DANIAR AZILIA FANANI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
BOGOR 2014
ANALISIS GEROMBOL DAN BIPLOT DALAM ANALISA
TEKANAN ORGANISME PENGGANGGU TANAMAN DI
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Gerombol dan Biplot dalam Analisa Tekanan Organisme Pengganggu Tanaman di Provinsi Jawa Barat 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 skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Agustus 2014 Daniar Azilia Fanani NIM G14100090
ABSTRAK
DANIAR AZILIA FANANI. Analisis Gerombol dan Biplot dalam Analisa Tekanan Organisme Pengganggu Tanaman di Provinsi Jawa Barat. Dibimbing oleh BUDI SUSETYO dan HERMANU TRIWIDODO.
Jawa Barat merupakan provinsi dengan produksi tanaman pangan padi terbesar kedua di Indonesia. Adanya organisme pengganggu tanaman (OPT) pada tanaman padi menyebabkan produksi tanaman padi dapat menurun termasuk di provinsi Jawa Barat. Analisis gerombol dapat digunakan untuk melihat jumlah gerombol kabupaten di Jawa Barat yang terbentuk berdasarkan persentase luas lahan yang terserang OPT, informasi tersebut dapat digunakan untuk memperoleh kriteria tingkat serangan OPT. Analisis biplot dapat mengidentifikasi karakteristik antara persentase luas lahan yang terserang OPT dengan kabupaten di Jawa Barat. Hasil analisis gerombol menunjukkan terdapat tipe penggerombolan untuk masing-masing OPT yang berbeda per musimnya, dengan gerombol yang terbentuk antara 2 sampai 4 gerombol. Hasil analisis biplot menunjukkan terdapat kabupaten-kabupaten tertentu yang terserang oleh OPT tertentu yang berbeda tiap musimnya. Kata kunci: Analisis Biplot, Analisis Gerombol, OPT
ABSTRACT
DANIAR AZILIA FANANI. Cluster Analysis and Biplot Analysis of Pressure Plant Pest Organisms in West Java Province. Supervised by BUDI SUSETYO and HERMANU TRIWIDODO.
West Java is the province with the production of food crops in Indonesia's second largest rice. The presence of plant pests (OPT) in rice plants led to decreased production of rice plants can include in the province of West Java. Analysis of clusters can be used to see the number of districts in West Java clusters are formed based on the percentage of land area affected pest, such information can be used to obtain the level of pest attack criteria. Biplot analysis can identify characterize about the percentage of land area affected by the pest districts in West Java. The results of the analysis showed that there were clusters penggerombolan type for each different pest per season, with clusters formed between 2 to 4 clusters. Biplot analysis results showed that there were certain districts were affected by the particular pest that is different each season.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika
pada
Departemen Statistika
ANALISIS GEROMBOL DAN BIPLOT DALAM ANALISA TEKANAN ORGANISME PENGGANGGU TANAMAN DI PROVINSI JAWA BARAT
DANIAR AZILIA FANANI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
BOGOR 2014
Judul Skripsi : Analisis Gerombol Dan Biplot Dalam Analisa Tekanan Organisme Pengganggu Tanaman Di Provinsi Jawa Barat Nama : Daniar Azilia Fanani
NIM : G14100090 Disetujui oleh Dr Ir Budi Susetyo, MS Pembimbing I Dr Ir Hermanu Triwidodo, MSc Pembimbing II Diketahui oleh
Dr Anang Kurnia, MSi Ketua Departemen
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala limpahan nikmat dan karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini. Shalawat serta salam semoga senantiasa tercurahkan kepada Rasulullah SAW beserta keluarga dan sahabatnya. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Januari 2014 ini ialah pertanian, dengan judul Analisis Gerombol dan Biplot dalam Analisa Tekanan Organisme Pengganggu Tanaman di Provinsi Jawa Barat. Karya ilmiah ini adalah salah satu syarat kelulusan yang harus dipenuhi untuk mendapatkan gelar Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Terima kasih penulis ucapkan kepada semua pihak yang berperan dalam penulisan karya ilmiah ini, antara lain:
1. Bapak Budi Susetyo dan Bapak Hermanu Triwidodo selaku dosen pembimbing yang selalu memberikan saran, arahan, dan nasihat selama penyusunan karya ilmiah ini.
2. Bapak Gaib selaku kepala Balai Besar Peramalan Organisme Pengganggu Tanaman (BBPOPT) dan Ibu Ulfa serta Bapak Edi sebagai staf BBPOPT yang sangat membantu penulis mendapat data.
3. Seluruh Dosen Departemen Statistika yang telah memberikan ilmu dan wawasan selama penulis menuntut ilmu di Departemen Statistika serta seluruh staf Departemen Statistika (ibu Markonah dll) yang telah banyak membantu penulis.
4. Ayah, Mama, mbak Memel, Caca dan seluruh keluarga yang telah memberikan doa, kasih sayang, dukungan serta semangat yang diberikan selama ini.
5. Teman seperjuangan kontrakan Srikandi atas doa dan semangat yang diberikan.
6. Teman-teman CSS MoRA 47 dan Statistika 47 atas semangat dan kebersamaannya selama ini.
7. Serta seluruh pihak yang telah membantu penulis dalam menyelesaikan penyelesaian karya ilmiah ini.
Semoga karya ilmiah ini dapat memberikan manfaat bagi semua pihak. Amin
Bogor, Agustus 2014
DAFTAR ISI
DAFTAR TABEL viii
DAFTAR GAMBAR viii
DAFTAR LAMPIRAN viii
PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 1 METODOLOGI 2 Data 2 Metode 2
HASIL DAN PEMBAHASAN 4
Eksplorasi Data 4
Hasil Analisis Gerombol 5
Gerombol Musim Hujan 6
Gerombol Musim Kemarau 8
Hasil Analisis Biplot 9
Biplot Musim Hujan 9
Biplot Musim Kemarau 11
SIMPULAN DAN SARAN 12
Simpulan 12
Saran 13
DAFTAR PUSTAKA 13
DAFTAR TABEL
1. Peubah yang digunakan untuk analisis gerombol 2 2. Peubah yang digunakan untuk analisis biplot 2 3. Hasil analisis gerombol saat musim hujan 6 4. Hasil analisis gerombol saat musim kemarau 8
DAFTAR GAMBAR
1 Dendogram berdasarkan luas lahan yang terserang penggerek
batang padi saat musim hujan 6
2 Peta hasil analisis gerombol untuk peubah persentase luas lahan yang terserang penggerek batang padi saat musim hujan 7 3 Peta hasil analisis gerombol untuk peubah persentase luas lahan
yang terserang tikus saat musim kemarau 9
4 Biplot antara kabupaten dengan luas lahan yang terserang 6
OPT saat musim hujan 10
5 Biplot antara kabupaten dengan luas lahan yang terserang 6
OPT saat musim kemarau 11
DAFTAR LAMPIRAN
1 Persentase luas lahan yang terserang 6 OPT selama 5 tahun saat
musim hujan 14
2 Persentase luas lahan yang terserang 6 OPT selama 5 tahun saat
musim kemarau 15
3 Korelasi luas lahan yang terserang OPT penggerek batang padi
selama 5 tahun saat musim hujan 16
4 Korelasi luas lahan yang terserang OPT tikus di 17 kabupaten
selama 5 tahun saat musim hujan 16
5 Korelasi luas lahan yang terserang OPT wereng batang coklat di 17 kabupaten selama 5 tahun saat musim hujan 16 6 Korelasi luas lahan yang terserang OPT tungro di 17 kabupaten
selama 5 tahun saat musim hujan 16
7 Korelasi luas lahan yang terserang OPT blast di 17 kabupaten
selama 5 tahun saat musim hujan 17
8 Korelasi luas lahan yang terserang OPT kresek di 17 kabupaten
selama 5 tahun saat musim hujan 17
9 Korelasi luas lahan yang terserang OPT penggerek batang padi
selama 5 tahun saat musim kemarau 17
10 Korelasi luas lahan yang terserang OPT tikus di 17 kabupaten
11 Korelasi luas lahan yang terserang OPT wereng batang coklat di 17 kabupaten selama 5 tahun saat musim kemarau 18 12 Korelasi luas lahan yang terserang OPT tungro di 17
kabupaten selama 5 tahun saat musim kemarau 18 13 Korelasi luas lahan yang terserang OPT blast di 17 kabupaten
selama 5 tahun saat musim kemarau 18
14 Korelasi luas lahan yang terserang OPT kresek di 17 kabupaten selama 5 tahun saat musim kemarau 18 15 Korelasi antar peubah biplot saat musim hujan 19 16 Korelasi antar peubah biplot saat musim kemarau 19
PENDAHULUAN
Latar Belakang
Tanaman pangan padi atau Oryza sativa merupakan salah satu tanaman pangan yang sangat pokok bagi manusia. Buah tanaman padi yang berupa beras ini adalah bahan makanan pokok penduduk Asia, termasuk di Indonesia (Siregar 1981). Sama seperti tanaman lainnya, tanaman padi juga memiliki Organisme Pengganggu Tanaman (OPT). OPT pada tanaman padi sangat beragam dan dapat berupa hama atau penyakit. Beberapa hama pada tanaman padi ialah penggerek batang padi, tikus, wereng batang coklat, burung, ulat dan lain-lain, sedangkan untuk contoh penyakit ialah blast, kresek, tungro dan lain-lain.
