pemodelan pertumbuhan dan perkembangan tanaman jarak … · dan biji (gw) serta kehilangannya...
TRANSCRIPT
83
4. PEMODELAN PERTUMBUHAN DAN PERKEMBANGAN TANAMAN Jarak pagar (JATROPHA
CURCAS L.)
4.1. Pendahuluan
Kajian hubungan antara iklim, air dan tanah terhadap pertumbuhan dan
perkembangan tanaman jarak pagar yang terintegrasi belum banyak dilakukan,
khususnya model mekanistik. Model simulasi tanaman merupakan
penyederhanaan dari analisis sistem sebagai suatu metode pendekatan masalah
secara integral. Model simulasi tanaman juga alat analisis dan sintesis hasil
penelitian lapang yang mempunyai kemampuan memprediksi, sehingga dapat
dipergunakan dalam perencanaan di wilayah pengembangan maupun sebagai
dasar acuan pengelolaan tanaman jarak di wilayah sentra produksinya.
Pemodelan tanaman merupakan pendekatan kuantitatif untuk
memprediksi pertumbuhan, perkembangan dan hasil tanaman, koefisien genetik
tanaman, dan peubah yang berhubungan dengan faktor lingkungan (Monteith,
1996). Aplikasi model simulasi tanaman telah dikembangkan selama dua dekade
dengan memanfaatkan simulasi komputer dan menurut Sirotenko (2001)
meskipun dengan segala keterbatasan, namun mempunyai prospek yang besar
sebagai solusi untuk menjelaskan berbagai masalah pada perkembangan
tanaman, prediksi hasil, kajian iklim dan tanah, serta kajian perubahan iklim.
Pengembangan suatu model produksi dapat diawali secara sederhana
dengan melibatkan hanya satu faktor iklim saja. Kunci utama dalam
pengembangan model produksi terletak pada kemampuan menaksir produksi
biomassa total. Penaksiran produksi biomassa total secara sederhana dapat
dilakukan dengan membuat produksi biomassa tergantung hanya pada kuanta
radiasi matahari. Ini sangat beralasan, karena produksi merupakan hasil
fotosintesis dan salah satu faktor pembatas proses ini yang sulit atau tidak dapat
diubah adalah radiasi matahari.
Klasifikasi empat sistem produksi tanaman yang dibuat oleh de Wit
(Penning de Vries & van Laar, 1989) berikut ini perlu disimak sebagai bahan
pertimbangan dalam pengembangan tipe atau tingkat model.
84
Model produksi tanaman Tingkat I, tanaman memperoleh air dan unsur
hara yang cukup sehingga tidak menjadi faktor pembatas. Oleh karena itu,
tanaman memberikan hasil yang paling tinggi di antara tingkat produksi yang
lain. Pertumbuhan dan hasil tanaman hanya ditentukan oleh keadaan tanaman itu
sendiri, faktor iklim khususnya radiasi matahari dan suhu. Laju pertumbuhan
dengan tajuk tanaman yang penuh berkisar diantara 150-350 kg ha-1 berat kering.
Ini merupakan laju pertumbuhan potensil yang memberikan hasil potensial. Laju
pertumbuhan tanaman yang dikendalikan oleh energi radiasi yang tersedia untuk
fotosintesis tergantung pada tingkat radiasi yang datang dan sifat tanaman yang
berhubungan dengan intersepsi radiasi surya.
Karbohidrat yang dihasilkan dan biasanya dinyatakan dalam glukosa
untuk kemudahannya, digunakan untuk mensintesis bahan struktural tanaman
(biomassa), dengan efisiensi konversi tertentu. Substrat karbohidrat juga
digunakan sebagai sumber energi metabolisme yang dibutuhkan untuk sintesis
senyawa-senyawa penyusun biomassa tanaman dan pemeliharaan tubuh tanaman
yang sudah ada. Hasil fotosintesis dapat disimpan sementara dalam bentuk yang
mudah digunakan seperti pati sebagai cadangan sebelum digunakan untuk
pertumbuhan dan pemeliharaan. Bagian struktural tidak dapat dimobilisasi untuk
keperluan pertumbuhan dan pemeliharaan. Faktor lingkungan lain yang
mempengaruhi laju fotosintesis dan pertumbuhan adalah suhu udara.
Pembagian (partisi) karbohidrat untuk biomassa daun, batang, akar dan
organ penyimpan berhubungan erat dengan umur fisiologis tanaman yang
merupakan suatu fungsi dari suhu udara.
Model produksi tanaman Tingkat 2, tanaman dibatasi oleh ketersediaan
air selama pertumbuhan tanaman atau paling sedikit selama jangka waktu
tertentu. Keadaan demikian dapat terjadi pada lahan kering, yang tergantung
pada air hujan untuk kebutuhan air tanaman, jika tanaman memperoleh unsur
hara yang cukup, misalnya dengan pemupukan. Tetapi air merupakan media
transport unsur hara, sehingga kekurangan air yang tanpa diikuti oleh
kekurangan unsur hara mungkin bukan hal yang umum. Kejadian umum yang
paling mungkin adalah laju pertumbuhan yang dibatasi oleh unsur hara, tapi
tidak oleh air.
85
Pengaruh kekurangan air diwujudkan secara fisiologis yaitu penutupan
stomata akibat tekanan turgor sel penyangga yang menurun. Keadaan ini
selanjutnya mengakibatkan penurunan difusi dan reduksi CO2 serta transpirasi.
Efisiensi penggunaan air didefinisikan sebagai nisbah antara fotosintesis dengan
transpirasi. Nisbah antara laju transpirasi aktual dengan potensial dapat
memberikan gambaran keseimbangan karbon dan air. Tingkat transpirasi dan
karenanya fotosintesis potensial disadari tergantung pada ketersediaan air.
Jumlah air yang disimpan dalam tanah dalam zona perakaran merupakan suatu
penyangga antara air hujan, air kapiler yang naik dan proses yang
mengakibatkan air hilang. Kapasitas penyangga dan kehilangan air, melalui
transpirasi dan proses produktif, secara bersamaan membuat pertumbuhan
tergantung secara tidak langsung hanya pada air hujan. Hubungan antara
pertumbuhan tanaman dengan peubah penggerak utama dalam sistem ini tidak
bersifat langsung, berbeda dengan produksi Tingkat 1 yang bersifat langsung.
Model produksi tanaman Tingkat 3, tanaman dibatasi oleh kekurangan
nitrogen (N) paling sedikit selama masa pertumbuhan tertentu dan oleh
kekurangan air atau keadaan musim yang kurang menguntungkan pada masa
pertumbuhan yang lain. Hal demikian sangat umum terjadi pada lahan pertanian
yang diusahakan secara intensif. Ini dicirikan oleh pemupukan N yang tinggi
untuk mendapatkan pertumbuhan yang baik dan hasil yang tinggi. Bagan
diagram alir yang menunjukkan laju pertumbuhan yang dikendalikan oleh
ketersediaan N dari tanah dan cadangan N dalam tubuh tanaman disajikan pada
Gambar 32.
Dalam jaringan tanaman, N dibagi dua bagian yaitu yang dapat dan tidak
dapat dimobilisasi. Jumlah N yang dapat dimobilisasi untuk pertumbuhan bagian
baru tanaman sering cukup banyak, dan bagian yang dapat dimobilisasi adalah
enzim dan protein membran yang terurai dan ditranspor dalam bentuk asam
amino. Tetapi tidak semua N dalam jaringan tanaman dapat dianggap sebagai
cadangan N, karena sel tidak dapat berfungsi tanpa protein.
Kandungan N dalam jaringan tua dapat berkurang hingga tinggal
setengah atau seperempat dari tingkat maksimum. Pertumbuhan tanaman
berhubungan erat dengan tingkat serapan N setelah cadangan N dalam tubuh
86
tanaman digunakan, atau pertumbuhan tidak tergantung pada serapan N jika
cadangan N tersedia. Oleh karena itu, hubungan antara pertumbuhan dengan
serapan N berbeda dengan serapan air.
Gambar 32. Bagan diagram alir dari suatu sistem pada produkti Tingkat 3 dengan kekurangan nitrogen sebagai faktor pembatas utama (dimodifikasi dari Penning de Vriest et al. 1989).
Pertumbuhan tanaman produksi Tingkat 4, tanaman dibatasi oleh fosfor
(P) dan unsur hara lain dalam tanah paling sedikit selama masa pertumbuhan
tertentu. Laju pertumbuhan sekitar 10-50 kg ha-1 dengan masa pertumbuhan
yang kurang dari 100 hari. Keadaan demikian dipertimbangkan umum terjadi
pada lahan yang sudah tereksploitasi dan pemupukan tidak dilakukan.
Tanaman mengandung cadangan P dan penurunan konsentrasi P dalam
jaringan tua berkurang sama dengan yang pada N. Tetapi proses yang membuat
P dalam tanah tersedia diserap akar berbeda dengan yang pada N. Untuk serapan
P, tanaman membutuhkan kepadatan perakaran yang lebih tinggi dibandingkan
serapan N agar tanaman memperoleh jumlah P yang cukup. Jumlah P, yang
biasanya tersedia dalam jumlah terbatas dalam larutan tanah, lebih ditentukan
oleh laju pertukarannya.
87
Apabila pengertian dan contoh model yang diuraikan diatas dicermati,
maka seseorang dapat sampai pada kesimpulan bahwa model sebenarnya dapat
diartikan dengan konsep. Oleh karena itu, model dari suatu sistem dapat
beragam sekalipun dengan tujuan yang sama karena perbedaan dalam konsep.
Sebagai contoh, de Wit mengembangkan model tanaman yang dibagi pada
empat tingkatan yang dapat berbeda dari model yang dikembangkan oleh orang
lain. Model selanjutnya dapat diwujudkan dalam bentuk pernyataan (kalimat),
gambar atau persamaaan matematis. Upaya ini tidak lebih dari untuk mengenal
secara seksama dan mempelajari dunia nyata atau bagian dari dunia nyata
(sistem).
