P. 1
skripsi

skripsi

|Views: 472|Likes:

More info:

Published by: Pusdima Rahma Pratiwi on Nov 08, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as TXT, PDF, TXT or read online from Scribd
See more
See less

03/07/2013

pdf

text

original

PENDEKATAN PRECISION FARMING DALAM PEMUPUKAN N, P, DAN K PADA BUDIDAYA TEBU Studi Kasus di PT Gula Putih Mataram SIGIT

PRABAWA

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006

PERNYATAAN MENGENAI DISERTASI DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa disertasi yang berjudul PENDEKATAN PRECISION FARMING DALAM PEMUPUKAN N, P, DAN K PADA BUDIDAYA TEBU Studi Kasus di PT Gula Putih Mataram (Precision Farming Approach in N, P, and K Fertilization of Sugar Cane Cultivation: Case Study in PT Gula Putih Mataram) adalah benar merupakan hasil karya saya sendiri dengan arahan Komisi Pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun serta belum pernah dipublikasikan. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini. Bogor, Agustus 2006 SIGIT PRABAWA Nrp. 995102/TEP

ABSTRAK SIGIT PRABAWA. Pendekatan Precision Farming dalam Pemupukan N, P, dan K pada Budidaya Tebu: Studi Kasus di PT Gula Putih Mataram. Dibimbing oleh BAMBANG PRAMUDYA, I WAYAN ASTIKA, RADITE PRAEKO AGUS SETIAWAN dan ERNAN RUSTIADI. Pada umumnya kegiatan pemupukan tidak memperhatikan keragaman spasial kesuburan tanah yang ada. Hal ini dapat menyebabkan pemborosan pupuk, penurunan produktivitas, peningkatan biaya produksi, penurunan keuntungan, dan dampak negatif pada lingkungan. Masalah tersebut dapat diatasi dengan pendekatan precision farming. Penelitian-penelitian tentang precision farming , termasuk dalam hal pemupukan, sudah banyak dilakukan dengan menggunakan beberapa tool seperti geostatistika, artificial neural network, sist em informasi geografis, dan sistem pendukung keputusan. Namun demikian penelitian yang ada masing-masing hanya menggunakan satu tool atau gabungan di antara tool tersebut. Penelitian ini dilakukan dengan menggabungkan keempat tool tersebut. Penelitian ini mempunyai tujuan: a) menganalisa keragaman spasial kandungan hara N, P, dan K di dalam petak lahan tebu; b) menganalisa keragaman spasial produktivitas di dalam petak lahan tebu; c) menentukan kebutuhan jumlah hara N, P, dan K pada target hasil tebu (yield) dan kadar gula yang diharapkan; serta d) membuat piranti lunak sistem pendukung keputusan untuk pendekatan precision farming dalam pemupukan pada budidaya tebu. Penelitian telah dilaksanakan pada bulan April 2002 Juli 2003 di perkebunan tebu PT Gula Putih Mataram, Wilayah Mataram Udik, Kecamatan Seputih Mataram, Kabupaten Lampung Tengah, Propinsi Lampung. Plot-plot percobaan digunakan untuk tiga jenis pemupukan, yaitu: a) pemupukan dengan dosis berdasarkan rekomendasi pustaka, b) pemupukan dengan dosis berdasarkan target produktivitas, dan c) pemupukan dengan dosis seragam. Setiap plot percobaan dibagi dalam grid-grid. Penentuan dosis pupuk berdasarkan analisa tanah dan daun. Pengambilan sampel tanah dan daun dilakukan dengan metode grid center. Aplikasi pupuk dilakukan secara manual. Pemupukan dan pupuk yang digunakan adalah pemupukan pertama (Urea + TSP) dan pemupukan kedua (Urea + KCl). Pengamatan pertumbuhan vegetatif dilakukan terhadap jumlah anakan, tinggi tanaman, diameter batang, jumlah daun, dan persentase gap. Selain itu juga dilakukan pengamatan terhadap jumlah tebu roboh, kadar air tanah, persentase penutupan gulma, serta tingkat serangan hama dan penyakit tanaman. Hasil tebu tidak ditentukan dari pemanenan tetapi berdasarkan taksasi. Perangkat lunak Backpro2N, GS+ for Windows, Surfer 8, dan ArcView 3.3 digunakan untuk mendukung perangkat lunak yang dibuat dalam penelitian ini. Hasil penelitian menunjukkan bahwa pendekatan precision farming dalam pemupukan N, P, dan K dapat menurunkan tingkat keragaman spasial kandungan hara N, P, dan K serta menurunkan tingkat keragaman spasial pr oduktivitas lahan. Hasil penelitian juga menunjukkan bahwa kandungan hara mempunyai keragaman spasial cukup rendah sedang untuk N, serta cukup rendah cukup tinggi untuk P dan K. Sedangkan produktivitas lahan mempunyai keragaman spasial rendah agak rendah. Sistem pendukung keputusan yang sudah dibangun (STRAFERT-PF) dapat digunakan untuk: a) menentukan taksasi tebu; b) menentukan kebutuhan

jumlah hara N, P, dan K pada target hasil tebu (yield) dan kadar gula yang diharapkan; c) menentukan dosis pupuk; d) melakukan analisa keragaman spasial; e) membuat peta informasi lahan; dan f) melakukan analisa biaya. Hasil penelitian menunjukkan bahwa pemupukan dengan pendekatan precision framing dapat menekan pemborosan penggunaan pupuk 53.47% untuk Urea, minimal 86.96% untuk TSP; meningkatkan produktivitas 7.6 10.7%; dan meningkatkan keuntungan 1.09%. Hasil penelitian juga menunjukkan bahwa pemupukan dengan pendekatan precision framing dapat menekan pemborosan penggunaan pupuk yang berlebihan untuk KCl dan meningkatkan pertumbuhan vegetatif tanaman.

ABSTRACT SIGIT PRABAWA. Precision Farming Approach in N, P, and K Fertilization of Sugar Cane Cultivation: Case Study in PT Gula Putih Mataram. Under the direction of BAMBANG PRAMUDYA, I WAYAN ASTIKA, RADITE PRAEKO AGUS SETIAWAN, and ERNAN RUSTIADI. In general, fertilization practice in sugar cane plantation does not consider sp atial variability of soil fertility. The implications of this practice are wasting of fertilizer, decreasing productivity, increasing production cost, decreasing profit, and givi ng negative impact to the environment. This problem can be solved with application of precision farming approach. Many researches on precision farming, including fertilization activity, have been using many tools like geostatistics, artificia l neural network, geographical information system, and decision support system. Nevertheless, those researches just use one tool or combination of two or three tools. This research was done by combining all of the fourth tools. The objectiv es of this research are: a) analyzing spatial variability of nutrient content of N, P, and K in sugar cane field; b) analyzing spatial variability of productivity in sugar cane field; c) determining N, P, and K requirement at a certain target of yield and sugar co ntent; and d) developing decision support system software to support N, P, and K fertilization based on precision farming approach. The research was conducted fr om April 2002 until July 2003 in PT Gula Putih Mataram sugar cane plantation, Matar am Udik District, Central Lampung Regency, Lampung Province. The experiment used three treatments of fertilization namely: a) dosage based on the literature refe rence, b) dosage based on productivity target, and c) uniform dosage. Every block of experimental plot was divided into grids. The determination of fertilization dos age are based on the soil and leaf analysis. Soil and leaf samples were taken with g rid center method. Applications of fertilizer were done manually. Fertilizers used w ere Urea + TSP for basic fertilization and Urea + KCl for second fertilization. The observation of vegetative growth was done on stem population, height of plant, diameter of stem, total number of leaf, and gap percentage. Besides, total numbe r of sugar cane lodge, soil water content, percentage of covering weeds, and level of plant disease attack were observed. Yield is not determined from actual harvest yield but was predicted based on plant population and stem height. Backpro2N, GS+ for Windows, Surfer 8 and ArcView 3.3 were employed for software development. This research showed that precision farming approach in fertilization of N, P, and K could push the spatial variability of nutrient content and productivity. It also showe d a

moderately low to moderate spatial variability for N and moderately low to moderately high spatial variability for P and K. Land productivity has low to ra ther low spatial variability. Decision support system that has been built (STRAFERT-P F) can be used to: a) predict yield; b) determine N, P, and K requirement at a cert ain target of yield and sugar content; c) determine fertilizer dosage; d) analyze sp atial variability; e) make field information map; and f) perform cost analysis. The re sult of this research showed that fertilization with precision farming approach could push the percentage of wasting fertilizer up to 53.47% for Urea and at least 86.96% f or TSP; increased productivity 7.6 10.7%, and increased profit 1.09%. It also showe d that fertilization with precision farming approach could push excessive fertiliz er for KCl and increase the plant vegetative growth.

© Hak cipta milik Institut Pertanian Bogor, tahun 2006 Hak cipta dilindungi Dilarang mengutip dan atau memperbanyak tanpa izin tertulis dari Institut Pertanian Bogor, sebagian atau seluruhnya dalam bentuk apa pun, baik cetak, fotokopi, mikrofilm, dan sebagainya.

PENDEKATAN PRECISION FARMING DALAM PEMUPUKAN N, P, DAN K PADA BUDIDAYA TEBU Studi Kasus di PT Gula Putuh Mataram SIGIT PRABAWA Disertasi sebagai salah satu syarat untuk memperoleh gelar Doktor pada Departemen Teknik Pertanian SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006

Ra dite Praeko Agus Setiawan. P.Eng.Agr. Dr.Ir. Dr. Tanggal Ujian: 6 Juli 2006 Tanggal Lulus: 2006 . M.Dr.Ir. M. dan K pada Budidaya Tebu: Studi Kasus di PT Gula Putih Mataram NamaNRP : Sigit Prabawa : 995102 Disetujui Komisi Pembimbing Prof.Ir. M. M.Agr.S. Budi Indra Setiawan. I Wayan Astika.Dr. Anggota Dr.Ir. Ketua Anggota Dr. Bambang Pramudya. Anggota Diketahui Ketua Program Studi Ilmu Keteknikan Pertanian Dekan Sekolah Pascasarjana Prof.Ir. M.Judul Disertasi : Pendekatan Precision Farming dalam Pemupukan N.Ir. M. Khairil Anwar Notodiputro. Ernan Rustiadi.Si.Agr.

I Wayan Astika. Eng. dorongan. Tema yang dipilih dalam penelitian di lapang yang telah dilakukan sejak 22 September 2002 sampai dengan 12 September 2003 di PT Gula Putih Matar am Lampung Tengah ini ialah precision farming. Fakultas Pertanian IPB / Dekan Fakultas Pertanian IPB) selaku Penguji Luar Komisi pada Ujian Tertutup. (Staf Pengajar pada Departemen Ilmu Tanah dan Sumberdaya Lahan. Departemen Pendidikan Nasional Republik Indonesia. selaku pembimbing dan penguji yang telah banyak memberikan saran.Agr. Ucapan terima kasih dan penghargaan penulis haturkan kepada Bapak Ir. Selain itu. dan kasih sayangnya. anak-anak. Fakultas Pertanian IPB) dan Bapak Dr. Gunawan Sukarso..Dr. Ungkapan terima kasih juga disampaikan kepada istri. Bapak Dr. Penulis menyampaikan terima kasih kepada Direktorat Jenderal Pendidikan Tinggi. M. M. dan K pada Budidaya Tebu: Studi Kasus di PT Gula Putih Mataram . M. yang telah memberikan beasiswa melalui program BPPS. Bambang Pramudya. Ucapan terima kasih dan penghargaan juga penulis haturkan kepada Bapak Prof. Agustus 2006 Sigit Prabawa . M. serta seluruh keluarga. Ernan Rustiadi.Sc. perjuangan.. Ph..Ir. M. penghargaan penulis sampaikan kepada Pimpinan dan segenap jajaran PT Gula Putih Mataram yang telah memberikan fasilitas penelitian. dengan judul Pendekatan Precision Farming dalam Pemupukan N.Si. M. Bogor. Radite Praeko Agus Setiawan. Terima kasih penulis haturkan kepada Bapak Prof. Supiandi Sabiham.Si.D. Semoga karya ilmiah ini bermanfaat. pengorbanan. Atang Sutandi.Agr. dan Bapak Dr. a tas segala do a. M. Bapak Dr.Ir.Ir.Agr. (Direktur PT Tjandi Sewu Baru / Mantan Direktur Pusat Penelitian Perkebunan Gula Indonesia) selaku Penguji Luar Komisi pada Ujian Terbuka.Ir.Ir. (Staf Pengajar pada Departemen Ilmu Tanah dan Sumberdaya Lahan. P.Ir.Dr.PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karuniaNya sehingga karya ilmiah ini berhasil diselesaikan.

Bidang keahlian yang menjadi tanggung jawab penulis adalah sistem dan manajemen mekanisasi pertanian. Penulis menikah dengan Sukarni. Kesempatan untuk melanjutkan ke program doktor pada program studi dan perguruan tinggi yang sama diperoleh pada tahun 1999. Fakultas Pertanian.Pt. Penulis bekerja sebagai tenaga pengajar di Program Studi Teknik Pertanian. Beasiswa pendidikan pascasarjana diperoleh dari Direktorat Jenderal Pendidikan Tinggi. Karya ilmiah berjudul Analisis Keragaman Spasial Unsur Hara Tanah Makro Primer melalui Analisis Semi-variogram telah disajikan pada Seminar Nasional Hasil-Hasil Penelitian Teknik Pertanian di Yogyakarta pada bulan Desember 2005. . Karya ilmiah tersebut merupakan bagian dari program S3 penulis. Pada tahun 1995. Pendidikan sarjana ditempuh di Jurusan Mekanisasi Pertanian. penulis menjadi anggota Perhimpunan Teknik Pertanian. pada tanggal 11 Februari 1997 dan telah dikaruniai dua anak perempuan bernama Tresti Wikan Ayu Prabawarni (Yogyakarta. Selama mengikuti program S3.RIWAYAT HIDUP Penulis dilahirkan di Yogyakarta pada tanggal 4 Mei 1964 sebagai anak ke-4 (bungsu) dari pasangan Hendro Subardjo (almarhum) dan Sardjuni Siti Ngatidjah (almarhumah). 30 Maret 2004). S. penulis diterima untuk program magister di Program Studi Ilmu Keteknikan Pertanian pada Program Pascasarjana IPB dan menamatkannya pada tahun 1998. Fakultas Teknologi Pertanian UGM. 26 November 1997) dan Khansa Pinka Daniswara (Yogyakarta. Departemen Pendidikan Nasional Republik Indonesia. Universitas Lampung sejak tahun 1990 sampai dengan tahun 1999. Sebuah artikel telah diterbitkan dengan judul Analisis Keragaman Spasial Unsur Hara Tanah Makro Primer melalui Analisis Semivariogram pada Prosiding Seminar Nasional Hasil-Hasil Penelitian Teknik Pertanian Tahun 2005. lulus pada tahun 1990.

.. 256 . 221 . 1 8 . xiv ........ 19 .. 111 ....... xx ... 274 LAMPIRAN ..... 8 .. 54 64 . 159 ............ 85 87 .. 94 ... 8 . 152 ................................... 94 ... 93 .. .. 9 9 . 50 ...DAFTAR ISI Halaman DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN PENDAHULUAN Latar Belakang Ruang Lingkup Tujuan Manfaat TINJAUAN PUSTAKA Budidaya Tebu Pemupukan Precision Farming Sistem Informasi Geografis Sistem Pendukung Keputusan Geostatistika Neural Network Penelitian Terdahulu METODOLOGI Analisa Kebutuhan Formulasi Masalah Identifikasi Sistem Pemodelan Tata Laksana Penelitian HASIL DAN PEMBAHASAN Keadaan Umum Lokasi Penelitian Penelitian Pendahuluan Keragaman Spasial Peta Informasi Laha n Sistem Pendukung Keputusan Analisa Pertumbuhan Vegetatif Analisa Biaya SIMPULAN DAN SARAN DAFTAR PUSTAKA xii .. 277 .......... 35 .. 164 .... 93 ........ 97 ... 232 ..... 1 .. 251 .. 259 UCAPAN TERIMA KASIH ... 193 .. 152 .....