Jawa Barat merupakan provinsi dengan penghasil padi terbesar kedua di Indonesia (BPS 2013), dengan adanya OPT pada tanaman padi maka produktivitas tanaman padi di Jawa Barat dapat berkurang atau menurun. Perlu dilakukan penyusunan langkah-langkah pengendalian OPT melihat dampak buruk yang dapat terjadi, khususnya untuk bidang pertanian seperti pencermatan untuk early warning system dan fasilitasi program. Pengendalian OPT dapat dilihat melaui informasi tentang penyebaran dan kriteria tingkat serangannya.
Susanti (2008) mengatakan bahwa pengaruh perubahan iklim memberikan dampak yang cukup buruk terhadap pertanian di Indonesia dalam penelitiannya yang berjudul Dampak Perubahan Iklim terhadap Serangan Organisme Pengganggu Tanaman (OPT) serta Strategi Antisipasi dan Adaptasi. Wahyono(2012) mengatakan bahwa El-Nino dan La-Nina dapat menstimulasi perkembangan hama dan penyakit padi, seperti penggerek batang dan wereng batang coklat di Jawa Barat dan Jawa Tengah, belalang di Lampung dan penyakit tungro di NTB dan Sulawesi Selatan. Berdasarkan kedua hasil penelitian ini, peneliti ingin mengidentifikasi tentang informasi tekanan OPT khususnya pada tanaman padi di provinsi Jawa Barat.
Analisis gerombol dapat digunakan untuk melihat jumlah gerombol kabupaten di Jawa Barat yang menambah informasi tentang kriteria tingkat serangan OPT. Kriteria serangan ditentukan berdasarkan hasil gerombol, dengan adanya informasi tersebut pemerintah dapat mengetahui kriteria serangan tiap kabupaten di Jawa Barat. Analisis biplot dapat menggambarkan karakteristik antara peubah yaitu luas lahan tanaman padi yang terserang 6 OPT dengan objeknya yaitu 17 kabupaten di Jawa Barat. Selain itu, dapat diperoleh juga informasi tentang kedekatan antar objek, korelasi antar peubah dan keragaman tiap peubah. Melalui analisis gerombol dan biplot diperoleh informasi tentang penyebaran OPT di seluruh kabupaten provinsi Jawa Barat yang nantinya akan bermanfaat untuk pemerintah maupun petani.
Tujuan Penelitian Tujuan penelitian ini adalah:
1. Menggerombolkan kabupaten yang berada di Jawa Barat berdasarkan persentase luas lahan yang terserang masing-masing OPT untuk tiap musim. 2. Mengidentifikasi karakteristik antara persentase luas lahan yang terserang 6
2
METODOLOGI
Data
Data yang digunakan dalam penelitian ini ialah data sekunder yang didapatkan dari Balai Besar Peramalan Organisme Penggangu Tumbuhan hasil survei dari Direktorat Perlindungan Tanaman Pangan Jakarta. Selain itu data juga didapat dari dinas Tanaman Pangan dan Holtikultura Jawa Barat. Pelaksanaan survei dimulai dari tahun 2008 sampai 2012.
Objek yang digunakan ialah seluruh kabupaten di provinsi Jawa Barat yaitu 17 kabupaten. Total peubah selama 5 tahun pada penelitian ini ialah sebanyak 30 peubah, dengan 6 peubah untuk tiap tahunnya. 6 peubah tersebut ialah persentase luas lahan yang terserang masing-masing OPT. Informasi lebih lanjut tentang peubah dapat dilihat pada Lampiran 1 untuk musim hujan dan Lampiran 2 untuk musim kemarau. Peubah yang digunakan untuk analisis gerombol dapat dilihat pada Tabel 1 dan untuk peubah analisis biplot dapat dilihat pada Tabel 2.
Tabel 1 Peubah yang digunakan untuk analisis gerombol
Peubah Keterangan
Y1 Persentase luas lahan yang terserang per jenis OPT tahun 2008 Y2 Persentase luas lahan yang terserang per jenis OPT tahun 2009 Y3 Persentase luas lahan yang terserang per jenis OPT tahun 2010 Y4 Persentase luas lahan yang terserang per jenis OPT tahun 2011 Y5 Persentase luas lahan yang terserang per jenis OPT tahun 2012
Tabel 2 Peubah yang digunakan untuk analisis biplot
Peubah Keterangan
Y1 Rata-rata persentase luas lahan yang terserang penggerek batang padi selama 5 tahun
Y2 Rata-rata persentase luas lahan yang terserang tikus selama 5 tahun
Y3 Rata-rata persentase luas lahan yang terserang wereng batang coklat selama 5 tahun
Y4 Rata-rata persentase luas lahan yang terserang tungro selama 5 tahun Y5 Rata-rata persentase luas lahan yang terserang kresek selama 5 tahun Y6 Rata-rata persentase luas lahan yang terserang blast selama 5 tahun
Metode
Tahapan analisis yang dilakukan pada penelitian ini ialah sebagai berikut: 1. Mencari korelasi antar peubah persentase luas lahan yang terserang per jenis
OPT tiap tahunnya untuk musim hujan dan musim kemarau menggunakan korelasi Pearson.