Secara khusus penelitian ini memodelkan produksi tanaman pada kondisi
nitrogen dengan air terbatas pada pertumbuhan dan hasil tanaman jarak,
kemudian mengintegrasikan efisiensi penggunaan radiasi, ketersediaan air dan
nitrogen ke dalam suatu model simulasi tanaman (Gambar 33). Model yang
dibuat terdiri dari empat submodel, yaitu perkembangan, pertumbuhan tanaman,
neraca air dan neraca nitrogen.
1.4.12. Tujuan
Pemodelan ini dimaksudkan untuk mengintegrasikan faktor efisiensi
penggunaan radiasi surya, ketersediaan air dan nitrogen ke dalam suatu model
simulasi tanaman.
Hipotesis
Pemodelan tanaman yang berbasiskan efisiensi penggunaan radiasi,
ketersediaan air dan nitrogen dapat mensimulasi pertumbuhan dan hasil sesuai
hasil pengamatan lapang.
1.4.13. Hasil yang Diharapkan
Manfaat model ini adalah menilai potensi besaran hasil suatu wilayah
pengembangan jarak pagar berdasarkan data cuaca historis atau bangkitan
(generate) dan tindak angronomis yang akan diterapkan.
88
Gambar 33. Interaksi antara komponen pendukung pemodelan jarak pagar yang
dibatasi oleh hara nitrogen, air dan iklim (dimodifikasi dari Penning de Vriest et al. 1989).
4.2. Bahan dan Metode
4.2.1. Tempat dan Waktu Percobaan
Percobaan pertama dan kedua yang datanya digunakan dalam pemodelan
telah dilaksanakan pada lahan percobaan SEAMEO-BIOTROP selama bulan
Maret sampai Nopember tahun 2007.
4.2.2. Data Percobaan
Percobaan pertama adalah untuk parameterisasi, masukan model,
kalibrasi. Percobaan kedua dilakukan dalam kerangka validasi model
selanjutnya.
4.2.3. Model Simulasi Tanaman
Model yang disusun mempunyai resolusi harian dan terdiri dari empat
sub model, yaitu perkembangan, pertumbuhan, neraca air, dan nitrogen.
Masukan model adalah inisialisasi, parameter dan peubah luar yaitu nitrogen dan
89
unsur cuaca yang meliputi curah hujan, radiasi surya, suhu udara, kelembapan
udara dan kecepatan angin, sedangkan keluarannya di antaranya fase
perkembangan, ILD, biomassa total, dan berat biji. Selain itu, model juga
mensimulasi N pada tanah dan serapan N tanaman.
4.2.3.1. Submodel Perkembangan
Jarak pagar adalah tanaman netral (ICRAF, 2003) sehingga laju
perkembangan dan kejadian fenologinya didekati dengan konsep degree-day
atau heat unit (Baskerville & Emin, 1969; Andrewartha & Birch, 1973; Allen,
1976; Zalom et al. 1983). Heat unit tidak dipengaruhi oleh perbedaan lokasi dan
waktu tanam (Koemaryono et al. 2002). Laju perkembangan tanaman terjadi bila
suhu rata-rata harian melebihi suhu dasar. Kejadian fenologi dihitung mulai
semai sampai masak fisiologis dan diberi skala 0 - 1, yang dibagi menjadi lima
kejadian yaitu semai, S (s = 0), tanam, T (s = 0.25), kuncup bunga, KB (s =
0.50), bunga mekar, BM (s = 0.75) dan masak fisiologis, MF (s = 1.00). Fase
perkembangan (s) antara masing-masing kejadian fenologi tersebut dihitung
dengan persamaan berikut (Handoko, 1994):
Periode Perhitungan Fase Perkembangan (s)
S - T : s = 0.25 (T - To1)/HU1, T > To1 (5a)
T- KB : s = 0.25 + 0.25 (T - To2)/HU2 T > To2 (5b)
KB- BM : s = 0.50 + 0.25 (T - To3)/HU3 T > To3 (5c)
BM – MF : s = 0.75 + 0.25 (T - To4)/HU4 T > To4 (5d)
1, 2, 3 dan 4 menyatakan periode antara kejadian fenologi, To adalah suhu dasar
yang dalam model ini besarnya ditetapkan 10°C dan HU adalah heat unit yang
dihitung dari hasil percobaan lapang (d°C). Kejadian-kejadian fenologi ini
diilustrasikan pada Gambar 34, sedangkan flowchart nya pada Gambar 35.
Skala 0.75- 1.00 0.50 - 0.75 0.25 - 0.50 0 0 - 0.25
Perkembangan tanaman (s)
S S-E E-KB KB-BM BM-MF
Keterangan: S (semai), E (emergence), KB (kuncup bunga), BM (bunga mekar) dan MF (masak fisiologis) Gambar 34. Diagram model perkembangan tanaman.
90
Gambar 35. Diagram Forrester submodel perkembangan tanaman.
4.2.3.2. Submodel Pertumbuhan
Submodel pertumbuhan mensimulasi aliran biomassa aktual (GDMa)
hasil fotosintesis ke organ tanaman seperti daun (LW), batang (SW), akar (RW),
dan biji (GW) serta kehilangannya berupa respirasi (Rx), dan perkembangan luas
daun untuk menduga ILD. Gambar 36 menunjukkan diagram Forrester submodel
pertumbuhan ini dan keterangannya diberikan dalam Lampiran11.
91
Gambar 36. Diagram Forrester submodel pertumbuhan tanaman jarak pagar.
4.2.3.2.1. Produksi Biomassa
Produksi biomassa potensial harian dihitung berdasarkan efisiensi
penggunaan radiasi surya yang diintersepsi tajuk tanaman. Hukum Beer
digunakan untuk menghitung radiasi intersepsi tersebut sebagai berikut:
( ) sQQ τ−= 1int (6)
92
ILDke−=τ (7)
Qint adalah radiasi intersepsi (MJ m-2), Qs radiasi surya di atas tajuk tanaman
atau yang terukur di stasiun klimatologi (MJ m-2 hari-1), τ proporsi radiasi surya
yang ditransmisikan tajuk tanaman, k koefisien pemadaman yang ditentukan
berdasarkan nilai rata-rata selama sehari, yang selanjutnya dirata-ratakan selama
musim pertumbuhan dengan nilai 0.38. Produksi biomassa potensial dihitung
berdasarkan hasil kali antara efisiensi penggunaan surya (ε) dengan radiasi
intersepsi (Qint). Nilai RUE tanaman jarak pagar ditentukan berdasarkan
percobaan pertama sebesar ε = 0.0013 kg MJ-1 (Rusmayadi et al. 2009).
( ) sILDk
p QeGDM −−= 1ε (8)
GDMp adalah produksi biomassa potensial (kg ha-1 d-1) dan ε efisiensi
penggunaan radiasi (kg MJ-1) yang dihitung menurut Monteith (1977):
intQ
dW=ε (9)
dW adalah penambahan biomassa tanaman (g m-2).
Nilai RUE, ε dipengaruhi oleh variasi dari status air tanah (fw) dan status
nitrogen tanaman (fn) sebagai berikut: 310),min(3.1 −= fnfwε (10)
Produksi biomassa potensial tersebut menganggap ketersediaan air bukan
merupakan faktor pembatas. Produksi biomassa aktual dihitung dengan
mempertimbangkan ketersediaan air, yang dihitung berdasarkan nisbah antara
transpirasi aktual (Ta) dengan nilai maksimumnya (Tm). Perhitungan faktor
ketersediaan air (fw ) dan produski biomassa aktual (GDMa ) adalah sbb:
mTaTfw = (11)
pwa GDMfGDM .= (12)
GDMa dalam kg ha-1 d-1.
Status nitrogen tanaman (fn) merupakan fungsi dari nitrogen daun
spesifik (specific leaf nitrogen, SLN) menurut Sinclair & Horie, (1989) sebagai
berikut:
93
)3(7.11 −−−= SLNefn (13)
Dalam model, biomassa aktual dibagi antara daun, batang, akar, dan biji
yang perbandingannya tergantung pada fase perkembangan tanaman (s).
Sebagian biomassa masing-masing organ akan berkurang melalui respirasi
pertumbuhan (Rg) dan respirasi pemeliharaan (Rm) yang dihitung berdasarkan
suhu udara dan massa masing-masing organ (McCree, 1970). Pertumbuhan
masing-masing organ (x) dihitung dari selisih antara alokasi bahan kering ke
organ tanaman dan yang hilang melalui respirasi sbb.
( ) 101 QWkGDMkRRGDMdW xmagxmgaxx −−=−−= ηη (14)
( ) 10/2010 2 −= TQ (15)
dWx adalah penambahan massa organ x (kg ha-1 d-1), Rm, respirasi pemeliharaan
(kg ha-1 d-1), ηx adalah proposi biomassa yang dialokasikan ke organ x (daun,
batang, akar, dan biji), km koefisien respirasi pemeliharaan, kg koefisien
pemeliharaan pertumbuhan dan Wx organ x (kg ha-1).
Alokasi proporsi biomassa masing-masing organ (ηx) dihitung
berdasarkan fungsi fase perkembangan tanaman (Handoko, 1994). Pada awal
pertumbuhan, produksi biomassa hanya dialokasikan ke daun, batang dan akar
dengan alokasi terbanyak pada daun. Sampai pembungaan, alokasi biomassa ke
daun dan akar berkurang sedangkan alokasi ke batang bertambah dengan fase
perkembangan tanaman. Setelah fase pembungaan, seluruh produksi biomassa
dialokasikan ke biji. Berikut ini adalah persamaan yang digunakan untuk
menghitung alokasi biomassa ke masing-masing organ.
)0103.0(exp497.0 sS =η s ≤ 0.75 (16a)
sL 2691.09517.0 −=η s ≤ 0.75 (16b)
LSR ηηη −−= 1 s ≤ 0.75 (16c)
0=Gη , s ≤ 0.75 (16d)
0=Lη , s > 0.75 (16e)
0=Rη , s > 0.75 (16f)
0=Sη , s > 0.75 (16g)
94
1=Gη , s > 0.75 (16h)
L, S, R, dan G masing-masing menyatakan daun, batang, akar, dan biji.
4.2.3.2.2. Indeks Luas Daun
Dalam model, indeks luas daun (ILD) menentukan jumlah radiasi dan
curah hujan yang diintersepsi tanaman serta transpirasi. Menurut diagam
Forrester (Gambar 36), ILD adalah peubah bantu dan dalam model ini perubahan
ILD dihitung dari perkalian antara luas daun spesifik (sA) dengan pertumbuhan
atau laju perubahan massa daun (dWL).
