Perbedaan Metode Geary’s C dan G* Statistik untuk Mendeteksi Serangan Hama Penyakit Utama Padi di Surakarta (Jawa Tengah)
Poster Ilmiah
Diajukan kepada Fakultas Teknologi Informasi untuk memperoleh Gelar Sarjana Komputer
Oleh: Indri Triastuti NIM : 672009321
Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana
Salatiga Mei 2016
Perbedaan Metode Geary’s C dan G* Statistik untuk Mendeteksi Serangan Hama Penyakit Utama Padi di Surakarta (Jawa Tengah)
Abstrak
Hama adalah serangga perusak tanaman budidaya yang dapat mengakibatkan kerugian ekonomi. Perlu adanya pendeteksian serangan agar dapat menanggulangi adanya serangga pada tanaman padi. Salah satunya hama ulat grayak (spodoptera litura). Ulat grayak bersifat polifagus yang menyerang tanaman pangan, sayuran dan buah-buahan seperti kedelai, tembakau, kapas, kubis dan kacang hijau.
Autokorelasi spasial adalah penilaian korelasi antar pengamatan disetiap lokasi pada suatu variabel. Metode pengujian yang akan digunakan adalah Geary’s C dan G* Statistik. Dari kedua metode tersebut dapat diketahui informasi mengenai serangan hama ulat grayak di daerah Surakarta, Jawa Tengah. Penelitian yang menggunakan pemodelan surveilans epidemiologi akan diterapkan pada software Program R. Hasil keluarannya dalam bentuk peta wilayah resiko.
Dari metode yang dipakai, dapat diketahui bahwa serangan hama ulat grayak pada tahun 2008 dengan metode G* Statistik lebih signifikan karna dapat diketahui serangan hotspot dan coldspot dari yang tertinggi hingga terendah. Sedangkan Geary’s C hanya diketahui autokorelasi positif dan autokorelasi negatif.
Pendahuluan
Serangan hama pada padi menjadi salah satu masalah utama karena sering menimbulkan kerugian besar terhadap para petani. Berbagai upaya telah dilakukan oleh masyarakat maupun pemerintah, namun masih belum mengurangi serangan hama pada padi termasuk ulat grayak. Hal yang memungkinkan terjadinya serangan hama ulat grayak karena pengaruh tempat dan iklim di daerah Surakarta. Peta sebaran geografis penyakit dapat membantu dalam mempelajari antara iklim dengan penyakit dan membantu mengimplementasikan rencana intervensi.
Dalam kasus ini akan membahas mengenai peta rawan persebaran kejadian serangan hama ulat grayak di Kota Surakarta dengan mempertimbangkan lokasi (kecamatan) dan waktu (tahun). Dengan menggunakan metode Geary’s C dan G* Statistik akan disajikan peta persebaran hama setiap kecamatan dalam tiap tahunnya.
Tujuan
- Mengetahui serangan hama ulat grayak yang tersebar di Kota Surakarta pada masing-masing kecamatan pada tahun 2008.
- Mengetahui autokorelasi spasial dengan metode Geary’s C dan G* Statistik.
Metode Penelitian
Alur penelitian dengan data serangan ulat grayak pada tahun 2008 yang didapat dari Laboraturium Pengamatan Hama dan Penyakit Tanaman akan dilakukan dengan tahapan sebagai berikut :
Gambar 1. Tahap Penelitian
Data yang digunakan dalam penelitian ini diperoleh dari Laboraturium Pengamatan Hama dan Penyakit Tanaman daerah Surakarta, Jawa Tengah pada tahun 2008. Data dari 124 kecamatan adalah data serangan hama ulat grayak. Selain data serangan hama ulat grayak, digunakan juga peta Kota Surakarta.
Identifikasi Masalah dan Tujuan
Pengumpulan Data Awal
Proses Analisis Data
Hasil dan Evaluasi
Laboraturium Pengamatan Hama dan
Penyakit Tanaman
Kasus Serangan Hama Ulat Grayak
Tahun 2008
Analisis Metode Geary’s C
Tabel 1. Kecamatan yang Terkena Serangan Hama Ulat Grayak pada Tahun 2008
Kecamatan
Serangan Ulat Grayak 2008 (hektar) Banyudono 10 Ngemplak 5 Simo 15 Klego 1 Gantiwarno 4 Cawas 26 Trucuk 15 Jogonalan 3 Karangdowo 14 Wonogiri 4 Eromoko 15 Selogiri 15 Bulukerto 6 Girimarto 2 Plupuh 17 Gondang 13 Ngrampal 3 Tanon 6
Dari 124 kecamatan yang terdapat di Kota Surakarta, hanya 18 kota yang terserang hama ulat grayak. Kecamatan Cawas paling banyak terserang hama ulat grayak sebesar 26 hektar seperti yang terdapat pada Tabel 1.
Proses analisis data yang digunakan adalah dengan menganalisis metode Geary’s C dan metode G* Statistik. Kedua metode tersebut dijadikan acuan penulis untuk menganalisa serangan hama ulat grayak pada tanaman. Indeks Geary’s C yang dirumuskan oleh Lee dan Wong, 2010 adalah sebagai berikut :
n = jumlah wilayah dalam studi yang diidentifikasi. x1 = nilai atribut pada wilayah i.
x,‾ = nilai tengah dari atribut wilayah studi. wij = nilai proksimasi spasial.