3
2. Melakukan penggerombolan kabupaten menggunakan analisis gerombol. Analisis gerombol merupakan salah satu teknik peubah ganda yang mempunyai tujuan utama untuk mengelompokkan n objek ke dalam m gerombol ( m ≤ n ) berdasarkan kemiripan karakteristik yang dimilikinya (Johnson & Winchern 2007). Objek-objek yang dihasilkan memiliki homogenitas yang tinggi jika berada dalam satu gerombol, dan berlaku sebaliknya. Peubah-peubah yang dilibatkan dalam analisis gerombol dipilih sesuai dengan tujuan penggerombolan. Langkah-langkah dalam analisis gerombol ialah sebagai berikut (Johnson dan Wichern, 2007) :
a. Mencari jarak dengan nilai D = {dij} dengan menggunakan jarak
Mahalanobis untuk masing-masing objek. Jarak Mahalanobis dapat digunakan untuk peubah yang berkorelasi. Jarak Mahalanobis dirumuskan sebagai berikut (Kaufma & Peter 2002):
dij = [(xi-xj)'S-1(xi-xj)] 1/2
keterangan:
dij = jarak antara objek ke-i dan objek ke-j
xi = vektor ke-i
xj = vektor ke-j
S = matriks ragam peragam contoh
b. Menentukan jarak matriks antar dua jarak objek dengan menggunakan pautan rataan, lalu jarak matriks yang terbentuk ialah duv. Rumus pautan
rataan dapat dituliskan sebagai berikut (Timm 2002): d(uv)w = ∑ ∑i kdik
N(uv)Nw
keterangan:
dik = jarak antara objek ke-i dalam gerombol (UV) dan objek ke-
k dalam gerombol W
N(uv) = jumlah objek dalam gerombol (UV)
Nw = jumlah objek dalam gerombol W
c. Menggabungkan gerombol U dan V. Beri label baru dari format gerombol yang terbentuk.
d. Memperbarui jarak matriks dengan:
i.menghapus baris-baris dan kolom-kolom yang sama dengan gerombol U dan V
ii.menambah baris-baris atau dan kolom-kolom yang memberikan jarak antara gerombol UV dengan gerombol sisanya.
e. Mengulangi langkah a-c sebanyak N-1 kali
3. Mengidentifikasi karakteristik serangan 6 OPT di 17 kabupaten dengan melihat presentase luas lahan yang terserang 6 OPT menggunakan analisis biplot. Biplot adalah sebuah representasi grafik dari suatu informasi dalam sebuah matriks dengan ukuran nxp yang berdimensi 2, sehingga ciri-ciri peubah dan objek pengamatan serta posisi relatif antar objek pengamatan dengan peubah dapat dianalisis (Jollife 2002). Tahapan analisis biplot dapat ditulis sebagai berikut:
a. Mendefinisikan matriks X dengan ukuran nxp dari peubah yang diamati, dengan n adalah banyaknya objek dan p banyaknya peubah.
b. Menghitung nilai matriks X'X dan mencari akar ciri dari X'X. c. Menghitung matriks U, L dan A
4
Analisis biplot didasarkan pada penguraian nilai singular (SVD). Jollife (2002) menguraikan matriks X menjadi X=U L A', dengan U (nxr) dan A (pxr) dengan lajur orthonormal sehingga U'U = Ir dan A'A = Ir. r adalah
pangkat matriks X dan L adalah matriks diagonal berukuran rxr dengan unsur diagonal utamanya adalah akar dari akar ciri X'X atau XX',
√λ1 ≥ √λ2 ≥ ... ≥ √λr
Unsur-unsur diagonal tersebut ialah nilai singular dari matriks X. Kolom-kolom matriks A ialah vektor ciri dari X'X dan XX'. Kolom-Kolom-kolom untuk matriks U diperoleh melalui:
Ui = λ1
iai dengan i =1,2,…,r
ai adalah kolom dari matriks A yang dapat di tulis menjadi:
A = [a1,a2, …, ar]
Secara matematis SVD dapat ditulis sebagai
nXp = nUrrLrrAp
d. Menghitung nilai G dan H
Setelah didapatkan penguraian nilai singular dengan menggunakan persamaan X = ULA', matriks X dapat dituliskan dalam bentuk:
X = GH'
misalkan matriks G = ULα dan H = L1-αA' yang masing-masing
berukuran (nxr) dan (pxr) dengan α adalah nilai faktorisasi yang besarnya 0≤ α ≤1, menurut Jollife (2002) unsur ke-(i, j) dari matriks X dapat dituliskan sebagai berikut:
Xij = gi'hj
untuk i = 1,2,...,n dan j = 1,2,...,p dengan gi' dan hj' masing-masing
merupakan baris matriks G dan H. Ketika X berpangkat 2 maka vektor pengaruh baris gi dan vektor pengaruh lajur hj dapat digambarkan dalam
ruang berdimensi dua. Matriks G merupakan titik koordinat dari objek, dan matriks H titik koordinat dari peubah.
e. Membuat plot pencaran biplot
f. Menghitung ukuran kebaikan biplot dengan rumus sebagai berikut: ρ2= λ1+ λ2
∑kiλk
dengan λ1 adalah akar ciri terbesar pertama, λ2 adalah akar ciri terbesar kedua dan λi adalah akar ciri terbesar ke-i dari X'X serta i = 1,2,...,k. Semakin mendekati nilai satu, maka biplot memberikan penyajian yang semakin baik mengenai informasi data yang sebenarnya (Mattjik dan Sumertajaya 2011).
g. Interpretasi biplot
HASIL DAN PEMBAHASAN
Eksplorasi Data
Kabupaten Bekasi memiliki serangan OPT paling tinggi saat musim hujan dibanding kabupaten lainnya di Jawa Barat. Persentase luas lahan yang terserang di kabupaten Bekasi saat musim hujan memiliki rata-rata sebesar 0.9% dari total luas tanam padi (Lampiran 1). Letak geografis atau iklim kabupaten Bekasi dapat
5
dicurigai menjadi salah satu faktor penyebab tingginya serangan OPT pada tanaman padi di Bekasi. Kabupaten Bogor, Sukabumi, Garut dan Sumedang memiliki rata-rata persentase luas terserang terendah saat musim hujan yaitu 0.2% dari total luas tanam padi di masing-masing kabupaten.
Kabupaten Bekasi juga memiliki serangan OPT paling tinggi saat musim kemarau dengan persentase rata-rata luas lahan yang terserang mencapai 1.7% dari total luas tanam padi (Lampiran 2). Sama seperti saat musim hujan, hal ini dapat disebabkan oleh letak geografis atau iklim kabupaten Bekasi yang dapat memicu tingginya serangan OPT. Kabupaten Sukabumi dan Garut menjadi kabupaten dengan serangan OPT terendah saat musim kemarau, dengan rata-rata luas lahan terserang sebesar 0.3% dari luas total tanam padi masing-masing kabupaten.
Korelasi antar peubah yang digunakan untuk analisis gerombol saat musim hujan dapat dilihat pada lampiran 3-8. Korelasi presentase luas lahan yang terserang OPT antar tahun pada musim hujan dapat dikatakan tinggi. Hasil korelasi ini menyimpulkan bahwa ada hubungan yang kuat antara persentase luas lahan yang terserang masing-masing OPT antar tahunnya. Korelasi rendah atau yang tidak berkorelasi ditemukan pada peubah persentase luas lahan yang terserang blast dan persentase luas lahan yang terserang kresek saat musim hujan (Lampiran 7-8). Saat musim kemarau, sebagian besar presentase luas lahan yang terserang OPT antar tahun tidak berkorelasi ditemukan pada OPT wereng batang coklat dan blast (Lampiran 11, 13), serta cenderung berkorelasi tinggi untuk OPT lainnya. Korelasi antar presentase luas lahan yang terserang OPT saat musim kemarau dapat dilihat pada lampiran 9-14.
Hasil Analisis Gerombol
Salah satu tujuan dari penelitian ini ialah menggerombolkan kabupaten di Jawa Barat berdasarkan persentase proporsi luas yang terserang masing-masing OPT selama lima tahun untuk tiap musimnya. Langkah pertama yang dilakukan ialah mencari korelasi antar peubah. Sebagian besar terdapat korelasi antar tahun untuk masing-masing luas lahan yang terserang OPT, oleh karena itu digunakan jarak Mahalanobis dalam analisis gerombol pada penelitian ini.
Output analisis gerombol berupa dendogram yang dapat dilihat pada Gambar 1. Dendogram tersebut merupakan hasil penggerombolan berdasarkan peubah luas lahan yang terserang penggerek batang padi saat musim hujan. Penentuan jumlah gerombol ditentukan berdasarkan pemotongan jarak terjauh dari dendogram yang dihasilkan, dalam kasus ini jumlah gerombol yang terbentuk ialah 3.