LA dWsdILD .= (17)
dILD adalah perubahan ILD, sA luas daun spesifik (ha kg-1), dWL pertumbuhan
daun (kg ha-1 d-1). Parameter sA atau massa daun spesifik (sW = 1/sA) diturunkan
dari data pengukuran luas daun dan massa daun jarak.
4.2.3.3. Submodel Neraca Air
Komponen neraca air meliputi curah hujan (CH), intersespsi tajuk (Ic),
infiltrasi (Is), perkolasi (Pc), limpasan permukaan (Ro), kadar air tanah (θ),
evaporasi (Es) dan transpirasi (Ta). Model ini memerlukan masukan unsur-unsur
cuaca harian, yaitu suhu (T), kelembapan (RH), radiasi surya (Qs), kecepatan
angin (Angin) dan curah hujan. Peubah tanaman ILD juga diperlukan yang
disimulasi pada submodel pertumbuhan. Parameter lainnya adalah kapasitas
lapang (Fc), titik layu permanen (Wp) dan penguapan Ritchie (1972). Gambar 37
menyajikan diagram Forrester model neraca air.
Hujan merupakan sumber air (source) dari model. Dalam model, hujan
jatuh pada permukaan tajuk tanaman, dan sebagian air tertahan kemudian
sisanya jatuh ke permukaan tanah. Air diintersepsi kemudian akan menguap ke
atmosfer. Sisanya yang sampai ke permukaan tanah, akan diserap tanah berupa
infiltrasi. Model ini berasumsi tidak terjadi limpasan permukaan (runoff)
sehingga aplikasinya ditujukan pada tanah – tanah datar.
Dalam tanah, air menuju ke lapisan yang lebih bawah (perkolasi) apabila
kandungan air pada lapisan tersebut melebihi kapasitas lapang. Dalam model,
proses tersebut akan terjadi sampai lapisan tanah terbawah dan perhitungannya
95
menggunakan metode jungkitan. Air yang keluar dari lapisan terbawah ini tidak
dapat dimanfaatkan tanaman dan hilang berupa drainase.
Gambar 37. Diagram Forrester submodel neraca air tanaman jarak pagar.
Di samping intersepsi dan drainase, kehilangan air tanah lainnya berupa
evaporasi tanah aktual (Ea) dan transpirasi aktual (Ta). Atmosfer menentukan
penguapan tanah maksimum (Em) dan transpirasi maksimum (Tm). Evaporasi
tanah aktual dihitung dengan metode dua tahap Ritchie (1972). Apabila air tanah
cukup tinggi (tahap-1) laju evaporasi tanah akan maksimum (Em) yang
96
kemudian laju ini penguapan turun menurut waktu setelah mencapai tahap
tertentu (tahap-2). Di lain pihak, transpirasi aktual dihitung dari nilai Tm dan
faktor ketersediaan air pada tiap lapisan tanah.
4.2.3.3.1. Karakteristik Tanah
Dalam model, titik layu permanen adalah tegangan air sebesar Ψ = -1.5
MPa sedangkan kapasitas lapang sebesar Ψ = -30 kPa. Apabila kandungan air
lebih besar dari kapasitas lapang (Ψ > -30 kPa), air akan menuju lapisan tanah di
bawahnya karena gaya gravitasi dan disebut perkolasi. Perkolasi akan berhenti
apabila tegangan air tanah mencapai kapasitas lapang atau kurang.
Sifat fisik tanah lain yang diperlukan model, berhubungan dengan
penguapan, yaitu parameter U dan α. Apabila data tentang kedua parameter ini
tidak tesedia, dapat diduga dengan konduktivitas air jenuh, Κsw (saturated
hydraulic conductivity).
4.2.3.3.2. Intersepsi Tajuk Tanaman
Jumlah air yang diintersepsi tajuk tanaman (Ic) tergantung oleh curah
hujan (CH) dan indeks luas daun (ILD) sebagai berikut (Zinke, 1967):
),(min CHILDIc = , 0 < ILD ≤ 3 (18)
),27.1(min CHIc = , ILD > 3
4.2.3.3.3. Infiltrasi dan Perkolasi
Infiltrasi (Is) dihitung dari selisih curah hujan (CH) dan infiltrasi tajuk
tanaman:
cs ICHI −= (19)
Perkolasi dari tiap lapisan tanah m {Pc (m)} terjadi apabila kandungan air
tanah melebihi kapasitas lapang {θfc(m)} yang dihitung dengan metode
jungkitan, yaitu:
( ) ( ) ( )mmmP fcc θθ −= , θ (m) > θfc (m) (20a)
( ) 0=mPc , θ (m) ≤ θfc (m) (20b)
4.2.3.3.4. Evapotranspirasi
Transpirasi dan Evaporasi Tanah Maksimum. Evapotranspirasi potensial
(ETp) yang dihitung dengan metode Penman (1948) yang dianggap merupakan
97
evapotranspirasi maksimum (ETm). Evaporasi maksimum dihitung sebanding
dengan transmisi energi radiasi surya melalui tajuk tanaman yang dihitung
dengan Hukum Beer. Berikut perhitungan Em dan Tm.
( )( ){ } ( ){ }γλγ +Δ−+Δ== ∫ /asn eeuQETpETm (21)
( )ILDkeETmEm −= (22)
( )ETmeTm ILDk−−= 1 (23)
Δ adalah kemiringan kurva hubungan antara tekanan uap air jenuh dan suhu
udara (Pa K-1), Qn radiasi neto (W m-2), γ tetapan psikrometer, ∫(u) fungsi
aerodinamik (MJ m-2 Pa-1), (es - ea) defisit tekanan uap air (Pa) dan λ panas
spesifik penguapan (2.454 MJ kg-1).
Evaporasi Tanah Aktual. Evaporasi tanah aktual (Ea) dihitung dengan
metode Ritchie (1972) yang terdiri dari dua tingkat evaporasi. Pada tingkat
pertama, setelah terjadi hujan, evaporasi aktual sama dengan nilai maksimumnya
sampai nilai evaporasi kumulatif mencapai nilai paramater tanah U. Setelah nilai
U terlampaui (tahap -2), yaitu tanah sudah cukup kering, Ea merupakan fungsi
waktu pada tahap - 2 (t2) dan Em sbb:
Tahap 1: EmEa = ∑ Em < U (24)
Tahap 2: ( ) 5.02
5.02 1−−= ttEa αα ∑ Em ≥ U (25)
t2 adalah jumlah hari setelah terjadinya evaporasi tahap-2.
Transpirasi Aktual. Transpirasi aktual (Ta) dihitung berdasarkan fungsi
transpirasi maksimum (Tm) dan kadar air tanah pada lapisan akar.
Dalam model, akar akan menggunakan air tanah pertama-tama dari
lapisan teratas. Apabila Ta < Tm maka akar akan mengambil air dari lapisan
berikutnya, sampai Ta = Tm atau batas kedalaman akar telah tercapai (Handoko,
1994). Berikut perhitungan Ta yang merupakan penjumlahan serapan air oleh
akar pada masing-masing lapisan tanah (m).
( ) ( ) ( ){ } ( ) ( ){ }mmmmmf wpfcwpw θθθθ −−= 4.0/ , (26a)
jika θfc (m) ≥ θ (m) > θwp (m)
( ) 1=mf w , θ(m) > θfc (m) (26b)
( ) 0=mf w , θ(m) < θwp (m), r(m) = 0 (26c)
98
Laju penyerapan air oleh akar pada tiap lapisan m:
( ) ( )TmmfmTsa w= , Ta < Tm (27a)
( ) 0=mTsa Ta ≥ Tm (27b)
fw (m) adalah fungsi kadar air tanah pada lapisan tanah m, θ kadar air tanah, θfw
kadar air tanah pada kapasitas lapang dan θwp kadar air tanah pada titik layu
permanen, Tsa (m) laju penyerapan air oleh akar pada lapisan m (mm).
Neraca Air. Perhitungan neraca air dilakukan pada tiap lapisan tanah.
Karena evaporasi terjadi pada lapisan permukaan (m=1) maka dibagi menjadi
lapisan atas dan bawah sbb:
Lapisan atas : ( ) ( ) ( ) ttttt EaIsPc −+−= − 111 1θθ (28a)
Lapisan bawah (m > 1): ( ) ( ) ( ) ( ) ( )mTsamPcmPcmm ttttt −−−−= − 11θθ (28b)
t menyatakan hari pada saat perhitungan dilakukan.
4.2.3.4. Submodel Nitrogen
Submodel nitrogen dalam model ini mengadopsi submodel nitrogen yang
telah digunakan untuk tanaman gandum (Handoko, 1992). Selama pertumbuhan
tanaman, sumber utama nitrogen dari berbagai lapisan tanah dan dibagi ke
organ-organ tanaman (Wx). Sumber kedua adalah mobilisasi selama pelayuan.
Sesudah pembungaan, nitrogen dimobilisasi dari daun (NL) dan batang (NS)
yang merupakan sumber utama akumulasi nitrogen oleh biji (NG). Jika
kebutuhan nitrogen tidak dipenuhi oleh mobilisasi, maka tanaman mengambil
nitrogen dari tanah (Nup) tergantung kebutuhan, persediaan tanah (NO3-), kadar
air (Swc) dan bobot akar (RW) pada masing-masing lapisan (m).
Proses nitrogen dalam tanah dipengaruhi oleh amonifikasi, nitrifikasi dan
pencucian. Selama amonifikasi, nitrogen organik dikonversi menjadi NH4+
kemudian menjadi NO3- dalam nitrifikasi. Ada dua tahap untuk perhitungannya
secara terpisah, yaitu laju amonifikasi dan nitrifikasi. Sejumlah perhitungan
dihubungkan dengan suhu di dalam profil tanah. Perhitungan didasarkan pada
suhu udara (T). Gambar 38 menunjukkan diagram Forrester submodel neraca
nitrogen tanaman ini.