.......... PT SIL.............................. 129 15 Nilai ttabel untuk uji beda nyata dengan one sample t-test .. 140 16 Tabulasi analisa data ........ 25 5 Faktor koreksi hasil analisa daun 25 6 Teknik dan metodologi kesisteman .......... 122 11 Standar umum klasifikasi keragaman spasial ..... 169 26 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara daun N...... PT SIL.. dan PT ILP Tahun 1993 2002 ............ dan K .. 24 3 Kandungan hara daun standar ..... 158 21 Produktivitas lahan tebu Blok TU 1/14 PT GPM Tahun 2001 159 22 Standar penggolongan kandungan hara tanah di PT Gula Putih Mataram ......................... dan PT ILP Tahun 1988 2002 ........ 143 17 Luas areal tanam dan produksi PT Gula Putih Mataram Tahun 1984 2002 .. 154 18 Hasil analisis tanah PT Gula Putih Mataram Tahun 1998 2001 155 19 Deskripsi varietas tebu yang ditanam di PT GPM ........ 172 27 Parameter semi-variogram dan klasifikasi keragaman spasial jumlah anakan tebu . 157 20 Data produksi beberapa petak lahan tebu di PT GPM........ 61 7 Tabulasi nilai estimator dan bobot kriging dari Gambar 45 85 8 Harga analisa laboratorium ............ 24 4 Kandungan hara daun standar ......... 161 23 Standar hara daun di PT Gula Putih Mataram ........ 163 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara tanah N............. 17 2 Kandungan hara daun standar ...........DAFTAR TABEL Halaman 1 Pengaruh pemupukan nitrogen terhadap komposisi vegetatif tanaman tebu ..... 127 13 Data training untuk program komputer penentuan dosis pupuk ArtificialNeural Network dengan metode back-propagation 128 14 Hubungan antara tekstur tanah dan berat jenis tanah .... 174 28 Parameter semi-variogram dan klasifikasi keragaman spasial jumlah anakan daun hijau ..... 107 9 Harga pupuk 108 10 Deskripsi plot percobaan .. dan K .................. 126 12 Standar khusus klasifikasi keragaman spasial untuk 11 kelas ........................ 176 30 Parameter semi-variogram dan klasifikasi keragaman spasial tinggi tebu . 162 24 Dosis pupuk yang di terapkan di PT GPM.. 175 29 Parameter semi-variogram dan klasifikasi keragaman spasial jumlah anakan daun kering .. 177 31 Parameter semi-variogram dan klasifika si keragaman spasial diameter tebu ... P. P.......... 178 ..... ......

....................................................... 185 43 Parameter semi -variogram dan klasifikasi keragaman spasial taksasi ........................... 180 35 Parameter semi -variogram dan klasifikasi keragaman spasial bobot biomassa tebu .................................... 183 39 Parameter semi -variogram dan klasifikasi keragaman spasial nilai Brix .......... 181 36 Parameter semi -variogram dan klasifikasi keragaman spasial persentase penutupan gulma ........................... 186 44 Perbedaan kebutuhan pupuk dan tingkat inefisiensi pemupukan 210 45 Deskripsi statistik rendemen dan taksasi setiap plot percobaan ....... 183 38 Parameter semi -variogram dan klasifikasi keragaman spasial bobot nira ........................................... 250 46 Analisa biaya 252 ................................. 185 42 Parameter semi -variogram dan klasifikasi keragaman spasial rendemen tebu ...................... 184 40 Parameter semi -variogram dan klasifikasi keragaman spasial kadar gula ..... 182 37 Parameter semi -variogram dan klasifikasi keragaman spasial bobot tebu ................. 179 33 Parameter semi -variogram dan klasifikasi kera gaman spasial kadar air tanah ................32 Parameter semi -variogram dan klasifikasi keragaman spasial persentase gap ........................ 180 34 Parameter semi -variogram dan klasifikasi keragaman spasial jumlah tebu roboh ........................... 184 41 Parameter semi -variogram dan klasifikasi keragaman spasial nilai Purity ..................................................................

16 3 Kecenderungan komposisi vegetatif tanaman tebu . 68 31 Bentuk-bentuk semi-variogram . dan arah semi-variogram . .. 42 16 Alternatif pola pengambilan sampel tanah pada metode grid cell . 51 23 Komponen Sistem Informasi Geografis ... 35 9 Interaksi dalam Precision Farming .. 50 22 Konsep Sistem Informasi Geografis .DAFTAR GAMBAR Halaman 1 Komposisi vegetatif tanaman tebu umur 12 bulan varietas 37-1933 15 2 Kecenderungan komposisi vegetatif tanaman tebu di Jawa . 42 17 Pengambilan sampel tanah pada soil type sampling .. 72 33 Plot data nilai kalor ... 43 18 Soil Doctor dengan coulter pengindera . 27 6 SPAD Chlorophyll Meter . 60 27 Struktur dasar Sistem Pendukung Keputusan ... 51 24 Komponen utama perangkat keras SIG . 31 8 Respon tanaman gandum beririgasi dan tanpa irigasi terhadap Aplikasi nitrogen ... 39 12 Mesin pemanen pengumpul data hasil untuk pemetaan .. 38 10 Siklus proses dalam precision farming . 68 30 Ilustrasi plot data.... 80 . 40 13 Pengambilan sampel tanah berdasarkan grid .. 80 37 Hasil kriging dari semi -variogram denga n sill 20 (a) dan sill 10 (b) 80 38 Ilustrasi dua semi-variogram dengan bentuk berbeda . 21 5 Nomograf tanah untuk penentuan dosis pupuk . 41 15 Pengambilan sampel tanah dengan metode grid cell .... 41 14 Pengambilan sampel tanah dengan metode grid center .... 39 11 Transfer data dalam pemantauan hasil dan sistem pemetaan ... 73 34 Ilustrasi kriging dengan 5 sampel untuk estimasi 74 35 Ilustrasi kriging dengan 5 sampel untuk estimasi 76 36 Ilustrasi dua semi-variogram dengan sill berbeda . ... 71 32 Ilustrasi tingkat struktur spasial . 47 21 Sistem pemantauan hasil panen tanaman butiran . .. 63 28 Semi-variogram grid ... 29 7 Hubungan dan interaksi antara hara N. 55 26 Alur pikir kesisteman ... lag distance. 16 4 Pengaruh potensi lahan terhadap hasil tebu dengan cara pemupukan .. P2O5.. 52 25 Tahapan Pendekatan Sistem ..... .. 66 29 Ilustrasi semi-variogram . dan K2O dalam daun . 46 19 Sistem VRA pada aplikator pupuk butiran model GS-MPV 8 modifikasi 47 20 Sensor lengas tanah pada varia ble-depth planter .

. . 81 41 Hasil kriging dari semi -variogram tanpa nugget effect (a) dan dengan nugget effect 10 (b) . 116 61 Petak lahan untuk Plot Percobaan D-DS dan E-PF .. 81 42 Ilustrasi dua semi-variogram dengan range berbeda . 96 50 Kerangka sistem pendekatan precision farming dalam pemupukan N. 124 70 Titik pengambilan sampel tanah pada setiap sel .. 97 51 Konfigurasi Sistem Pendukung Keputusan untuk pendekatan precision farming dalam pemupukan N. 112 60 Petak-petak lahan untuk Plot Percobaan A-PF. dan K pada budidaya tebu .... 82 45 Hasil kriging dari semi -variogram dengan isotropic (a) dan isotropic (b) . 129 72 Juringan penga matan pertumbuhan vegetatif pada setiap sel . dan K pada budidaya tebu .. 122 68 Pembagian sel pada Plot Percobaan E -PF .... 124 71 Pemupukan dasar manual dengan cara tabur .. 130 73 Pengamatan tinggi tanaman tebu . 101 56 Konfigurasi model neural network untuk pemupukan pertama pada budidaya tebu dengan konsep dosis seragam . 103 58 Konfigurasi model neural network untuk pemupukan kedua pada budidaya tebu .. 100 53 Arah semi -variogram . P... 82 43 Hasil kriging dari semi -variogram dengan range 10 (a) dan range 20 (b) 82 44 Ilustrasi dua semi-variogram dengan arah berbeda . dan K pada budidaya tebu ...... 121 67 Pembagian sel pada Plot Percobaan D-DS . 104 59 Diagram alir tata laksana penelitian . 123 69 Alur tanam ganda (double row planting) ... 95 49 Diagram masukan-keluaran pendeka tan precision farming dalam pemupukan N. 132 . 102 57 Hubungan pemberian jumlah hara N dan K dengan hasil tebu dan kadar gula pada pemupukan kedua dengan konsep dosis seragam ... 117 62 Pembuatan sel-sel di dalam plot percobaan .. 100 54 Semi-variogram . 120 66 Pembagian sel pada Plot Percobaan C-DS . 118 63 Pemetaan plot percobaan . 81 40 Ilustrasi dua semi-variogram dengan nugget effect berbeda . 83 46 Ilustrasi kriging blok dan kriging titik . 101 55 Hubungan pemberian jumlah hara N dan P dengan hasil tebu dan kadar gula pada pemupukan pertama . dan K pada budidaya tebu .. B-PF... P. P. 84 47 Diagram neural network . P. 98 52 Ilustrasi plot regionalized variable . 119 65 Pembagian sel pada Plot Percobaan B-PF . 118 64 Pembagian sel pada Plot Percobaan A-PF . 86 48 Diagram lingkar sebab-akibat pendekatan precision farming dalam pemupukan N.18 39 Hasil kriging dari semi -variogram dengan bentuk eksponensial (a) Gaussian (b) . dan C-DS ....

.. 188 87 Semi-variogram kandungan N top soil tebu umur 1 minggu pada Plot Percobaan C-DS sebelum pemupukan pertama .. .. 198 103 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan D-DS 199 104 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan E-PF . 187 84 Semi-variogram kandungan N top soil tebu umur 3 bulan pada Plot Percobaan A-PF sebelum pemupukan kedua .... 136 78 Pengamatan persentase penutupan gulma 137 79 Pengamatan hama dan penyakit tanaman tebu 137 80 Pengambilan sampel biomassa tanaman tebu . 191 92 Semi-variogram Taksasi Akhir tebu umur 9.... 201 108 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan D-DS ...... 199 105 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan A-PF .. 190 91 Semi-variogram Taksasi Awal tebu umur 6.. 202 ........ 191 93 Semi-variogram Taksasi Awal tebu umur 6.5 bulan pada Plot Percobaan A-PF .. 189 88 Semi-variogram kandungan N top soil tebu umur 3 bulan pada Plot Percobaan C-DS sebelum pemupukan kedua .......5 bulan pada Plot Percobaan C-DS .. 196 99 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan E-PF .. 197 101 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan B-PF ... 133 76 Pengambilan sampel daun 134 77 Pengambilan sampel batang untuk analisa kemasakan dan taksasi . 189 89 Semi-variogram kandungan P top soil tebu umur 1 minggu pada Plot Percobaan C-DS sebelum pemupukan pertama .... 153 83 Semi-variogram kandungan N top soil tebu umur 1 minggu pada Plot Percobaan A-PF sebelum pemupukan pertama .. 192 94 Semi-variogram Taksasi Akhir tebu umur 9.19 74 Pengamatan jumlah anakan dan persentase gap tebu . 190 90 Semi-variogram kandungan P top soil tebu umur 3 bulan pada Plot Percobaan C-DS sebelum pemupukan kedua ....... 198 102 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan C-DS .... 197 100 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan A-PF .... .. .......5 bulan pada Plot Percobaan A-PF ...5 bulan pada Plot Percobaan C-DS ...... 201 109 Perbedaan kebutuhan pupuk KCl pada P lot Percobaan E-PF . 187 85 Semi-variogram kandungan P top soil tebu umur 1 minggu pada Plot Percobaan A-PF sebelum pemupukan pertama .... 188 86 Semi-variogram kandungan P top soil tebu umur 3 bulan pada Plot Percobaan A-PF sebelum pemupukan kedua . . 200 107 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan C-DS .... 138 81 Ringkasan diagram alir tata laksana penelitian 143 82 Peta lokasi PT Gula Putih Mataram .. 133 75 Tanaman tebu varietas GP 94-2027 umur 1 bulan . 200 106 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan B-PF .... 192 95 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan A-PF 195 96 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan B-PF 195 97 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan C-DS 196 98 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan D-DS ..

.. 207 121 Deviasi pupuk per sel Plot Percobaan D-DS ..20 110 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan A-PF . 208 123 Deviasi pupuk per sel Plot Percobaan E-PF 209 124 Deviasi pupuk Plot Percobaan E-PF 209 125 Tingkat inefisiensi pemupukan setiap plot percobaan . 214 133 Peta spasial kelebihan/kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan B-PF . 210 126 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan A-PF . 212 129 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan A-PF .... 202 111 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan B-PF . 213 131 Peta spasial kelebihan pupuk TSP pada pemupukan kedua Plot Percobaan B-PF 213 132 Peta spasial kelebihan/kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan B-PF . 211 127 Peta spasial kelebihan pupuk TSP pada pemupukan pertama Plot Percobaan A-PF 211 128 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan A -PF .. 208 122 Deviasi pupuk Plot Percobaan D-DS .. 203 112 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan C-DS 203 113 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan D-DS 204 114 Perbedaan kebutuha n pupuk antara precision farming dan dosis seragam pada Plot Percobaan E-PF . 212 130 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan B-PF ..... 204 115 Deviasi pupuk per sel Plot Percobaan A-PF 205 116 Deviasi pupuk Plot Percobaan A-PF 205 117 Deviasi pupuk per sel Plot Percobaan B-PF 206 118 Deviasi pupuk Plot Percobaan B-PF 206 119 Deviasi pupuk per sel Plot Percobaan C-DS 207 120 Deviasi pupuk Plot Percobaan C-DS . 214 134 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan C-DS 215 135 Peta spasial kelebihan pupuk TSP pada pemupukan pertama Plot Percobaan C-DS 215 136 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot ..

216 138 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan D-DS . 216 137 Peta spasial kelebihan pupuk KCl pada pemupukan kedua Plot Percobaan C-DS ..Percobaan C-DS . 217 139 Peta spasial kelebihan/kekurangan pupuk TSP pada pemupukan ....

21 pertama Plot Percobaan D-DS . 217 140 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan D-DS ........... 218 141 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan D-DS ........... 218 142 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan E-PF 219 143 Peta spasial kelebihan/kekurangan pupuk TSP pada pemupukan pertama Plot Percobaan E-PF .. 219 144 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Plot Percobaan E-PF 220 145 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Plot Percobaan E-PF 220 146 Tampilan awal SPK Strategi Pemupukan pada Budidaya Tebu dengan Pendekatan Precision Farming 224 147 Tampilan menu utama SPK Pendekatan Precision Farming dalam Pemupukan N, 148 Tampilan 149 Tampilan 150 Tampilan P, dan K pada Budidaya Tebu ..... 225 menu Model Hasil Tebu .. 225 menu program Artificial Neural Network (ANN) . 226 menu Model Pemupukan untuk pupuk pertama dengan

target produktivitas melalui ANN . 226 151 Tampilan menu Model Pemupukan untuk pupuk kedua dengan target produktivitas melalui ANN . 227 152 Tampilan menu Model Pemupukan untuk pupuk pertama dengan rekomendasi pustaka 227 153 Tampilan menu Model Pemupukan untuk pupuk kedua dengan rekomendasi pustaka 228 154 Tampilan menu Model Geostatistika ... 228 155 Tampilan analisa keragaman spasial dengan GS+ for Windows .. 229 156 Tampilan contoh keluaran analisa keragaman spasial . 229 157 Tampilan pembuatan kontur dengan Surfer 8 .. 229 158 Tampilan Model Spasial dengan ArcView 3.3 . 230 159 Tampilan menu Model Finansial . 230 160 Tampilan menu Help 231 161 Kecenderungan pertumbuhan hara tanah N . 234 162 Kecenderungan pertumbuhan hara tanah P .. 235 163 Kecenderungan pertumbuhan hara tanah K . 236 164 Kecenderungan pertumbuhan hara daun N . 237 165 Kecenderungan pertumbuhan hara daun P . . 237 166 Kecenderungan pertumbuhan hara daun K . . 237 167 Kecenderungan pertumbuhan jumlah anakan tebu .. 238 168 Kecenderungan pertumbuhan jumlah daun hijau tebu . 239 169 Kecenderungan pertumbuhan jumlah daun kering tebu .. 240 170 Kecenderungan pertumbuhan diameter tebu ....... 241 171 Kecenderungan pertumbuhan tinggi tanaman tebu . 242

172 Kecenderungan pertumbuhan persentase gap tebu 173 Kecenderungan pertumbuhan jumla h tebu roboh 174 Kecenderungan pertumbuhan penutupan gulma