6
Gambar 1 Dendogram berdasarkan luas lahan yang terserang penggerek batang padi saat musim hujan
Gerombol Musim Hujan
Hasil analisis gerombol saat musim hujan dapat dilihat di Tabel 3. Kriteria serangan dapat ditentukan melalui jumlah gerombol yang terbentuk. Jika gerombol yang terbentuk terdiri dari 1 sampai 4 gerombol maka gerombol 1 dapat dikatakan gerombol dengan serangan OPT ringan, gerombol 2 sedang, gerombol 3 berat dan gerombol 4 sangat berat. Jika hasil penggerombolan terdiri dari 2 gerombol maka gerombol 2 dapat dikatakan gerombol dengan serangan berat. Berdasarkan hasil analisis gerombol yang diperoleh, dapat dikatakan bahwa kabupaten Bogor, Bandung, Ciamis, Sukabumi, Cianjur, Garut, Sumedang dan Tasikmalaya memiliki tipe serangan yang sama dari penggerombolan OPT PBP sampai tungro, yaitu serangan rendah saat musim hujan.
Tabel 3 Hasil analisis gerombol saat musim hujan
PBB Tikus WBC Blast Kresek Tungro
Ge
rombol 1
Bandung Bandung Bandung Bandung Bandung Bandung
Bdg Barat Bdg Barat Bdg Barat Bdg Barat Bdg Barat Bekasi
Bogor Bogor Bogor Bekasi Bekasi Bogor
Ciamis Ciamis Ciamis Bogor Bogor Ciamis
Cianjur Cianjur Cianjur Cianjur Ciamis Cianjur
Cirebon Cirebon Cirebon Ciamis Cianjur Cirebon
Garut Garut Garut Garut Cirebon Garut
Indramayu Indramayu Karawang Indramayu Garut Indramayu Kuningan Karawang Kuningan Karawang Karawang Karawang Majalengka Kuningan Majalengka Kuningan Kuningan Majalengka Purwakarta Majalengka Purwakarta Majalengka Subang Subang Subang Purwakarta Sukabumi Subang Sukabumi Sukabumi Sukabumi Subang Sumedang Sukabumi Sumedang Sumedang Sumedang Sukabumi Tasikmalaya Sumedang Tasikmalaya Tasikmalaya
Tasikmalaya Sumedang Tasikmalaya
7
Ge
rombol 2
Karawang Bekasi Subang Cirebon Indramayu Kuningan
Ge
rombol 3 Bekasi Bekasi Purwakarta Purwakarta Bdg Barat
Ge
rombol 4
Indramayu Majalengka Purwakarta
Kabupaten yang masuk dalam masing-masing gerombol saat musim hujan ini memiliki kemungkinan karena disebabkan oleh adanya faktor letak geografis masing-masing kabupaten (efek spasial). Kedekatan antar daerah dapat menyebabkan serangan OPT hampir sama dari satu kabupaten ke kabupaten terdekat lainnya. Peta salah satu contoh hasil analisis gerombol berdasarkan peubah persentase luas lahan yang terserang oleh penggerek batang padi dapat dilihat pada Gambar 2. Saat musim hujan hampir seluruh kabupaten di Jawa Barat masuk dalam gerombol 1 dengan kriteria serangan ringan dan hanya dua kabupaten yang tidak masuk dalam kriteria tersebut. Hal ini dapat dicurigai karena adanya efek spasial antar kabupaten di Jawa Barat saat musim hujan.
Gambar 2 Peta hasil analisis gerombol untuk peubah persentase luas lahan yang terserang penggerek batang padi saat musim hujan
8
Gerombol Musim Kemarau
Hasil analisis gerombol saat musim hujan dapat dilihat di Tabel 4. Kriteria serangan dapat ditentukan melalui jumlah gerombol yang terbentuk. Jika gerombol yang terbentuk terdiri dari 1 sampai 4 gerombol maka gerombol 1 dapat dikatakan gerombol dengan serangan OPT ringan, gerombol 2 sedang, gerombol 3 berat dan gerombol 4 sangat berat. Jika hasil penggerombolan terdiri dari 2 gerombol maka gerombol 2 dapat dikatakan gerombol dengan serangan berat. Berdasarkan hasil analisis gerombol yang diperoleh, dapat dikatakan bahwa kabupaten Bogor, Sukabumi, Cianjur, Garut, Tasikmalaya, Purwakarta, Kuningan, Majalengka dan Sumedang memiliki tipe serangan yang sama dari penggerombolan OPT PBP sampai tungro yaitu serangan rendah.
Tabel 4 Hasil analisis gerombol saat musim kemarau
PBP Tikus WBC Blast Kresek Tungro
Ge
rombol 1
Bandung Bandung Bandung Bandung Bandung Bekasi Bogor Bdg Barat Bdg Barat Bdg Barat Bekasi Bogor
Ciamis Bogor Bogor Bekasi Bogor Ciamis
Cianjur Ciamis Ciamis Bogor Ciamis Cianjur
Cirebon Cianjur Cianjur Cianjur Cianjur Cirebon
Garut Garut Cirebon Cirebon Cirebon Garut
Kuningan Indramayu Garut Garut Garut Indramayu
Majalengka Karawang Karawang Indramayu Indramayu Karawang Purwakarta Kuningan Kuningan Karawang Karawang Kuningan Subang Majalengka Majalengka Kuningan Kuningan Majalengka Sukabumi Purwakarta Purwakarta Purwakarta Majalengka Subang Sumedang Subang Sukabumi Subang Purwakarta Sukabumi Tasikmalaya Sukabumi Sumedang Sukabumi Subang Sumedang
Sumedang Tasikmalaya Sumedang Sukabumi Tasikmalaya Tasikmalaya Majalengka Sumedang Purwakarta
Tasikmalaya Tasikmalaya
Ge
rombol 2
Bdg Barat Bekasi Subang Ciamis Bdg Barat Bdg Barat
Karawang
Ge
rombol 3
Indramayu Cirebon Bekasi Bandung
Ge
rombol 4
9
Gerombol yang berisi masing-masing kabupaten hasil analisis gerombol saat musim kemarau ini memiliki kemungkinan karena disebabkan oleh adanya faktor letak geografis masing-masing kabupaten (efek spasial). Sama seperti saat musim hujan, kedekatan antar daerah dapat menjadi salah satu penyebab serangan OPT mirip atau hampir sama dari satu kabupaten ke kabupaten terdekat lainnya. Peta salah satu contoh hasil analisis gerombol berdasarkan peubah persentase luas lahan yang terserang oleh OPT tikus saat musim kemarau dapat dilihat pada Gambar 3. Hampir seluruh kabupaten di Jawa Barat masuk dalam gerombol 1 dengan kriteria serangan ringan dan hanya dua kabupaten yang tidak masuk dalam kriteria tersebut. Hal ini dapat dicurigai karena adanya efek spasial antar kabupaten di Jawa Barat saat musim kemarau.
Gambar 3 Peta hasil analisis gerombol untuk peubah persentase luas lahan yang terserang tikus saat musim kemarau
Hasil Analisis Biplot
Analisis biplot dapat digunakan untuk mengidentifikasi karakteristik antara kabupaten di Jawa Barat dengan persentase luas lahan yang terserang oleh 6 OPT. Berikut merupakan hasil analisis biplot untuk musim hujan dan musim kemarau. Biplot Musim Hujan
Hasil analisis biplot untuk musim hujan memberikan informasi sebesar 78.4% dari data sebenarnya dengan perolehan dari sumbu pertama sebesar 60.6% dan sumbu kedua sebesar 17.8%.
10
Gambar 4 Biplot antara kabupaten dengan luas lahan yang terserang 6 OPT saat musim hujan
Berdasarkan Gambar 4 terdapat beberapa informasi yang dapat diperoleh dari biplot. Informasi pertama keragaman peubah yang dapat dilihat dari panjang vektor. Semakin panjang vektor, maka semakin beragam peubah tersebut. Luas lahan yang terserang OPT penggerek batang padi memiliki keragaman paling besar saat musim hujan.
