• Tidak ada hasil yang ditemukan

Estimasi Parameter Genetik Menggunakan Gencalc

N/A
N/A
21025010243 Selvy Iswandari

Academic year: 2025

Membagikan " Estimasi Parameter Genetik Menggunakan Gencalc"

Copied!
4
0
0

Teks penuh

(1)

LAPORAN SEMENTARA PRAKTIKUM AGROINFORMATIKA

“Genetic Parameter Estimation Tool (Gencalc)”

Disusun Oleh :

Nama : SELVY ISWANDARI NPM : 21025010243

Golongan : C2

PROGRAM STUDI AGROTEKNOLOGI FAKULTAS PERTANIAN

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA TIMUR SURABAYA

2024

(2)

TINJAUAN PUSTAKA

Peningkatan produktivitas pertanian memerlukan pendekatan berbasis teknologi untuk memprediksi dan menganalisis interaksi antara faktor genetik, lingkungan, dan manajemen agronomi. Salah satu perangkat lunak yang sering digunakan untuk keperluan ini adalah DSSAT (Decision Support System for Agrotechnology Transfer). DSSAT merupakan sistem berbasis komputer yang dirancang untuk mensimulasikan pertumbuhan, perkembangan, dan hasil tanaman, serta interaksi antara tanaman dan lingkungan. Dalam simulasi pertumbuhan tanaman, salah satu tantangan utama adalah menentukan parameter genetik atau koefisien sifat kultivar, yang menggambarkan karakteristik fisiologis dan respons tanaman terhadap kondisi lingkungan. Penentuan parameter ini penting untuk memastikan akurasi simulasi, khususnya dalam memprediksi hasil panen di berbagai kondisi lingkungan dan skenario manajemen (MacCarthy et al., 2010).

Dalam mendukung proses kalibrasi parameter genetik, DSSAT dilengkapi dengan fitur GENCALC2. GENCALC2 adalah modul dalam DSSAT yang dirancang untuk membantu peneliti menentukan nilai parameter genetik tanaman berdasarkan data eksperimen. Modul ini memanfaatkan metode optimasi statistik untuk menyesuaikan simulasi model dengan data lapangan, sehingga memungkinkan penentuan parameter seperti durasi fase pertumbuhan, efisiensi penggunaan cahaya, dan respons tanaman terhadap suhu. fitur GENCALC2 memainkan peran penting dalam mengkalibrasi model agar sesuai dengan berbagai varietas kultivar. Hal ini memungkinkan peneliti untuk menganalisis performa kultivar tanaman di berbagai lokasi dan skenario perubahan iklim, serta memberikan rekomendasi agronomi yang lebih akurat. Dengan pendekatan ini, DSSAT tidak hanya menjadi alat penelitian, tetapi juga berkontribusi pada keberlanjutan produksi tanaman secara global (Litrico dan Violle, 2015).

Tanaman jagung (Zea mays L.) adalah salah satu tanaman pangan utama dunia yang memiliki nilai strategis dalam memenuhi kebutuhan pangan, pakan, dan bahan baku industri.

Sebagai tanaman dengan basis genetik yang luas, jagung memiliki potensi besar untuk pengembangan melalui program pemuliaan tanaman guna meningkatkan produktivitas, kualitas, dan adaptasi terhadap berbagai kondisi lingkungan. Melalui pendekatan pemuliaan tanaman yang terintegrasi dengan teknologi modern, jagung memiliki peran strategis dalam mendukung produksi pertanian berkelanjutan, mengatasi tantangan global, dan meningkatkan kesejahteraan petani (Paeru dan Dewi, 2017).

(3)

HASIL DAN PEMBAHASAN 4.1 Hasil Analisis

Gambar 1.1 Grafik Gencalc

Proses analisis menggunakan fitur GENCALC dalam perangkat lunak DSSAT bertujuan untuk mengkalibrasi parameter genetik tanaman berdasarkan data lapangan agar model simulasi menjadi lebih akurat. Berdasarkan diagram yang ditampilkan, nilai parameter tanaman jagung sebelum proses GENCALC adalah 2, dan nilai tersebut tetap konsisten setelah proses GENCALC selesai. Hasil ini menunjukkan bahwa tidak terjadi perubahan signifikan pada nilai koefisien sifat kultivar setelah proses kalibrasi. Kondisi ini dapat diinterpretasikan bahwa parameter awal yang digunakan dalam simulasi sudah cukup sesuai dengan data lapangan, sehingga tidak memerlukan penyesuaian lebih lanjut. Hal ini mengindikasikan stabilitas model tanaman jagung yang digunakan dalam DSSAT, dengan asumsi bahwa parameter genetik awal telah mewakili karakteristik fisiologis dan respons tanaman secara optimal.

(4)

DAFTAR PUSTAKA

Litrico, I. and C. Violle. 2015. Diversity in Plant Breeding: A New Conceptual Framework. Trends in Plant Science. 20 (10): 604–613.

MacCarthy, D.S., Vlek, P.L.G., Bationo, A., Tabo, R., Fosu, M., 2010. Modeling Nutrient And Water Productivity Of Sorghum In Smallholder Farming Systems In Asemi-Arid Region Of Ghana. Field Crops Res. 118(1):251–258.

Paeru, RH., dan Dewi, TQ. 2017. Panduan Praktis Budidaya Jagung. Jakarta. Penebar Swadaya.

Referensi

Dokumen terkait

Penelitian ini memberikan estimasi Bayes untuk parameter Pareto yang digunakan untuk mem- peroleh distribusi prediktif Bayes dalam menaksir prior tingkat kepercayaan atau nilai

Berdasarkan penelitian yang telah dilakukan mengenai analisis estimasi waktu penyelesaian proyek perangkat lunak menggunakan metode PERT, maka dapat diambil kesimpulan bahwa

Alur perancangan sistem estimasi kualitas perangkat lunak yaitu dengan mengukur kompleksitas perangkat lunak menggunakan metode function point kemudian

Estimasi parameter distribusi weibull dua parameter dilakukan menggunakan metode bayes yaitu dengan cara mencari model sampel distribusi weibull dua parameter dan

Estimasi parameter distribusi gamma dengan parameter dari distribusi gamma tersebut yakni α dan β tidak diketahui, sehingga parameter tersebut diestimasi dengan menggunakan

Mahasiswa mampu memilih model deret waktu ARIMA yang sesuai dengan melakukan spesifikasi dan estimasi model berdasarkan kriteria informasi dan mendemonstrasikan dengan perangkat lunak

Idealnya, dalam melakukan estimasi usaha perangkat lunak (sebagai salah satu rekayasa perangkat lunak) harus dapat menggunakan teknik machine learning untuk

Langkah-langkah yang dilakukan yaitu menjelaskan estimasi parameter dan uji signifikansi parameter regresi linier dengan menggunakan metode bayesian, serta melakukan analisis error