhi tampilan, tekstur, dan juga rasa. Di samping itu, kadar air buah dapat menentukan tingkat kesegaran dan ketahanan simpan buah tersebut. Dalam industri produk pertanian, nilai kadar air penting untuk diketahui guna menentukan penanganan yang tepat bagi komoditas buah tersebut.
Penentuan nilai kadar air pada komoditas buah-buahan umumnya dilakukan dengan metode pengeringan menggunakan oven. Prinsipnya adalah menguapkan air pada sampel dengan suhu dan waktu tertentu hingga bobot sampel tidak berubah (konstan). Nilai persentase kehilangan bobot sebelum dan sesudah dikeringkan dihitung sebagai nilai kadar air. Penggunaan metode pengukuran kadar air dengan cara ini memerlukan waktu yang lama dan buah yang diukur harus didestruksi (rusak). Hal ini menyebabkan buah yang telah diukur kadar airnya tidak dapat dipasarkan.
Visible-Near Infrared Spectroscopy (Vis-NIRS) adalah suatu teknologi yang memanfaatkan interaksi antara gelombang elektromagnetik dan struktur molekul sampel (bahan organik) pada wilayah panjang gelombang yang mencakup sinar tampak (visible) dan inframerah dekat. Teknologi ini banyak digunakan untuk prediksi kualitas pada komoditas pertanian secara nondestruktif. Kelebihan dari teknologi Vis-NIRS yaitu pengukurannya cepat, simultan, tanpa memerlukan bahan kimia, dan tidak merusak sampel. Oleh karena itu sampel yang sudah diukur parameter kualitasnya menggunakan Vis-NIRS masih tetap dapat dipasarkan, karena kondisi sampel masih utuh.
Berkembangnya penelitian mengenai penggunaan Vis-NIRS didorong pula oleh kemajuan zaman dan teknologi yang menuntut penerapan teknologi yang dapat menghemat waktu dan ramah lingkungan. Teknologi Vis-NIRS untuk memprediksi kualitas pada produk pertanian telah dilakukan pada buah markisa (Maniwara et al., 2014), buah delima (Khodabakhshian et al., 2017), buah ceri (Shao et al., 2019), buah beri (Ribera et al., 2016), melon (Hadiwijaya et al., 2020) dan buah stroberi (Shen et al., 2018). Pada penelitian lain, Vis-NIRS dapat digunakan untuk mengelompokkan masing-masing komoditas buah-buahan dan sayuran buah berdasarkan spektra serapannya (Kusumiyati et al., 2019). Penerapan Vis-NIRS untuk memprediksi kadar air pada komoditas pertanian telah dilakukan pada buah jambu (Kusumiyati et al., 2019), daun sirih (Zhang
et al., 2012), rumput (Jin et al., 2017), dan buah sawo (Kusumiyati et al., 2018). Namun, penerapan teknologi Vis-NIRS untuk prediksi kadar air buah melon golden belum pernah dilakukan.
Agroteknika 3 (2): 67-74 (2020)
69 Maka dari itu, pada penelitian ini diaplikasikan teknologi Vis-NIRS untuk memprediksi kadar air pada buah melon Golden. Dikaji pula linieritas hubungan antara data spektra buah melon dan hasil pengukuran kadar air buah melon. Selain itu, diterapkan metode koreksi pada spektra original dan dipelajari pengaruhnya terhadap nilai linieritas. Tujuan utama dari penelitian ini yaitu memperoleh model kalibrasi yang memiliki nilai linieritas tinggi, tangguh, dan dapat diandalkan untuk memprediksi kadar air buah melon Golden menggunakan teknologi Vis-NIRS secara cepat dan simultan.
2. Bahan dan Metode
Pelaksanaan budidaya tanaman melon Golden dilakukan di daerah Jatinangor, Sumedang. Penanaman tanaman melon dilakukan di dalam rumah kasa (screenhouse). Tanaman melon yang digunakan pada penelitian ini adalah varietas Mekarsari SH-1. Pemananenan dilakukan pada tanaman melon yang berumur 65-70 hari setelah tanam (HST). Buah dipanen pada kondisi matang komersil. Sebelum dibawa ke laboratorium, sampel dibersihkan terlebih dahulu dari berbagai macam kotoran dan tanah. Sampel merupakan buah dengan kondisi yang baik, bebas hama & penyakit, dan tidak terdapat cacat fisik. Jumlah sampel buah melon yang digunakan pada penelitian ini adalah sebanyak 82 sampel.
Spektrometer yang digunakan yaitu Nirvana AG410 pada rentang panjang gelombang 381-1065 nm (Gambar 1). Pengambilan data spektra sampel dilakukan cara meradiasi sampel pada 6 titik yang tersebar pada bagian pangkal, tengah, dan ujung buah melon. Spektra yang diperoleh dari pengambilan data spektra sampel adalah reflectance yang kemudian secara otomatis dikonversi menjadi absorbance. Data spektra sampel tersimpan dalam memory penyimpanan spektrometer. Kemudian data spektra ditransfer ke komputer menggunakan perangkat lunak (software) Integrated Software for Imagers and Spectrometers (ISIS).
Setelah data spektra pada sampel diambil, sampel kemudian didestruksi dan diiris tipis. Hasil irisan sampel ditimbang dalam aluminium foil cup untuk memperoleh bobot basah sampel. Sampel dikeringkan dalam oven dengan suhu 50ºC hingga diperoleh bobot kering sampel. Kemudian nilai persentase kadar air sampel dihitung.
Data spektra bersama-sama dengan data hasil pengukuran kadar air dianalisis menggunakan software The Unscrambler 10.4 untuk penerapan koreksi pada spektra original dan regresi. Analisis multivariat digunakan untuk proses ekstraksi data spektra yang didapat dari sampel yang diradiasi Vis-NIRS. Namun sebelumnya, data spektra perlu untuk dikoreksi terlebih dahulu dengan tujuan memperbaiki variabel-variabel tidak seragam yang dapat mengurangi linieritas pada tahap pemodelan kalibrasi. Metode koreksi spektra yang diaplikasikan pada penelitian ini adalah orthogonal signal correction (OSC). Sementara itu, pendekatan regresi yang digunakan yaitu
70 partial least squares regression (PLSR). Hasil analisis regresi berupa model kalibrasi, kemudian divalidasi menggunakan teknik validasi silang (cross validation). Selain penerapan validasi silang, model kalibrasi dievaluasi pula dengan mempertimbangkan nilai koefisien determinasi (R2), principal component (PC), root mean squares error of calibration (RMSEC), root mean squares error of cross validation (RMSECV), dan ratio of performance to deviation (RPD).
Gambar 1. Spektrometer Nirvana AG410. 3. Hasil dan Pembahasan
Grafik spektra pada 82 sampel buah melon Golden disajikan pada Gambar 2. Pada spektra absorban sampel buah melon terdapat beberapa puncak dan lembah yang muncul. Adanya puncak dan lembah diakibatkan oleh interaksi antara radiasi yang dipancarkan spektrometer pada panjang gelombang tertentu dan molekul senyawa yang terkandung dalam sampel. Panjang gelombang 970 nm berkorelasi dengan vibrasi ikatan O-H dari molekul air (Allen et al., 2012). Pada riset yang dilakukan oleh Zhang et al. (2012), dilaporkan bahwa panjang gelombang 760 nm berhubungan dengan pita serapan air. Temuan lain didapatkan oleh Martelo-Vidal & Vázquez (2014) yang mengutarakan bahwa pita serapan air ditemukan pula pada panjang gelombang 950 nm.
Pengukuran kadar air secara destruktif dilakukan untuk memperoleh data referensi yang selanjutnya akan digunakan dalam pengembangan model kalibrasi. Berdasarkan hasil pengukuran di laboratorium, kadar air buah melon Golden varietas Mekarsari SH-1 memiliki nilai yang berkisar diantara 94,6 – 96,5% seperti yang ditampilkan pada Tabel 1. Hasil tersebut tidak berbeda jauh dengan prediksi kadar air berdasarkan Vis-NIRS pada spektra original (94,6 – 96,4%) maupun OSC (94,7 – 96,4%). Hasil analisis kalibrasi dan validasi dapat dilihat pada Tabel 1.