. 243 244 . 244

175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190

Kecenderungan pertumbuhan bobot tebu 245 Kecenderungan pertumbuhan nilai Pol 245 Kecenderungan pertumbuhan nilai rendemen . 246 Kecenderungan pertumbuhan nilai taksasi .. 246 Kecenderungan pertumbuhan kadar air tanah . 247 Perbandingan bobot biomassa akar tebu ...................... 248 Perbandingan bobot biomassa tunggul tebu ... 248 Perbandingan bobot biomassa batang tebu ...................... 248 Perbandingan bobot biomassa daun . 249 Perbandingan bobot biomassa pucuk .. 249 Perbandingan jumlah ruas tebu ... 249 Histogram rendemen pada taksasi awal . 250 Histogram taksasi awal .. 251 Biaya analisa sampel ... 253 Biaya pengambilan sampel .. 253 Biaya jumlah pupuk 254

DAFTAR LAMPIRAN Halaman 1 Akurasi program Artificial Neural Network (ANN) pada penentuan jumlah hara yang dibutuhkan ... 278 2 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan A-PF ... 281 3 Peta dosis per sel dan kontur teoritis dosis TSP Plot Percobaan A-PF . 281 4 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan A-PF ... 282 5 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan A-PF . 282 6 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan B-PF ... 283 7 Peta dosis per sel dan kontur teoritis dosis TSP Plot Percobaan B-PF . 283 8 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan B-PF ....... 284 9 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan B-PF . 284 10 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan C-DS ... 285 11 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan C-DS ....................................................... 285 12 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan D-DS .. 286 13 Peta dosis per sel dan kontur teoritis dosis TSP Plot Percobaan D-DS 286 14 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan D-DS ...................................................... 287 15 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan D-DS 287 16 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan E-PF 288 17 Peta dosis per sel dan kontur teoritis dosis TSP Plot Percobaan E-PF . 288 18 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan E-PF ....................................................... 289 19 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan E-PF . 289 20 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi awal Plot Percobaan A-PF ... 290 21 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi akhir Plot Percobaan A-PF .. 290

22 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi awal Plot Percobaan B-PF ... 291 23 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi akhir Plot Percobaan B-PF .. 291 24 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi awal Plot Percobaan C-DS ... 292 25 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi akhir Plot Percobaan C-DS .. 292 26 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi awal Plot Percobaan D-DS .. 293 27 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi akhir Plot Percobaan D-DS .. 293 28 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi awal Plot Percobaan E-PF 294 29 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi akhir Plot Percobaan E-PF ... 294 30 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi awal Plot Percobaan A-PF ... 295 31 Peta sebaran per sel dan kontur teoritis tinggi tebu pada ta ksasi akhir Plot Percobaan A-PF ................... 295 32 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi awal Plot Percobaan B-PF ... 296 33 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi akhir Plot Percobaan B-PF ................... 296 34 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi awal Plot Percobaan C-DS ... 297 35 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi akhir Plot Percobaan C-DS .. 297 36 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi awal Plot Percobaan D-DS ... 298 37 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi akhir Plot Percobaan D-DS .................. 298 38 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi awal Plot Percobaan E-PF ... 299 39 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi akhir Plot Percobaan E-PF ... 299 40 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan A-PF ................................................................. 300 41 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan A-PF . 300 42 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan B-PF ................................................................. 301 43 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan B-PF . 301 44 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan C-DS ................................................................ 302 45 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan C-DS 302

46 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan D-DS ................................................................ 303 47 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan D-DS 303 48 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan E-PF ................................................................. 304 49 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan E-PF . 304 50 Uji beda nyata rata -rata kadar gula setiap plot percobaan terhadap nilai pembanding dengan metode one-sample t test pada taraf kepercayaan 95% . . 305 51 Uji beda nyata rata -rata rendemen setiap plot percobaan terhadap nilai pembanding dengan metode one-sample t test pada taraf kepercayaan 95% . . 306 52 Uji beda nyata rata -rata taksasi setiap plot percobaan terhadap nilai pembanding dengan metode one-sample t test pada taraf kepercayaan 95% . . 307 53 Uji beda nyata antara rata -rata pada taksasi awal dan akhir setiap plot percobaan dengan metode paired-sample t test pada taraf kepercayaan 95% .. 308 54 Uji beda nyata antara rata -rata taksasi awal dan setiap plot percobaan dengan metode one -sample t test pada taraf kepercayaan 95% . .. 308 55 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA . 309 56 Pengamatan hama dan penyakit ... 313

PENDAHULUAN Latar Belakang Gula merupakan salah satu dari sembilan bahan pokok kebutuhan hidup sehari-hari yang sangat penting. Kebutuhan gula nasional tahun 2001 yaitu 3,400,000 ton, sementara produksi dalam negeri hanya 1,700,000 ton, sehingga diperlukan impor 1,700,000 ton (World Sugar Market and Trade 2001 dalam GPM, 2002). Kebutuhan gula nasional tersebut meningkat dari tahun ke tahun dan pada tahun 2005/2006 dilaporkan kebutuhan gula nasional sebesar 3,800,000 ton (USDA, 2005 dalam PSE, 2006). Program yang dicanangkan oleh Departemen Pertanian sampai dengan tahun 2004 adalah target terjadinya pengurangan volume impor dari sekitar 1.7 juta ton pada tahun 2001 menjadi satu juta ton pada tahun 2004. Hal ini dicapai dengan meningkatkan produktivitas dari 4.7 ton hablur per hektar menjadi 8 ton hablur per hektar, dan peningkatan produksi gula sekitar 200,000 ton per tahun. Satu hal yang penting dan perlu diketahui bahwa produksi gula dalam negeri ternyata tidak mencukupi untuk memenuhi kebutuhan nasional setiap tahun karena kemampuan produksi dalam negeri baru sekitar 1.7 1.9 juta ton (DPRIN, 2004). Upaya peningkatan produksi gula nasional telah dilakukan dengan beberapa cara, antara lain (1) intensifikasi pada pertanaman tebu yang sudah mapan, (2) ekstensifikasi dengan memperluas pertanaman tebu ke areal bukaan baru dengan sistem tegalan terutama di luar Jawa, (3) rehabilitasi pabrik-pabrik peninggalan Belanda agar lebih efisien dalam menghasilkan gula, dan (4) memperbaiki sistem pengelolaan kebun dan perkebunan (AGI, 1996). Peningkatan produksi dengan masukan bahan kimia yang rendah, seperti pemupukan dan aplikasi herbisida, sangat diperlukan karena sejak tahun 1980 kegiatan pertanian untuk produksi pangan yang tidak terkontrol menjadi penyebab pencemaran lingkungan (Umeda et al., 1999). Sebagai contoh aplikasi pupuk nitrogen dan fosfor yang berlebihan menjadi penyebab terjadinya pemanasan global dan hujan asam. Salah satu masalah utama yang dihadapi bagi kehidupan manusia adalah pencemaran air tanah oleh nitrogen nitrat. Selain itu penggunaan

bahan beracun seperti pestisida dapat beresiko terhadap kesehatan manusia karena residu dalam pangan dan resiko langsung pada petani. Dengan memperhatikan hal tersebut, maka masalah besar yang dihadapi dalam pertanian adalah peningkatan produksi di satu sisi dan pengurangan dampak lingkungan di sisi lain. Berbagai sistem produksi tanaman diusulkan untuk mengatasi masalah tersebut. Salah satu alternatif yang diusulkan adalah pertanian organik (Organic Farming/OF) yaitu metode pertumbuhan tanaman tanpa penggunaan bahan kimia sintetik seperti pupuk, herbisida, insektisida, fungisida, atau je nis pestisida yang lain, dan hormon pertumbuhan atau pengatur pertumbuhan. Pertanian organik secara nyata dapat mengurangi dampak lingkungan tetapi hasil yang diperoleh lebih rendah dan biaya lebih tinggi dibanding produksi konvensional. Di samping itu pertanian organik memerlukan tenaga yang banyak khususnya dalam pengendalian gulma dan hama. Oleh karena itu diperlukan sistem baru dalam produksi tanaman yang dapat mengatasi masalah tersebut. Sistem pertanian baru yang kemudian diusulkan dikenal sebagai pertanian berkelanjutan rendah masukan (Low External Input Sustainable Agriculture/LEISA). Beberapa tahun kemudian LEISA didefinisikan ulang sebagai pengelolaan tanaman spesifik lokasi (Site-Specisic Crop Management/SSCM ) dan sekarang secara umum dikenal sebagai pertanian presisi (Precision Agriculture/PA atau Precision Farming/PF). LEISA, SSCM , dan PF berbeda istilah tetapi mempunyai isu utama yang sama (Lee, 2001). Precision Farming merupakan informasi dan teknologi pada sistem pengelolaan pertanian untuk mengidentifikasi, menganalisa, dan mengelola informasi keragaman spasial dan temporal di dalam lahan untuk mendapatkan keuntungan optimum, berkelanjutan, dan menjaga lingkungan. Tujuan dari PF adalah mencocokkan aplikasi sumber daya dan kegiatan budidaya pertanian dengan kondisi tanah dan keperluan tanaman berdasarkan karakteristik spesifik lokasi di dalam lahan (McBratney dan Whelan, 1995). Hal tersebut berpotensi diperoleh hasil yang lebih besar dengan tingkat masukan yang sama (pupuk, kapur, herbisida, insektisida, fungisida, bibit), hasil yang sama dengan pengurangan input, atau hasil lebih besar dengan pengurangan masukan dibanding sistem produksi pertanian yang lain.

penginderaan jauh.. PF merupakan revolusi dalam pengelolaan sumber daya alam berbasis teknologi informasi. Lebih dari 400 mesin panen dengan yield monitor dioperasikan pada tahun 1999. Di Denmark. Antara periode pertengahan tahun 1970 dan awal 1980 dikembangkan pengetahuan tentang tanah dengan survei tanah. Pemerintah Belanda menyatakan bahwa untuk mencapai pertanian berkelanjutan maka jumlah pestisida pada tahun 2000 harus kurang dari 50% yang digunakan pada tahun 1990. sedangkan untuk lahan kering dimulai pada tahun 1998. 2001). dan (3) membuat peta informasi lahan untuk sistem pendukung keputusan (Lee. Di Eropa. penelitian PF pada lahan sawah dimulai pada tahun 1997.000 ha areal pertanian yang sama dengan 1% lahan sawah di Korea.Precision Farming mempunyai banyak tantangan sebagai sistem produksi tanaman sehingga memerlukan banyak teknologi yang harus dikembangkan agar dapat diadopsi oleh petani. untuk menegaskan pertanian yang ramah lingkungan. bahan kimia pertanian dikurangi sampai 20% dalam 5 tahun dan sampai 10% dalam 10 tahun (Shibusawa. PF diadopsi pada 10. Di Amerika serikat. (2) mengembangkan yield sensor. petani terlalu banyak menggunakan pestisida. 1999). survei tahun 1996 pada pertanian jagung menunjukkan bahwa petani yang menerapkan PF mencapai 9% yang sama dengan 20% luas lahan pertanian yang ada. dan variable rate fertilizer applicator . penelitian PF dimulai pada tahun 1998 dengan tujuan seperti penelitian PF yang dilakukan di Jepang (Park et al. Pada tahun 1990. survei tahun 1998 pada area pertanian menunjukkan bahwa area pertanian yang mengadopsi PF mencapai 3%. Hasil (yield) dan informasi lain dipetakan dengan . Mesin panen dengan yield monitor dikenalkan pada 12 tahun yang lalu. Angka ini dapat meningkat sampai 10% area tanam yang sama dengan 2 juta rumah tangga petani pada tahun 2005. Tujuan dari penelitian tersebut adalah (1) menjaga tingkat hara pada hasil yang optimum dengan keragaman spasial yang rendah. remote sensor. 1999). Di Belanda. aplikasi pupuk harus seimbang dengan yang dibutuhkan oleh tanaman. Pengambilan sampel tanah dengan grid dan pemetaan hasil dengan yield monitor merupakan teknik yang paling banyak diadopsi (Robert. Di Jepang. Di Korea. 2000). Pada periode yang sama. dan pemantauan tanaman.

penambahan hara dari pupuk tentunya tidak sebanyak pada tanah-tanah yang bernilai kesuburan rendah. maka tanah yang mempunyai nilai kesuburan tinggi. 2005). Maksud tersebut dapat dicapai dengan PF melalui kegiatan pembuatan peta hasil (yield map). Sementara di Indonesia sendiri penelitian PF belum mendapat perhatian yang memadai. peta pertumbuhan (growth map). Di luar Indonesia. Pembuatan peta hasil dapat lebih cepat dan akurat dengan adanya yield sensor. pembuatan yield sensor. Peta hasil (yield map ) menunjukkan bagian-bagian lahan dengan hasil yang lebih baik atau lebih rendah. Keragaman produksi pada suatu lahan dapat terjadi diantaranya karena adanya keragaman kesuburan tanah. Precision Farming sebagai teknologi baru yang sudah demikian berkembang di luar Indonesia perlu segera dimula i penelitiannya di Indonesia untuk memungkinkan perlakuan yang lebih teliti terhadap setiap bagian lahan sehingga dapat meningkatkan produktivitas dengan meningkatkan hasil. dimana satu bagian menunjukkan produksi yang tinggi. Pemberian pupuk dengan tepat jumlah harus memperhatikan tingkat kesuburan tanah. penelitian PF sudah sedemikan besar mendapat perhatian. peta informasi lahan (field information map). penentuan laju aplikasi (variable rate application). Sebagai contoh adalah kurangnya perhatian terhadap keragaman produksi pada areal perkebunan tebu dan dampak lingkungan yang terjadi. menekan biaya produksi dan mengurangi dampak lingkungan. dan lain-lain. sementara bagia n lain menunjukkan produksi yang rendah. penelitian PF juga mendapat perhatian serius. Bahkan sejak tahun 1997 dilakukan simposium tahunan mengenai penelitian PF dan aplikasinya (ACPA. Evaluasi dapat dilakukan pada bagian dengan hasil yang rendah untuk menentukan faktor-faktor pembatas yang terjadi dan mengelola dengan hasil yang optimum pada waktu berikutnya. Keragaman produksi suatu lahan dapat terjadi. peta tanah (soil map). Keragaman kesuburan tanah dapat diketahui dari peta tanah (soil map) sebagai hasil dari uj i . Keadaan ini dapat mencegah terjadinya pencemaran lingkungan. Di Australia. yang di antaranya dapat diketahui dari hasil uji kesuburan tana h dan pengamatan pertumbuhan tanaman.Sistem Informasi Geografis. pembuatan variable rate applicator. Dengan hasil uji kesuburan tanah.

air hujan. bahkan mutlak (Arifin. Pemberian pupuk dengan tepat jumlah perlu dilakukan karena dengan pola intensifikasi maka akan sangat tidak mungkin bila pasokan hara hanya mengandalkan dari alam seperti pelapukan. namun peran pupuk dalam mendukung keberhasilan budidaya tanaman adalah sangat penting. 2005). penelitian ini belum sampai pada pembuatan perangkat keras seperti yield sensor. Dengan demikian meskipun kontribusi biaya pupuk terhadap biaya budidaya tanaman hanya 8 10%. Distribusi pupuk untuk usahatani tanaman pangan dimonopoli oleh pemerintah dengan harga tersubsidi. Di negara berkembang. peta pertumbuhan tanaman menghasilkan peta informasi lahan (field information map) sebagai dasar perlakuan yang sesuai dengan kebutuhan spesifik lokasi yaitu dengan diperolehnya variable rate application. remote sensor. Hal ini mencerminkan peran pupuk yang penting dalam teknologi yang digunakan sekarang ini untuk meningkatkan produksi pertanian melalui peningkatan hasil tanaman. Dengan peranan yang begitu besar. Memasuki musim tanam 1997/1998. Di samping itu penelitian tidak dilakukan pada semua bagian kegiatan budidaya dan jenis tanaman. maka penggunaan pupuk yang lebih efisien pada budidaya tebu akan sangat nyata membantu menekan biaya produksi.tanah dan analisa data (soil testing and data analysis). Sebagai awal dari pengkajian PF di Indonesia. 2002). penggunaan energi dalam produksi pertanian utamanya adalah pada pupuk mineral yang hampir mencapai 70% dari penggunaan energi komersial di pertanian (FAO. Kecenderungan mengalirnya pupuk bersubsidi ke aktivitas nonpangan membawa implikasi berkurangnya ketersediaan pupuk untuk . Efisiensi penggunaan pupuk semakin perlu mendapat perhatian karena saat ini pupuk menjadi barang yang langka dan harganya mahal (Ant/fir. 1981). variable rat e applicator. dan lain-lain. sedangkan pupuk untuk usaha perkebunan tanpa subsidi dari pemerintah. peta tanah. Penggabungan peta hasil . Pelaksanaan kegiatan ini akan lebih cepat dan akurat apabila sudah tersedia variable rate applicator. dan lain-lain. Penelitian ini dilakukan pada kegiatan pemupukan dan jenis tanaman tebu. distribusi pupuk mengalami kemelut sebagai konsekuensi dari kebijakan pemerintah memberlakukan pola dualisme dalam distribusi dan pemasaran. Hal ini berdampak pada misalokasi penyaluran pupuk.