Kedekatan antar objek dapat dilihat dari letak titik objek tersebut. Interpretasi dari posisi kabupaten B (Sukabumi), E (Garut), K (Sumedang), A (Bogor), C (Cianjur), G (Ciamis) dan H (Kuningan) memiliki karakteristik yang sama karena titik objek atau kabupaten berdekatan. Kabupaten H (Kuningan), F (Tasikmalaya) dan N (Purwakarta) juga dapat dikatakan memiliki karakteristik yang sama dan mencirikan peubah luas lahan yang terserang tungro.
Saat musim hujan kabupaten J (Majalengka) dicirikan oleh peubah luas lahan yang terserang blast. Kabupaten I (Cirebon), M (Subang) dan L (Indramayu) dicirikan oleh peubah luas lahan yang terserang oleh wereng batang coklat. Kabupaten D (Bandung) dicirikan oleh peubah luas lahan yang terserang tikus dan kresek. Kabupaten O (Karawang) dan Q (Bandung Barat) dicirikan oleh peubah luas lahan yang terserang kresek dan penggerek batang padi, serta Kabupaten P (Bekasi) dicirikan oleh peubah luas lahan yang terserang penggerek batang.
Hasil analisis biplot musim hujan yang dihasilkan dapat dikatakan sesuai dengan hasil analisis gerombol musim hujan yang diperoleh. Salah satu contoh yang dapat diambil ialah hasil analisis biplot mengatakan kabupaten Bekasi menjadi penciri peubah persentase luas lahan yang terserang penggerek batang padi, untuk hasil analisis gerombol diperoleh bahwa kabupaten Bekasi masuk dalam gerombol dengan serangan tinggi saat digerombolkan berdasarkan persentase luas lahan yang terserang oleh penggerek batang padi.
Nilai cosinus sudut antara dua vektor peubah menggambarkan korelasi kedua peubah. Jika sudut yang dibentuk antara dua peubah kurang dari 90 ○ atau membentuk sudut lancip maka kedua peubah tersebut memiliki korelasi positif. Begitu juga sebaliknya, namun jika sudut yang dibentuk antara kedua peubah mendekati 90 ○ atau sudut siku-siku maka peubah dikatakan tidak berkorelasi. Besaran korelasi tidak dapat diukur dari analisis biplot.
A B E C D F G H I J K L M N O P Q PenggerekBatang Tikus WBC Blast Kresek Tungro -0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06 0.08 0.10 Dimension 1 (60.6%) -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06 0.08 0.10 0.12
11
Saat musim hujan peubah luas yang terserang OPT tungro dengan OPT penggerek batang padi, wereng batang coklat, kresek dan tikus memiliki korelasi negatif. Peubah luas yang terserang OPT penggerek batang padi memiliki korelasi positif dengan luas yang terserang wereng batang coklat, kresek dan tikus, dan berlaku sebaliknya. Peubah luas lahan yang terserang OPT blast memiliki korelasi negatif dengan luas yang terserang OPT penggerek batang padi, tikus, wereng batang coklat dan kresek, dan memiliki korelasi positif dengan luas lahan yang terserang tungro. Hal ini sesuai dengan matriks korelasi yang di hasilkan pada Lampiran 15, namun ada beberapa korelasi yang tidak sejalan antara hasil korelasi sesungguhnya dengan hasil korelasi biplot. Hal ini disebabkan karena hanya sebesar 78.4% informasi yang dihasilkan biplot yang dapat menerangkan informasi data sebenarnya. Biplot Musim Kemarau
Saat musim kemarau informasi yang dapat diberikan oleh biplot sebesar 83.7%, dari informasi data sebenarnya dengan sumbu pertama sebesar 61.0% dan sumbu kedua sebesar 22.7%.
Gambar 5 Biplot antara kabupaten dengan luas lahan yang terserang 6 OPT saat musim kemarau
Informasi yang dapat diperoleh dari biplot musim kemarau yang dapat dilihat pada Gambar 5 ialah keragaman peubah luas lahan yang terserang OPT tikus paling tinggi dibanding peubah lainnya. Peubah luas lahan yang terserang OPT wereng batang coklat memiliki keragaman tinggi kedua setelah tikus, lalu disusul oleh peubah luas lahan yang terserang OPT penggerek batang padi, kresek, tungro dan blast.
Posisi titik dari objek atau kabupaten B (Sukabumi), A (Bogor), E (Garut), K (Sumedang), C (Cianjur), H (Kuningan) dan G (Ciamis) berdekatan, sehingga dapat dikatakan kabupaten-kabupaten tersebut memiliki karakteristik yang mirip. Kabupaten F (Tasikmalaya) dan N (Purwakarta) memiliki karakteristik yang sama yaitu sebagai penciri peubah luas lahan yang terserang tungro dan blast. Kabupaten J (Majalengka), Q (Bandung Barat), D (Bandung) dan I (Cirebon) dapat dikatakan menjadi penciri peubah luas lahan yang terserang kresek. Selain menjadi penciri luas lahan terserang kresek, kabupaten I (Cirebon) juga menjadi penciri peubah luas yang terserang tikus. A B C D E F G H I J K L M N O P Q PenggerekBatang Tikus WBC
BlastTungro Kresek
-0.18 -0.13 -0.08 -0.03 0.02 0.07 0.12 Dimension 1 (61.0%) -0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18
12
Saat musim kemarau kabupaten L (Indramayu) dicirikan oleh peubah luas lahan yang terserang penggerek batang padi. Kabupaten O (Karawang), M (Subang) dapat dikatakan memiliki karakteristik yang mirip dan sekaligus dicirikan oleh peubah luas lahan yang terserang wereng batang coklat, selain Karawang dan Subang kabupaten P (Bekasi) juga dicirikan oleh penciri peubah luas terserang wereng batang coklat.
Hasil analisis biplot musim kemarau dapat dikatakan sesuai dengan hasil analisis gerombol musim kemarau yang diperoleh. Salah satu contoh yang dapat diambil ialah hasil analisis biplot mengatakan kabupaten Indramayu menjadi penciri peubah persentase luas lahan yang terserang penggerek batang padi, untuk hasil analisis gerombol diperoleh bahwa kabupaten Indramayu masuk dalam gerombol dengan serangan tinggi saat digerombolkan berdasarkan persentase luas lahan yang terserang oleh penggerek batang padi.
Melihat sudut antar vektor yang terbentuk dapat dikatakan bahwa peubah luas lahan yang terserang wereng batang coklat memiliki korelasi positif dengan peubah luas lahan yang terserang penggerek batang padi, tikus dan kresek. Selain itu peubah luas lahan yang terserang wereng batang coklat memiliki korelasi negatif dengan peubah luas lahan yang terserang tungro dan blast. Peubah luas lahan yang terserang tungro memiliki korelasi negatif dengan peubah luas lahan yang terserang tikus, kresek, penggerek batang padi dan kresek, selain itu peubah tersebut juga memiliki korelasi positif dengan peubah luas lahan yang terserang blast. Informasi ini sesuai dengan matriks korelasi yang dihasilkan dan dapat dilihat pada Lampiran 16, namun ada beberapa korelasi yang tidak sejalan antara hasil korelasi sesungguhnya dengan hasil korelasi biplot. Hal ini disebabkan karena hanya sebesar 83.7% informasi yang dihasilkan biplot yang dapat menerangkan informasi data sebenarnya.