Agroteknika 3 (2): 67-74 (2020)
71 Gambar 2. Data spektra original hasil pengukuran pada sampel buah melon Golden Tabel 1. Hasil analisis kalibrasi dan validasi
Spektra Referensi (%) Prediksi Vis-NIRS (%) PC Kalibrasi Validasi RPD R2 RMSEC R2 RMSECV Original 94,6 – 96,5 94,6 – 96,4 7 0,91 0,00095 0,89 0,00112 2,99 OSC 94,6 – 96,5 94,7 – 96,4 1 0,92 0,00090 0,92 0,00092 3,63 Keterangan: PC = principal component, R2 = koefisien determinasi, RMSEC = root mean squares error of calibration,
RMSECV = root mean squares error of cross validation, RPD = ratio of performance to deviation Data spektra original sampel perlu dikoreksi untuk mereduksi efek hamburan cahaya, noises, dan berbagai gangguan spektra lainnya. Penerapan metode koreksi OSC pada spektra original buah melon mampu mereduksi jumlah PC menjadi 1. OSC adalah suatu metode pemrosesan data dengan tujuan membuang informasi yang tidak berkorelasi dengan target. Menurut Boháč et al. (2002), OSC dapat mereduksi sejumlah besar variabel X, sehingga pemodelan kalibrasi PLSR menghasilkan model yang memiliki kemampuan prediksi yang lebih baik. Jumlah PC yang rendah lebih diharapkan pada model kalibrasi Vis-NIRS. Model kalibrasi dengan jumlah PC yang tinggi menandakan tingginya gangguan pada data spektra yang dianalisis (Jankovská & Šustová, 2003). Pemodelan kalibrasi dilakukan dengan meregresikan data spektra Vis-NIRS dan data referensi. Gambar 3 menampilkan model kalibrasi PLSR dan validasi pada masing-masing spektra. Garis regresi dan sebaran data warna biru merupakan hasil pemodelan kalibrasi, sedangkan garis dan sebaran data warna merah adalah hasil validasi. Penetapan model kalibrasi terbaik didasarkan pada koefisien determinasi (R2) dan RPD yang tinggi, selain itu dipertimbangkan pula nilai error yang rendah. Model kalibrasi perlu divalidasi dengan tujuan untuk memverifikasi keakuratan model tersebut. Validasi dilakukan dengan teknik validasi silang (cross validation), 82 sampel diacak dan dibagi kedalam 20 segment, pada masing-masing segment terdapat 4 – 5 sampel. Kemudian 19 segment digunakan untuk memprediksi 1 segment, hal tersebut diulangi hingga keseluruhan segment diprediksi. Model kalibrasi yang baik juga harus memiliki
72 nilai R2 kalibrasi dan RMSEC yang hampir sama dengan R2 validasi dan RMSECV. Rentang nilai koefisien determinasi berkisar antara nol (0) hingga satu (1).
Gambar 3. Model kalibrasi yang dikembangkan dengan pendekatan PLSR dan validasi pada masing-masing spektra
Koefisien determinasi menjelaskan seberapa besar kemampuan dari variabel independen (data spektra Vis-NIRS) dalam menerangkan variasi pada variabel dependen (data referensi). Model kalibrasi yang mempunyai nilai koefisien determinasi mendekati 1 berarti model tersebut memiliki variabel independen yang mampu menjelaskan hampir seluruh variasi pada variabel dependen, hal ini berlaku pula sebaliknya. Pada penelitian ini, model kalibrasi terbaik diperoleh spektra OSC dengan menampilkan nilai R2 sebesar 0,92 dibanding spektra original yang hanya 0,91. Hasil tersebut sesuai dengan riset yang dikerjakan oleh Fan et al. (2018) bahwa penggunaan metode koreksi spektra OSC mampu meningkatkan linieritas model kalibrasi dengan nilai 0,99 pada pendugaan kandungan lemak daging babi. Studi lain melaporkan penggunaan Vis-NIRS dan OSC menghasilkan nilai R2 kalibrasi yang jauh lebih tinggi dari spektra original, yaitu sebesar
73 Agroteknika 3 (2): 67-74 (2020) 0,99 pada estimasi likopen pada buah tomat (Saad et al., 2014). Nilai error (RMSEC dan RMSECV) yang diperoleh pada spektra OSC ialah 0,00090 dan 0,00092 tercatat lebih rendah dari spektra original. Error pada model kalibrasi dihitung dari selisih antara data referensi dan nilai kada air prediksi Vis-NIRS pada masing-masing sampel. Makin rendah nilai error, maka main baik pula model kalibrasi tersebut. Nilai RPD pada spektra OSC adalah 3,63, lebih tinggi dari spektra original yang hanya sebesar 2,99. RPD dihitung guna mengukur seberapa baik performa model kalibrasi yang telah dibangun (Brogna et al., 2018). Nicolaï et al. (2007) menyatakan bahwa nilai RPD lebih dari 3,0 menunjukkan bahwa model kalibrasi telah dikembangkan dengan baik dan dapat diandalkan untuk tahap prediksi.
4. Kesimpulan
Kadar air buah melon Golden dapat diprediksi dengan nilai akurasi yang tinggi menggunakan Vis-NIRS. Model kalibrasi terbaik ditampilkan oleh spektra yang telah dikoreksi dengan metode orthogonal signal correction (OSC) dengan nilai koefisien determinasi (R2) kalibrasi, validasi, root mean squares error of calibration (RMSEC), root mean squares error of cross validation (RMSECV), dan ratio of performance to deviation (RPD) berturut-turut sebesar 0,92; 0,92; 0,00090; 0,00092 dan 3,63. Hasil tersebut mengindikasikan bahwa teknologi Vis-NIRS terbukti dapat diandalkan dalam memprediksi kadar air buah melon Golden secara cepat dan simultan.
Daftar Pustaka
Allen, T. J., Hall, A., Dhillon, A. P., Owen, J. S., & Beard, P. C. (2012). Spectroscopic photoacoustic imaging of lipid-rich plaques in the human aorta in the 740 to 1400 nm wavelength range. Journal of Biomedical Optics, 17(6), 61209, 1-10. https://doi.org/10.1117/1.JBO.17.6.061209
Boháč, M., Loeprecht, B., Damborský, J., & Schüürmann, G. (2002). Impact of Orthogonal Signal Correction (OSC) on the Predictive Ability of CoMFA Models for the Ciliate Toxicity of Nitrobenzenes. Quantitative Structure-Activity Relationships, 21(1), 3–11. https://doi.org/10.1002/1521-3838(200205)21:1<3::AID-QSAR3>3.0.CO;2-D
Brogna, N., Palmonari, A., Canestrari, G., Mammi, L., Dal Prà, A., & Formigoni, A. (2018). Technical note: Near infrared reflectance spectroscopy to predict fecal indigestible neutral detergent fiber for dairy cows. Journal of Dairy Science, 101(2), 1234–1239. https://doi.org/10.3168/jds.2017-13319
Fan, Y., Liao, Y., & Cheng, F. (2018). Predicting of intramuscular fat content in pork using near infrared spectroscopy and multivariate analysis. International Journal of Food Properties, 21(1), 1180–1189. https://doi.org/10.1080/10942912.2018.1460606
Hadiwijaya, Y., Kusumiyati, K., & Munawar, A. A. (2020). PREDIKSI TOTAL PADATAN TERLARUT BUAH MELON GOLDEN (Cucumis melo L.) MENGGUNAKAN VIS-SWNIRS DAN ANALISIS MULTIVARIAT. Jurnal Penelitian Saintek, 25(2), 103–114. https://doi.org/10.21831/jps.v25i2.34487
Jankovská, R., & Šustová, K. (2003). Analysis of cow milk by near-infrared spectroscopy. Czech Journal of Food Sciences, 21(4), 123–128. https://doi.org/10.17221/3488-cjfs
74 by Visible and Near-Infrared Spectrometry and Multivariate Calibration in Miscanthus. Frontiers in Plant Science, 8(721), 1-8. https://doi.org/10.3389/fpls.2017.00721
Khodabakhshian, R., Emadi, B., Khojastehpour, M., Golzarian, M. R., & Sazgarnia, A. (2017). Non-destructive evaluation of maturity and quality parameters of pomegranate fruit by visible/near infrared spectroscopy. International Journal of Food Properties, 20(1), 41–52. https://doi.org/10.1080/10942912.2015.1126725
Kusumiyati., Hadiwijaya, Y., & Putri, I. E. (2018). Determination of water content of intact sapodilla using near infrared spectroscopy. IOP Conference Series: Earth and Environmental Science (Vol. 207). 20-21 Oktober 2018. https://doi.org/10.1088/1755-1315/207/1/012047 Kusumiyati., Hadiwijaya, Y., & Putri, I. E. (2019). Non-Destructive Classification of Fruits Based
on Vis-nir Spectroscopy and Principal Component Analysis. Jurnal Biodjati, 4(1), 89–95. https://doi.org/10.15575/biodjati.v4i1.4389
Kusumiyati., Hadiwijaya, Y., Putri, I. E., & Mubarok, S. (2019). Water content prediction of “crystal” guava using visible-near infrared spectroscopy and chemometrics approach. IOP Conference Series: Earth and Environmental Science. https://doi.org/10.1088/1755-1315/393/1/012099