99
Gambar 38. Diagram Forrester submodel neraca nitrogen jarak pagar (diadopsi
dari Handoko, 1992). 4.2.3.4.1. Nitrogen Tanaman
Kebutuhan Nitrogen. Kebutuhan nitrogen dari organ x (Ndemx) selama
sebar sampai anthesis tergantung pada laju pertumbuhan (dWx), konsentrasi
nitrogen [Nactx] dan konsentrasi maksimum [Nmaxx] sbb:
[ ]xxx NdWNdem max01.0= , [Nactx] < [Nmaxx]
100
= 0 untuk lainnya (29a)
Konsentrasi nitrogen diekspresikan dalam persentase berat kering (%).
Kebutuhan nitrogen tanaman (NdemT) didefinisikan sebagai jumlah kebutuhan
individual organ:
∑= xT NdemNdem (29b)
Sesudah anthesis, kebutuhan nitrogen organ vegetatif menjadi nol, dengan
demikian kebutuhan tanaman dicurahkan menjadi kebutuhan biji (Ndemg) sbb:
[ ] [ ]{ } 110max −−== gggT NactNWgNdemNdem (29c) Serapan Nitrogen. Sebagaimana serapan air, akar menyerap nitrogen
pertama dari lapisan permukaan kemudian ke lapisan bawahnya di dalam zona
perkaran sampai kebutuhan tanaman terpenuhi. Dalam masing-masing lapisan
(1), serapan diperhitungkan dengan aliran massa (mass flow) dan serapan aktif.
Aliran massa dihitung sebagai produk dari aliran air ke akar {Tsa(1)} dan
konsentrasi nitrat dalam tanah (nitrate) {NO3c(1)},
( ) ( ) ( )111 3csamf NOTNup = (30a)
Pada lapisan 1, NO3c(1) dihitung dari nisbah ketersediaan nitrogen {NO3(1)} dan
kandungan air θ(1) atau swc(1).
)1(
)1()1(3 3
θNO
NO c = (30b)
Serapan aktif dihitung dengan menghitung persamaan Michaelis-Menten yaitu:
)]1([)1(
)1(3
3
c
cnat NOKm
NORWNup
+=
σ (30c)
RW(1) adalah berat akar di lapisan 1 (kg ha-1), σn serapan nitrogen per satuan
berat akar (kg N kg-1 d-1) dan Km konsentrasi setengah jenuh (kg N ha-1 mm-1).
Nilai Km (1 kg N ha-1 mm-1) diturunkan dari data percobaan lapangan Prince dan
Burton (1956) dan σn 0.01 kg N kg-1 d-1 berdasarkan suatu percobaan larutan
nitrogen (Woodend et al. 1986) oleh Handoko (1992). Total nitrogen yang
diserap diseluruh profil (NupT) adalah:
( )∑= 1NupNupT (31a)
( ) ( ) ( )111 atmf NupNupNup += , NdemT > 0
101
= 0, untuk lainnya (31b)
Mobilisasi Nitrogen. Daun dan batang mengandung nitrogen struktural
dan nitrogen labil. Selama pelayuan, nitrogen labil dimobilisasi antara organ-
organ sewaktu nitrogen struktural tersisa dalam jaringan mati. Pelayuan daun
dan batang memobilisasi nitrogen (dNmoby) sebagai produk laju pelayuan dan
konsentrasi nitrogen [Nacty] di atas suatu konsentrasi minimum [Nmin]:
[ ] [ ]{ } 2min 10−−= NNactDdN yymoby (32)
Jumlah nitrogen yang diserap (NupT) dan nitrogen yang dimobilisasi
(∑dNmoby), disekat pada masing-masing organ menurut kebutuhan relatifnya
(Ndemx/NdemT). Perbedaan antara nitrogen yang tersekat dan nitrogen yang
hilang karena pelayuan dikenal sebagai perubahan harian kandungan nitrogen
dalam daun dan batang (dNy). Asumsi yang digunakan dalam model adalah tidak
ada nitrogen yang hilang karena pelayuan akar yaitu perubahan harian
kandungan nitrogen (dNr) dan dihitung hanya dari serapan harian.
( ) ∑ −+= yymobyTyy DNactdNNupNdemNdemdN / (33a)
( )NupNdemNdemdN Trr /= (33b)
subkrip y dan r mewakili daun atau batang dan akar.
Selama pengisian biji, nitrogen dimobilisasi dari daun dan batang ke biji
menurut kebutuhan. Kebutuhan nitrogen ditentukan oleh berat biji (Wg),
konsentrasi nitrogen aktual [Nactg] dan konsentrasi maksimum, [Nmaxg] = 3%,
sebagai:
[ ]{ } 2103 −−= gg NactWgNdem (33c)
Tanaman menyerap nitrogen dari tanah jika kebutuhan tidak terpenuhi oleh
mobilisasi. Persamaan berikut menguraikan peningkatan harian nitrogen biji.
∑ += NupdNdN mobyg , Ndemg > 0
= 0 Ndemg = 0
= Ndemg ( ) gmoby NdemNupdN >+∑ (33d)
Jika pemberian nitrogen (∑dNmoby + Nup) melebihi kebutuhan biji (Ndemg),
maka kelebihannya hilang ke biji dan sisanya dalam jaringan mati.
102
4.2.3.4.2. Nitrogen Tanah
Amonifikasi. Laju amonifikasi harian dalam masing-masing lapisan
{dNH4(1)} dihitung sebagai fungsi nitrogen organik, kelembapan tanah dan
temperatur (Q10 = 2(T - 20)/10) sbb:
( ) ( )114 10 namOkQdNH = , θ (1) ≥ θwp (1)
= 0, θ (1) < θwp (1) (34)
On (1) adalah nitrogen organik dalam lapisan (kg ha-1). Konstanta laju
amonifikasi (kam) mempunyai nilai 96 10-6 d-1 diturunkan dari data Burns (1980).
Nitrifikasi. Dalam banyak lapisan, laju nitrifikasi (dNO3p(1)) tergantung
pada NH4- {NH4(1)} seperti berikut:
dNO3p (1) = knit NH4(1) (35a)
knit adalah konstanta laju nitrifikasi. Kumar et al. (1989) menunjukkan bahwa
lama transformasi NH4+ menjadi NO3
- terletak antara 14 hingga 49 hari
tergantung tipe pupuk dan kedalaman tanah. Berdasarkan data tersebut model
menggunakan nilai knit = 0.05 d-1 (Handoko, 1992).
Laju nitrifikasi aktual {dNO3a(1)} dihitung dari nilai potensial
{dNO3p(1)} diterapkan untuk pengaruh kelembapan tanah {fθ (1)}, temperatur
(Q10) dan pH {fpH(1)} sebagai:
{ })1(),1(fmax (1)dNO Q (1) dNO 3p103a pHfθ= (35b)
)1(
)1(02.1039.0)1(fc
fθ
θθ +−= (35c)
fpH(1) adalah laju relatif nitrifikasi (jarak 0 - 1) dalam responnya ke pH dalam
jarak 5 sampai 8. Persamaan 33c menurut Stanford dan Epstein (1974).
Pencucian (Leaching). Nitrogen tercuci dari masing-masing lapisan
(LNO3(1)) dengan perkolasi air (Pc(1)) seperti berikut:
)}1()1({)1()1(
)1( 33 Pc
NOPcL
fcNO +
=θ
(36)
Burn (1980) menggunakan pendekatan ini untuk menghitung
kehilangannya dari seluruh profil tanah termasuk distribusi kembali dari nitrogen
dalam profil tanah selama pencucian.
103
Profil Neraca Nitrogen. Sebagaimana dengan air tanah, neraca nitrogen
tanah dipisahkan antara lapisan permukaan dan lapisan bawah permukaan
(subsurface). Skema perhitungan pupuk nitrogen, dipakai sebagai NO3- (FNO3)
atau NH4+ (FNH4) ke lapisan permukaan. Volatilisasi (VNH4) hanya terjadi untuk
FNH4 yang dipakai pada permukaan dan lajunya tergantung FNH4 yang tersisa.
Neraca nitrogen sebagai berikut:
Lapisan permukaan:
NO3 (m)t = NO3 (m)t -1 + dNO3 (m)t - Nupt (m)t - LNO3 (m)t + FNO3t (37a)
NH4 (m)t = NH4 (m)t - 1 + dNH4 (m)t - dNO3 (m)t + FNH4t - VNH4t (37b)
Lapisan bawah permukaan:
NO3 (n)t = NO3 (n)t - 1 + dNO3 (m)t - Nupt (m)t - LNO3 (m)t + FNO3T (37c)
NH4 (n)t = NH4 (n)t - 1 + dNH4 (m)t - dNO3 (m)t + FNH4t - VNH4 (37d)
Nitrogen organik pada masing-masing lapisan {On (1)} adalah:
On (1)t - 1 = On (1)t - 1 - dNH4 (1)t (37e)
Laju transformasi nitrogen dari bahan organik menjadi amonium {dNH4
(1)} tergantung pada kandungan bahan organik dan ini dicirikan oleh konstanta
laju amonifikasi (kam). Berdasarkan Persamaan 37e, nilai On (1) sekitar 105 yang
lebih besar dari dNH4 (1). On(1) yang tersisa secara relatif konstan selama
beberapa tahun. Dalam model ini, pH dan On(1) itu sendiri menguraikan sifat
kimia tanah sebab knit dan kam menunjukkan aktifitas mikrobia di bawah kondisi
lingkungan yang optimal.
4.2.4. Parameterisasi
Parameter adalah karakteristik dari unsur model yang bersifat konstan
selama masa simulasi atau tergantung pada keadaan sistem. Dalam Lampiran 8
dicantumkan parameter cuaca, tanaman dan tanah yang diperoleh dari data
percobaan lapang pertama dan beberapa referensi yang diperlukan selama
simulasi.
4.2.4.1. Parameter Cuaca.
Parameter cuaca ditetapkan berdasarkan beberapa referensi. Parameter
cuaca yang digunakan dalam simulasi tergantung pada perhitungan model, misal
104
perhitungan evapotranspirasi potensial, biomassa aktual. Parameter cuaca yang
tercantum dalam Lampiran 8 dan hanya sebagian dari parameter tersebut.