SIMPULAN DAN SARAN
Simpulan
Berdasarkan hasil penelitian ini dapat disimpulkan bahwa tipe serangan ke enam organisme pengganggu tanaman pada tanaman padi seluruh kabupaten di provinsi Jawa Barat sangat beragam. OPT yang digunakan yaitu penggerek batang padi, tikus, wereng batang coklat, tungro, blast dan kresek. Hasil analisis gerombol menunjukkan bahwa terdapat 2 sampai 4 gerombol untuk masing-masing OPT. Melalui analisis gerombol dapat diketahui kriteria serangan tiap OPT di seluruh kabupaten provinsi Jawa Barat.
Kabupaten Bogor, Bandung, Ciamis, Sukabumi, Cianjur, Garut, Sumedang dan Tasikmalaya memiliki tipe serangan yang sama dari penggerombolan OPT PBP sampai tungro, yaitu serangan rendah saat musim hujan. Saat musim kemarau kabupaten Bogor, Sukabumi, Cianjur, Garut, Tasikmalaya, Purwakarta, Kuningan, Majalengka dan Sumedang memiliki tipe serangan yang sama dari penggerombolan OPT PBP sampai tungro, yaitu serangan rendah.
Hasil analisis biplot menunjukkan bahwa kabupaten yang rawan terserang oleh OPT penggerek batang padi ialah kabupaten Bekasi saat musim hujan dan kabupaten Indramayu saat musim kemarau. Kabupaten yang rawan terserang OPT wereng batang coklat ialah Indramayu saat musim hujan dan kabupaten Bekasi saat musim
13
kemarau. Tipe serangan OPT tikus dominan di kabupaten Cirebon saat musim kemarau dan merata saat musim hujan.
Saran
Pemerintah provinsi Jawa Barat perlu melakukan pencegahan serangan penggerek batang padi khususnya di kabupaten Bekasi saat musim hujan, dan Indramayu saat musim kemarau. Serangan wereng batang coklat untuk kabupaten Subang dan Indramayu saat musim hujan dan ditambah kabupaten Bekasi saat musim kemarau. Serangan blast di kabupaten Majalengka saat musim hujan dan Tasikmalaya saat kemarau. Serangan tikus di kabupaten Cirebon saat musim kemarau, untuk musim hujan serangan tikus cenderung merata. Serangan tungro khususnya untuk kabupaten Purwakarta dan Tasikmalaya saat musim hujan dan kemarau. Untuk metode statistika, dapat dilakukan analisis spasial dengan data yang sama dengan di tambah peubah curah hujan dan ketinggian daerah untuk tiap kabupaten.
DAFTAR PUSTAKA
Aunuddin. 2005. Statistika: Rancangan dan Analisis Data. Bogor (ID): IPB Press [BPS] Badan Pusat Statistik. 2013. Data Pertanian dan Pertambangan bagian Tanaman
Pangan, Jawa Barat (ID) : BPS
Johnson RA, Wichern DW. 2007. Applied Multivariate Statistical Analysis. New Jersey (US): Pearson Prentice Hall
Jollife IT. 2002. Principal Component Analysis. New York (US): Springer-Verlag Kaufma L, Peter JR. 1990. Finding Groups in Data, An Introduction to Cluster
Analysis. New York (US): A John Wiley & Sons, Inc.
Mattjik AA dan Sumertajaya IM. 2011. Sidik Peubah Ganda dengan Menggunakan SAS. Bogor (ID): IPB Press
Siregar H. 1981. Budidaya Tanaman Padi di Indonesia. Bogor (ID): PT. Sastra Hudaya.
Susanti, Erni. 2008. Dampak Perubahan Iklim Terhadap Serangan OPT serta Strategi Antisipasi dan Adaptasi. [skripsi]. Balai Penelitian Agroklimat dan Hidrologi Timm NH. 2002. Applied Multivariate Analysis. New York (US): Springer-Verlag Wahyono T, Subanar. 2012. Rancang bangun sistem ‘PERMADI’ Peringatan Dini
Serangan Hama Tanaman Padi Berbasis Data Historis Klimatologi. Jurnal Sistem Komputer. 2(1):1-8
14
Lampiran 1 Persentase luas lahan yang terserang 6 OPT selama 5 tahun saat musim hujan
Kabupaten 2008 2009 2010 2011 2012 rata 2 raga m PB P Tiku s WB C Bla st Krese k Tungr o PB P Tiku s WB C Bla st Krese k Tungr o PB P Tiku s WB C Bla st Krese k Tungr o PB P Tiku s WB C Bla st Krese k Tungr o PB P Tiku s WB C Bla st Krese k Tungr o Bogor 0.3 6 0.23 0.00 0.21 0.46 0.08 0.3 7 0.32 0.00 0.12 0.44 0.04 0.4 6 0.43 0.00 0.13 0.64 0.10 0.5 4 0.15 0.00 0.11 0.55 0.05 0.4 4 0.20 0.01 0.15 0.20 0.04 0.2 3 0.03 8 Sukabumi 0.2 5 0.04 0.01 0.10 0.24 0.02 0.2 4 0.20 0.00 0.15 0.26 0.04 0.3 0 0.17 0.00 0.23 0.51 0.07 0.3 2 0.05 0.02 0.27 0.43 0.09 0.2 3 0.04 0.04 0.46 0.14 0.03 0.1 7 0.02 1 Cianjur 0.3 5 0.21 0.00 0.08 1.08 0.12 0.5 4 0.55 0.00 0.09 0.51 0.11 0.6 0 0.57 0.04 0.21 0.73 0.18 0.6 2 0.21 0.00 0.23 0.47 0.16 0.3 7 0.10 0.01 0.31 0.13 0.10 0.2 9 0.07 0 Bandung 0.5 6 1.08 0.00 0.10 0.60 0.01 0.9 1 1.64 0.01 0.31 1.11 0.03 1.2 5 2.80 0.00 0.24 1.34 0.16 1.4 1 1.51 0.00 0.15 1.36 0.15 0.7 0 0.83 0.00 0.16 0.20 0.03 0.6 2 0.47 7 Garut 0.3 4 0.54 0.00 0.09 0.18 0.02 0.3 6 0.58 0.00 0.06 0.19 0.01 0.3 7 0.49 0.00 0.08 0.30 0.20 0.3 0 0.15 0.02 0.09 0.23 0.18 0.3 2 0.12 0.04 0.11 0.06 0.03 0.1 8 0.02 8 Tasikmala ya 0.9 4 0.33 0.04 0.37 1.49 0.01 0.6 7 0.81 0.00 0.22 1.68 0.01 0.9 3 1.34 0.00 0.20 1.85 0.07 0.9 2 0.32 0.01 0.35 1.42 0.07 0.7 1 0.21 0.02 0.95 0.24 0.02 0.5 4 0.32 2 Ciamis 0.4 1 0.12 0.09 0.17 0.78 0.00 0.5 6 0.31 0.06 0.31 0.98 0.00 