Kebutuhan pupuk dalam negeri mengalami peningkatan sekitar 4. 1999 dalam Rachman. 2003). diantaranya berkaitan dengan produksi gula nasional yang . bahkan sebagian produk urea diekspor ke negara lain. Indonesia merupakan negara produs en pupuk (urea). 2005) dan terhentinya impor (stagnan) pupuk dari negara luar (G12-74n. masalah kelangkaan pupuk juga disebabkan oleh (1) adanya aliran pupuk subsidi ke nonsubsidi (subsektor tanaman ke subsektor perkebunan). dan ZA karena melemahnya nilai rupiah (Sudaryanto dan Adnyana. serta (3) tingginya harga pupuk impor. Sementara itu perdagangan pupuk di pasar internasional cenderung semakin kompetitif sehingga menuntut industri pupuk dalam negeri untuk meningkatkan efisiensi dan daya saingnya.6 persen per tahun. Oleh karena itu sangat diperlukan pendekatan precision farming dalam pemupukan N. yaitu KCl. 2004). Fenomena tersebut tidak tertutup kemungkinan dapat terjadi lagi pada waktu-waktu berikutnya. namun kebutuhan pupuk di dalam negeri terus mengalami peningkatan seiring dengan pelaksanaan pembangunan pertanian yang semakin meluas. P. (2) adanya ekspor pupuk (urea) akibat perbedaan harga antara pasar dalam negeri dan luar negeri. Hal tersebut selain disebabkan oleh permintaan yang tinggi dan masalah distribusi. Penentuan jenis tanaman tebu pada penelitian ini karena tebu merupakan penghasil gula sebagai salah satu bahan pokok yang saat ini sedang banyak mengalami masalah. Penelitian yang dilakukan dengan pendekatan precision farming ini adalah untuk menyempurnakan pemupukan yang dilakukan di lapangan dengan hanya menentukan dosis pupuk tanpa mengubah jenis pupuk.usahatani tanaman pangan. TSP. 2003). dan seringkali hal ini dikaitkan dengan isu kelangkaan pupuk (Rachman. tetapi juga ditengarai disebabkan oleh kelangkaan gas yang menyebabkan produksi pupuk nasional terganggu (Ant/fir. Khusus pada musim tanam 1998/1999. dan K dengan salah satu implikasi meningkatnya efisiensi penggunaan pupuk. seiring dengan masifnya program intensifikasi dan peningkatan produktivitas komoditas pangan yang dicanangkan pemerintah (Pusri. 2001 dalam Rachman 2003). Kelangkaan pupuk saat musim tanam sebenarnya merupakan masalah klasik dan hampir terjadi setiap tahun.

P. 5 pendekatan precision farming dalam pemupukan N. 3 keragaman spasial kandungan hara N. b menekan keragaman spasial produktivitas lahan. c mengurangi pemborosan penggunaan pupuk. dan K di dalam petak lahan. dan K di perkebunan tebu. dan K. e meningkatkan produktivitas lahan. 3 menentukan kebutuhan jumlah hara N. Tujuan Penelitian ini mempunyai tujuan: 1 menganalisa keragaman spasial kandungan hara N. P.32 belum dapat mencapai swasembada. serta 4 membuat sistem pendukung keputusan untuk strategi pemupukan pada budidaya tebu dengan pendekatan precision farming. . P. dan impor gula. P. Ruang Lingkup Penelitian dibatasi pada pendekatan precision farming untuk pemupukan N. 2 terdapat keragaman spasial produktivitas di dalam petak lahan. dan K pada budidaya tebu dapat: a menekan keragaman spasial kandungan hara N. d meningkatkan pertumbuhan vegetatif tanaman. Hipotesa Hipotesa pada penelitian ini adalah bahwa 1 terdapat keragaman spasial kandungan hara N. P. dan K tidak bersifat acak 4 keragaman spas ial produktivitas lahan tidak bersifat acak. P. dan K pada target hasil tebu (yield) dan kadar gula yang diharapkan. dan K di dalam petak lahan tebu. fluktuasi harga gula yang sangat labil. 2 menganalisa keragaman spasial produktivitas di dalam petak la han tebu. P.

khususnya: a variable rate application (VRA) pemupuk. dan 2 dasar bagi rancang bangun alat dan mesin budidaya tebu. g meningkatkan keuntungan.f meningkatkan rendemen. . dan b mesin panen tebu dengan sensor hasil (yield sensor). Manfaat Hasil penelitian ini diharapkan dapat bermanfaat untuk: 1 penentuan pemupukan pada musim berikutnya.

Tanaman tebu yang termasuk Group B diantaranya adalah Saccharum robustum dan Saccharum officinarum (tebu unggul/noble canes). bahasa Inggris SUGAR . Pada batas antar 2 ruas (internodia) terdapat kuncup/mat a (bud). Namun bila pertumbuhannya jelek tingginya kurang dari 2 meter. bahasa Jerman ZUCKER . yaitu tegak dan zigzag. Tanaman tebu yang termasuk Group A diantaranya adalah Saccharum spontaneum. 1998). Namun bila daun tebu sudah mengering dan luruh maka batang tebu mulai dapat dilihat. Bila . maka ruas dari bawah ke atas makin panjang hingga ke tengah.TINJAUAN PUSTAKA Budidaya Tebu Tanaman tebu (Saccharum spp. bahasa Spanyol AZUKAR . jagung. dan lain-lain. dan bahasa Perancis SUCRE (PTPN VII. Saccharum sinense (Cina). Bentuk dari ruas ada tiga. yaitu rumpun benua (continental family / Group A) dan rumpun pulau (island family / Group B). akar (roots). sedangkan ke arah atas makin pendek. glagah. Tebu termasuk keluarga rumput-rumputan (Graminae) seperti halnya padi. di mana bagian luar berkulit keras dan bagian dalam lunak dan mengandung air gula. yaitu batang (stem/stalks). Anatomi tanaman tebu terdiri dari tiga bagian pokok. Tanaman tebu yang masih muda belum terlihat jelas batangnya karena masih tertutup daun. Duduknya ruas satu dengan yang lain ada dua. silinder. Tebu merupakan tanaman berbiji tunggal yang diameter batangnya selama pertumbuhan hampir tidak bertambah besar. Irisan batang tebu biasanya bulat panjang dan pada buku (nodia) terdapat bekas duduknya daun. bambu. dan daun (leaves). dan Saccharum barberi (India). Nama Saccharum berasal dari bahasa Sanskrit (Sansekerta) SARKARA yang berarti gula pasir.) merupakan tanaman perkebunan semusim yang mempunyai sifat tersendiri. bahasa Belanda SUIKER . Tanaman tebu dibedakan menjadi dua rumpun. yaitu tong. Pada batang yang tumbuh normal dan panjang. Pada batang tebu terdapat ruas dan buku. Batang tebu padat seperti batang jagung. sedangkan dalam bahasa Arab SAKAR . dan kumparan (klos). Tinggi tanaman tebu bila tumbuh dengan baik dapat mencapai 3 5 meter. sebab di dalam batangnya terdapat zat gula.

maka pada ujungnya terbentuk ruas-ruas kecil dan panjang sekali. Panjang dan bobot batang tergantung pertumbuhan. maka batang dapat berdiri lagi karena bagian bawah lebih cepat tumbuhnya daripada bagian atas pada lingkaran tumbuh tersebut. Di sini batang mudah putus karena terdiri dari sel-sel yang masih memanjang dan lembek. tapi sebaliknya pada tanah yang miskin hara atau keras dan padat strukturnya maka akar-akarnya hanya pendek. dan pada musim hujan mendapatkan cukup air. Beberapa minggu setelah kuncup dari stek tebu tumbuh jadi tanaman muda. Bagian ujung yang tidak tertutup oleh bulu akar itu adalah bagian yang tumbuh dan disebut titik tumbuh. maka tanaman tebu berakar serabut banyak. kemudian berangsur kecil. jenis tebu. Batang tebu banyak dilapisi lilin yang berfungsi antara lain sebagai penghalang serangan hama/penyakit. Bila bagian tersebut . Jika tebu roboh. demikian juga akar serabutnya bercabang pendek. Warna dipengaruhi oleh kombinasi sel kulit warna merah dan lapisan khlorofil berwarna hijau di bawahnya. Pada bagian bawah dari tunas itu yang berdekatan dengan stek akan keluar beberapa akar panjang yang tebal berwarna putih dan tidak bercabang. Ujung dari akar ditutup dengan tudung akar (calytra). Tanaman yang melalui musim kering panjang/kurang air. Kekuatan dan kekerasan batang tergantung dari susunan batang dari dalam. akar tebu menjalar sampai 1 2 meter. Sebagai tanaman yang berbiji tunggal.batang tebu akan berbunga. dan setiap jenis tebu berlainan. Adanya bulu-bulu akar ini suatu tanda bahwa akar masih tumbuh dengan baik. pada jarak beberapa millimeter dari tudung akar itu terdapat bulu-bulu halus yan g disebut bulu akar (hairwortels). maka seringkali terdapat ruas-ruas pendek dan di atasnya ruas-ruas panjang. Di atas lingkaran tumbuh terdapat suatu pita yang sempit sekali mengelilingi ruas dan acapkali berwarna lain. Tebal ruas bagian batang yang ada dalam tanah (dongkelan/tunggul/stubble) makin ke atas makin besar sampai dekat permukaan tanah. bentuk kuncup bermacam-macam (bulat dan panjang). Warna batang dipengaruhi cahaya matahari. Kuncup/mata (bud) terletak berselang-seling pada batang. yang keluar dari lingkungan akar di bagian pangkal batang. dan lingkaran lilin terdapat di bawah buku. Pada tanah yang subur dan gembur. Akar-akar tersebut tidak banyak cabangnya dan hampir lurus. maka tanaman muda tersebut segera membentuk akarnya sendiri. dan umur tebu.

ada pula jenis tebu yang daunnya tidak mudah lepas dari batangnya setelah kering dan mati. Tujuh puluh persen akar rambut tanaman tebu berada dalam bagian atas (kedalaman 30 cm) dan 30 persen tersebar di sekitar lebih dari 30 cm dari pusat akar. lidah daun (ligule). antara lain ada yang tumbuh pada bagian batang akibat dibumbun/digulud. Akar baru ini umumnya juga berwarna putih dan yang lebih tua berubah warnanya menjadi kecoklat-coklatan dan kebanyakan bercabang banyak. Helai daun berbentuk garis yang panjangnya 1 2 meter dan lebar 4 7 cm. dan curah hujan di bawah 75 mm per bulan selama 4 5 bulan. Daun yang keluar dari kuncup mempunyai helai yang kecil dengan pelepah yang membungkus batangnya dan setelah umur 5 6 bulan batang tebu itu masih dibalut seluruhnya oleh pelepah sehingga bukunya tidak kelihatan. dengan tepi dan permukaannya kasap tidak licin. curah hujan 125 mm per bulan selama 2 bulan. Tanaman tebu cocok ditanam pada daerah yang memiliki curah hujan di atas 200 mm per bulan selama 5 6 bulan. Helai daun yang kecil ini berdiri tegak seperti bendera dan disebut daun bendera.36 putus. Jika keadaan air sudah baik lagi. Daun terdiri dari helai daun (lamina). Daun yang kering tersebut ada yang lepas dengan sendirinya dari batang sehingga batang teb u kelihatan. Pada tanaman tebu yang menderita kekurangan air. sedangkan pada air tanah yang dangkal. Daun pada tanaman tebu berpangkal pada buku daun dan duduk pada batang secara berseling. akan tetapi terbentuk cabang-cabang baru pada bagian akar yang lebih tua. Pada waktu tanaman tebu akan berbunga. telinga daun (auricula). helai daun yang kecil di atas pelepah daun akan keluar. maka daun akan terbuka lagi. pelepah daun (sheath). maka akar tidak dapat tumbuh lagi. Daun-daun yang sudah tua menjadi kering dan mati. Pelepahnya di bagian bawah membalut batang seluruhnya. Makin besar tanaman tebu. akar banyak yang tumbuh menuju ke atas karena akar membutuhkan zat asam (oksigen) untuk pernapasan. dalam pelepah yang panjang tersebut terdapat kuncup bunga yang akan keluar dari pelepah sebagai malai. maka daun-daun tebu menggulung untuk mengurangi penguapan. . dan kuncup/mata (bud). Pada tanah dengan lapisan padas. maka makin banyak akar yang dibentuk. mengakibatkan susunan akar banyak menyebar ke samping.

Pertumbuhan dan perkembangan tanaman terdiri dari dua fase. sehingga mencapai suatu keadaan dimana penambahan unsur hara melalui pemupukan mutlak diperlukan untuk memperoleh hasil tebu yang menguntungkan. perpanjangan sel. dan O terdapat di udara. Penanaman tebu dapat menyebabkan hilangnya unsur hara esensial melalui panen. H. beda suhu minimum tidak boleh lebih dari 6°C. yang berbeda walaupun juga tumpang tindih (overlapping). hampir kering dan sejuk tetapi bebas embun pada masa pemasakan dan panen. dan Zn. H. Di antara unsur-unsur yang berasal dari tanah. S. 1991).0 (Mubyarto dan Daryanti. atau pada pembesaran dan pendewasaan struktur penyimpanan makanan. 1968). yaitu: (1) melihat citra tanaman di lapangan (gejala-gejala kekurangan unsur hara). Fe. Dalam fase vegetatif suatu perkembangan. Ca. Ada beberapa cara dalam mempelajari status hara tanah untuk menilai kesuburan tanah. akar-akar dan batang yang berdaging. 1979). Mg. N. Cu. Sedangkan fase reproduktif terjadi pada pembentukan dan perkembangan kuncup-kuncup bunga. yaitu C. P. Fase reproduktif berhubungan dengan beberapa proses penting. Unsur -unsur C. yaitu . K. P. O. dan Mg (Notojoewono. (3) uji biologi. K. bunga. Ca. Mangelsdorf (1950) menyatakan bahwa kondisi iklim yang ideal bagi tanaman tebu adalah cuaca panas yang panjang pada masa pertumbuhan dengan curah hujan yang cukup.5 7. serta bebas dari badai tropis. (2) uji tanaman. S. dan batang baru. pH tanah yang baik berada pada selang 5. Fase ini berhubungan dengan 3 proses penting. daun. Oleh karena itu kesuburan suatu tanah berhubungan langsung dengan pertumbuhan tanaman. maka penilaian kesuburan suatu tanah mutlak diperlukan. Fase vegetatif terutama terjadi pada perkembangan akar. Bo. dan tahap pertama dari diferensiasi sel. dan (4) uji tanah. sedangkan yang lainnya berasal dari ta nah.37 Kecepatan angin yang cocok adalah di bawah 10 km/jam. maka zat-zat yang harus ada adalah N. Fe. yaitu: fase vegetatif dan fase reproduktif (Setyati. karbohidrat dipergunakan dan tanaman menggunakan sebagian besar karbohidrat yang dibentuknya. yaitu pembelahan sel. Dengan demikian kesuburan suatu tanah akan menurun secara terus-menerus. buah dan biji. Tanaman dalam hidupnya membutuhkan 13 unsur. apalagi diusahakan secara terus menerus.