4.2.4.2. Parameter Tanaman.
Efisiensi penggunaan radiasi (RUE) diperoleh berdasarkan metode
akumulasi biomassa (g MJ-1; Monteith, 1977) seperti pada persamaan (1). Nilai
RUE adalah landaian (slope) dari hubungan antara radiasi yang diintersepsi atau
diserap oleh kanopi tanaman dengan bahan kering di atas tanah (AGB) yang
dihasilkan selama periode emergence sampai masak fisiologis.
Indeks yang dapat menjelaskan efisiensi pembentukan luas daun per
satuan karbohidrat yang tersedia adalah luas daun spesifik (SLA, ha kg-1). sA
didapat dari hasil bagi antara luas daun (Leaf Area, LA) dengan berat daun (Leaf
Weight, LW). Hasil penurunan nilai SLA dicantumkan dalam Lampiran 6.
LWLASLA = (38)
Persamaan untuk menduga radiasi yang jatuh pada lapisan horizontal
daun dikembangkan dengan cara analisis mekanistik. Tingkat pengurangan
cahaya dengan pertambahan lapisan daun dari atas ke arah lapisan bawah tajuk
dapat diasumsikan tergantung pada tingkat radiasi awal yang datang. Jadi,
semakin tinggi radiasi yang datang, semakin tinggi pula radiasi yang dapat
mencapai daun pada lapisan bawah tajuk. Pernyataan di atas dinyatakan sebagai:
kILI=
∂∂
−
Integrasi persamaan ini dalam batas lapisan daun paling atas (I = I0 dan L = 0)
hingga lapisan daun terbawah pada I dan L tertentu akan menghasilkan
∫∫ −=∂ LI
I
LkII
00
dan
LkeII −−= 0 atau (39a)
( )
LII
k−−
= 0lnln (39b)
dengan I dan I0 adalah radiasi yang jatuh pada suatu lapisan daun dalam tajuk
dan pada lapisan daun teratas (radiasi datang), L adalah lapisan daun yang
ekuivalen dengan luas daun atau indeks luas daun dan k adalah konstanta atau
105
koefisien pemadaman. Persamaan 39a dikenal sebagai persamaan Monsi-Saeki
(1953). Penurunan nilai k ini dicantumkan pada Lampiran 6.
Koefisien respirasi pertumbuhan (kg) dan respirasi pemeliharaan (km)
ditetapkan masing-masing sebesar 0.14 dan 0.015 (McCree, 1974).
Suhu dasar (T0) ditetapkan sebesar 10°C. Satuan panas (TU, d°C)
diperoleh dari pengamatan percobaan ke-satu menurut fase perkembangan sejak
dari semai sampai masak fisiologis yang nilainya tertera dalam Lampiran 8.
4.2.4.3. Parameter Tanah
Dalam model, kapasitas lapang dan titik layu permanen dibatasi dengan
tegangan air tanah masing-masing sebesar ψ = -30 kpa dan ψ = -1,5 MPa.
Demikian pula dengan parameter kerapatan ruah. Parameter tersebut diperoleh
dari hasil analisis laboratorium. Sementara itu, parameter yang berhubungan
dengan penguapan, yaitu U=12 dan α=0.05 ditentukan menurut Handoko (1994).
Konstanta laju amonifikasi (kam) mempunyai nilai 96 10-6 d-1 dan laju
nitrifikasi (knit) sebesar = 0.05 d-1 yang diturunkan oleh Handoko (1992) yang
masing-masing dari data penelitian Burns (1980) dan (Kumar et al. 1989).
4.2.5. Kalibrasi
Kalibrasi adalah mengubah beberapa atau banyak parameter sampai
antara nilai sebenarnya dengan model tidak nyata perbedaannya. Dalam
kalibrasi, menurut Handoko (2004), yang diubah-ubah adalah nilai-nilai
parameter hingga model mendekati nilai hasil pengukuran lapang.
Nilai parameter dapat diperoleh melalui pendekatan garis regresi dan
bentuk persamaan lainnya. Nilai parameter yang diperoleh tersebut dapat
menjadi tidak sesuai jika menggunakan data yang lain. Oleh karena itu, model
perlu divalidasi sebelum diaplikasikan menggunakan data selain yang telah
digunakan untuk kalibrasi.
4.2.6. Validasi Model
Validasi dilakukan secara grafis dan uji berpasangan antara data hasil
percobaan lapang dan peubah hasil prediksi model selama periode pertumbuhan.
Pengujian secara grafis, dilakukan dengan dua cara, yaitu menurut trend waktu
106
dan membuat plot atau garis 1:1. Perbandingan kuantitatif umumnya terbatas
pada suatu regresi linier dari percobaan lapang pada data simulasi. Garis regresi
yang ideal adalah dengan landaian = 1 dan intersep = 0 (Jones & Kiniry, 1986;
Jones et al. 1989; Carberry & Muchow 1992; Hammer & Muchow, 1994;
Keating et al. 1999; Cheeroo-Nayamuth et al. 1999). Jika kedua data hasil model
dan pengukuran tersebut makin berimpit pada garis 1:1, maka model semakin
mendekati hasil pengukuran lapang dan semakin jauh dari garis 1:1 maka
prediksi model makin kurang tepat.
Urutan uji berpasangan adalah sebagai berikut (Steel & Torrie, 1991).
iii mpD −= (40a)
nD
D i∑= (40b)
( )
( )
21
22
1⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
−
−=∑ ∑
nnnD
DSE
ii
(40c)
SEDt = (40d)
Di dan D adalah rata-rata antara prediksi (p) dan pengukuran (m), SE adalah
galat baku dari perbedaan dan t-student. Predikasi model dengan hasil
pengukuran berbeda nyata bila (P<0.05) dan tidak nyata bila (P>0.05).
4.2.7. Tampilan Model
Organisasi model secara keseluruhan ditunjukkan pada Gambar 39 dan
list program menggunakan software Microsof® Visual BASIC™ versi 6.0
disajikan pada Lampiran 9.
107
Gambar 39. Organisasi model selama simulasi.
4.3. Hasil
4.3.1. Parameterisasi Model
Jenis dan nilai parameter hasil penurunan percobaan lapang dari
percobaan ke-satu dan referensi dicantumkan dalam Lampiran 8.
4.3.2. Tampilan Model Tanaman Jarak
Data percobaan lapang yang dipergunakan untuk membangun model
adalah data percobaan kesatu perlakuan W1N0 – W1N2. Data percobaan W1N3
digunakan untuk validasi model. Kemudian, data percobaan ke-dua juga
108
digunakan sebagai validasi selanjutnya. Prediksi model dibandingkan dengan
data dari percobaan pertama tanggal 18 April 2007, yaitu:
(1) Kadar air tanah (Gambar 40)
(2) Fase perkembangan tanaman (Gambar 41)
(3) Indeks luas daun (ILD), biomassa di atas tanah (AGB) dan hasil biji (Gambar
42)
(4) Kandungan nitrogen tanah (Gambar 43)
(5) Kandungan nitrogen tanaman di atas tanah (AGN) (Gambar 44).
150
200
250
300
350
400
450
104 124 144 164 184 204 224 244 264 284
Julian date
Kan
dung
anai
rtan
ah0-
100
cm(m
m)
KAT ModelPengukuranKLWP
KB BM
(a)
300
350
400
300.0 350.0 400.0
Pengukuran (mm)
Pred
iksi
(mm
)
(b) Gambar 40. Perbandingan antara prediksi (garis) dan pengukuran (simbol) kadar
air tanah (a) dan perbandingan plot 1:1.
00.10.20.30.40.50.60.70.80.9
1
104 124 144 164 184 204 224 244 264 284
Julian date
Fase
perk
emba
ngan
(s) s
observasi
(a)
0.00.10.20.30.40.50.60.70.80.91.0
0.0 0.2 0.4 0.6 0.8 1.0
Pengukuran (s)
Pred
iksi
(s)
(b) Gambar 41. Perbandingan antara prediksi (garis) dan pengukuran (simbol) fase
perkembangan tanaman (a) dan perbandingan plot 1:1.
109
0.0
1.0
2.0
3.0
4.0
5.0
6.0
7.0
8.0
104 124 144 164 184 204 224 244 264 284Julian date
Inde
kslu
asda
un(u
nitle
ss) ILD
Observasi
(a)
0123
4567
0 1 2 3 4 5 6 7
Pengukuran (unitless)
Per
edik
si (u
nitle
ss)
(b)
010002000300040005000600070008000
104 124 144 164 184 204 224 244 264 284
Julian date
Biom
asa
(kg
ha-1
)
AGBObs AGBBijiObs Biji
(c)
Error! Not a valid link. (d)
Gambar 42. Perbandingan antara prediksi (garis) dan pengukuran (simbol) indeks luas daun (a), biomassa dan biji (c) dan perbandingan plot 1:1 (b,d). Garis vertikal adalah 2 x galat baku.
0
200
400
600
800
1000
1200
104 124 144 164 184 204 224 244 264 284
Julian date
Nitr
ogen
tana
h(k
gha
-1)
Obs N-tanahN-tanah
(a)
100.0200.0300.0400.0500.0600.0700.0800.0
100.0 200.0 300.0 400.0 500.0 600.0 700.0 800.0
Pengukuran (kg N ha-1)
Pred
iksi
(kg
Nha
-1)
(b) Gambar 43. Perbandingan antara prediksi (garis) dan pengukuran (simbol)
nitrogen tanah (a) dan perbandingan plot 1:1 (b).
110
050
100150200250300350
104 124 144 164 184 204 224 244 264 284
Julian date
AGN
(kg
ha-1
)
AGNObs AGN
(a)
0255075
100125150175200225250275
0 25 50 75 100 125 150 175 200 225 250 275
Pengukuran (kg N ha-1)
Pred
iksi
(kg
N h
a-1)
(b) Gambar 44. Perbandingan antara prediksi (garis) dan pengukuran (simbol)
nitrogen tanaman (a) dan perbandingan plot 1:1 (b). Garis vertikal adalah 2 x galat baku.
Tampilan tersebut memperlihatkan bahwa model tanaman jarak secara
umum tanggap terhadap lingkungan yang bervariasi sebagaimana yang
ditunjukkan oleh data percobaan ke-satu, kecuali pada peubah kandungan air
tanah dan nitrogen tanah. Validasi model dengan data percobaan ke-dua
diberikan dalam bagian 4.3.3.