Maniwara, P., Nakano, K., Boonyakiat, D., Ohashi, S., Hiroi, M., & Tohyama, T. (2014). The use of visible and near infrared spectroscopy for evaluating passion fruit postharvest quality. Journal of Food Engineering, 143, 33–43. https://doi.org/10.1016/j.jfoodeng.2014.06.028 Martelo-Vidal, M., & Vázquez, M. (2014). Evaluation of Ultraviolet, Visible, and Near Infrared
Spectroscopy for the Analysis of Wine Compounds. Czech Journal of Food Sciences, 32(1), 37–47. https://doi.org/10.17221/167/2013-CJFS
Nicolaï, B. M., Beullens, K., Bobelyn, E., Peirs, A., Saeys, W., Theron, K. I., & Lammertyn, J. (2007). Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review. Postharvest Biology and Technology, 46(2), 99–118. https://doi.org/10.1016/j.postharvbio.2007.06.024
Ribera, A., Noferini, M., & Rombolà, A. (2016). Non-destructive Assessment of Highbush Blueberry Fruit Maturity Parameters and Anthocyanins by Using a Visible/Near Infrared (vis/NIR) Spectroscopy Device: A Preliminary Approach. Journal of Soil Science and Plant Nutrition, 16(1), 174–186. https://doi.org/10.4067/S0718-95162016005000014
Saad, A. G., Jaiswal, P., & Jha, S. N. (2014). Non-destructive quality evaluation of intact tomato using VIS-NIR spectroscopy. International Journal of Advanced Research, 2(12), 632–639. Shao, Y., Xuan, G., Hu, Z., Gao, Z., & Liu, L. (2019). Determination of the bruise degree for
cherry using Vis-NIR reflection spectroscopy coupled with multivariate analysis. PLoS ONE, 14(9), 1–13. https://doi.org/10.1371/journal.pone.0222633
Shen, F., Zhang, B., Cao, C., & Jiang, X. (2018). On-line discrimination of storage shelf-life and prediction of post-harvest quality for strawberry fruit by visible and near infrared spectroscopy. Journal of Food Process Engineering, 41(7), 1-8. https://doi.org/10.1111/jfpe.12866
Zhang, Q., Li, Q., & Zhang, G. (2012). Rapid Determination of Leaf Water Content Using VIS/NIR Spectroscopy Analysis with Wavelength Selection. Spectroscopy: An International Journal, 27(2), 93–105. https://doi.org/10.1155/2012/276795
Agroteknika 3 (2): 75-84 (2020)
AGROTEKNIKA
ISSN: 2685-3450 (Online) www.agroteknika.id ISSN: 2685-3450 (Print)
Diterima: 3 Juni 2020 Disetujui: 25 Desember 2020 Diterbitkan: 30 Desember 2020
Doi: https://doi.org/10.32530/agroteknika.v3i2.71
Artikel ini adalah artikel open access di bawah lisensi CC BY-SA 4.0
75
Analisis Pertumbuhan Padi Lokal Aksesi PH 1 Menggunakan Penambahan Pupuk Silika Padat pada Kondisi Salin
The Growth Analysis of Local Rice Accession PH 1 Using Addition Solid Silica Fertilizer under Saline Conditions
Nasrudin*, Arrin Rosmala
Program Studi Agroteknologi, Fakultas Pertanian, Universitas Perjuangan Tasikmalaya, Indonesia
*Penulis Korespondesi Email: nasrudin@unper.ac.id
Abstrak. Analisis pertumbuhan padi penting diketahui untuk menggambarkan kondisi tumbuh kembang tanaman sehingga dapat berproduksi secara optimal utamanya pada kondisi sub-optimal. Tujuan penelitian yaitu mengetahui proses fisiologi dan produksi biomasa padi lokal aksesi PH 1 pada kondisi salin dengan penambahan pupuk silika padat. Penelitian menggunakan Rancangan Acak Lengkap dengan dua faktor. Faktor pertama tingkat cekaman salinitas dengan empat taraf yaitu non salin, 4 dS m-1, 8 dS m-1, dan 12 dS m-1. Faktor kedua penambahan dosis silika padat per kg tanah dengan tiga taraf yaitu 300 mg, 450 mg, dan 600 mg. Hasil penelitian menunjukkan bahwa terdapat interaksi cekaman salinitas dengan dosis silika yang mempengaruhi luas daun 4 minggu setelah tanam. Dosis silika berpengaruh nyata terhadap bobot segar akar 4 minggu setelah tanam, biomassa 4 minggu setelah tanam, dan laju asimilasi bersih. Cekaman salinitas berpengaruh nyata terhadap biomassa 4 minggu setelah tanam. Peningkatan cekaman salinitas sampai 8 dS m-1 akan menurunkan luas daun dan biomasa tanaman sedangkan peningkatan cekaman salinitas sampai 12 dS m-1 dikombinasikan dengan dosis silika memperbaiki luas daun dan biomasa tanaman. Dosis optimum silika pada kondisi cekaman salinitas adalah 450 mg karena mampu meningkatkan biomasa dan laju asimilasi bersih. Sebaliknya peningkatan dosis silika sampai 600 mg menyebabkan penurunan biomasa dan laju asimilasi bersih, tetapi dapat meningkatkan bobot segar akar.
Kata kunci: padi lokal, pertumbuhan, salinitas, silika
Abstract. Growth analysis in rice was important to imagine the growth and development of a plant that can be used to optimize production on sub-optimal conditions. This research aimed to determine the growth analysis of local rice accession PH1 under saline conditions with added solid silica fertilizer. The research used a Completely Randomized Design with two factors. The first factor was salinity stress with four levels include non-saline, 4 dS m-1, 8 dS m-1, and 12 dS m-1. The second factor was silica dose per kg of soil with three levels include 300 mg, 450 mg, and 600 mg. The results showed that there was an interaction between salinity stress and silica dose which affected the leaf area 4 weeks after planting. The dose of silica significantly affected root fresh weight 4 weeks after planting, biomass 4 weeks after planting, and net assimilation rate. Salinity stress significantly affected biomass 4 weeks after planting. Increasing the salinity stress to 8 dS m-1 will decrease leaf area and plant biomass while increasing the salinity stress to 12 dS m-1 combined with silica doses improves leaf area and plant biomass. The optimum dose of silica
76
under salinity stress conditions is 450 mg because it can increase biomass and net assimilation rate. Conversely, increasing the dose of silica to 600 mg caused a decrease in biomass and net assimilation rate, but could increase root fresh weight.
Keywords: local rice, growth, salinity, silica
1. Pendahuluan
Pangan khususnya beras merupakan kebutuhan primer bagi mayoritas masyarakat di Indonesia. Kebutuhan terhadap beras meningkat setiap tahunnya seiring dengan peningkatan jumlah penduduk. Badan Pusat Statistik (2018) memproyeksikan pada tahun 2015-2020 laju pertumbuhan penduduk sebesar 1,07 % dengan jumlah penduduk saat ini sebesar 269 juta jiwa, sehingga diperkirakan kebutuhan terhadap beras akan meningkat. Kebutuhan terhadap pangan beras Indonesia pada tahun 2019 sebesar 115,58 kg kapita-1 tahun-1 (Kementerian Pertanian, 2019). Disisi lain, produksi GKG di Indonesia pada tahun 2019 sebesar 54,60 juta ton (Badan Pusat Statistik, 2019) dan menjadi beras siap konsumsi sebesar 34,26 juta ton. Peningkatan jumlah penduduk harus dibarengi dengan peningkatan produksi beras akibat skema diversifikasi pangan di Indonesia belum dapat berjalan secara optimal. Oleh sebab itu, untuk menjamin kebutuhan pangan bagi masyarakat Indonesia dan agar dapat menyongsong ketahanan pangan maka perlu suatu usaha untuk meningkatkan produksi padi.
Salah satu upaya peningkatan produksi beras yaitu melalui perluasan areal tanam pada lahan sub-optimal seperti lahan salin. Hal tersebut karena Indonesia merupakan Negara kepulauan dengan garis pantai sepanjang 81.000 km (Dirhamsyah, 2006). Lahan-lahan sub optimal yang terletak di sekitar pantai dimugkinkan untuk diusahakan budidaya padi. Tentunya budidaya padi di lahan sub-optimal akan menemui sejumlah kendala seperti tingginya kadar garam pada tanah dan air, kecepatan angin, dan evapotranspirasi yang tinggi (Rachman et al., 2018). Kadar garam yang tinggi menyebabkan potensial osmotik pada sel menjadi tinggi sehingga menyebabkan gangguan fisiologis bagi tanaman (Aguilar et al., 2017). Berdasarkan penelitian Nasrudin and
Kurniasih (2018) padi yang ditanam di lahan salin dapat menurunkan pertumbuhan jumlah anakan, luas daun, dan produksi biomasa. Hal tersebut akan sangat berpengaruh terhadap pengisian gabah (produktivitas) dan kualitas hasil.