0.7 8 0.90 0.02 0.10 1.46 0.00 0.7 6 0.52 0.04 0.50 1.41 0.00 0.5 8 0.24 0.18 1.22 0.13 0.00 0.4 2 0.19 2 Kuningan 0.8 2 0.31 0.03 0.14 0.91 0.11 0.5 6 0.50 0.00 0.36 0.62 0.05 1.4 0 0.05 0.00 0.28 1.65 0.27 1.2 1 0.01 0.00 0.28 0.94 0.28 0.5 9 0.07 0.04 0.42 0.14 0.07 0.4 0 0.19 6 Cirebon 0.3 5 0.67 0.08 0.03 1.41 0.00 0.7 1 1.34 0.75 0.43 1.06 0.00 0.7 4 2.57 0.09 0.07 1.42 0.00 1.0 6 0.82 0.13 0.26 0.69 0.00 0.4 0 0.44 0.24 0.28 0.06 0.00 0.5 4 0.34 9 Majalengk a 0.1 8 1.03 0.12 0.65 1.26 0.00 0.7 9 0.61 0.06 0.18 0.83 0.00 0.6 0 1.49 0.01 0.05 1.67 0.01 0.9 0 0.62 0.03 0.39 1.04 0.01 0.4 8 0.93 0.15 0.99 0.59 0.00 0.5 2 0.23 8 Sumedang 0.1 4 0.55 0.01 0.10 0.34 0.05 0.5 7 0.37 0.01 0.16 0.18 0.05 0.5 3 0.32 0.01 0.15 0.53 0.10 0.4 4 0.09 0.00 0.20 0.28 0.09 0.2 2 0.33 0.02 0.39 0.02 0.03 0.2 1 0.03 4 Indramayu 0.3 8 1.24 3.68 0.66 1.26 0.00 0.8 5 1.58 1.51 0.18 0.29 0.00 0.7 4 2.95 1.02 0.01 2.29 0.00 1.6 8 1.03 0.55 0.15 0.58 0.00 0.8 8 0.48 0.99 0.24 0.03 0.00 0.8 4 0.81 8 Subang 0.5 4 1.36 0.22 0.02 1.00 0.05 0.3 9 0.78 2.37 0.02 0.86 0.02 1.5 3 1.06 0.10 0.11 1.29 0.03 1.3 1 0.60 0.18 0.02 0.39 0.04 0.5 5 0.79 0.54 0.09 0.03 0.02 0.5 4 0.34 7 Purwakart a 0.4 0 0.48 0.01 0.01 0.90 0.49 0.2 9 1.29 0.03 0.08 0.89 0.31 1.7 5 0.95 0.34 0.06 2.61 0.28 1.4 9 0.16 0.05 0.00 0.69 0.23 1.0 9 0.00 0.01 0.76 0.15 0.11 0.5 3 0.38 5 Karawang 0.9 5 1.50 0.03 0.00 0.67 0.00 0.7 4 1.00 0.74 0.00 0.33 0.00 1.0 6 0.93 0.51 0.00 0.97 0.00 1.9 9 0.99 0.05 0.00 0.80 0.00 2.9 5 1.17 0.19 0.08 0.12 0.00 0.5 9 0.49 0 Bekasi 2.5 9 0.60 0.01 0.02 1.09 0.00 1.7 1 2.37 0.16 0.00 1.03 0.00 1.8 2 1.15 1.38 0.00 1.29 0.00 1.4 3 1.00 0.08 0.03 1.22 0.00 5.5 1 1.25 1.17 0.09 0.02 0.00 0.9 0 1.36 3 Bandung Barat 0.8 4 0.46 0.00 0.78 0.68 0.11 0.8 9 1.23 0.02 0.26 0.58 0.12 1.5 5 2.77 0.00 0.09 1.06 0.31 1.7 6 1.67 0.00 0.11 1.44 0.34 1.1 1 0.43 0.00 0.13 0.21 0.25 0.6 4 0.46 1
15
Lampiran 2 Persentase luas lahan yang terserang 6 OPT selama 5 tahun saat musim kemarau
Kabupaten 2008 2009 2010 2011 2012 rata 2 raga m PB P Tiku s WB C Bla st Krese k Tungr o PB P Tiku s WB C Bla st Krese k Tungr o PB P Tiku s WB C Bla st Krese k Tungr o PB P Tiku s WB C Bla st Krese k Tungr o PB P Tiku s WB C Bla st Krese k Tungr o Bogor 0.4 0.3 0.0 0.2 0.4 0.1 0.4 0.7 0.0 0.4 0.8 0.1 0.4 0.7 0.1 0.2 1.1 0.2 0.5 0.7 0.0 0.3 1.0 0.1 0.4 0.3 0.0 0.2 1.1 0.1 0.4 0.10 1 Sukabumi 0.1 0.0 0.0 0.0 0.1 0.1 0.2 0.3 0.0 0.1 0.5 0.0 0.3 0.6 0.0 0.5 0.8 0.1 0.3 0.3 0.0 0.5 0.9 0.1 0.2 0.1 0.1 0.6 0.8 0.1 0.3 0.06 8 Cianjur 0.3 0.1 0.0 0.1 0.4 0.1 0.4 0.6 0.0 0.2 1.6 0.2 0.3 1.2 0.1 0.3 1.2 0.3 0.6 0.7 0.0 0.4 1.3 0.3 0.3 0.3 0.0 0.4 1.0 0.2 0.4 0.17 4 Bandung 0.9 1.3 0.0 0.2 0.8 0.0 1.0 2.7 0.0 0.2 1.5 0.0 1.3 4.9 0.0 0.5 3.0 0.1 1.4 4.1 0.0 0.3 2.3 0.2 0.8 1.7 0.0 0.3 1.9 0.1 1.0 1.64 5 Garut 0.3 0.3 0.0 0.0 0.2 0.1 0.3 1.6 0.0 0.1 0.3 0.0 0.3 1.2 0.0 0.2 0.5 0.1 0.3 0.6 0.0 0.1 0.4 0.3 0.2 0.2 0.0 0.1 0.3 0.1 0.3 0.12 2 Tasikmala ya 0.8 0.4 0.0 0.3 1.1 0.1 0.6 1.1 0.0 0.6 2.4 0.0 1.1 2.8 0.0 0.4 3.9 0.0 0.9 1.8 0.0 0.3 2.7 0.1 0.6 0.6 0.0 1.2 2.7 0.1 0.9 1.08 2 Ciamis 0.4 0.1 0.0 0.2 0.7 0.0 0.3 0.3 0.1 0.3 1.3 0.0 0.6 1.4 0.2 0.4 2.6 0.0 0.8 1.4 0.0 0.2 2.8 0.0 0.6 1.1 0.1 1.5 2.3 0.0 0.7 0.64 2 Kuningan 0.6 1.0 0.0 0.1 0.4 0.2 0.5 0.8 0.0 0.2 1.3 0.2 0.7 0.8 0.0 0.4 2.0 0.2 1.2 0.1 0.0 0.5 3.1 0.4 0.6 0.1 0.0 0.5 1.3 0.3 0.6 0.45 8 Cirebon 0.6 4.0 1.7 0.0 0.5 0.0 0.7 2.0 0.5 0.1 1.9 0.0 0.4 6.2 1.5 0.5 2.6 0.0 1.1 6.3 0.1 0.1 2.1 0.0 0.6 2.1 0.3 0.3 1.1 0.0 1.3 2.81 8 Majalengk a 0.7 1.5 1.2 0.1 0.9 0.1 0.7 2.1 0.1 0.7 2.2 0.0 1.6 1.5 1.2 0.2 2.6 0.0 0.9 2.5 0.0 0.1 3.0 0.0 0.5 1.8 0.0 0.8 2.2 0.0 1.0 0.83 6 Sumedang 0.1 0.9 0.0 0.1 0.2 0.1 0.3 0.9 0.0 0.2 0.7 0.1 0.7 0.7 0.1 0.3 0.8 0.1 0.4 0.5 0.0 0.2 0.6 0.3 0.3 0.4 0.0 0.6 0.5 0.2 0.3 0.07 5 Indramayu 1.1 1.7 0.6 0.0 0.5 0.0 2.1 2.6 4.9 0.6 2.2 0.0 0.7 3.9 4.5 0.2 1.7 0.0 1.7 4.8 1.3 0.0 3.1 0.0 0.6 1.7 0.7 0.2 1.0 0.0 1.4 2.26 8 Subang 1.0 0.8 0.4 0.0 0.3 0.1 0.6 2.6 0.9 0.0 1.8 0.1 0.5 1.9 12.4 0.1 1.8 0.0 1.3 1.5 0.2 0.1 1.6 0.1 0.4 1.1 0.2 0.0 1.0 0.1 1.1 5.07 9 Purwakart a 0.6 0.3 0.1 0.0 0.5 0.9 0.4 1.2 0.0 0.0 1.9 0.9 0.3 2.9 1.9 0.2 3.2 0.8 1.5 2.0 0.5 0.0 3.2 1.2 0.5 0.2 0.1 0.1 0.7 0.3 0.9 0.90 6 Karawang 2.4 1.3 0.0 0.0 0.6 0.0 1.1 2.7 1.0 0.0 1.6 0.0 0.8 1.8 4.9 0.0 1.0 0.0 2.0 2.0 0.9 0.0 1.6 0.0 3.2 1.8 0.1 0.0 1.7 0.0 1.1 1.42 9 Bekasi 3.4 0.4 0.0 0.0 1.3 0.0 2.6 1.9 0.0 0.0 2.4 0.0 2.2 5.1 12.1 0.0 2.1 0.0 1.4 2.2 0.8 0.0 2.0 0.0 4.4 2.5 0.8 0.0 2.1 0.0 1.7 5.89 3 Bandung Barat 0.0 0.0 0.0 0.0 0.0 0.0 0.6 1.9 0.0 0.6 0.7 0.4 1.5 6.1 0.0 0.4 1.6 0.5 1.8 4.9 0.0 0.2 2.9 0.7 1.0 1.3 0.0 0.3 2.2 0.5 1.0 2.10 5
16
Lampiran 3 Korelasi luas lahan yang terserang OPT penggerek batang padi selama 5 tahun saat musim hujan