4.3.3. Validasi Model Pertumbuhan dan Perkembangan Tanaman Jarak Pagar
Validasi dilakukan secara grafis dan uji berpasangan antara data hasil
pengukuran pada percobaan ke-dua dengan hasil prediksi model selama periode
pertumbuhan. Tabel 9 menyajikan hasil uji berpasangan menurut submodel pada
perlakuan W2N2. Uji t berpasangan yang terdapat dalam Lampiran 10
menunjukkan bahwa model dapat mensimulasi menurut percobaan lapang
mencapai lebih dari 80%. Pengujian grafis yang disajikan terdiri dari percobaan
W1N3 dan W2N2 untuk maksud membandingkan antara keduanya.
4.3.3.1. Perkembangan Tanaman
Uji beda fase perkembangan tanaman antara model dengan pengamatan
tidak ada perbedaan (Tabel 9) sejak dari S–T, T–KB, KB–BM, dan BM–MF.
Pengujian dengan grafis disajikan pada Gambar 45. Nilai koefisien determinasi
peubah ini W1N3 dan W2N2 masing-masing sebesar R2=0.99 dan R2=0.98.
111
Tabel 9. Uji berpasangan dengan t-student
Peubah Satuan t t0.05 Perbedaan I. Submodel Perkembangan Fase perkembangan hari 1.04 2.13 tn
II. Submodel Pertumbuhan AGB t ha-1 2.13 2.35 tn ILD unitless -0.29 1.86 tn
III. Submodel Neraca Air Kadar air tanah (0-100cm) mm -0.35 1.73 tn ETa mm -1. 51 1.73 tn
IV Submodel Nitrogen N- tanaman, AGN t ha-1 0.92 2.35 tn N- tanah t ha-1 1.59 2.35 tn
4.3.3.2.Pertumbuhan Tanaman
Prediksi biomassa di atas tanah (AGB) dan indeks luas daun (ILD) yang
dibandingkan dengan pengukuran tidak menunjukkan perbedaan yang nyata
(Tabel 9). Pengujian secara grafis disajikan dalam Gambar 46. Nilai koefisien
determinasi peubah AGB W1N3 dan W2N2 masing-masing sebesar R2=0.99 dan
R2=0.97. Sementara itu peubah ILD masing-masing sebesar R2=0.90 dan
R2=0.94.
0.000.100.200.300.400.500.600.700.800.901.00
104 124 144 164 184 204 224 244 264 284
Julian date
Fase
perk
emba
ngan
(s) W2N2-s
Obs W2N2-sW1N3-sObs W1N3-s
(a)
0.0
0.2
0.4
0.6
0.8
1.0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Pengukuran (s)
Pred
iksi
(s)
●R2 = 0.99♦R2 = 0.98
(b) Gambar 45. Hasil prediksi dan pengukuran fase perkembangan tanaman (a) dan
perbandingan plot 1:1 (b).
112
0
1
2
3
4
5
6
104 124 144 164 184 204 224 244 264 284
Julian date
Bio
mas
s (t h
a-1)
W1N3-AGBObs W1N3-AGBW2N2-AGBObs W2N2-AGBW1N3-BijiObs W1N3-BijiW2N2-BijiObs W2N2-Biji
(a)
0
1
2
3
4
5
0 1 2 3 4 5Pengukuran AGB (t ha-1)
Pred
iksi
AG
B (t
ha-1
) ■ W1N3 R2 = 0.99● W2N2 R2 = 0.97
(b)
0.001.002.003.004.005.006.007.008.00
104 124 144 164 184 204 224 244 264 284Julian date
Inde
kslu
asda
un,I
LD(u
nitle
ss)
ILD W1N3Obs W1N3ILD W2N2Obs W2N2
(c)
0.0
1.0
2.0
3.0
4.0
5.0
6.0
0.0 1.0 2.0 3.0 4.0 5.0 6.0
Pengukuran (unitless)
Pre
diks
i (un
itles
s)
■W1N3 R2 = 0.90●W2N2 R2 = 0.94
(d) Gambar 46. Hasil prediksi dan pengukuran AGB dan ILD selama periode
pertumbuhan (a,c) dan perbandingan plot 1:1 (b,d). Garis vertikal adalah 2 x galat baku.
4.3.3.3. Neraca Air
Hasil prediksi model neraca air menunjukkan perbedaan yang tidak nyata
dengan pengukuran sampai dengan ke dalaman 100 cm (Tabel 9), demikian pula
dengan pengujian grafisnya (Gambar 47). Model memprediksi dengan baik,
terutama sebelum fase KB dan setelah BM – MF. Model memprediksi lebih
rendah dari pengukurannya pada saat KB - BM. Pada awal pertumbuhan data
pengamatan W1N3 terdapat nilai ekstrim atau pencilan (outlayer). Model tidak
merespon nilai yang sangat ekstrim. Oleh karena ini nilai koefisien
determinasinya menjadi kecil masing-masing sebesar R2=0.13 dan R2=0.39.
113
150
200
250
300
350
400
450
500
104 124 144 164 184 204 224 244 264 284Julian date
Kand
unga
n ai
r tan
ah, 0
-100
cm
(mm
)
KAT-W1N3Obs KAT-W1N3KAT-W2N2Obs KAT-W2N2KLWP
(a)
300.0
350.0
400.0
450.0
300 350 400 450
Pengukuran (mm)
Pred
iksi
(mm
)
■W1N3 R2 = 0.13●W2N2 R2 = 0.39
(b) Gambar 47. Hasil prediksi dan pengukuran kadar air tanah selama periode
pertumbuhan (a) dan perbandingan dengan plot 1:1 (b).
Evapotranspirasi hasil prediksi model neraca air tidak menunjukkan
perbedaan dengan pengukuran (Tabel 9 dan Gambar 48). Jika kandungan air
tanah menjangkau ke dalam tanah, maka nilai evapotranspirasi akan meningkat.
Nilai koefisien determinasi peubah ini sebesar R2= 0.88 dan R2= 0.98.
0.0100.0200.0300.0400.0500.0600.0700.0
104 124 144 164 184 204 224 244 264 284
Julian date
Evap
otra
nspi
rasi
(mm
) ETa-W1N3Obs ETa-W1N3ETa-W2N2Obs ETa-W2N2
(a)
0
100
200
300
400
500
600
0 100 200 300 400 500 600
Pengukuran (mm)
Pred
iksi
(mm
)
●R2 = 0.98♦R2 = 0.88
(b) Gambar 48. Hasil prediksi dan pengukuran evapotranspirasi kumulatif selama
periode pertumbuhan (a) dan perbandingan dengan plot 1:1 (b).
4.3.3.4. Nitrogen Tanah dan Tanaman
Prediksi nitrogen tanah dan tanaman (AGN) yang dibandingkan dengan
pengukuran tidak menunjukkan perbedaan yang nyata (Tabel 9). Pengujian
secara grafis disajikan dalam Gambar 49 dan 50. Pada awal pertumbuhan model
114
menyimulasi lebih rendah dibandingkan dengan pengukuran. Nilai koefisien
determinasi W1N3 dan W2N2 masing-masing sebesar R2=0.33 dan R2=0.34.
0.0
0.2
0.4
0.6
0.8
1.0
1.2
104 124 144 164 184 204 224 244 264 284
Julian date
Nitr
ogen
tana
h(t
ha-1
) N-tanah W1N3Obs N-tanah W1N3N-tanah W2N2Obs N-tanah W2N2
(a)
0.10.20.30.40.50.60.70.8
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
Pengukuran
Pre
diks
i
●R2 = 0.33♦R2 = 0.34
(b) Gambar 49. Hasil prediksi dan pengukuran N tanah selama periode pertumbuhan
(a) dan perbandingan plot 1:1 (b). Garis vertikal adalah 2 x galat baku.
0.00.10.10.20.20.30.30.4
104 124 144 164 184 204 224 244 264 284
Julian date
AG
N(k
gha
-1)
AGN-W1N3Obs AGN-W1N3AGN-W2N2Obs AGN-W2N2
(c)
0.000.03
0.050.080.10
0.130.15
0.180.20
0 0.03 0.05 0.08 0.1 0.13 0.15 0.18 0.2
Pengukuran (t N ha-1
(d) Gambar 50. Hasil prediksi dan pengukuran N tanah dan AGN selama periode
pertumbuhan (a,c) dan perbandingan plot 1:1 (b,d). Garis vertikal adalah 2 x galat baku.
4.4. Aplikasi Model Simulasi Tanaman Jarak Pagar
Model simulasi tanaman adalah alat analisis kuantitatif dalam hubungan
antara pertumbuhan tanaman dengan lingkungan tumbuh seperti iklim dan
tanah. Model membantu paling sedikit pada tiga hal, yaitu pertama pemahaman
115
proses pengaruh lingkungan, khususnya variasi unsur-unsur cuaca, terhadap
tanaman, kedua untuk keperluan prediksi dan ketiga untuk keperluan
manajemen. Model simulasi yang handal (best fitted) dapat digunakan untuk
mengurangi jumlah percobaan lapang yang memerlukan biaya dan waktu yang
banyak. Jika pemahaman mekanisme proses yang terjadi selama pertumbuhan
tanaman yang rumit dapat dijelaskan oleh model, maka keputusan-keputusan
taktis dapat dilakukan, seperti penentuan waktu tanam yang optimum, waktu dan
jumlah pemupukan yang harus diberikan.
Salah satu contoh penting dalam aplikasi mode simulasi tanaman jarak
pagar ini adalah sehubungan dengan issue perubahan iklim global karena
pengaruh rumah kaca (green house effect). Pemanasan global berdampak pada
perilaku iklim seperti peningkatan atau penurunan jumlah curah hujan,
peningkatan suhu udara, jumlah radiasi yang diterima oleh tanaman, sehingga
akan berdampak besar terhadap pertanian seperti perubahan tindak agronomis
pola tanam, lama musim pertumbuhan dan hasilnya. Tanpa analisis kuantitatif
yang dapat menjelaskan interaksi iklim dan pertanian, prediksi dan antisipasi
terhadap perubahan iklim tersebut akan sukar dilakukan.