Salah satu upaya yang dapat dilakukan agar padi yang ditanam ada lahan salin dapat tumbuh dan berkembang dengan baik yaitu melalui penambahan hara silika. Silika merupakan hara non esensial yang dibutuhkan tanaman padi untuk memperkuat dinding sel pada daun, akar, dan batang, meningkatkan fotosintesis, serta mengurangi keracunan garam dengan meningkatkan aktivitas enzim selama tercekam (Liang et al., 2007). Penambahan hara silika dengan konsentrasi 1-2 mM pada kondisi salin (daya hantar listrik 8 dS m-1) mampu mempertahankan hasil padi (Ikhsanti et al., 2018). Prawira et al., (2014) melaporkan dalam penelitiannya bahwa pemberian
Agroteknika 3 (2): 75-84 (2020)
77
silika dengan dosis 400 mg kg-1 tanah dapat meningkatkan jumlah anakan, jumlah malai, presentase gabah isi, dan bobot gabah per rumpun. Silika yang diberikan dalam bentuk cair dengan dosis 1 L.ha-1 juga mampu meningkatkan variabel fisiologi seperti biomasa tanaman (Tampoma
et al., 2017).
Belum adanya penelitian yang membahas perlakuan salinitas dan silika pada padi lokal aksesi PH 1 menjadikan penelitian ini penting untuk dilakukan. Analisis pertumbuhan tanaman akan menggambarkan bagaimana proses fisiologis tanaman padi untuk menghasilkan asimilat untuk ditranslokasikan untuk pengisian gabah sehingga dapat meningkatkan produktivitas tanaman. Penggunaan varietas padi lokal jarang diupayakan oleh masyarakat karena produksinya yang rendah. Namun, varietas padi lokal umumnya memiliki ketahanan terhadap cekaman abiotik tertentu. Tujuan penelitian untuk mengetahui proses analisis pertumbuhan tanaman padi lokal aksesi PH 1 pada kondisi salin dengan penambahan pupuk silika padat.
2. Bahan dan Metode Alat dan Bahan
Alat-alat yang digunakan antara lain: polybag ukuran 40 x 50 cm, selang, gembor, meteran, bagan warna daun, oven Memmert type UN 260, timbangan digital 5 kg, timbangan digital dengan akurasi 0,01 g, alat tulis, ember, gelas ukur, karton asturo, kamera, milimeter blok, amplop cokelat untuk sampel tanaman, plastik bening, double tape dan lakban, handsprayer, dan logbook. Bahan-bahan yang dgunakan antara lain: benih padi lokal aksesi PH 1, pupuk NPK 16:16:16, hara silika padat SiO2, pupuk kandang, tanah, herbisida decis, pestisida, bakterisida, dan garam NaCl. Rancangan Percobaan
Penelitian menggunakan Rancangan Acak Lengkap faktorial. Faktor pertama yaitu tingkat cekaman salinitas yang terdiri atas empat taraf yaitu S0 (non salin), S1 (4 dS m-1), S2 (8 dS.m-1), dan S3 (12 dS m-1). Faktor kedua yaitu penambahan dosis silika padat (SiO2) per kg tanah yang terditi atas tiga taraf yaitu A1 (300 mg), A2 (450 mg), dan A3 (600 mg). Percobaan terdiri atas 12 kombinasi perlakuan dan diulang sebanyak tiga kali.
Pelaksanaan Percobaan
Penelitian menggunakan padi lokasl aksesi PH 1 asal Cisayong, Tasikmalaya. Benih padi disemai selama 14 hari kemudian dilakukan pindah tanam pada media tanam yang telah disiapkan dan disusun dalam rumah pelastik. Media tanam menggunakan tanah ultisol dan pupuk kandang sapi dengan perbandingan 1:1. Tanaman yang telah dipindahkan pada media tanam kemudian dipelihara meliputi pengendalian organisme pengganggu tanaman (OPT), pemupukan menggunakan pupuk NPK 16:16:16 dengan dosis 200 kg ha-1, dan penyiraman. Pemberian pupuk NPK dilakukan bersamaan dengan pemberian pupuk silika padat yaitu saat tanaman berumur 10
78
dan 50 hari setelah tanam (HST). Perlakuan salinitas diberikan saat tanaman berumur 14, 28, dan 56 hari setelah tanam (HST) sedangkan penambahan pupuk silika (SiO2) diberikan berselang 3 hari setelah pemberian perlakuan salinitas.
Parameter Pengamatan dan Analisis Data
Parameter yang diamati antara lain: luas daun (cm2), bobot basah tajuk (g), bobot basah akar (g), kadar air tanaman (%), dan biomasa tanaman (g) dilakukan secara destruktif. Luas daun diukur dengan cara menggambar daun padi yang diamati pada kertas milimeter blok kemudian dihitung luasannya pada daun yang tergambar. Bobot basah akar dan tajuk dilakukan dengan cara mencabut tanaman secara destruktif kemudian ditimbang menggunakan timbangan digital dan hasilnya dicatat pada lembar kerja. Biomassa tanaman dilakukan dengan cara tajuk dan akar segar dikeringkan menggunakan oven Memmert type UN 260 pada suhu 80 oC selama 24 jam. Hasil pengeringan kemudian ditimbang menggunakan timbangan digital. Selisih penimbangan biomassa dengan bobot segar yang dikalikan 100% dijadikan sebagai kadar air tanaman. Indeks luas daun dilakukan dengan cara mengukur luasan daun padi per tanaman dengan jarak tanam tertentu. Menurut Gardner et al., (1991), data yang diperoleh dihitung menggunakan persamaan (1)
ILD = "#$% "$'$(! x luas daun (1)
Nisbah luas daun dilakukan dengan cara mengukur luasan daun padi per tanaman dan biomassa tanaman. Menurut Gardner et al., (1991), data yang diperoleh dihitung menggunakan persamaan persamaan (2) NLD = ) !"#$ &#"' (#&# ) *+, -./0#$# (#&# ) *+,*+( !"#$ &#"' (#&# 1 *+, -./0#$# (#&# 1 *+,) . (2)
Laju asimilasi bersih (g cm-2 minggu-1) merupakan kemampuan tanaman dalam menghasilkan bahan kering hasil asimilasi per satuan luas daun per satuan waktu. Pengamatan laju asimilasi bersih dilakukan dengan cara mengukur luasan daun padi per tanaman dan biomassa per tanaman. Menurut Gardner et al., (1991), data yang diperoleh dihitung menggunakan persamaan (3)
LAB (g dm-2 minggu-1) = /.0/! 1.01! x
23 4$.023 4$!
4$.04$! (3)
Keterangan: W2 (biomasa pada 8 minggu setelah tanam); W1 (biomasa pada 4 minggu setelah tanam); T2 (waktu pengamatan saat 8 minggu setelah tanam); T1 (waktu pengamatan saat 4 minggu setelah tanam); La2 (luas daun saat 8 minggu setelah tanam); La1 (luas daun saat 4 minggu setelah tanam).
Data kuantitatif yang diperoleh kemudian dianalisis menggunakan analisis ragam (ANOVA). Apabila terdapat perbedaan diantara perlakuan, maka dilanjutkan dengan Uji DMRT (Duncan’s multiple range test) pada taraf kesalahan 5%. Analisis korelasi dilakukan untuk mengetahui hubungan antar parameter yang diamati menggunakan Pearson correlation. Analisis data statistika menggunakan software Statistical Tool for Agricultural Research (STAR) ver 2.0.1.
Agroteknika 3 (2): 75-84 (2020)
79
3. Hasil dan Pembahasan
Analisis pertumbuhan tanaman merupakan variabel yang sangat menentukan produktivitas suatu tanaman termasuk tanaman padi. Kajian fisiologi tumbuhan menggambarkan bagaimana lingkungan dapat mempengaruhi sistem metabolisme tanaman sehingga terdapat tanggapan dari tanaman. Salah satu organ tanaman yang dapat menggambarkan kaitannya dengan fisiologi tanaman yaitu daun. Berbagai proses metabolisme diantaranya fotosintesis, respirasi, dan transpirasi dapat berlangsung pada daun. Proses metabolisme tersebut sangat mempengaruhi produksi biomasa dan produktivitas tanaman.
Tabel 1. Tingkat cekaman salinitas dan penambahan dosis silika pada luas daun umur 4 MST padi lokal aksesi PH 1.