Hal yang menunjang pertunasan tebu antara lain air. serta suhu tanah. Fase perkecambahan dimulai dengan pembentukan taji pendek dan akar ste k pada umur 1 minggu. pendewasaan jaringan-jaringan. unsur hara utama yaitu N dan P. Fase pemasakan pada tanaman keprasan (ratoo n) terjadi lebih awal disbanding tanaman baru (plant cane/PC).pembuatan sel-sel yang secara relatif sedikit. Fase pemanjangan batang terjadi pada umur 3 9 bulan. sinar matahari. pembentukan hormon-hormon yang perlu untuk perkembangan kuncup bunga (primordial). Fase kemasakan merupakan fase yang terjadi setelah pertumbuhan vegetatif menurun dan sebelum batang tebu mati. Pada minggu keempat. serta kondisi lingkungan seperti suhu. buah dan biji. . Pada fase reproduktif dari perkembangan tanaman. serta perkembangan kuncup bunga. penebalan serabut-serabut. Daur kehidupan tanaman tebu dimulai dari fase perkecambahan. fase kemasakan. akar tunas dan anakan keluar. Fase ini dipengaruhi oleh varietas. Pada minggu kelima. karbohidrat disimpan (ditimbun) dan tanaman tersebut menyimpan sebagian besar karbohidrat yang dibentuknya berupa pati dan gula. sinar matahari. cahaya matahari. dan sebagainya. Pada fase ini gula di dalam batang tebu mulai terbentuk hingga titik optimal dan setelah itu rendemennya berangsur-angsur menurun. Tahap pemasakan inilah yang disebut dengan tahap penimbunan rendemen gula. Pada minggu ketiga. bunga. Makin tua tanaman tebu. dan kadar N dalam daun. Fase pertumbuhan anakan tebu (pertunasan) dimulai dari umur 5 minggu sampai umur 3.5 bulan dan setelah itu turun atau mati 40 50% akibat terjadinya persaingan sinar matahari. dan air. makin lambat pemanjangannya.5 bulan tergantung varietas dan lingkungan tebu. air. Jumlah anakan tertinggi terjadi pada umur 3. Kecepatan pembentukan ruas adalah 3 4 ruas/bulan. cara budidaya (terutama pupuk N dan P). dan diakhiri dengan fase kematian. fase pemanjangan batang. daun terbuka dan tinggi tunas 20 25 cm. oksigen. Hal yang mempengaruhi pemanjangan batang antara lain adalah kadar air tanah. fase pertumbuhana anakan. jumlah daun 4 helai dan tinggi sekitar 50 cm. kemudian pada minggu kedua tinggi taji mencapai 12 cm dan akan makin banyak.

dan ketika usaha penyuburan tanah dengan bahan organik menjadi masalah yang serius. Daun-daun tebu sebagai seresah (trash) juga tetap di lahan atau digunakan sebagai bahan bangunan di pabrik. maka tunggul termasuk bagian tebu yang dapat digiling (millable cane). Bagian tebu yang dapat digiling hanya merupakan sebagian dari bahan kering total tanaman (50 sampai 60 %). Hasil percobaan tersebut membuktikan bahwa komposisi vegetatif tanaman tebu tidak seragam. tetapi dipengaruhi oleh umur. varietas. bagian pucuk (lea fy top) termasuk bagian batang yang tidak dapat digiling (non-millable) dan daundau n yang menempel pada pucuk. Bahan kering organ tanaman tebu berisi lebih dari 90% bahan organik. Bagian tanaman tebu di bawah permukaan tanah (below ground portion) terdiri atas dongkelan/tunggul (stubble) dan akar (roots). ditinggalkan di lahan. Pengaruh umur adalah yang dominan (Gambar 2). 1952) melakukan percobaan untuk mengetahui kecenderungan komposisi vegetatif tanaman tebu yang dibudidayakan di pulau Jawa. Di negaraneg ara dimana bagian batang di bawah permukaan tanah dipanen. serta daun-daun yang lain (trash) yang secara terpisah dikategorikan sebagai bagian yang berada pada permukaan tanah (on groun portion). akar) dalam berat kering total dari tanaman teb u. Dengan data yang sama dari percobaan tersebut digambarkan komposisi vegetatif dalam basis persentase dari bahan kering total (Gambar 3). pemupukan. dan sebagainya. maka pengetahuan penggunaan kembali bahan organik dalam tanaman tebu tersebut menjadi penting. Bagian tanaman tebu di atas permukaan tanah (above ground portion) terdiri atas batang tebu (stem/stalks) yang dapat digiling (millable cane). Pucuk tebu juga tetap di lahan atau digunakan sebagai makanan ternak.Komposisi vegetatif tanaman tebu menunjukkan bagian dari organ secara terpisah/individu (batang. daun. . Sedangkan pengaruh pemupukan terhadap komposisi vegetatif tanaman tebu disajikan pada Tabel 1. Contoh komposisi vegetatif tanaman tebu umur 12 bulan untuk varietas 37-1933 disajikan pada Gambar 1. Akar dan pada sebagian besar kasus termasuk juga tunggul (stubble). Kobus dan Van Houwelingen (dalam Dillewijn.

persentase dari bobot kering total tanaman di atas permukaan tanah (above ground) pada permukaan tanah (on ground) di bawah permukaan tanah (below ground) TOPS STALKS TRASH STUBBLE ROOTS 9. maka pembentukan batang dimulai dengan laju yang lebih cepat dibanding organ lain.6% 4. Pertumbuhan awal tanaman sebagian besar terbatas untuk perkembangan daun dan akar yang merupakan peralatan produksi tanaman. Tetapi ketika organ asimilasi dan absorbsi telah berkembang. Pembentukan batang belum terjadi sepanjang organ asimilasi dan absorbsi belum berkembang sampai tingkat tertentu. tanaman hanya berupa potongan bibit (cutting).7% Gambar 1 Komposisi vege tatif tanaman tebu umur 12 bulan varietas 37-1933 (Dillewijn. .0% 49. 1952).2% 24.5% 12.Gambar 3 menunjukkan bahwa pada waktu penanaman.

. 1952). 1952).St : stem (batang tebu) GT : green top (pucuk tebu) R: roots (akar) Gambar 2 Kecenderungan komposisi vegetatif tanaman tebu di Jawa (Dillewijn. C : cutting (bibit tebu) Gambar 3 Kecenderungan komposisi vegetatif tanaman tebu (Dillewijn.

yaitu: a) varietas genjah (masak awal). faktor-faktor yang mempengaruhi proses kemasakan tanaman tebu adalah: 1) Varietas Varietas tebu pada garis besarnya dibedakan menjadi tiga. . Proses pertumbuhan tunas baru ini menggunakan gula yang sudah terbentuk di dalam batang. mencapai masak optimal kurang dari 12 bulan. 1952) Proses terbentuknya rendemen gula di dalam batang tebu berjalan dari ruas ke ruas. Oleh karena itu. b) varietas sedang (masak tengahan) mencapai masak optimal pada umur 12 14 bulan. demikian seterunya sampai ruas bagian pucuk. sehingga gula di dalam batang akan terurai kembali.Tabel 1 Pengaruh pemupukan nitrogen terhadap komposisi vegetatif tanaman tebu Bagian tanaman Kadar Nitrogen (% bahan kering total) Sangat rendah Rendah Sedang Tinggi Batang 57 55 54 53 Pucuk dan seresah 32 35 35 35 Akar dan tunggul 11 10 11 12 Total 100 100 100 100 (Sumber: Dillewijn. kecuali beberapa ruas di bagian pucuk. 2) Pemberian pupuk nitrogen yang berlebihan Pemupukan tebu dengan pupuk nitrogen secara berlebihan sangat merugikan karena proses pembentukan rendemen optimal akan terlambat. Menurut Supriyadi (1992). Ruas di bawah (lebih tua) lebih banyak tingkat kandungan gulanya dibandingkan dengan ruas di atasnya (lebih muda). Pemupukan nitrogen yang berlebihan juga akan merangsang pertumbuhan tunas baru. dan c) varietas dalam (masak akhir) mencapai masak optimal pada umur lebih dari 14 bulan. tebu dikatakan sudah mencapai masak optimal apabila kadar gula di sepanjang batang telah seragam.

Gulud akhir ini berfungsi untuk merangsang pertumbuhan akar tebu dekat permukaan tanah agar tanaman bisa banyak mengambil unsur hara dan sekaligus untuk mencegah kerobohan tanaman. 5) Serangan hama dan penyakit 6) Daerah penanaman Tebu yang ditanam di dataran tinggi. Karena akar yang pendek. Selain itu. Kegiatan gulud akhir biasa dilakukan pada sistem reynoso. 8) Gulud akhir Gulud akhir harus dilaksanakan pada tanaman yang sudah berumur 4.5 5 bulan. maka tanaman tebu akan bisa sampai mencapai masak optimal pada waktunya. Karena daya tahan yang baik. . dan tebu mencapai masak optimal juga terlambat. Dengan demikian akar tebu tidak dirangsang proses pemanjangannya karena mudah mencapai air tanah. pada waktu musim kemarau kadang-kadang tanaman mati kekeringan sebelum rendemen optimal tercapai. 4) Keadaan got Keadaan got yang dangkal dapat menyebabkan penyebaran akar tebu juga dangkal atau pendek-pendek. sehingga proses fotosintesis terhambat sekaligus proses pembentukan gula terhambat. Tebu yang ditanam di dataran tinggi akan mendapat sinar matahari lebih lama daripada di dataran rendah sehingga kemasakan optimal dicapai pada masa yang lebih lama. masa hidupnya akan lebih lama dibandingkan dengan tebu yang ditanam di dataran rendah. terbentuknya rendemen rendah.3) Curah hujan Curah hujan yang tinggi pada waktu tanaman tebu mencapai umur masak akan menyebabkan pembentukan gula rendah. 7) Masa tanam Tebu yang ditanam pada bulan Mei Juli akan mempunyai daya tahan yang lebih baik daripada bulan-bulan sebelum atau sesudahnya. karena sinar matahari terhalang oleh awan. maka pengambilan unsur hara dari dalam tanah tidak bisa optimal sehingga proses pembentukan gulapun juga sedikit.

Menurut Mangelsdorf (1953). dan Kalium (K) yang dikenal sebagai unsur-unsur hara utama. dan (7) penggunaan zat pengatur tumbuh.9) Kerobohan tanaman Tebu yang roboh terkena angin ataupun karena terlampau banyak diberi pupuk nitrogen. kondisi lahan. dan untuk energi dalam upaya ingin berdiri kembali. hasil gula tersebut sangat dipengaruhi oleh interaksi antara faktor genotip tebu. sebagai akibat perbaikan nutrisi tanaman (Leiwakabessy dan Sutandi. (6) pengairan yang sesuai. Unsur hara tanaman terdiri dari unsur hara makro dan unsur hara mikro. akan berakibat terhambat proses kemasakannya. 1998). (3) dosis. yaitu bahwa (1) jenis pupuk yang digunakan harus tepat sesuai kebutuhan sehingga metode diagnosis harus baik dan unsur yang ditambahkan hanya yang kurang di dalam tanah saja. Fosfat (P). cara. (3) pengolahan tanah dan pemeliharaan yang optimal. guna mendorong pertumbuhan tanaman. Unsur hara makro terdiri dari makro primer dan makro sekunder. (2) masa tanam yang optimal. Kandungan gula di dalam batang akan diuraikan kembali untuk pertumbuhan tunas baru. 2002). Walaupun pupuk merupakan salah satu sarana penting dalam kegiatan produksi namun penggunaannya tidak mudah karena menyangkut aspek efisiensi dan penghematan (Leiwakabessy dan Sutandi. Unsur hara makro merupakan unsur hara yang dibutuhkan tanaman dalam jumlah yang relatif banyak. maka upaya-upaya yang dapat dilakukan adalah: (1) pemakaian bibit yang bermutu. sedangkan unsur hara mikro dibutuhkan dalam jumlah relatif lebih sedikit. (2) perimbangan hara perlu diperhatikan agar lebih bermanfaat. Pemupukan Pupuk adalah bahan untuk diberikan kepada tanaman baik langsung maupun tidak langsung. meningkatkan produksi atau memperbaiki kualitasnya. Definisi lain menyatakan pupuk adalah unsur hara tanaman yang sangat dibutuhkan oleh tanaman untuk pertumbuhan dan berkembang biak (Purnama. dan musim. (4) pemupukan berimbang. 1998). Untuk meningkatkan rendemen tebu. Unsur hara makro primer adalah Nitrogen (N). dan . (5) perlindungan tanaman terhadap hama penyakit dan gulma.

Pemupukan merupakan suatu tindakan yang dilaksanakan sebagai usaha untuk menambah ketersediaan hara dalam tanah dan untuk meningkatkan kesuburan tanah. (7) tidak mampu menyediakan jumlah dan jenis pupuk yang dianjurkan karena harga yang mahal. dan lain-lain. (4) harga pupuk makin mahal karena biaya energi dan bahan baku makin tinggi sementara ketersediaan bahan baku di dunia makin menipis. karena tidak melakukan diagnosis sebelumnya. Pemupukan adalah pemberian pupuk kepada tanaman ataupun kepada tanah dan substrat lainnya (Finck. (2) sebagian besar tidak memupuk lengkap dengan N. (10) tidak mampu melakukan proteksi tanaman dengan baik. Mg. 1997). Sedangkan Syamsulbahri (1996) menyatakan bahwa pada dasarnya pemupukan bertujuan untuk menjaga dan memulihkan kesuburan tanah yang hilang akibat aktivitas penyerapan oleh akar tanaman dan hanyut karena erosi atau pencucian. (9) kurang memperhatikan faktor ikl im. Kesuburan tanah ialah kemampuan tanah untuk dapat menyediakan unsur hara dalam jumlah berimbang untuk pertumbuhan dan produks i tanaman (DIKTI. Munir (1996) menyatakan bahwa pemupukan lebih ditujukan untuk menambah jumlah dan tingkat ketersediaan unsur hara di dalam tanah (baik unsur hara makro maupun unsur hara mikro). K. 1982 dalam Leiwakabessy dan Sutandi. K. 1998).waktu pemupukan harus benar agar tidak rugi dan tidak merusak lingkungan karena dosis yang berlebihan atau salah caranya. tanpa identifikasi masalah hara secara baik. P. dan unsur mikro. (6) kesulitan dalam memperoleh pupuk. 1991). struktur tanah. (5) salah menduga kebutuhan pupuk dan kurang memperhatikan cara dan waktu pemupukan. (8) mengabaikan sifat tanah lainnya seperti reaksi tanah. pemupukan di negara berkembang seperti Indonesia mempunyai kelemahan-kelemahan umum yang menyebabkan produksi rendah. . (3) kalaupun memupuk dengan N. Secara umum sasaran pemupukan mencakup tanah dan tanaman tebu (Usman. Sasaran pemupukan pada tanah antara lain macam unsur hara dan kondisi lingkunga n tumbuh yang mempengaruhi daya guna pemupukan. tetapi kecukupan unsur lain tidak diperhatikan. yaitu (1) pemupukan bersifat tradisional. Menurut Leiwakabessy dan Sutandi (1998). (4) tidak memupuk dengan unsur-unsur hara yang lain seperti Ca. pemupukan sering berat sebelah. P.

pada kurva A ditampilkan keadaan yang berlawanan yaitu potens i hasil lahan sudah mencapai batas. Tanaman tebu banyak mengabsorbsi hara makro dan kehilangan unsur hara cukup besar akibat pemanenan tebu. sekali pemanenan tebu rata-rata mengambil dari dalam tiap hektar tanah 100 kg N. 1997). Dengan menambah satuan pupuk secara optimal maka keuntungan maksimal dapat tercapai. Perolehan berat tebu sangat berkaitan dengan potensi lahan. 1983). . Dalam Gambar 4. pada kurva B. Keadaan semacam ini pada era kemajuan teknologi dapat diatasi melalui sistem manajemen perkebunan dan pengembangan varietas tebu baru yang lebih berpotensi. Menurut Saryadi (1970 dalam Sudiatso. 100 kg PO4. Potensi lahan seringkali beragam. Gambar 4 Pengaruh potensi lahan terhadap hasil tebu dengan cara pemupukan (Usman.Sedang sasaran pemupukan pada tanaman adalah mutu bahan tanaman dan hasil produksi yang diprogramkan. karena dipengaruhi oleh hasil interaksi antara faktor agroklimat lingkungan dengan jeni s tanahnya. baik dari tahun ke tahun maupun antara lokasi/kebun. dan 350 kg K. C. meskipun sudah dilakukan penambahan pupuk hingga 2 satuan. Sementara itu. namun mengakibatkan hasil tebu menjadi menurun. Pengaruh potensi lahan terhadap perbedaan tanggap hasil tebu melalui cara pemupukan disajikan pada Gambar 4. dan D ditampilkan hasil interaksi antara sifat tanah dan agroklimat yang sudah mengalami perbaikan sehingga memperbesar keuntungan.