Sebelum tahap aplikasi model dilakukan, maka model perlu diuji lagi
ketepatannya agar akurasi prediksi model tidak berbeda jauh dengan percobaan
lapang dengan pendekatan (Handoko, 2005) dan hasilnya tersaji dalam Tabel 10.
,100 EH −= E < 100 (41)
= 0, E ≥ 100
dengan,
( ) %100/ xDDME −=
H : akurasi model (%) E : galat prediksi (%) M : keluaran model D : data pengukuran
Berdasarkan Tabel 10 terlihat bahwa pengujian akurasi model
menunjukkan ketepatan dalam menduga fase perkembangan tanaman dan hasil
biji tanaman jarak pagar masing-masing sebesar 93 % dan 79%.
116
Tabel 10. Pengujian ketepatan prediksi model dengan pengukuran lapang Peubah Model Pengukuran Ketepatan (%)
1. Fase Perkembangan (s, hari) Percobaan I (W1)
S – E 11 10 90 E - KB 81 70 84
KB - BM 26 27 96 BM - MF 92 80 85
91 Percobaan II (W2)
S – E 11 10 90 E - KB 83 80 96
KB - BM 27 27 100 BM - MF 70 72 97
96 93 2. Biji (t ha-1)
W2N0 0.16 0.12 66 W2N1 0.16 0.20 75 W2N2 0.35 0.48 63 W2N3 0.34 0.30 85 W2P1 0.69 0.67 96 W2P2 0.08 0.06 73 W2P3 0.02 0.09 94
79 Rata-rata 86.0
4.4.1. Penentuan Waktu Tanam terhadap Produksi Jarak Pagar
Jarak pagar merupakan tanaman tahunan dan waktu tanam pada tahun
pertama juga menentukan pertumbuhan dan perkembangan tahun berikutnya.
Variasi hasil berdasarkan simulasi waktu tanam setiap tanggal 14 setiap
bulannya dengan pemupukan sebesar 130 kg Urea ha-1 (W2N2) disajikan dalam
Gambar 51. Hasil yang diperoleh merupakan simulasi selama 194 - 200 hari
umur tanam. Hasil biji berkisar antara 0.23 – 0.36 ton ha-1. Potensi hasil jarak
pagar IP-1P sebesar 0.25 – 0.30 ton pada tahun pertama (Puslitbangbun, 2006).
Hasil tertinggi di atas 0.3 ton akan diperoleh jika penanaman dilakukan pada
rentang waktu bulan Maret sampai bulan Juli. Untuk panenan berikutnya sangat
ditentukan oleh fase pemasakan buah (MF) dari bunga mekar (BM). Waktu yang
117
diperlukan sejak fase BM – MF berkisar antara 81 – 87 hari, sedangkan
pembungaan pada fase kuncup bunga (KB) – (BM) berkisar antara 27 – 30 hari.
82 84 84 83 82 83 85 87 86 83 81 81
0.100.150.200.250.300.350.40
Has
il (t
ha-1
)Waktu Panen
Gambar 51. Variasi hasil biji jarak pagar yang ditanam menurut bulan kalender
di Bogor-Jawa Barat.
Dalam Gambar 52 ditunjukkan peran dari radiasi yang diintersepsi
terhadap hasil jarak. Jumlah radiasi yang diintersepsi pada waktu tanam bulan
Maret sampai Juli terlihat lebih besar dibandingkan dengan bulan-bulan lainnya
dengan kisaran antara 1 028.9 – 1 118.6 MJm-2 dan selama simulasi jumlah
curah hujan yang diterima berkisar masing-masing periode tanam berkisar antara
580.6 – 1 896.3 mm. Jumlah air yang dibutuhkan tanaman jarak selama setahun
berkisar antara 450 – 2 380 mm (Jones & Miller, 1992), antara 300 – 1 000
mm/tahun (Heller, 1996), minimal 250 mm dan pertumbuhan terbaik antara 900
– 1 200 mm (Makkar & Becker, 1997), dan 500 – 1 500 mm (Wahid, 2006).
Selama simulasi waktu tanam jumlah air dibutuhkan tanaman pada
kondisi air yang cukup (lebih dari 500 mm), dengan demikian jumlah radiasi
yang diintersepsi tanaman dominan dalam menentukan hasil jarak pagar.
118
400600800
100012001400160018002000
Jan Feb Mar Apr Mei Jun Jul Agt Sep OktNop Des
Waktu TanamPe
ubah
iklim
Curah Hujan(mm)Q Int (MJ m-2)
Gambar 52. Radiasi yang diintersepsi dan curah hujan yang diterima selama
periode pertumbuhan tanaman.
4.4.2. Pengaruh Pemupukan Nitrogen terhadap Jarak Pagar
Pemberian nitrogen sebesar 130 kg ha-1 (W2N2) pada saat emergence
dan kuncup bunga di bulan April dapat meningkatkan biomassa dan biji masing-
masing sebesar 4.226 t ha-1 dan 0.359 ton ha-1 dibandingkan tanpa pemupukan 0
kg ha-1 (W2N0) yang menghasilkan biomassa dan biji masing-masing sebesar
2.959 t ha-1 dan 0.259 t ha-1 (Gambar 53a). Sementara itu, indeks luas daun
(ILD) terbesar yang dihasilkan perlakuan W2N2 dan W2N0 masing-masing
sebesar 5.63 dan 2.85 (Gambar 53b).
0
1
2
3
4
5
6
104 124 144 164 184 204 224 244 264 284
Julian date
Bio
mas
s (t h
a-1)
W2N2-AGBW2N0-AGBW2N2-BijiW2N0-Biji
(a)
0.0
1.0
2.0
3.0
4.0
5.0
6.0
104 124 144 164 184 204 224 244 264 284Julian date
Inde
ks lu
as d
aun,
ILD
(uni
tless
)
ILD W2N2ILD W2N0
(b) Gambar 53. Simulasi respon biomassa dan biji jarak terhadap pemupukan
nitrogen.
119
Pemberian nitrogen yang tinggi menyebabkan tanaman perlakuan W2N2
menggunakan air tanah lebih banyak dibandingkan W2N0 (Gambar 54a). Air
tanah yang diambil tersebut digunakan untuk memenuhi kebutuhan
evapotranspirasi yang pada tanaman W2N2 sebesar 638.9 mm dan sebesar 608.9
mm pada perlakuan W2N0 (Gambar 54b).
4.4.3. Pengaruh Pengurangan Radiasi Surya terhadap Produksi Jarak Pagar
Jarak pagar untuk berproduksi optimal memerlukan syarat tumbuh
tertentu seperti tinggi tempat kurang dari 500 m dpl. (dataran rendah), curah
hujan kurang dari 1 000 mm/tahun, suhu lebih dari 20°C, tanah berpasir, pH 5.5
– 6.5. Pada kondisi tertentu seperti pada ketinggian 600 m dpl dengan cahaya
matahari berlimpah dan suhu lebih dari 20°C, tanaman jarak pagar dapat
berproduksi dengan baik namun kandungan minyak yang lebih rendah
dibandingkan dengan di dataran rendah (Mahmud, 2006).
150.0
200.0
250.0
300.0
350.0
400.0
104 124 144 164 184 204 224 244 264 284
Julian date
Kan
dung
an a
ir ta
nah,
0-1
00 c
m(m
m)
KAT-W2N2KAT-W2N0KLWP
(a)
0.0100.0200.0300.0400.0500.0600.0700.0
104 124 144 164 184 204 224 244 264 284
Julian date
Evap
otra
nspi
rasi
(mm
) ETa-W2N2ETa-W2N0
(b) Gambar 54. Simulasi pemupukan nitrogen pada tanaman jarak terhadap
kandungan air tanah dan evapotranspirasi aktual.
Umumnya tanaman penghasil minyak memerlukan lingkungan dengan
cahaya yang cukup. Pada lingkungan seperti dataran tinggi lebih dari 700 m dpl
yang menjadi pembatas adalah radiasi matahari karena banyak awan dan
berkabut, sedang di dataran rendah kurang dari 700 m dpl pembatasnya
ketersediaan air tanah. Biasanya iklim yang lebih kering akan meningkatkan
120
kadar minyak dalam biji, namun masa kekeringan berkepanjangan akan
menyebabkan tanaman jarak pagar akan menggugurkan daunnya (stagnan)
untuk menghindari kematian tanaman (Effendi, 2005).
Dalam penanaman jarak pada dataran tinggi sekitar 600 m dpl. diskenario
terjadi pengurangan intensitas radiasi sebesar 20% dari tempat percobaan
pertama dan kedua dilakukan, berdasarkan pendekatan yang digunakan oleh Bey
& Las (1991). Kemudian penurunan unsur iklim suhu udara menurut ketinggian
tempat menggunakan pendekatan Braak (1929) dan peningkatan curah hujan
sebesar 10%. Tindak agronomis yang dilakukan adalah dengan pemupukan 130
kg Urea ha-1.
Pada dataran tinggi suhu menjadi lebih rendah yang berakibat pada umur
tanaman jarak mencapai 231 hari (Gambar 55c). Umur yang lama ternyata tidak
berdampak terhadap besar biomassa yang dihasilkan (sekitar 3.904 t ha-1) jika
dibandingkan dengan hasil tanaman jarak pada ketinggian < 500 m dpl (4.226 t
ha-1) (Gambar 55a). Ini menunjukkan bahwa tanaman jarak memerlukan
sejumlah radiasi surya untuk pertumbuhan dan perkembangan terbaiknya.
0
1
2
3
4
5
6
104 124 144 164 184 204 224 244 264 284 304 324
Julian date
Bio
mas
s (t h
a-1)
AGBAGB-Radiasi 20%BijiBiji-Radiasi 20%
(a)
0.0
1.0
2.0
3.0
4.0
5.0
6.0
7.0
104 124 144 164 184 204 224 244 264 284 304 324Julian date
Inde
ks lu
as d
aun,
ILD
(uni
tless
)
ILD
ILD-Radiasi 20%
(b)
121
0.000.100.200.300.400.500.600.700.800.901.00
104 124 144 164 184 204 224 244 264 284 304 324
Julian dateFa
sepe
rkem
bang
an(s
) ss - Radiasi 20%
(c)
Gambar 55. Simulasi respon tanaman jarak terhadap pengurangan radiasi surya sebesar 20% terhadap AGB dan biji (a), ILD (b) dan fase perkembangan, s (c).