Luas daun (cm2) 4 MST
Perlakuan Dosis silika (per kg tanah) Rerata
A1 (300 mg) A2 (450 mg) A3 (600 mg) Salinitas S0 (non salin) 63,53cd 74,6cd 121,00b 86,38 S1 (4 dS m-1) 185,98a 66,90cd 108,11b 120,33 S2 (8 dS m-1) 52,70d 68,66cd 83,14c 68,17 S3 (12 dS m-1) 58,51d 173,73a 60,58d 97,61 Rerata 90,18 95,97 93,21 93,12 (+) CV (%) 35,57*
Keterangan: (+) ada interaksi; mst (minggu setelah tanam); (*) CV dengan data ditransformasi; angka yang diikuti oleh huruf yang berbeda, berbeda nyata pada Uji DMRT 5%. Saat padi berumur 4 minggu setelah tanam (MST), terjadi interaksi antara cekaman salinitas dengan penambahan dosis silika. Tabel 1 menggambarkan pada kondisi salinitas rendah, penambahan silika sebanyak 600 mg kg-1 tanah sangat membantu peningkatan luas daun. Namun, saat tanaman tercekam salinitas sampai 8 - 12 dS m-1 penambahan dosis silika cukup dengan dosis 450 mg. Hal tersebut diduga peningkatan luasan daun pada kondisi silika tinggi karena langsung dapat mempengaruhi sel dan jaringan tanaman. Sebagaimana diketahui bahwa silika memiliki fungsi pada tanaman yaitu menurunkan transpirasi pada saat tanaman kekurangan air, meningkatkan toleransi tanaman terhadap cekaman biotik dan abiotik, dan memperkuat dinding sel (Ansari et al., 2016). Kondisi cekaman salinitas rendah memudahkan silika terakumulasi di dalam sel termasuk sel daun. Dehaghi et al. (2018) menyebutkan bahwa silika terdeposit di dalam dinding sel daun, batang, dan sel epidermis. Hal tersebut akan memperkuat dinding sel pada daun dan batang sehingga saat kondisi tanaman tercekam masih dapat melangsungkan proses metabolisme secara optimal.
Tabel 2 menunjukkan bahwa luas daun pada 8 MST, indeks luas daun, dan nisbah luas daun tidak berpengaruh nyata terhadap cekaman salinitas dan penambahan dosis silika. Meskipun tidak berbeda nyata, ketiga parameter tersebut menunjukkan bahwa semakin tinggi cekaman
80
salinitas maka akan menurunkan luasan daun. Hal tersebut diduga kandungan garam yang diserap oleh tanaman mempengaruhi proses fotosintesis dan penyerapan unsur hara. Tanaman akan terganggu dalam proses penyerapan unsur hara akibat tekanan osmotik di luar sel lebih rendah, sehingga garam dengan valensi rendah lebih mudah masuk dibandingkan unsur hara lain yang dibutuhkan tanaman (Munns & Tester, 2008). Konsentrasi ion Na+ yang tinggi menyebabkan terganggunya proses fotosintesis (Gupta & Huang, 2014) sehingga akan menurunkan kemampuan tanaman dalam menangkap cahaya, degradasi klorofil, dan luasan daun (Ghosh et al., 2016). Tabel 2. Luas daun umur 8 MST, indeks luas daun umur 4 dan 8 MST, serta nisbah luas daun padi
lokal aksesi PH 1 dengan penambahan dosis pupuk silika pada kondisi salin.
Perlakuan Luas daun (cm8 MST 2) Indeks luas daun 4 MST 8 MST Nisbah luas daun Salinitas
S0 (non salin) 1143,52a 0,22a 2,86a 595,51a
S1 (4 dS m-1) 1130,13a 0,30a 2,83a 328,80a
S2 (8 dS m-1) 849,12a 0,17a 2,12a 484,12a
S3 (12 dS m-1) 977,99a 0,18a 2,44a 268,48a
Dosis silika (per kg tanah)
A1 (300 mg) 1149,07p 0,23p 2,87p 372,76p
A2 (450 mg) 1010,80p 0,19p 2,53p 500,51p
A2 (600 mg) 915,70p 0,23p 2,29p 384,41p
Interaksi - - - -
CV (%) 23,22* 9,21* 18,73* 33,55*
Keterangan: (-) tidak ada interaksi; mst (minggu setelah tanam); (*) CV dengan data ditransformasi; angka yang diikuti oleh huruf yang sama pada kolom yang sama, tidak beda nyata pada Uji DMRT 5%.
Tabel 3. Korelasi antar parameter pengamatan menggunakan Pearson correlation
A1 A2 B1 B2 C1 C2 D1 D2 E1 E2 F A1 1** A2 0,19tn 1** B1 1** 0,19tn 1** B2 0,19tn 1** 0,19tn 1** C1 0,51** -0,11tn 0,51** -0,11tn 1** C2 0,07tn 0,06tn 0,07tn 0,06tn -0,06tn 1** D1 0,53** 0,05tn 0,53** 0,05tn 0,62** -0,12tn 1** D2 -0,07tn 0,16tn -0,07tn 0,16tn -0,07tn 0,64** -0,01tn 1** E1 0,70** 0,01tn 0,70** 0,01tn 0,66** -0,08tn 0,76** -0,06tn 1** E2 0,09tn 0,63** 0,09tn 0,63** -0,04tn 0,28* -0,07tn 0,39* -0,12tn 1** F -0,34* 0,31* -0,34* 0,31* -0,22tn 0,25* -0,24tn 0,30* -0,35* 0,77** 1** Keterangan: * (berkorelasi nyata); ** (berkorelasi sangat nyata); tn (tidak berkorelasi); A1 (luas daun
saat tanaman berumur 4 MST); A2 (luas daun saat tanaman berumur 8 MST); B1 (indeks luas daun saat tanaman berumur 4 MST); B2 (indeks luas daun saat tanaman berumur 8 MST); C1 (bobot segar akar saat tanaman berumur 4 MST); C2 (bobot segar akar saat tanaman berumur 8 MST); D1 (bobot segar tajuk saat tanaman berumur 4 MST); D2 (bobot segar tajuk saat tanaman berumur 8 MST); E1 (biomasa tanaman saat tanaman berumur 4 MST); E2 (biomasa tanaman saat tanaman berumur 8 MST); F (laju asimilasi bersih).
Agroteknika 3 (2): 75-84 (2020)
81 Tabel 4. Bobot segar tajuk umur 4 dan 8 MST, bobot segar akar umur 4 dan 8 MST, serta kadar air tanaman umur 4 dan 8 MST padi lokal aksesi PH 1 dengan penambahan dosis pupuk silika pada kondisi salin.
Perlakuan BST (g) BSA (g) Kadar air (%)
4 MST 8 MST 4 MST 8 MST 4 MST 8 MST Salinitas S0 (non salin) 1,49a 42,76a 0,21a 5,98a 85,14a 73,90a S1 (4 dS m-1) 1,97a 42,09a 0,36a 4,86a 77,39a 67,82a S2 (8 dS m-1) 2,10a 53,12a 0,29a 5,55a 85,18a 84,65a S3 (12 dS m-1) 1,89a 60,22a 0,34a 7,32a 85,55a 78,50a
Dosis silika (per kg tanah)
A1 (300 mg) 2,04p 56,55p 0,29pq 6,96p 85,45p 74,83p
A2 (450 mg) 0,97p 46,68p 0,19q 5,87p 79,24p 70,84p
A2 (600 mg) 2,58p 45,63p 0,43p 4,95p 85,25p 82,99p
Interaksi - - - - - -
CV (%) 39,42* 23,49* 12,97* 33,02 9,76 19,97
Keterangan: (-) tidak ada interaksi; mst (minggu setelah tanam); (*) CV dengan data ditransformasi; BST (bobot segar tajuk); BSA (bobot segar akar); angka yang diikuti oleh huruf yang sama pada kolom yang sama, tidak beda nyata pada Uji DMRT 5%. Tabel 4 menunjukkan bahwa bobot segar tajuk, bobot segar akar, dan kadar air tidak berbeda nyata antar perlakuan cekaman salinitas. Bobot segar akar saat tanaman berumur 4 MST berbeda nyata antar perlakuan dosis silika. Semakin tinggi dosis silika sampai 600 mg kg-1 tanah maka pertumbuhan akar padi lebih tinggi. Silika akan masuk ke dalam tanaman melalui akar untuk kemudian terdeposit pada sel daun. Berdasarkan analisis korelasi (Tabel 3), pertumbuhan daun berkorelasi positif terhadap bobot segar akar (R= 0,51) artinya daun yang luas akibat bantuan silika yang membantu dalam toleransi terhadap salinitas mengakumulasi asimilat hasil fotosintesis. Asimilat yang dihasilkan sebagian digunakan tanaman untuk membantu pertumbuhan akar. Radanielson et al. (2017) menyebutkan bahwa pertumbuhan akar yang lebih baik akibat usaha tanaman dalam menjangkau nutrisi. Salah satu nutrisi yang dijangkau dan diserap oleh akar yaitu silika yang terdeposit pada sel daun, batang, dan sel epidermis. Hal tersebut akibat potensial osmotik di luar sel lebih rendah sehingga akar harus memiliki usaha yang lebih kuat dalam menggapai dan menyerap hara mineral termasuk air.