Citra tanaman yang abnormal yang ditunjukkan oleh tanaman di lapangan. Kelainan pertumbuhan ini juga dapat disebabkan oleh kekurangan satu atau beberapa unsur hara yang terdapat dalam tanah. 1991). Oleh karena itu kesuburan tanah berhubungan langsung dengan pertumbuhan tanaman. . Penanaman tanaman pertanian dapat menyebabkan hilangnya unsur hara esensial melalui panen. sehingga mencapai suatu keadaan yang mana penambahan unsur hara melalui pemupukan mutlak diperlukan untuk memperoleh hasil pertanian yang menguntungkan. Tetapi dapat juga oleh akibat terdapatnya satu atau beberapa unsur lain yang berlebihan (keracunan) ataupun disebabkan hal-hal lain. apalagi diusahakan terus-menerus (DIKTI. (3) uji biologi yang mana pertumbuhan dari tanaman atau mikroorganisme lain yang lebih tinggi digunakan sebagai ukuran kesuburan tanah. (2) analisa tanaman. misalnya keringnya pinggiran daun pada tanaman kedele akibat kekurangan kalium. kemungkinan disebabkan oleh kekurangan satu atau beberapa faktor yang menunjang pertumbuhan tanaman. 1991). Dengan demikian kesuburan tanah akan menurun secara terus-menerus. Identifikasi status hara tanah mengalami banyak kesulitan jika hanya ditinjau dari kekurangan hara. (2) kelainan pada warna yang biasanya tampak pada daun. Beberapa cara yang telah dikenal dalam mempelajari status hara tanah untuk menilai kesuburan tanah. (3) nekrosis atau matinya jaringan. namun hal ini tidak spesifik karena terhambatnya pertumbuhan tanaman juga dapat disebabkan oleh hal-hal lain. Setiap gejala yang timbul ada hubungannya . 1994). Gejala-gejala kahat atau defisiensi unsur hara yang dapat dilihat adalah berupa: (1) terhambatnya pertumbuhan tanaman. maka penilaian kesuburan tanah mutlak diperlukan. Pemberian berbagai pupuk ke dalam tanah didasarkan pada kesuburan tanah.Biasanya cara yang paling sederhana dan paling nyata untuk meningkatkan hasil tanaman dalam suatu wilayah pada suatu penelitian pertanian adalah dengan mengidentifikasi kekurangan hara tanah dan kemudian menentukan aplikasi pupuk yang sesuai (Colwell. dan (4) bentuk yang abnormal dari bagian-bagian tanaman (DIKTI. dan (4) uji kimia tanah (Tisdale et al. yaitu: (1) melihat gejala-gejala kekurangan unsur hara. 1990).

.. Peristiwa ini dikenal sebagai kelaparan yang tersembunyi atau hidden hunger (Tisdale et al. 1990). Analisa atau uji tanaman didasarkan pada asumsi bahwa jumlah unsur hara yang terdapat di dalam tanaman mempunyai hubungan dengan keadaan hara yang terdapat dalam tanah (Tisdale et al. yang mana ini dipakai sebagai dasar untuk menilai kesuburan suatu tanah. karena unsur tersebut mempunyai fungsi yang sama dalam tanaman. antara gejala kekurangan hara dengan akibat lain. misalnya akibat serangan hama atau penyakit.dengan fungsi dari setiap unsur tersebut dalam tanaman. Sebagai contoh yaitu gejala defisiensi boron hampir sama dengan gejala serangan hama penghisap daun yang terdapat pada tanaman alfafa. Ini berarti bahwa kadar unsur hara yang dibutuhkan tanaman berada di atas tingkat defisiensi tetapi masih di bawah kebutuhan tanaman untuk berproduksi tinggi. Walaupun demikian uji tanaman terutama uji daun banyak membantu dalam merekomendasikan pemupukan untuk tanaman pepohonan yang berakar dalam. Selanjutnya akar tanaman mengabsorpsi hara-hara yang terdapat pada bagian yang lebih dalam . Kesulitan lain dalam identifikasi status hara tanah juga sering timbul. Misalnya ke kurangan nitrogen hampir sama dengan gejala kekurangan magnesium. Ataupun gejala yang tampak merupakan resultante yang timbul kemudian. Kadang-kadang gejala yang sama dapat ditimbulkan oleh kekurangan unsur yang berbeda. sedangkan gejala kahat (kekurangan) suatu unsur hara tidak terjadi atau muncul. Selanjutnya sering terjadi bahwa produksi tanaman rendah sekali. Akar dari tanaman ini akan menyebar ke seluruh bagian tanah sampai ke bagian yang lebih dalam dari lapisan olah. Dari hasil uji tanaman akan didapat kadar dari unsur hara tertentu di dalam tanaman. Kadar tersebut kemungkinan berada pada suatu titik yang kritis sehingga diperlukan tambahan unsur tersebut melalui pemupukan. Dengan demikian uji tanaman akan berkurang nilainya atau kurang meyakinkan untuk menilai kesuburan tanah. misalnya unsur boron menjadi kritis dalam tanaman bila terdapat ba nyak unsur kalium. karena kedua unsur tersebut mempunyai fungsi dalam pembentukan khlorofil pada daun tanaman. 1990). Tetapi terjadi juga kesulitan lain yaitu adanya suatu unsur dalam tanaman yang dapat menyebabkan unsur lain menjadi kritis.

bila keadaan kebun tidak mengalami kekurangan air.dari tanah dan hara tersebut akan didistribusikan ke seluruh bagian tanaman. waktu yang baik untuk pengambilan sampel daun adalah pada umur tanaman 3 5 bulan. Tabel 2 Kandungan hara daun standar Kategori N Kandungan hara daun (%) P2O5 K2O Berlebih Optimum Kurang > 1.55 0. 1964) Menurut Jones et al.75 0. Daun yang dianalisa adalah daun ke tiga dari pucuk se banyak 15 lembar. 1991) Sementara itu menurut Samuels (1955. (1991).45 0.80 Tinggi > 2. (1991) disajikan pada Tabel 3.10 1.66 > 0.90 0.00 Cukup 2. dalam Muhali 1979). Cope.26 1. Analisa jaringan tanaman dimaksudkan untuk mengetahui banyaknya unsur hara yang diperlukan dan dapat diambil oleh tanaman. disajikan pada Tabel 4.60 > 0. Tabel 3 Kandungan hara daun standar Kandungan hara daun (%) Kategori NPK Rendah 1. maka penambahan unsur hara dalam bentuk pemupukan dapat kurang atau mungkin tidak perlu ditambah.66 1.17 0.15 0. .26 (Sumber: Barnes.18 0. Nilai hara daun standar menurut Samuels (1955.55 0.85 1.80 (Sumber: Jones et al.30 1. Jika hara berada dalam kondisi berlebih.45 > 1.75 1. termasuk daun. Kandungan hara daun standar menurut Jones et al.00 2. dalam Muhali 1979) dikemukakan bahwa umur tebu yang baik untuk mendapatkan korelasi terbaik antara kadar hara di daun dan produksi tebu per hektar adalah umur tiga bulan. Konsentrasi hara daun standar menurut Barnes (1964) disajikan pada Tabel 2. . dan Welch dalam Engelstad (1997) menyatakan bahwa interpretasi analisa tanaman ditempuh dengan membandingkan konsentrasi hara dalam sampel tanaman dengan konsentrasi hara standar yang telah ditetapkan sebelumnya.85 1.45 1.60 1.90 1. Whitney.75 1.30 > 1.35 0.60 0.

.

65 1.15 0.40 < 1.50 > 2.50 1.00 2.65 2. 1955. Tabel 5 Faktor koreksi hasil analisa daun dari dasar analisa daun pada umur 3 bulan Unsur hara Jenis tanaman Faktor koreksi yang ditambahkan untuk hasil analisa daun pada umur sampel daun tebu (%) Tanpa irigasi Irigasi 4 bulan 5 bulan . Kalau sampel daun tebu diambil pada umur lebih dari pada tiga bulan.30 > 0.00 0.00 1.00 > 3.18 0.40 1.00 2.Tabel 4 Kandungan hara daun standar Kategori N Kandungan hara daun (%) P K Sangat rendah Rendah < 1.00 (Sumber: Samuels. 5.50 2.00 1.50 1.18 0.25 0.00 1.25 0. Makin jauh waktu pengambilan sampel daun dari umur tiga bulan maka makin besar nilai faktor koreksinya (Tabel 5).50 Cukup rendah Cukup Tinggi Sangat tinggi 1.00 2.00 1. Umumnya dalam analisa daun dipakai daun yang membuka sepenuhnya yang ke tiga yang dihitung dari daun yang tidak menggulung tertinggi sebagai daun nomor 1. dan 6 dihitung dari daun yang belum membuka pertama sebagai daun nomor 1.30 1. dalam Muhali 1979) Contoh daun yang diambil adalah daun-daun nomor 4. maka harus dipakai faktor koreksi (dalam persen) yang ditambahkan pada hasil analisa daunnya agar didapatkan nilai untuk umur tiga bulan.15 < 1.50 0.00 3.10 0.

08 0.12 0.008 0.30 0.015 0. dalam De Geus.015 0. 1973) .15 0.015 0 0.23 Ratoon 0.28 0.016 Ratoon Plant cane K 0.24 0.22 0.11 0.74 0. 1959.6 bulan 4 bulan 5 bulan 6 bulan N Plant cane 0.45 0.15 0.56 0.33 Plant P cane 0.24 0.24 0.24 0.36 Ratoon (Sumber: Samuels.

(2) percobaan green house atau rumah kaca. sehingga ada kemungkinan terdapatnya hasil yang selalu berbeda -beda pada setiap kali diulang. Dengan demikian diperlukan fasilitas laboratorium yang memungkinkan pelaksanaan analisa tanah (DIKTI. (2) pengambilan contoh tanah untuk analisa harus benar-benar tepat dan akurat mewakili daerah yang sebenarnya. hanya memerlukan sedikit tempat. Uji tanah berdasarkan konsep bahwa tanaman akan respon terhadap pemupukan bila kadar hara kurang atau jumlah yang tersedia tidak cukup untuk pertumbuhan tanaman yang normal. Percobaan lapangan mempunyai kelemahan yaitu percobaan selalu dipengaruhi oleh iklim. waktu yang lebih lama. Sedangkan kelemahan uji tanah adalah: (1) metode -metode yang tidak dapat dipakai untuk semua jenis tanah. (2) biayanya relatif lebih murah. (3) ruangan yang dipakai dapat sempit. dan biayanya relatif murah. (3) mendapatkan rekomendasi pemupukan dan pengapuran.. Penilaian kesuburan tanah melalui uji tanah merupakan satu cara yang relatif lebih akurat dan cepat.Uji biologi meliputi: (1) percobaan lapangan. (2) meramalkan kemungkinan-kemungkinan ada nya respon yang menguntungkan dari pemupukan dan pengapuran. Sedangkan percobaan mikrobiologi jauh lebih sederhana. Setyamidjaja (1986) menyatakan bahwa analisa tanah bertujuan untuk mengetahui jenis dan jumlah unsur hara yang tersedia di dalam tanah bagi tanaman. 1991). pendidikan. Secara singkat . 1990). 1991). dan (4) mengevaluasi status serta tingkat kesuburan sesuatu daerah untuk tujuan rise t. dan tenaga yang lebih banyak. dan (3) percobaan mikrobiologi (DIKTI. Selain itu percobaan la pangan meminta pembiayaan yang lebih besar. dan relatif murah. relatif lebih cepat. Uji tanah mempunyai banyak kelebihan antara lain adalah: (1) lebih mudah diulang. Namun demikian percobaan rumah kaca mempunyai kelemahan yaitu bahwa keadaan lingkungan yang terkendali dalam rumah kaca dapat mengakibatkan pertumbuhan tanaman indikator lebih baik. Sementara itu percobaan rumah kaca mempunyai kelebihan lebih cepat mengetahui status hara yang terdapat di dalam tanah. dan (4) jangkauannya lebih jauh dari pada metode yang lain. mudah pengulangan. Uji tanah mempunyai tujuan: (1) memelihara (menjaga) status kesuburan dari suatu lahan tertentu. dan pengembangan wilayah (Tisdale et al.

mengasimilasi 30-70% dari pupuk N yang diberikan (Boswell. Untuk menentukan dosis pupuk berdasarkan hasil analisa tanah maka dapat digunakan nomograf tanah (Gambar 5). Tanaman adalah konsumen utama N. 1980). Gambar 5 Nomograf tanah untuk penentuan dosis pupuk (Pawirosemadi. dan Ned dalam Engelstad. Nitrogen merupakan hara esensial sekaligus hara pembatas utama pada sebagian besar tanah pertanian yang ditanami tanaman bukan legum. umur tanaman. Hambatan yang cukup serius dalam uji tanah adalah diperlukannya orang yang benar-benar ahli dan berpengalaman serta terlatih secara teknis yang menguasai prinsip-prinsip ilmiah dalam mengidentifikasikan hasil analisa. Meisinger. 1997).hasil dari uji tanah adalah dapat menentukan keadaan atau status hara tanaman yang terdapat dalam tanah. dan keadaan iklim yang berbeda. Namun demikian harus pula diperhatikan mengenai kebutuhan hara yang tidak sama untuk setiap jenis tanaman. Tujuan utama pemberian . sehingga secara sederhana dapat disimpulkan kebutuhan hara tanaman yang dapat ditambahkan melalui pemupukan.

diantaranya adalah ketepatan dalam hal bentuk pupuk dan waktu pemupukan. da n meningkatkan berkembangbiaknya mikro organisme. fase pembentukan anakan. Untuk tanaman tebu.5 2 bulan. hanya fase pemasakan yang tidak memerlukan N. dan tanaman tebu cepat menua. 1996) menyatakan bahwa pertumbuhan tebu dibagi menjadi empat fase yaitu fase perkecambahan. Meisinger dan Ned dalam Engelstad (1997) menyatakan bahwa kebanyakan tanaman membutuhkan pasokan N yang berkesinambungan pada seluruh musim pertumbuhan dan keperluan ini akan bervariasi dengan tahap kematangan tanaman. pertumbuhan akarnya jelek. meningkatkan kualitas tanaman yang menghasilkan daun. Jumlah anakan yang terbentuk akan . dan fase pemasakan. meningkatkan kadar protein dalam tubuh tanaman. Menurut Indarto (1996). Menurut Indarto (1996). pemberian N harus tepat. daun cepat mati atau mengering. Hal tersebut dimaksudkan untuk menjamin pasokan N tersedia selama masa pertumbuhan. tetapi di sisi lain bila tanaman banyak mengandung N pada fase pemasakan akan menurunkan rendemen. Humbert (1968) menyatakan bahwa tanaman tebu yang kekurangan N akan mempunyai gejala daun berwarna kuning. fase pertambahan tinggi batang.pupuk N adalah untuk meningkatkan hasil bahan kering. tetapi tidak melebihi 6 bulan. Pemupukan Urea tahap pertama dit ujukan untuk memacu pertumbuhan tunas muda dan pertumbuhan anakan. Kuntohartono (1980 dalam Indarto. karena di satu sisi dapat meningkatkan pertumbuhan sehingga akan meningkatkan produksi tebu. Pasokan N yang cukup adalah penting untuk hasil optimum dan berkaitan dengan pertumbuhan vegetatif yang lebat dan warna hijau yang gelap. Pupuk nitrogen diaplikasikan pada awal penanaman dan pada saat tanaman berumur 1. peran N dalam menentukan produksi gula sangat unik. dan atau tidak tersedia karena tidak diperlukan lagi. batang kecil dan ruasnya pendek. pertumbuhan anakan sedikit. Fungsi pupuk N adalah meningkatkan pertumbuhan tanaman. tetapi tidak menghambat fase pemasakan. pemberian pupuk N harus disesuaikan dengan tahap pertumbuhan agar N dapat diserap oleh tanaman. Dari keempat fase tersebut.

Di dalam larutan tanah. Oozer (1993) menyatakan bahwa terbentuknya akar stek yang dapat menyerap unsur hara baru terjadi pada umur 15 hari setelah tanam.4% bobot kering tanaman. mempercepat dan memperkuat pertumbuhan tanaman dewasa pada umumnya. Hasil penelitian sudah menunjukkan bahwa terdapat hubungan yang kuat antara hasil pengukuran instrumen tersebut dengan kandungan N daun. memperkuat tubuh. Fungsi pupuk P adalah mempercepat pertumbuhan akar.1 0. Pemberian pupuk dasar harus diperhatikan karena stek tebu yang baru ditanam belum mampu menyerap unsur hara dari pupuk yang diberikan. sebagian besar pupuk P difiksasi oleh Fe dan Al. 1996). Fosfat diserap oleh tanaman hanya sekitar 10% karena pada tanah asam. 2002). Fosfat menyusun 0. Selain dengan analisa laboratorium. Tanaman menyerap P selama keseluruhan siklus pertumbuhannya.mempengaruhi jumlah batang yang selanjutnya berpengaruh terhadap produksi tebu (Indarto. Contoh model instrumen tersebut disajikan pada Gambar 6. . kandungan hara Nitrogen pada daun dapat diketahui dari pengukuran jumlah khlorofil dengan instrumen SPAD Chlorophyll Meter (Anonim. sedangkan ketersediaan yang diharapkan lebih dari 40 ppm. dan tanaman agar tidak roboh. P tersedia bagi tanaman dalam jumlah kurang dari satu ppm. Cara kerja instrumen tersebut adalah dengan menjepitkan pada daun. 2002). Penyerapan P oleh tanaman tergantung pada ketersediaan P yang dipengaruhi oleh faktor tanah. Gambar 6 SPAD Chlorophyill Meter (Anonim.