Identifikasi pola sebaran menggunakan indeks C, jika nilai C terletak diantara 0 dan 1, maka pola sebarannya dalah mengelompok (cluster), jika nilai C mendekati pola 1, polanya menyebar tidak merata (tidak ada autokorelasi), dan pada nilai C terletak antara 1 dan 2, pola sebarannya merata (Lee dan Wong, 2010).
Gambar 2. Pseudocode Geary’s C
Dari file data dan variabel yang dibuat seperti Gambar 2. dapat dilakukan fungsi Geary’s C yang jika nilai C = 1 tidak terdapat autokorelasi. Jika nilai C < 1 terjadi autokorelasi positif dan sebaliknya, jika nilai C > 1 terjadi autokorelasi negatif.
Yang mana xi adalah variabel dalam wilayah yang diobservasi i(i = 1, ... ,
m). bk = m∑i=1 dan wij dengan wij = 0 yang merupakan spatial weight antara
wilayah observasi i dan j. Istilah spatial weight dapat didefinisikan sebagai jarak spasial (spatial distance)(Zhang, 2008)
Gambar 3. Pseudocode G* Statistik
Koordinat yang dipakai adalah x dan y. Dengan xij adalah data luas tambah
serangan dengan satuan hektar dan wij adalah nilai dimana jika kecamatan A dan
kecamatan B berdekatan bernilai 1 dan jika berjauhan bernilai 0 maka dilakukan fungsi Getis Ord.
Hasil dan Pembahasan
Serangan hama ulat grayak di Kota Surakarta pada tahun 2008 terjadi di 18 kecamatan dari 124 kecamatan yang dianalisis, antara lain Banyudono, Ngemplak, Simo, Klego, Gantiwarno, Cawas, Trucuk, Jogonalan, Karangdowo, Wonogiri, Eromoko, Selogiri, Bulukerto, Girimarto, Plupuh, Gondang, Ngrampal dan Tanon.
Gambar 4. Peta Serangan Ulat Grayak Tahun 2008 dengan Metode Geary’s C Berdasarkan hasil dari peta yang diuji dengan metode Geary’s C pada serangan ulat grayak tahun 2008 di Surakarta, Jawa Tengah yang ditampilkan pada Gambar 2. menunjukkan tiga hasil yang berbeda. Warna biru yang disimbolkan dengan angka 0 berarti menunjukkan bahwa tidak ada autokorelasi spasial atau nilai C = 1. Warna merah yang disimbolkan dengan angka 1 berarti menunjukkan bahwa autokorelasi positif atau nilai C < 1. Sedangkan warna putih yang disimbolkan dengan angka 2 berarti menunjukkan bahwa autokorelasi negatif atau nilai C > 1.
Pada Gambar 4. peta hasil uji G* Statistic menunjukkan pola serangan hama ulat grayak tahun 2008 dengan nilai range -1 sampai 5. Wilayah yang paling banyak atau sering disebut dengan titik Hotspot pada peta ditunjukkan dengan warna merah muda dengan rata – rata memiliki nilai G* > 4.0.
Wilayah dengan nilai G* < -0.0 terlihat berwarna biru, yang mewakili cold spot atau titik rendah dimana serangan hama ulat grayak tidak terjadi pada area tersebut.Pada peta juga diperlihatkan pada wilayah – wilayah yang memiliki nilai G* > 0.0 dan ditunjukkan dengan warna biru lebih muda dimana pada daerah tersebut merupakan wilayah yang memiliki jumlah serangan ulat grayak medium atau ada serangan namun hanya sedikit.
Kesimpulan
Hasil analisis data menunjukkan bahwa serangan hama ulat grayak pada tahun 2008 dengan metode G* Statistik lebih signifikan karna dapat diketahui serangan hotspot dan coldspot dari yang tertinggi hingga terendah. Sedangkan Geary’s C hanya diketahui autokorelasi positif dan autokorelasi negatif.
Dengan metode G* Statistik akan meningkatkan keakurasiannya dengan mempertimbangkan aspek spasial dan waktu. Sedangkan dengan metode Geary’s C hanya mengindikasikan pola sebaran secara general. Data menunjukkan pada tahun 2008 sebanyak 174 kasus dengan nilai Indeks Geary’s C sebesar 0,147859782. Sedangkan pada metode G* Statistik didapatkan nilai Indeks sebesar 0,07426063.
Daftar Pustaka
[1] LPHPT (Laboraturium Pengamatan Hama dan Penyakit Tanaman) Tahun 2008 Kota Surakarta, Jawa Tengah
[2] Prasetyo S.Y.J.P., 2014, Pemodelan Spasial Perubahan Konektivitas Potensial pada Endemisitas Skalabilitas Lokal Menggunakan Fungsi G * Statistic – Local Spatial Statistics, Jurnal Agricultural Science.
[3] Curtis J A, Lee A W.(2010).Spatial Pattern of Diabetes Related Health Problem for Vulneral Populations in Los Angeles,USA
[4] Sawada M,2009, Global Spatial Autocorrelation Indices – Moran’s I, Geary’s C and the General Cross-Product Statistic, Department of Geograhpy University of Ottawa,Ottawa