Biomasa merupakan hasil serapan CO2 oleh tanaman kemudian diproses melalui fotosintesis. Produksi biomasa pada tanaman sangat penting karena akan menentukan kuantitas dan kualitas hasil padi. Tabel 5 menunjukkan bahwa biomasa padi yang ditanam pada tingkat cekaman salinitas berbeda nyata yaitu semakin tinggi tingkat salinitas maka biomasanya semakin rendah. Peningkatan cekaman salinitas akan menurunkan biomasa akibat keterbatasan tanaman dalam melakukan penyerapan hara yang dibutuhkan tanaman. Berdasarkan penelitian Haq et al.
(2009) semakin tinggi tingkat salinitas akan menurunkan bobot segar tajuk dan biomasa. Cekaman salinitas yang rendah menyebabkan pertumbuhan daun lebih luas sehingga laju fotosintesis
82
menjadi lebih tinggi. Berdasarkan analisis korelasi (Tabel 3), biomasa tanaman berkorelasi positif terhadap luas daun (R= 0,52) dan bobot segar tajuk (R= 0,64). Apabila tanaman memiliki daun yang luas maka penyerapan sinar matahari akan lebih cepat sehngga hasil fotosintesis akan lebih banyak yang dapat digunakan sebagai energi untuk pertambahan sel serta biomasaa tanaman. Tabel 5. Biomasa padi umur 4 dan 8 MST serta laju asimilasi bersih padi lokal aksesi PH 1 dengan
penambahan dosis pupuk silika pada kondisi salin.
Perlakuan Biomasa (g) Laju asimilasi bersih
(g dm-2 minggu-1) 4 MST 8 MST Salinitas S0 (non salin) 0,18a 16,02a 0,89a S1 (4 dS m-1) 0,42a 18,71a 0,99a S2 (8 dS m-1) 0,30a 9,78b 0,72a S3 (12 dS m-1) 0,36a 18,47a 1,10a
Dosis silika (per kg tanah)
A1 (300 mg) 0,31p 18,37p 1,07p
A2 (450 mg) 0,23p 17,19p 1,12p
A2 (600 mg) 0,39p 11,66q 0,60q
Interaksi - - -
CV (%) 20,01* 37,52 20,45*
Keterangan: (-) tidak ada interaksi; mst (minggu setelah tanam); (*) CV dengan data ditransformasi; angka yang diikuti oleh huruf yang sama pada kolom yang sama, tidak beda nyata pada Uji DMRT 5%.
Penambahan silika juga berpengaruh nyata terhadap produksi biomasa dan laju asimilasi bersih. Tabel 5 menunjukkan bahwa semakin tinggi dosis silika akan menurunkan biomasa dan laju asimilasi bersih padi. Diduga semakin tinggi dosis silika yang diberikan pada tanaman maka penyerapannya akan terhambat. Hal tersebut akibat terjadinya kompetisi penyerapan hara yaitu hara yang bervalensi rendah akan lebih mudah diserap oleh akar tanaman. Ion Na+ akan lebih mudah diserap oleh akar karena memiliki valensi lebih rendah dibandingkan Si. Oleh sebab itu, peningkatan dosis Si kurang dapat mempengaruhi terhadap produksi biomasa dan laju asimilasi bersih. Berdasarkan analisis korelasi (Tabel 3), biomasa tanaman berkorelasi positif terhadap laju asimilasi bersih (R= 0,77). Hal ini menunjukkan bahwa asimilat yang dihasilkan oleh tanaman melalui fotosintesis disimpan pada organ seperti tajuk dan akar.
Proses fisiologi akan menentukan produksi biomasa dan produktivitas dari tanaman padi. Cekaman lingkungan seperti salinitas akan mengambat proses fisiologi tumbuhan seperti menurunkan luasan daun, penyerapan hara mineral, laju fotosintesis, dan degradasi klorofil. Gangguan tersebut menyebabkan tanaman kesulitan dalam memproduksi biomasa. Oleh sebab itu, penambahan silika pada kondisi salin dengan dosis sampai 450 mg kg-1 tanah diduga mampu memperbaiki proses fisiologi padi dan mempengaruhi produksi biomasa. Produksi biomasa yang tinggi akan berdampak pada kuantitas dan kualitas hasil padi.
Agroteknika 3 (2): 75-84 (2020)
83
4. Kesimpulan
Cekaman salinitas mempengaruhi analisis pertumbuhan tanaman padi lokal aksesi PH 1 yang ditunjukkan dengan menurunnya luas daun dan biomasa tanaman pada pemberian salinitas. Namun peningkatan cekaman salinitas sampai 12 dS m-1 yang dikombinasikan dengan penambahan 450 mg kg-1 tanah dosis silika padat mampu memperbaiki luas daun dan biomasa tanaman. Dosis silika optimum pada kondisi cekaman salinitas adalah 450 mg kg-1 karena mampu meningkatkan biomasa dan laju asimilasi bersih. Sebaliknya, penambahan pupuk silika dengan dosis 600 mg kg-1 dapat menurunkan biomasa dan laju asimilasi bersih, namun dapat meningkatkan bobot segar tanaman.
Ucapan Terima Kasih
Penulis mengucapkan terima kasih kepada Kementerian Riset dan Teknologi / Badan Riset dan Inovasi Nasional yang telah mendanai penelitian ini dengan nomor kontrak 080/SP2H/AMD/LT/DPRM/2020; 011/SP2H/AMD/LT-MONO/LL4/2020; 217/KP/LP2M-UP/09/2020. Penulis juga mengucapkan terima kasih kepada Ibu Siti Nurhidayah, M.Si. yang telah mensuplai kebutuhan benih padi aksesi PH 1 untuk penelitian ini.
Daftar Pustaka
Aguilar, M., Fernández-ramírez, J. L., Aguilar-blanes, M., & Ortiz-romero, C. (2017). Rice sensitivity to saline irrigation in Southern Spain. Agricultural Water Management, 188(2017), 21–28. https://doi.org/10.1016/j.agwat.2017.03.027
Ansari, T. H., Iwasaki, K., Yoshida, T., Yamamoto, Y., & Miyazaki, A. (2016). Status of nutrient elements in rice grain in relation to silicon accumulation pattern during grain filling. Bangladesh Agronomy Journal 19(2), 125–137.
Badan Pusat Statistik. (2018, Desember 2020). Proyeksi penduduk Indonesia 2015-2045. Retrieved from https://www.bps.go.id/
Badan Pusat Statistik. (2019, May 03). Luas panen, produksi, dan produktivitas padi menurut provinsi. Retrieved from https://www.bps.go.id/dynamictable/2019/04/15/1608/luas-panen-produksi-dan-produktivitas-padi-menurut-provinsi-2018.html
Dehaghi, M. A., Agahi, K., & Kiani, S. (2018). Agromorphological response of rice (Oryza sativa L .) to foliar application of potassium silicate. Biharban Biologist 12(1), 33–36.
Dirhamsyah. (2006). Pengelolaan wilayah pesisir terintegrasi di Indonesia. Jurnal Oseana 31(1), 21-26.
Gardner, F. P., Pearce, R. B., dan Mitchell, R. L. (1991). Fisiologi Tanaman Budidaya. Jakarta, Indonesia: UI Press.
Ghosh, B., Ali, N., & Gantait, S. (2016). Response of rice under salinity stress : a review update. Journal of Research Rice 4(2), 2–9. https://dx.doi.org/10.4172/2375-4338.1000167
Gupta, B., & Huang, B. (2014). Mechanism of salinity tolerance in plants : physiological, biochemical, and molecular characterization. International Journal of Genomics (2014), 1-18. https://dx.doi.org/10.1155/2014/701596
Haq, T. U., Akhtar, J., Nawaz, S., & Ahmad, R. (2009). Morpho-physiological response of rice (Oryza sativa L.) varieties to salinity stress. Pakistan Journal of Botany 41(6), 2943–2956. Ikhsanti, A., Kurniasih, B., & Indradewa, D. (2018). Pengaruh aplikasi silika terhadap
84
7(4), 1-11.