Soeminto (1996) menyatakan bahwa penempatan pupuk N dan P bersama-sama pada kedalaman beberapa centimeter di bawah permukaan tanah akan lebih efektif untuk meningkatkan penyerapan P oleh tanaman daripada cara penempatan terpisah atau diaduk dengan lapisan olah. Tanaman-tanaman yang mengangkut K dalam jumlah besar menurunkan tingkat K tersedia dalam tanah dan meningkatkan kebutuhan akan K. maka K yang ditambahkan bersentuhan dengan perakaran yang terlalu sedikit sehingga serapan K tidak tinggi. Fungsi pupuk K adalah mempercepat sintesis (pembentukan) zat karbohidrat dalam tanaman dan mempertinggi daya tahan terhadap hama penyakit.0% bobot kering tanaman. dan kondisi perakaran yang buruk. terutama pada tanah yang kahat P. Kalium menyusun 0. 1992).. Cara yang dapat digunakan untuk menekan kejenuhan Al yang tinggi adalah dengan menggunakan pupuk P dosis tinggi. Jumlah K yang harus ditambahkan untuk mempertahankan tanah pada tingkat tertentu akan tergantung pada tingkat awal dan derajat penyematan K oleh tanah. Fungsi fisiologis akar untuk menyerap nutrisi menjadi berkurang. Menurut Soeminto (1996).5 2 bulan). Pupuk K diaplikasikan pada saat pemupukan kedua (tanaman berumur 1. jumlah K yang terdapat dalam tanah. dan efisiensi penggunaan K oleh tanah dan tanaman. Penerapan pemupukan dengan dosis tinggi bertujuan untuk penjenuhan penyematan P dalam tanah dan pemenuhan kebutuhan hara P pada tanaman tebu (Djojonegoro et al. Pemberian pupuk P yang terlambat akan berakibat tanaman tumbuh kerdil. Cara penempatan pupuk P sangat berpengaruh terhadap efisiensi penyerapan oleh tanaman. jika K diberikan dalam baris pada saat penanaman. sedangkan tanah mengandung 0. P yang terlarut akan segera dijerap menjadi Fe-P dan Al-P. . masa pembungaan terlambat.Efisiensi pemupukan P dari pupuk buatan sangat rendah. Robert. dan Dancy dalam Engelstad (1997). Jumlah pupuk K yang diperlukan oleh tanaman tertentu tergantung pada kebutuhan tanaman. anakan berkurang.5% K dalam lapisan 15 cm teratas.5 2. sehingga K yang dapat diserap oleh tanaman cukup banyak. Pupuk P diaplikasikan pada saat penanaman bersamaan dengan pupuk N.5 4. pemberian pupuk P pada saat tanam sangat diperlukan. Menurut Barber.

maka peningkatan kandungan hara N daun diikuti dengan meningkatnya kandungan K2O. Tetapi dalam keadaan kandungan hara N daun yang tinggi melampaui jenjang normalnya. Keterangan Gambar 7 : suatu kemungkinan reaksi katalisis suatu kemungkinan antagonisme suatu kemungkinan sinergisme Efisiensi pemupukan merupakan persentase jumlah pupuk ditambahkan yang secara nyata digunakan oleh tanaman (Miller et al.. P2O5 . Hubungan dan interaksi antara hara N. Kandungan hara N daun yang rendah selalu diikuti dengan hara K2O daun yang tinggi. N P K Gambar 7 Hubungan dan interaksi antara hara N.dan K2O dalam daun (Pawirosemadi. P2O5 . Walaupun tidak nyata. Di sini tampak adanya kemungkinan reaksi katalisis.Peningkatan pemberian sesuatu unsur hara kepada tanaman tidak selalu diikuti dengan peningkatan kandungan unsur hara tersebut di dalam daun dan peningkatan hasilnya. ada kecenderungan interaksi antara unsur hara P2O5 dan K2O dapat memperbaiki rendemen. Pemberian hara N yang tinggi perlu diikuti pemberian P2O5 yang tinggi pula dan sebaliknya. 1990). Di sini ada suatu kemungkinan sinergisme antara hara P2O5 dan K2O. Jika hal tersebut tidak dilakukan maka hasil akan menurun dalam hal ini tampak adanya kemungkinan antagonisme. Definisi lain menyatakan bahwa efisiensi penggunaan pupuk merupakan perbandingan antara jumlah hara yang diserap dan jumlah hara yang ditambahkan (Leiwakabessy dan . 1980).dan K2O dalam daun disajikan pada Gambar 7.

1998). Oleh karena itu perkembangan akar tanaman menjadi optimum. Dengan perbaikan tersebut. efisiensi yang diharapkan adalah mendekati 30-70% dari N yang ditambahkan. kimia. Sifat kimia yang diperbaiki adalah meningkatnya pH tanah. Menurut Leiwakabessy dan Sutandi (1998). Perbaikan sifat-sifat tersebut akan memperbaiki pertumbuhan tanaman.57 Sutandi. melalui flokulasi dan granulasi koloid tanah. usaha-usaha yang dapat digunakan untuk meningkatkan efisiensi penggunaan pupuk adalah 1 Uji tanah Dosis optimum yang menghasilkan keuntungan maksimum adalah dosis yang terbaik sebagai hasil dari uji tanah yang baik. Pada umumnya penggunaan pupuk. meningkatnya kebanyakan ketersediaan hara esensial. Definisi ini hanya memperhitungkan efisiensi hara yang berasal dari pupuk masuk ke tanaman yang mana lainnya tercuci. Fe. 5-30% dari P yang ditambahkan. Perubahan N-organik dalam tanah sejalan dengan pengelolaan bahan organik. Definisi lain dari efisiensi penggunaan pupuk adalah sejauh mana tanaman dapat memanfaatkan unsur hara yang telah diserap untuk berproduksi lebih tinggi tanpa menambah hara yang diperlukan. maka penetrasi akar tidak . dan 50-80% dari K yang ditambahkan. Kalsium dari kapur akan memperbaiki struktur tanah yang sifat fisiknya buruk. Definisi ini lebih mementingkan respon tanaman terhadap pemupukan. 2 Pengapuran Pengapuran dapat memperbaiki sifat fisik. menurunnya aktivitas Al. menguap. Selain itu pengapuran mendorong pertumbuhan bakteri penambat N. dan biologi tanah. atau terfiksasi oleh tanah tanpa melihat respon tanaman terhadap pemupukan. dan Mn yang bersifat racun bila berlebihan. sehingga pupuk yang diberikan (untuk mengoreksi suplai hara yang berasal dari tanah setelah pengapuran) akan digunakan secara efisien. Akan tetapi hasil uji tanah seringkali sulit untuk menetapkan dosis N yang optimum. Ketersediaan N dalam tanah (dalam bentuk NH4 atau NH3) seringkali berubah setiap waktu karena keseimbangan N dalam tanah ditentukan oleh N-organik.

biaya. sehingga perkembangan akar tidak terbatas. Pupuk dapat berdekatan dengan biji asalkan dosis yang digunakan rendah.58 terhambat dan aerasi ta nah lebih baik. c Kemudahan pemberian. Hara N. Dengan demikian penanaman legum atau rotasi antara legum dan . tapi juga agar intersepsi akar mengarah ke lapisan yang lebih dalam di mana kelembaban lebih baik sepanjang musim. 3 Penempatan pupuk Kondisi tanah menentukan cara penempatan pupuk yang lebih efisien. dan waktu. yaitu: a Efisiensi penggunaan hara oleh tanaman dari saat berkecambah sampai dewasa. Walaupun pupuk N dapat diberikan sebelum tanam. waktu pemberian pupuk merupakan hal yang penting. b Mencegah kerusakan (salt injury) pada saat perkecambahan. 5 Penggunaan legum Tanaman legum dapat bersimbiose dengan bakteri penambat N bebas dari udara. namun pemberian ini tidak selalu efektif karena N dalam tanah mudah berubah yang mana dalam bentuk N-NO3 bersifat mobil. Cara sebar mengarah ke penggunaan dosis yang lebih tinggi dan lebih sesuai untuk tanaman berbiji kecil. terutama bagi tanaman berbiji kecil yang peka terhadap kadar garam tinggi. P. Penempatan pupuk tidak saja agar pupuk dapat diambil tanaman. dan K yang mudah larut akan membahayakan kecambah. setelah tanam dengan side dressed atau top dressed untuk tanaman berbiji kecil. Metode penempatan pupuk hendaknya disesuaikan dengan ketersediaan tenaga kerja. Pemberian N yang paling efektif adalah pada saat tanaman tumbuh paling cepat dan pada saat tanaman memerlukan N paling banyak. Alasan penting yang berkaitan dengan penempatan pupuk. 4 Waktu pemupukan Dalam pemupukan N. Untuk itu penempatan pupuk perlu ada jarak dengan biji. Awal tumbuh yang cepat dan kontinyuitas ketersediaan hara merupakan hal yang esensial untuk mendapatkan keuntungan maksimum.

Sedangkan gulma akan menyaingi tanaman pokok dalam penggunaan air. atau pestisida lainnya secara tepat sangat penting dalam peningkatan efisiensi berproduksi. cahaya. Kalau hal ini diperhitungkan berarti jumlah pupuk yang diperlukan dari tahun ke tahun atau musim ke musim menjadi berkurang. 7 Seleksi varietas Seleksi varietas diperlukan untuk mendapatkan tanaman yang dapat beradaptasi paling baik pada tanah-tanah tertentu. penyakit. . 6 Penggunaan pupuk kandang Pupuk kandang berfungsi sebagai bahan ameliorasi yang dapat memperbaiki sifat fisik. ataupun bahan organik yang dibenamkan ke dalam tanah tidak habis terangkut atau terurai pada tahun pertama pemberian. dan biologi tanah. kapur. sehingga tanaman tersebut mempunyai potensi produksi maksimum dalam lingkungannya. dan gulma Hama ataupun penyakit tanaman akan merusak bagian tanaman atau menghambat pertumbuhan tanaman sehingga produksi menurun. fungsida. Pembenaman limbah tanaman legum setelah panen. Pemupukan N dapat dihemat dengan penggunaan pupuk kandang dan limbah tanaman legum. kimia. Dengan demikian respon tanaman terhadap pemupukan akan tinggi yang mana pemakaian setiap satuan pupuk dapat digunakan untuk berproduksi secara maksimum. sehingga tanaman tidak dapat memanfaatkan faktor produksi secara optimal.59 non legum akan mengurangi penggunaan pupuk N. 8 Pengendalian hama. selain penambahan bahan organik ke dalam tanah juga akan menambah sejumlah nitrogen yang dibutuhkan oleh tanaman yang ditanam berikutnya. Oleh karena itu pemilihan insektisida. ataupun hara. 9 Penentuan dan pengaturan w aktu dan pola tanam (pergiliran tanaman) Pola tanam yang tepat memungkinkan pemanfaatan unsur iklim dan kelembaban tanah yang paling baik untuk pertumbuhan tanaman. 10 Pengaruh carry over Residu pupuk atau kapur perlu diperhatikan karena pupuk.

atau dosis pupuk dapat dikurangi setelah penanaman tanaman yang bernilai ekonomi baik dengan dosis yang tinggi. Precision Farming Pada pertanian konvensional (conventional farming). maka kemungkinan yang dapat terjadi adalah adanya aplikasi yang berlebihan (overapplication) dan aplikasi yang kurang . 1983). Gambar 8 Respon tanaman gandum beririgasi dan tanpa irigasi terhadap aplikasi nitrogen (Braun dan Roy. 12 Pengairan dan pengelolaan lainnya Pemberian air dan pengelolaan lainnya bermaksud membuat lingkungan tumbuh tanaman lebih baik atau untuk menghilangkan faktor pembatas tanaman agar tanaman dapat berproduksi lebih tinggi. Dengan perla kuan demikian. Laju aplikasi yang konstan tersebut seringkali didasarkan pada pengukuran sifat sampel tanah gabungan yang dikumpulkan untuk merepresentasikan karakteristik rata-rata dari keseluruhan lahan. Penggunaan pupuk N akan berkurang setelah penanaman legume. sehingga efisiensi penggunaan pupuk dapat meningkat seperti disajikan pada Gambar 8. seluruh bagian lahan mendapatkan perlakuan yang seragam.11 Rotasi tanaman Rotasi tanaman dapat menghemat penggunaan pupuk.

berubah kecil terhadap waktu. pengolahan tanah (tillage). dan menjaga kualitas lingkungan (Kuhar.(underapplication). (2) memutuskan apa yang dilakukan untuk itu. bibit. Teknologi tersebut sekarang tersedia. dan predicti ve variability . Sifat-sifat tanah yang lain. dan (3) memberi perlakukan pada area tergantung pada keputusan yang dibuat. 1994). Variability harus dijabarkan paling tidak dalam tiga aspek yaitu spatial variability . Beberapa sifat tanah adalah sangat stabil . Definisi lain precision farming adalah pengelolaan setiap masukan produksi tanaman pupuk. Tanaman dan sifat tanah tidak hanya bervariasi terhadap jarak dan kedalaman. Variability merupakan gagasan kunci dari precision farming. tetapi juga terhadap waktu. Menurut Blackmore (1994). herbisida. penanaman (planting). Teknologi precision farming dapat digunakan dalam semua aspek sik lus produksi tanaman dari operasi pratanam sampai pemanenan. dapat dilakukan pengaturan masukan pertanian sesuai kebutuhan spesifik tempat tertentu pada setiap lokasi di dalam lahan. meningkatkan keuntungan. kapur. untuk memperbaiki pengujian tanah (soil testing). Sedangkan dengan precision farming. pemupukan . insektisida. tiga aspek dalam precision farming adalah: (1) menemukan apa yang terjadi dalam lahan. temporal variability . seperti tekstur dan kandungan bahan organik tanah. khususnya penjabaran variability di dalam lahan. Jadi terdapat perbedaan mendasar antara precision farming dan conventional farming yaitu masalah keragaman (variability ). Precision farming merupakan istilah yang digunakan untuk menjabarkan tujuan peningkata n efisiensi dalam pengelolaan pertanian (Blackmore. 2001). 1997). dalam Shibusawa. Precision farming melakukan pengumpulan sampel tanah dan tanaman untuk mendapatkan informasi tentang bagaimana variasi kondisi di lahan. Precision farming memungkinkan adanya peningkatan produktivitas. atau akan segera ada. dan lain-lain pada suatu tempat tertentu untuk mengurangi pemborosan. seperti kadar nitrat (NO3-) dan kandungan lengas da pat berfluktuasi dengan cepat. sementara biaya produksi menurun dan dampak lingkungan minimal (NRC 1997.

yaitu penandaan koordinat geografi untuk titik-titik pada permukaan bumi. . pemanduan tanaman (crop scouting ). Pemantauan hasil secara elektronis (electronic yield monitoring) seringkali menjadi tahap pertama dalam mengembangkan SSCM atau program precision farming. (2) yield monitoring. Pada saat ini banyak produsen tanaman menerapkan site-specific crop management (SSCM ). GPS telah terbukti menjadi pilihan dalam postioning system untuk precision farming. (3) digital soil fertility mapping . Perangkat keras yang diperlukan adalah GPS receiver. dan computer/monitor interface. komponen teknologi dari precision farming adalah : (1) global positioning system (GPS). (4) crop scouting . differential correction antenna .(fertilizing). Dengan global postioning system (GPS) dimungkinkan menandai koordinat geografi untuk beberapa objek atau titik dalam 5 cm. Metode untuk meningkatkan keakuratan pengukuran posisi disebut koreksi diferensial atau DGPS (differential global postiong syste m). pemberantasan gulma (spraying). GPS adalah sistem navigasi berdasarkan satelit yang dibuat dan dioperasikan oleh Departemen Pertahanan Amerika Serikat. Precision farming diprediksi pada geo-referencing. dan (5) variable rate appli cation (VRA). dan pemanenan (harvesting ). tahap pertumbuhan (growing season). dan tahap pemanenan (harvesting season ) seperti disajikan pada Gambar 10. Data hasil tanaman yang presisi dapat digabungkan dengan data tanah dan lingkungan untuk memulai pelaksanaan pengembangan sistem pengelolaan tanaman secara presisi (precision crop management system). walaupun keakuratan dari aplikasi pertania n kisaran umumnya adalah 1 sampai 3 meter. GPS antenna . Menurut Wolf dan Wood (1997). Pemakaian precision farming dalam praktek memerlukan pendekatan sistem terintegrasi yang baik yang mengkombinasikan teknologi keras (hard technology ) dan sistem lunak (soft systems) seperti disajikan pada Gambar 9. Pelaksanaan precision farming merupakan suatu siklus yang berkesinambungan dari tahap perencanaan (planning season). differential correction signal receiver.