Pemenuhan kebutuhan evapotaranspirasi aktual tempat masing-masing
tanaman jarak tumbuh sebesar 638.9 mm atau 3.3 mm hari-1 dan 394.3 mm atau
1.7 mm hari-1 (Gambar 56a,b).
150.0
200.0
250.0
300.0
350.0
400.0
104 124 144 164 184 204 224 244 264 284 304 324
Julian date
Kan
dung
an a
ir ta
nah,
0-1
00 c
m(m
m)
KATKAT-Radiasi 20%KLWP
(a)
0.0100.0200.0300.0400.0500.0600.0700.0
104 124 144 164 184 204 224 244 264 284 304 324
Julian date
Evap
otra
nspi
rasi
(mm
) ETa - Radiasi ETa - Radiasi 20%
(b) Gambar 56. Simulasi respon tanaman jarak akibat pengurangan radiasi surya
sebesar 20% terhadap KAT (a) dan ETa (b).
122
4.4.4. Pengaruh Perubahan Iklim terhadap Produksi Jarak Pagar
Telah diketahui bahwa di samping faktor genetik, pertumbuhan dan
perkembangan tanaman jarak pagar sangat dipengaruhi oleh kondisi lingkungan
seperti yang dikemukakan oleh Makkar & Becker (1997).
Dampak kekeringan pada tanaman jarak menurut Rivaie (2007) dapat
dilihat pada KIJP di Asembagus, Situbondo, Jawa Timur, yang terletak di daerah
yang beriklim kering dengan curah hujan ± 1 100 mm/th. Di kebun ini
pertumbuhan tanaman selama musim kemarau (Juni-Agustus 2006) cukup
terganggu, tanaman secara keseluruhan terlihat layu. Meskipun kebun ini sudah
mendapat pengairan secukupnya, tetapi masih belum mampu mengalahkan
pengaruh intensitas radiasi surya yang tinggi disertai angin yang kencang selama
beberapa bulan musim kemarau. Pengaruh yang kuat kedua faktor iklim tersebut
mengakibatkan kehilangan air yang tinggi, baik melalui stomata daun maupun
dari permukaan tanah langsung, yang berakibat pada defisit air yang cukup besar
pada daerah perakaran tanaman. Pada tanaman yang baru dipanen, daunnya
gugur disertai dengan percabangan yang agak rusak. Pada kondisi demikian
tentu sangat sulit diharapkan tanaman dapat segera bertunas kembali sekaligus
menghasilkan pembungaan. Selain karena kekurangan air, kondisi di atas diduga
juga disebabkan karena banyak unsur-unsur hara yang terkuras oleh panen besar
sebelumnya.
Untuk mengetahui kemungkinan perubahan iklim dapat mempengaruhi
perbedaan dalam dampak yang menyebabkan tingkat ketidakpastian perubahan
iklim, terutama pada skala regional, kepekaan percobaan-percobaan mempunyai
peran penting. Oleh karena itu, perubahan dalam iklim dapat menerapkan 1°, 2°,
dan 3° peningkatan atau penurunan pada suhu udara; dan atau 5%, 10%, 15%
peningkatan atau penurunan pada curah hujan dan seterusnya. Ini dapat
membangkitkan seperangkat data yang dapat digunakan dalam model kuantitatif
seperti model tanaman dan hidrologi (Risbey, 1998; Mehrotra, 1999). Di
atmosfer secara meteorologis peningkatan curah hujan yang diiringi oleh suhu
yang tinggi dapat saja terjadi. Dalam skenario di sini hanya dicontohkan pada
kejadian penurunan curah hujan yang diiringi oleh peningkatan suhu udara.
123
Dalam simulasi ini dibuat tiga skenario berdasarkan pendekatan di atas
dengan mengkombinasikan antara curah hujan dan suhu udara, yaitu skenario I
(curah hujan berkurang 5% dan suhu naik 1°C), skenario II (curah hujan
berkurang 10% dan suhu naik 2°C) dan skenario III (curah hujan berkurang 15%
dan suhu naik 3°C). Tindak agronomis yang dilakukan adalah dengan
pemupukan 130 kg Urea ha-1. Hasil simulasi masing-masing skenario terhadap
biomassa dan biji ditunjukkan dalam Gambar 57.
0.00.51.01.52.02.53.03.54.04.5
1 2 3 4 5 6 7 8 9 10 11 12
Waktu Tanam
Bio
mas
sa(t
ha-1
)
AGBAGB-Skenario IAGB-Skenario IIAGB-Skenario III
(a)
00.05
0.10.15
0.20.25
0.30.35
0.4
1 2 3 4 5 6 7 8 9 10 11 12
Waktu Tanam
Has
ilbi
ji(t
ha-1
)
Biji Biji-Skenario I Biji-Skenario II Biji-Skenario III
(b)
Gambar 57. Simulasi biomassa (a) dan hasil biji jarak di Bogor-Jawa Barat yang ditanam tanggal 14 setiap bulan, pada kondisi curah hujan sekarang dan akan datang dengan 3 skenario.
Penurunan biomassa jika terjadi pengurangan curah hujan peningkatan
suhu udara dari kondisi sekarang masing-masing sebesar 20% pada skenario I,
44% pada skenario II dan 78% pada skenario III. Sementara itu, penurunan hasil
biji masing-masing sebesar 17%, 41% dan 74%.
Pada skenario pengurangan curah hujan sampai 15%, air hujan masih
mencukupi (di atas 500 mm) untuk pertumbuhan tanaman jarak, namun
peningkatan suhu udara sampai dengan 3°C, mengakibatkan umur tanaman
menjadi lebih pendek (Gambar 58a,b). Umur tanaman yang lebih singkat dan
suhu yang tinggi menyebabkan fotosintat yang ditumpuk menjadi berkurang
sehingga berdampak pada pengurangan biomassa dan biji (Gambar 57a,b).
124
0200400600800
100012001400160018002000
1 2 3 4 5 6 7 8 9 10 11 12
Bulan
Cur
ah h
ujan
(mm
)CHCH-Skenario ICH-Skenario IICH-Skenario III
160
162
164
166
168
170
1 2 3 4 5 6 7 8 9 10 11 12
Bulan
Um
ur ta
nam
an (h
ari)
Umur tanaman
T-Skenario III
(a) (b) Gambar 58. Skenario pengurangan curah hujan dan peningkatan suhu udara
(skenario III)-umur tanaman.
4.5. Pembahasan
Pengujian grafis fase perkembangan disajikan pada Gambar 45 dan
menunjukkan model yang menggunakan konsep heat unit mampu memprediksi
periode fase perkembanan tanaman baik pada percobaan pertama maupun
percobaan kedua. Penelitian yang dilakukan di Indonesia pada tanaman gandum
dan sawit dengan pendekatan yang sama pada perlakuan nitrogen dan air juga
menunjukkan hasil yang sama (Handoko, 2007; Djufry et al. 2000).
ILD percobaan kedua terlihat penurunan pada saat masak fisiologis lebih
lambat dari percobaan pertama (Gambar 46) yang diduga disebabkan oleh KAT
yang lebih besar pada percobaan kedua. Model menggunakan nilai ILD dan
RUE untuk memprediksi biomassa tanaman. Pada perlakuan W2N2 biomassa
yang dihasilkan juga lebih besar dibandingkan dengan W1N3.
Model mampu mensimulasi perubahan kadar air tanah dengan
kandungan air tanah yang berbeda pada W1N3 dan W2N2 (Gambar 47).
Pengurangan KAT setelah bunga mekar (BM) akan diikuti oleh peningkatan
evapotranspirasi (Gambar 48).
Model nitrogen tanggap terhadap pemberian nitrogen, yaitu perlakuan
W1N3 (Gambar 49 dan 50) dan W2N2. Kandungan nitrogen W1N3 pada akhir
pertumbuhan lebih rendah dibandingan W2N2, yang diduga kandungan air tanah
125
W1N3 lebih rendah dibandingkan W2N2. Kepekaan model terhadap nitrogen
penting karena nitrogen dapat mempengaruhi ILD dan RUE yang berperan
dalam fotosintesis (Arkebauer et al. 1994).
Pengujian kehandalan model telah dilakukan dan menunjukkan bahwa
ketepatan prediksi model terhadap percobaan lapang baik untuk fase
perkembangan tanaman masing-masing sekitar 93 dan 79%, sehingga aplikasi
model dilakukan dengan variasi waktu tanam, dosis pemupukan, pengurangan
radiasi surya, dan dampak perubahan iklim. Waktu tanam yang terbaik untuk
penanaman pada tahun pertama adalah antara bulan Maret sampai dengan Juli.
Pemberian nitrogen sampai dengan 130 kg ha-1 menunjukkan bahwa tanaman
jarak masih responsif, yang perlu diperhatikan adalah kondisi kandungan air
tanah, karena pada pemupukan yang tinggi tanaman menggunakan air tanah
yang juga besar. Tanaman penghasil minyak memerlukan radiasi surya yang
lebih banyak dibandingkan dengan tanaman penghasil karbohidrat, sehingga jika
terjadi pengurangan radiasi surya, maka terjadi pengurangan biomassa dan hasil
biji serta umur tanaman semakin panjang. Skenario pengurangan curah hujan di
Bogor-Jawa Barat sampai 15% masih mencukupi untuk pertumbuhan jarak,
namun peningkatan suhu sampai 3°C menyebabkan umur tanaman yang lebih
singkat dan berdampak pada pengurangan biomassa dan biji.
4.6. Kesimpulan
Validasi model yang berbasis efisiensi penggunaan radiasi surya,
ketersediaan air dan nitrogen terbukti menunjukkan bahwa model mampu
menjelaskan dengan baik terhadap pertumbuhan dan perkembangan tanaman,
nitrogen tanah dan tanaman.
Aplikasi model merupakan salah satu bentuk manfaat pemodelan yang
diharapkan. Hasil simulasi menunjukkan bahwa tanaman jarak juga memerlukan
waktu tanaman optimum, dosis pemupukan yang tepat, intensitas radiasi surya
yang cukup, ketersediaan air dan suhu udara yang optimal untuk pertumbuhan
dan perkembangannya.