Kementerian Pertanian. (2019). Stok Beras Aman Sampai 2020. Retrieved April 17, 2020, from https://www.pertanian.go.id/home/?show=news&act=view&id=4108
Liang, Y., Sun, W., Zhu, Y., & Christie, P. (2007). Mechanisms of silicon-mediated alleviation of abiotic stresses in higher plants : A review. Environmental pollution 147 (2007), 422–428. https://doi.org/10.1016/j.envpol.2006.06.008
Munns, R., & Tester, M. (2008). Mechanisms of salinity tolerance. Annual Review of Plant Biology, 59(1), 651–681. https://doi.org/10.1146/annurev.arplant.59.032607.092911
Nasrudin, N & Kurniasih, B. (2018). Growth and yield of Inpari 29 rice varieties on raised-bed and different depths of sunken-bed in saline field. Jurnal Ilmu Pertanian (Agricultural Science) 3(3), 135-145. https://doi.org/10.22146/ipas.38736
Prawira, R. A., Agustiansyah, Ginting, Y., & Nurmiaty, Y. (2014). Pengaruh aplikasi silika dan boron terhadap pertumbuhan dan produksi tanaman padi (Oryza sativa L.). Jurnal Agrotek Tropika 2(2), 282–288.
Rachman, A., Dariah, A., & Sutono, S. (2018). Pengelolaan sawah salin berkadar garam tinggi. Jakarta, Indonesia: IIAARD Press.
Radanielson, A. M., Angeles, O., Li, T., Ismail, A. M., & Gaydon, D. S. (2017). Describing the physiological responses of different rice genotypes to salt stress using sigmoid and piecewise
linear functions. Field Crops Research, (2017), 1–11.
https://doi.org/10.1016/j.fcr.2017.05.001
Tampoma, W. P., Nurmala, T., & Rachmadi, M. (2017). Pengaruh dosis silika terhadap karakter fisiologı dan hasil tanaman padi (Oryza sativa L .) kultivar lokal poso ( kultıvar 36-Super dan Tagolu ). Jurnal Kultivasi 16(2), 320–325
Agroteknika 3 (2): 85-98 (2020)
AGROTEKNIKA
ISSN: 2685-3450 (Online) www.agroteknika.id ISSN: 2685-3450 (Print)
Diterima: 3 Agustus 2020 Disetujui: 25 Desember 2020 Diterbitkan: 30 Desember2020
Doi: https://doi.org/10.32530/agroteknika.v3i2.78
Artikel ini adalah artikel open access di bawah lisensi CC BY-SA 4.0
85 Pemanfaatan Pupuk Organik Cair NASA dalam Meningkatkan Produktivitas Bawang
Merah di Daerah Wamena
Utilization of Organik Liquid Fertilizer NASA to Increase Productivity of Shallot in Wamena
Sumiyati Tuhuteru*,1, Inrianti1, Maulidiyah2, Muhammad Nurdin2
1Program Studi Agroteknologi, Sekolah Tinggi Ilmu Pertanian Petra Baliem Wamena,
Indonesia
2Fakultas Matematika dan Ilmu Pengetahuan Alam, Jurusan Kimia, Universitas Haluoleo,
Indonesia *Penulis Korespondensi: Email: tuhuteru.umy@gmail.com
Abstrak. Pupuk organik cair NASA ialah pupuk organik natural dari ekstrak bahan organik limbah ternak serta unggas, limbah sebagian tumbuhan tertentu dan zat-zat natural yang lain yang diproses dengan teknologi ramah lingkungan. Percobaan ini memiliki tujuan agar dapat mengetahui konsentrasi POC NASA yang pas bagi 5 varietas bawang merah yang ditanam di Wamena. Penelitian disusun dalam bentuk rancangan acak kelompok dua faktor. Faktor 1 berupa 5 varietas bawang merah, seperti Crok, Tiron, super Biru dan Bima serta satu varietas lokal Wamena sebagai pembanding. Sedangkan faktor 2 terdiri atas 3 taraf konsentrasi POC NASA yakni: 0 ml, 150 ml dan 250 ml. Informasi hasil penelitian dianalisis memakai ANOVA taraf 5 %. Apabila berpengaruh nyata, maka pengujian dianalisis lanjut dengan tes jarak berganda Duncan Multiple Range Test (DMRT) 5%. Hasil percobaan membuktikan bahwa produktivitas tanaman bawang merah dipengaruhi oleh interaksi antara konsentrasi POC NASA dengan varietas bawang merah. Hasil penelitian memperlihatkan adanya interaksi nyata oleh perlakuan POC NASA 150 ml dengan varietas Super Biru pada parameter tinggi tanaman dan bobot segar akar, kemudian perlakuan POC NASA 250 ml dengan varietas Lokal Wamena pada parameter bobot kering daun, selanjutnya perlakuan POC NASA 250 ml dengan varietas Bima pada pengamatan kandungan klorofil a dan jumlah daun.
Kata kunci: pupuk organik cair, bawang merah, produktivitas, wamena
Abstract. NASA's liquid organic fertilizer is a natural organic fertilizer from extracts of organic matter, livestock and poultry waste, certain plant wastes, and other organic substances that are processed with environmentally friendly technology. This experiment aims to determine the appropriate NASA concentrations with 5 varieties of shallots grown in Wamena. The research was arranged in a randomized block design with 2 factors, consisting of 5 shallots varieties, such as Crok, Tiron, Super Biru, Bima, and one local variety Wamena as a comparison. Meanwhile, factor 2 consists of 3 levels of NASA concentrations namely: 0 ml, 150 ml, and 250 ml. Research data were analyzed using ANOVA of 5%. If it shows a real effect, then the test is continued with Duncan's Multiple Range Test (DMRT) of 5%. The results showed that the productivity of shallot was influenced by the interactions between
86 NASA concentrations and shallot varieties. The result showed a significant effect between NASA 150 ml with Super Biru varieties on plant heigh and fresh weight of root parameters, then NASA 250 ml treatment with Local Wamena varieties on dry weigh of leaf parameters, and then NASA 250 ml treatment with Bima varieties on chlorophyll content and number of leaves.
Keywords: organic liquid fertilizer, productivity, wamena
1. Pendahuluan
Bawang merah (Allium cepa var. Agregatum L.) sebagai satu jenis produk utama sayuran yang bermanfaat dan merupakan kelompok rempah yang paling dibutuhkan oleh konsumen rumah tangga sebagai bumbu penyedap masakan, bahan baku industri makanan dan sebagai obat yang telah lama dikenal. Berlandaskan informasi yang diperoleh dari the National Nutrient Database, bawang merah mengandung karbohidrat, asam lemak, gula, protein dan mineral lain yang penting bagi manusia (Waluyo & Sinaga, 2015). Peningkatan kebutuhan bawang merah terjadi bersamaan dengan peningkatan daya beli masyarakat. Supaya keberadaan bawang merah terpenuhi maka diperlukan keseimbangan dengan jumlah produksinya melalui pemanfaatan terobosan teknologi pembudidayaan tanaman bawang merah yang mampu menambah produksi tanaman terutama pada lahan sub-optimal Wamena, melalui pemanfaatan teknologi pemupukan secara organik. Hal ini dikarenakan, sistem pertanian organik di Wamena masih tergolong tradisional dan membutuhkan adanya pemanfaatan terobosan teknologi ramah lingkungan yang dapat membantu petani setempat.
Sistem pertanian organik mampu meningkatkan produktivitas tanaman, salah satunya adalah tanaman bawang merah, yang produktivitas tanamannya dapat dicapai melalui pemanfaatan pupuk organik alami (Samad, 2012). Salah satu jenis teknologi pemupukan yang telah dikembangkan adalah pemanfaatan pupuk organik alami yang diperuntukkan dalam mengatasi kendala dalam meningkatkan dan mempertahankan produksi pertanian. Seperti, rendahnya produksi tanaman yang dicapai dikarenakan petani sering meningkatkan pemberian pupuk an-organik melebihi dosis kebutuhan tanaman, padahal diketahui bahwa dengan pemupukan yang berlebihan akan berdampak selain pada tanaman juga pada tanah dan lingkungan sekitarnya.
Jenis pupuk organik berbahan dasara alami dan telah beredar dipasaran adalah pupuk organik cair (POC) NASA, yang berupa jenis pupuk natural yang kompisisnya terdiri dari ekstrak bahan alami yang berasal dari limbah ternak dan unggas, beberapa tanaman tertentu, zat-zat organik yang lain dan kemudian diolah menggunakan teknologi yang ramah lingkungan dengan asas Zero Emision Concept (Damari, 2012). POC NASA memiliki kemampuan mempercepat proses perkembangbiakkan tanaman, menurunkan tingkat
Agroteknika 3 (2): 85-98 (2020)
87
serangan hama, dan tidak memiliki dampak buruk bagi tanaman dan lingkungan, serta baik untuk manusia (Natural Nusantara, 2004).