Lampiran 4 Korelasi luas lahan yang terserang OPT tikus di 17 kabupaten selama 5 tahun saat musim hujan
Lampiran 5 Korelasi luas lahan yang terserang OPT wereng batang coklat di 17 kabupaten selama 5 tahun saat musim hujan
Lampiran 6 Korelasi luas lahan yang terserang OPT tungro di 17 kabupaten selama 5 tahun saat musim hujan
2008 2009 2010 2011
2009 0.802*
2010 0.632* 0.454
2011 0.430 0.487 0.739*
2012 0.920* 0.790* 0.562* 0.510* *Korelasi nyata pada taraf 5%
2008 2009 2010 2011
2009 0.425
2010 0.458 0.648*
2011 0.532* 0.692* 0.849*
2012 0.739* 0.582* 0.358 0.645* *Korelasi nyata pada taraf 5%
2008 2009 2010 2011
2009 0.501*
2010 0.512* 0.296
2011 0.942* 0.715* 0.583*
2012 0.581* 0.549* 0.894* 0.713* *Korelasi nyata pada taraf 5%
2008 2009 2010 2011
2009 0.974*
2010 0.650* 0.709*
2011 0.548* 0.628* 0.978*
2012 0.515* 0.647* 0.828* 0.854* *Korelasi nyata pada taraf 5%
17
Lampiran 7 Korelasi luas lahan yang terserang OPT blast di 17 kabupaten selama 5 tahun saat musim hujan
Lampiran 8 Korelasi luas lahan yang terserang OPT kresek di 17 kabupaten selama 5 tahun saat musim hujan
Lampiran 9 Korelasi luas lahan yang terserang OPT penggerek batang padi selama 5 tahun saat musim kemarau
Lampiran 10 Korelasi luas lahan yang terserang OPT tikus di 17 kabupaten selama 5 tahun saat musim kemarau
2008 2009 2010 2011
2009 0.249
2010 -0.176 0.401
2011 0.277 0.636* 0.370
2012 0.195 0.319 0.118 0.766* *Korelasi nyata pada taraf 5%
2008 2009 2010 2011
2009 0.659*
2010 0.693* 0.529*
2011 0.370 0.691* 0.395
2012 0.215 0.259 0.182 0.397 *Korelasi nyata pada taraf 5%
2008 2009 2010 2011
2009 0.826*
2010 0.559* 0.634*
2011 0.536* 0.570* 0.403
2012 0.929* 0.742* 0.625* 0.526* *Korelasi nyata pada taraf 5%
2008 2009 2010 2011
2009 0.497*
2010 0.436 0.558*
2011 0.652* 0.633* 0.895*
2012 0.559* 0.738* 0.686* 0.712* *Korelasi nyata pada taraf 5%
18
Lampiran 11 Korelasi luas lahan yang terserang OPT wereng batang coklat di 17 kabupaten selama 5 tahun saat musim kemarau
Lampiran 12 Korelasi luas lahan yang terserang OPT tungro di 17 kabupaten selama 5 tahun saat musim kemarau
Lampiran 13 Korelasi luas lahan yang terserang OPT blast di 17 kabupaten selama 5 tahun saat musim kemarau
Lampiran 14 Korelasi luas lahan yang terserang OPT kresek di 17 kabupaten selama 5 tahun saat musim kemarau
2008 2009 2010 2011
2009 0.287
2010 0.090 0.276
2011 0.066 0.749* 0.560*
2012 0.218 0.554* 0.719* 0.724* *Korelasi nyata pada taraf 5%
2008 2009 2010 2011
2009 0.891*
2010 0.826* 0.983*
2011 0.807* 0.952* 0.973*
2012 0.344 0.679* 0.771* 0.778* *Korelasi nyata pada taraf 5%
2008 2009 2010 2011
2009 0.325
2010 0.452 0.164
2011 0.486 0.087 0.701*
2012 0.623* 0.413 0.498* 0.411 *Korelasi nyata pada taraf 5%
2008 2009 2010 2011
2009 0.800*
2010 0.681* 0.704*
2011 0.384 0.590* 0.744*
2012 0.659* 0.481 0.621* 0.565* *Korelasi nyata pada taraf 5%
19
Lampiran 15 Korelasi antar peubah biplot saat musim hujan
Lampiran 16 Korelasi antar peubah biplot saat musim kemarau Pbp Tikus WBC Blast Kresek Tikus 0.580*
WBC 0.320 0.521*
Blast -0.387 -0.176 -0.227
Kresek 0.375 0.437 0.160 0.508*
Tungro -0.062 -0.216 -0.383 -0.024 -0.013 *Korelasi nyata pada taraf 5%
Pbp Tikus WBC Blast Kresek
Tikus 0.484*
WBC 0.661* 0.412
Blast -0.457 -0.253 -0.609* Kresek 0.429 0.454 0.197 0.318
Tungro -0.251 -0.174 -0.277 -0.174 -0.011 *Korelasi nyata pada taraf 5%
21
RIWAYAT HIDUP
Penulis dilahirkan di Pasuruan Jawa Timur pada tanggal 20 Juli 1994 sebagai putri kedua dari pasangan Santoso dan Afidah Tuzzuhro. Penulis adalah putri kedua dari tiga bersaudara. Tahun 2008 penulis lulus dari MTs Amanatul Ummah program Akselerasi dan pada tahun yang sama penulis masuk MA Amanatul Ummah dengan program yang sama. Dua tahun kemudian penulis lulus, di tahun yang sama penulis diterima di Institut Pertanian Bogor dengan mayor Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam melalui jalur Beasiswa Utusan Daerah (BUD) Kementerian Agama Indonesia.
Selama perkuliahan penulis aktif menjadi anggota organisasi Community of Santri Schoolar of Ministry of Religious Affair (CSS Mora) sebagai staf Informasi dan Komunikasi tahun 2012-2013 dan Gamma Sigma Beta (GSB). Selain itu, penulis juga aktif mengikuti berbagai kepanitiaan di organisasi CSS Mora, departemen Statistika dan fakultas MIPA seperti acara CSS CUP 2011,Up Grading 2012, Statistika Ria 2012, Komstat Junior 2013, Explo Science 2012, Pesta Sains 2013
Penulis juga telah melaksanakan Praktik Lapang di Balai Penelitian Tanaman Pemanis dan Serat Malang Jawa Timur pada bulan Juli sampai Agustus 2013, dengan topik laporan yang dipilih adalah Toksisitas Nuclearpolyhidrosis Virus (NPV) terhadap Serangga Achaea Janata L. pada Tanaman Jarak Kepyar (Ricinus Communis L).
