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.