Pemupukan dengan menggunakan POC diketahui lebih baik karena memiliki beberapa keuntungan yakni lebih mudah diserap oleh akar dan dapat meningkatkan ketersediaan hara sesuai kebutuhan tanaman (Putri, 2011). Limbah sebagai bahan pokok dalam pembuatan pupuk organik tersedia dalam jumlah yang sangat banyak, seperti sampah rumah tangga, rumah makan, kotoran ternak, dan limbah organik lain (Nasaruddin & Rosmawati, 2011).
Pupuk organik cair adalah cairan yang dihasilkan akibat proses pembusukan sampah-sampah organik yang berupa sisa tanaman, kotoran ternak dan manusia yang unsur hara kompleks. Kelebihan pemanfaatan dari pupuk berbahan dasar alami ini diketahui secara cepat mengurangi proses defesiensi unsur hara bagi tanaman (menyediakan hara secara cepat) (Samad, 2008).
Wamena dikenal memiliki kondisi lahan sub-optimal dengan peluang pengembangan pertanian organik yang cukup memadai dalam pemenuhan pangan masyarakat tanpa harus mengimpor dari luar provinsi Papua. Akan tetapi, sistem pertanian organik yang diterapkan tergolong bersifat tradisional yang belum tersentuh oleh penerapan teknologi pada umumnya. Sistem pemupukan yang dilakukan petani sejauh ini tidak ada begut juga dengan teknik budidaya pertanian lainnya yang diketahui merupakan penopang keberlangsungan hidup suatu tanaman. Sistem pertanian organik yang diterapkan petani di Wamena sejauh ini bersifat ladang berpindah dan memanfaatkan alam semata. Untuk itu diperlukan teknik pengelolaan tanaman yang baik terutama dalam sistem pemupukan yang diketahui terkait kebutuhan hara tanaman. Diharapkan melalui pelaksanaan penelitian ini mampu berkontribusi bagi kehidupan petani setempat yang masih membutuhkan pemahaman dalam bidang pertanian organik, terutama terkait pupuk bagi tanaman.
Pupuk berperan penting dalam teknik budidaya tanaman karena tanaman membutuhkan unsur hara dalam mendukung produktivitas tanaman yang optimal. Percobaan ini tergolong baru bagi wilayah Wamena yang sistem pertanian organiknya telah dimasukkan kedalam peraturan daerah setempat (Tuhuteru et al., 2020). Meski sangat sederhana namun dapat menambah informasi bagi petani. Selain itu, sistem pertanian yang diterapkan sejauh ini masih memerlukan pengembangan, karena tergolong tradisional. Pemanfaatan pupuk organik cair pada pertanaman bawang merah dapat menambah pengetahuan petani dalam pengelolaan tanaman. Percobaan ini bertujuan dalam mengetahui dampak penggunaan POC NASA dengann konsentrasi yang tepat bagi pertumbuhan 5 varietas bawang merah yang ditanam pada lahan sub-optimal Wamena.
88
2. Bahan dan Metode
Alat dan Bahan
Peralatan yang dipakai dalam percobaan ini yakni peralatan tanam berupa, sekop, cangkul, pisau, gembor, papan nama untuk setiap perlakuan, klorofil meter, spectrofotometer, timbangan analitik, perlengkapan laboratorium tanah dan ilmu tanaman, serta peralatan menulis.
Bahan yang dipakai terdiri atas lima jenis bawang merah: Crok, Tiron, Super Biru dan Bima serta satu varietas lokal Wamena sebagai pembanding, pupuk organik cair (POC) NASA, pupuk kandang sapi sebagai pupuk dasar, amplop dan plastik sebagai wadah sampel tanaman.
Tahapan Penelitian
Penelitian yang terdiri dari percobaan lima varietas bawang merah ini terdiri atas varietas Crok, Tiron, Super Biru, dan Bima serta satu varietas lokal Wamena sebagai pembanding. Perlakuan pemberian POC NASA terdiri dari 3 taraf, yakni perlakuan kontrol (tanpa POC NASA), perlakuan POC NASA 150 ml, dan perlakuan POC NASA 250 ml.
Percobaan ini dianalisis menggunakan rancangan acak kelompok 2 faktor, yakni faktor varietas dan faktor perlakuan pemberian POC NASA yang tiap perlakuannya diulang 2 kali, hingga terdapat 15 unit perlakuan dengan total perlakuan sebanyak 24 bedeng, yang berukuran 3 x 1 m.
Sebelum dilakukan penanaman, umbi bawang terlebih dahulu di sortir, dengan memilih jenis umbi yang tergolong sehat. Kemudian, umbi bawang yang terpilih dipotong 1/3 bagian dari atas baru kemudian dibenamkan ke tanah (bedengan) yang telah ditugal dengan bantuan penugal. Bedeng yang ditugal sebelumnya telah diberi pupuk kandang kotoran sapi, yang dibiarkan selama 3 hari sebelum penanaman dilakukan, yang kemudian dilakukan penyiraman. Hal ini bertujuan untuk melembabkan tanah yang akan ditanami umbi bawang merah. Penanaman dilakukan dengan jarak 20 x 15 cm. Setelah umbi bawang merah ditanam, tahapan selanjutnya adalah pengaplikasian POC NASA sesuai dengan perlakuan yang telah ditetapkan. Pemberian POC NASA dilakukan sebanyak 3 kali, yakni pada awal sebelum penanaman, saat tanaman berumur 6 dan 12 minggu setelah tanam (MST). Kemudian, tahapan pemeliharaan yang dilakukan setiap 2 minggu sekali terhadap gulma yang tumbuh diarea pertanaman dan pemberantasan hama penyakit yang dilakukan secara organik dengan menggunakan jenis pestisida nabati seperti daun tembakau dan serai. Selama masa pertanaman berlangsung tidak ditemukan serangan hama maupun penyakit.
Agroteknika 3 (2): 85-98 (2020)
89
Analisis pertumbuhan dilaksanakan untuk mengetahui pertumbuhan tanaman melalui parameter tinggi dan total daun tanaman bawang merah, yang diamati saat umur 11 dan 13 minggu setelah tanam (MST). Selanjutnya dilakukan analisis fisiologis tanaman untuk mengetahui proses fisiologis tanaman, yang dilakukan secara destruktif terhadap tanaman sampel. Parameter yang diamati meliputi: Bobot segar daun dan bobot kering daun (11 MST), Bobot segar akar dan bobot kering akar (11 MST), laju pertumbuhan nisbi (13 MST), kandungan klorofil a dan b (13 MST). Selanjutnya, tahapan pemanenan yang dilakukan saat tanaman berumur 13 MST dengan parameter yang menjadi tolak ukur adalah bobot kering umbi (ton.ha-1), pengamatan dilakukan dengan mengeringkan umbi melalui proses
penjemuran selama 3-5 hari.
Metode Analisis
Informasil hasil percobaan yang diperoleh, dianalisis lebih lanjut memakai ANOVA 5%. Jika hasil pengujian menunjukkan adanya pengaruh atau interaksi, pengujian akan dianalisis lanjut menggunakan tes jarak berganda Duncan Multiple Range Test (DMRT) 5%.
3. Hasil dan Pembahasan
Respon Pertumbuhan Tanaman
Informasil penelitian untuk parameter tinggi dan perhitungan jumlah daun tanaman bawang merah memperlihatkan pengaruh nyata oleh kombinasi perlakuan POC NASA dengan jenis varietas. Hal ini ditunjukkan pada Tabel 1, terlihat pada parameter tinggi tanaman berpengaruh nyata yang ditunjukkan oleh interaksi antara perlakuan POC NASA 150 ml dengan varietas Super Biru pada umur pengamatan 11 MST (9,34 cm) dan berpengaruh nyata terhadap perlakuan NASA 150 ml yang dikombinasikan dengan varietas Bima (4,98 cm). Ini membuktikan bahwa terdapat peningkatan kandungan hara bagi tanaman melalui penambahan POC NASA sebanyak 150 ml. Penambahan POC NASA diketahui mampu meningkatkan kandungan hara yang diperlukan tanaman erutama hara makro seperti N. N diketahui penting bagi pertumbuhan vegetatif suatu tanaman. Hal ini juga dikemukakan oleh Prihmantoro (1999), dimana N merupakan unsur penting bagi pertumbuhan daun, batang dan akar selama fase vegetatif berlangsung. Kemudian didukung oleh, Elisabet et al. (2013) yang mengemukakan bahwa penambahan ukuran tanaman dan daun-daun baru pada tanaman secara optimal dapat terjadi, apabila kebutuhan unsur-unsur pertumbuhan tanaman tercukupi.
Selanjutnya, terlihat adanya perbedaan respon yang ditunjukkan tanaman bawang merah pada pengamatan 13 MST yang berpengaruh nyata oleh perlakuan tanpa pemberian NASA (0 ml) yang dikombinasikan dengan varietas lokal Wamena. Hal ini menunjukkan