Economic Push Environmental Pull Legislation Geographical Information System Improved Control PRECISION FARMING Reduced Inputs Implement Control & Monitoring Vehicle Positioning System Increased Efficiency Crop Models & Field History Decision Support System Geographical Information System Management Information System Less Waste Less Environmental Impact Improved Gross Margin Economic Push Environmental Pull Legislation Geographical Information System Improved Control PRECISION FARMING Reduced Inputs Implement Control & Monitoring Vehicle Positioning System Increased Efficiency Crop Models & Field History Decision .

1994) .Support System Geographical Information System Management Information System Less Waste Less Environmental Impact Improved Gross Margin Gambar 9 Interaksi dalam Precision Farming (Blackmore. .

yang selanjutnya dapat dibuat peta hasil (yield map) seperti disajikan pada Gambar 11. Harvest dan Yield Monitoring Pemantauan hasil (yield monitoring) pada pemanenan dilakukan melalui pengukuran produksi tanaman untuk koordinat geografi tertentu. 1997).Gambar 10 Siklus proses dalam precision farming (Kuhar. Sedangkan untuk dapat menghasilkan peta yang sesuai dengan lokasi diperlukan GPS receiver (Gambar 12). 1997). Gambar 11 Transfer data dalam pemantauan hasil dan sistem pemetaan (Kuhar. .

ukuran sel-sel jaringan yang paling umum adalah 2. Bahan sampel tanah dari setiap sel jaringan dikirim ke laboratorium pengujian tanah. Metode pengambilan sampel tanah yang umum digunakan adalah pengambilan sampel berdasarkan grid (grid sampling) dan pengambilan sampel berdasarkan jenis tanah (soil type sampling). lahan dibagi menjadi sel-sel berbentuk bujur sangkar atau empa t persegi panjang berukuran beberapa acre atau lebih kecil (Gambar 13). 1997). lahan dibagi dalam sel-sel jaringan (grid cells). . diantaranya adalah stratifikasi geografis dan pengambilan sampel spasial yang sistematis. pengujian tanah dan aplikasi pemupukan diarahkan pada ukuran yang relatif besar.5 dan 3. Pada pengambilan sampel berdasarkan grid.3 acre (1 acre = 0. selanjutnya diubah menjadi peta digital (digital map) yang digunakan untuk mengelola aplikasi pupuk (Kuhar. Pada saat ini. Dengan precision farming.4646 ha). yang mana lokasinya ditentukan dengan GPS. Oleh karena itu diperlukan informasi spasial. Pengambilan sampel tanah dalam precision farming harus mendapat perhatian yang serius agar diperoleh analisa keragaman yang memadai dan pengambilan sampel yang efisien. 1997) Soil Testing dan Data Analysis Dalam praktek tradisional.Gambar 12 Mesin pemanen pengumpul data hasil untuk pemetaan (Kuhar.

metode yang dapat dipakai adalah grid center method dan grid cell method.3048 m) dan kemudian dicampur untuk dianalisa di laboratorium. · · · · · · · · · · · · · · · · · · · · · · · · · radius 10 feet Gambar 14 Pengambilan sampel tanah dengan metode grid center (Kuhar. Pada pengambilan sampel berdasarkan grid. Ilustrasi grid center method disajikan pada Gambar 14. sedangkan grid cell method disajikan pada Gambar 15. . Pada metode grid center. sampel tanah diambil dalam ruang lingkaran radius 10 sampai dengan 30 feet (1 feet = 0.Gambar 13 Pengambilan sampel tanah berdasarkan grid (Kuhar. 1997). 1997).

para peneliti masih mencari pola yang paling baik dalam pengambilan sampel tanah pada setiap sel. Sampai saat ini. Pada metode grid cell. sampel tanah diambil secara acak pada beberapa tempat dalam setiap sel kemudian dicampur untuk dianalisa di laboratorium. 1997). 1997). Gambar 16 Alternatif pola pengambilan sampel tanah pada metode grid cell (Kuhar.Gambar 15 Pengambilan sampel tanah dengan metode grid cell (Kuhar. . Beberapa pola yang dapat dilakukan dalam pengambilan sampel tanah pada setiap sel disajikan pada Gambar 16.

1997). VRA adalah satu-satunya pendekatan manajemen untuk pemusatan perhatian di dalam lahan.Pada pengambilan sampel tanah berdasarkan jenis tanah. dan diperoleh digital soil fertility map. Metode dasar untuk implementasi VRA adalah: -map-based VRA Metode ini mengatur laju aplikasi (application rate) bahan berdasarkan informasi dalam peta elektronis dari sifat lahan. dan (3) operasi yang tepat pada waktunya pada tempat yang membutuhkan. Sistem dengan metode ini harus mampu menentukan posisi mesin di dalam lahan dan . 1997) Variable Rate Application Setelah sampel tanah diambil kemudian dianalisa di laboratorium. yang mana keragaman spasial (spatial variability ) sebelumnya sudah dijabarkan. Peralatan (equipment) untuk melakukan variable-rate application (VRA) disebut Variable -Rate Technology/VRT (Kuhar. sehingga pengaturan masukan pertanian untuk kebutuhan tempat tertentu pada setiap lokasi di lahan dapat dilakukan. sampel diambil pada tempat-tempat dengan jenis tanah yang sama (Gambar 17). Gambar 17 Pengambilan sampel tanah pada soil type sampling (Kuhar. yang memerlukan: (1) posisi yang tepat di lahan. (2) informasi yang tepat pada lokasi. maka hasil analisa dapat diaplikasikan dal am variable rate application (VRA).

Prosedur penglihatan ke depan diperlukan untuk menghitung waktu yang diperlukan peralatan untuk mengatur laju aliran bahan sesudah keputusan dibuat untuk merubah laju aplikasi. Menurut Kuhar (1997). Laju aplikasi didefinisikan sebagai volume dari bahan yang diaplikasikan per satuan luas atau berat dari bahan yang diaplikasikan per satuan luas. selanjutnya sistem kontrol VRA secara otomatis menggunakan data sensor untuk memadukan masukan seperti pupuk atau herbisida sesuai kebutuhan tanah dan tanaman. Real-time sensors beroperasi mengukur sifat tanah dan karakteristik tanaman. pressure/flow. pressure flow. Pada kecepatan jalan kendaraan aplikator (15 mil/jam atau lebih). ground speed -controllers -actuators pada sensor-based VRA -sensors soil/plant.menghubungkan posisi tersebut terhadap laju aplikasi yang diinginkan dengan membaca peta. ground speed -controllers -actuators . komponen utama sistem kontrol otomatis VRA adalah pada map based VRA -sensors postioning. Untuk itu pe ngguna perlu mengkombinasikan kedua metode tersebut untuk mendapatkan manfaat ekonomis dan lingkungan yang paling baik. penglihatan ke depan (looking ahead) pada peta untuk perubahan laju berikutnya menjadi fungsi pengontrol. -sensor-based VRA Metode ini menggunakan data dari real-time sensors peta laju aplikasi untuk mengontrol secara elektronis operasi-operasi site -specific field. Masing-masing metode tersebut mempunyai kelebihan dan kekurangan. Sensor harus dapat memberikan aliran data yang berkesinambungan pada pengontrol sehingga masukan dapat diubah-ubah mencakup luasan-luasan kecil di seluruh lahan. Metode ini tidak memerlukan sistem pemposisian (postioning system).

Pengolahan tanah dan penyiapan lahan (tillage) Dalam sistem pengolahan tanah konservasi. dan pemanenan (Kuhar. Residu dapat membantu mengurangi kecenderungan kadar bahan organik tanah yang rendah menjadi keras pada permukaan tanah karena pengeringan sesudah hujan. sensor pemadatan tanah dapat digunakan untuk daerah sasaran (target zones). dengan posisi dan kedalaman. Soil Doctor dirancang untuk mengelola pupuk dan bahan kimia pertanian secara otomatis dengan baik. Untuk tanah dengan kadar bahan organik tanah yang rendah. Alat ini menggunakan 2 atau 3 coulter yang berhubungan dengan tanah yang berfungsi sebagai sebuah susunan sensor tunggal (Gambar 18). aplikasi pupuk kandang. pembersih alur mungkin ditingkatkan untuk mencegah gangguan residu. . Minnetonka. Inc. untuk perlakuan dengan mertode mekanis atau biologis. 1997). MN (Kuhar.. yaitu pengolahan tanah dan penyiapan lahan.. sensor bahan organik tanah dapat digunakan untuk mengarahkan pembuatan alur atau mekanisme pembersihan selama penanaman tanaman beralur (Kuhar. Untuk tanah dengan kadar bahan organik tanah yang tinggi. pemberantasan hama dan penyakit.. namun demikian operasi-operasi lahan yang lain juga dapat menggunakan VRT. sedangkan untuk sistem dengan kontrol map-based adalah SOILECTION sebagai produksi dari Ag -Chem Equipment Co. penanaman. 1997). contoh yang tersedia secara komersial untuk sistem dengan kontrol sensor-based adalah Soil Doctor sebagai produksi dari Crop Technology. . Inc. sistem air dan irigasi. pembersih alur akan menbersihkan residu dari permukaan tanah di dekat alur yang ditanami. TX. -Pemupukan (fertilizer application) Aplikasi VRT pada pemupukan telah banyak dikembangkan. 1997). diagnosa tanaman. Dalam sistem pengolahan tanah konvensional. aplikasi VRT telah banyak dikembangkan terutama untuk pupuk dan herbisida. Houston.Sampai saat ini. Hal tersebut akan memungkinkan sinar matahari mempercepat pemanasan dan pembasahan dari tanah yang cenderung tetap dingin dan basah.

Gambar 18 Soil Doctor dengan coulter pengindera (Kuhar. Proses penyusunan peta digunakan untuk memilih dan mengontrol bermacam pupuk dan herbisida selama alat melintas di lahan. Sistem menggunakan Fertilizer Applicator Local Control Operating Network (FALCON) yang berfungsi untuk : -memantau arah dan kecepatan aplikator -mengukur jarak penyebaran -mengatur laju aplikasi -mengatur pencampuran beragam bahan -memantau tingkat ketersediaan bahan -mengontrol penutupan boom kanan dan kiri -memantau dan memberitahu operator terhadap status sistem aplikasi . SOILECTION digunakan untuk aplikasi bahan kering dan cair (Kuhar. Algoritma kontrol menggunakan masukan sensor. 1997). laju aplikasi diukur dengan katup solenoid. sementara yang lain mengontrol aplikasi kapur. Sifat-sifat tanah yang mempengaruhi keluaran sensor adalah jenis tanah. kandungan lengas tanah. kapasitas tukar kation. petunjuk agronomis. 1997). peta yang lain mengontrol pupuk K. Satu peta dapat digunakan untuk mengontrol laju pupuk P. dan kandungan nitrogen nitrat (NO3-). dan sebagainya. Sifat tanah antara coulter tersebut mempengaruhi karakteristik medan listrik dan menimbulkan sinyal untuk controller sehingga menghasilkan bermacam jumlah pupuk/bahan kimia yang dapat diaplikasikan. dan sasaran hasil untuk menentukan laju aplikasi pupuk nitrogen pada tempat tertentu secara real-time. kandungan bahan organik. Potensial antara coulter pada Soil Doctor menimbulkan medan listrik. Untuk pupuk cair seperti larutan N 28%.

-Penanaman (planting ) Lengas tanah diperlukan oleh bibit yang ditanam untuk menjamin perkecambahan.. 1997). Umeda. Iida. dan Khilael dengan sistem VRA seperti pada Gambar 19. 1997). Gambar 19 Sistem VRA pada aplikator pupuk butiran model GS-MPV 8 modifikasi (Radite et al. Gambar 20 Sensor lengas tanah pada variable -depth planter (Kuhar.Selain kedua aplikator tersebut juga terdapat aplikasi VRT untuk pupuk butiran pada budidaya padi. 2000). yaitu aplikator pupuk butiran model GS-MPV 8 produksi Hatsuta Industrial Company yang domodifikasi oleh Radite. Alat tanam yang dapat mengindera lengas tanah dan dapat mengatur kedalaman penanaman (Gambar 20) dapat digunakan untuk menjamin bahwa bibit ditempatkan pada tanah yang basah (Kuhar. .

dan VRT untuk itu dapat memberikan penge lolaan yang presisi terhadap pupuk kandang. dan waktu. makanan. tergantung pada faktor-faktor yang menentukan seleksi varietas. Jika keluaran sensor dipetakan. jenis kandang. 1997). Oleh karena itu direkomendasikan laju aplikasi herbisida yang lebih tinggi jika terdapat bahan organik yang lebih banyak. peta kandungan bahan organik tanah tersebut juga dapat digunakan selama penanaman untuk bermacam laju penanaman. Untuk waktu yang lama. . Di masa yang akan datang. Sifat dan karakteristik pupuk kandang bervariasi terhadap jenis hewan. -Pemeliharaan tanaman (herbicide application) Sensor bahan organik tanah dapat digunakan untuk VRA pada aplikasi herbisida pratanam dengan sensor-based (Kuhar. 1997). Proses tersebut dapat dengan salah satu dari map-based atau sensor-based. Jumlah bahan organik di dalam tanah mempengaruhi efektivitas beberapa herbisida. sensor hara tanah. Bahan pupuk kandang tidak konsisten dan proporsi hara seperti N. Sensor ditarik atau ditekan melalui tanah dengan rig pada aplikator herbisida. pupuk kandang diperlakukan sebagai limbah dan hara yang semestinya bermanfaat bagi tanaman hanya menjadi polusi bagi air.Alat tanam juga dapat dilengkapi dengan tempat bibit yang banyak untuk memungkinkan penanaman varietas bibit yang berbeda pada lokasilokasi yang berbeda di dalam lahan. umur hewan. Sensor bahan organik dapat secara otomatis mengatur laju herbisida berdasarkan kandungan bahan organik tanah tanpa analisis data tambahan atau peta. P. dan K dalam pupuk kandang tidak selalu sesuai dengan kebutuhan tanah dan tanaman (Kuhar. -Aplikasi pupuk kandang (manure application) Pupuk kandang adalah sumber yang kaya hara yang dapat diperlakukan sebagai limbah atau dikelola sebagai pupuk dan sumber perubahan tanah. Selain itu. maka dapat digunakan untuk merancang aplikasi herbisida dengan map-based VRA. metode penanganan. sensor aliran. sensor hara pupuk kandang.

1997). 1997).-Pemberantasan hama (pesticide application) Sensor yang berhasil mengidentifikasi gulma (hama/pengganggu) tersedia secara komersial. Mengidentifikasi gulma yang sedang tumbuh di tengah-tengah tanaman adalah sesuatu yang sangat sulit. Jika gulma diketahui lokasinya dan teridentifikasi. maka komponen yang bekerja bersama untuk mengukur aliran yang ada dan laju yang sedang bekerja. Selain itu. untuk mengetahui hasil saat panen dengan segera. seringkali ditunjukkan melalui pewarnaan daun yang luar biasa atau tidak teratur. Sensor yang dapat menggunakan bentuk dan warna daun untuk mengenal gulma dari tanaman akan membantu membawa VRA pada penanganan gulma (Kuhar. -Pemanenan (harvesting) Aplikasi VRT untuk pemanenan lebih banyak dilakukan pada tanaman butiran (grain crops). serta untuk menghitung. bahan kimia juga dapat diaplikasikan pada tempat tertentu berkaitan dengan air irigasi. akan memungkinkan pemetaan otomatis penyakit tanaman atau kekurangan hara untuk keperluan perlakuan yang tepat (Kuhar. pola kehitaman pada daun-daun tanaman. sedangkan untuk tanaman non-butiran (non-grain crops) sedang atau telah dikembangkan (Kuhar. dan . akan memungkinkan penanganan gulma dengan baik. -Sistem air dan irigasi (water and irrigation system) Perkembangan berkelanjutan dari sensor pengukur lengas tanah memungkinkan VRA untuk air melalui sistem irigasi center-pivot (Kuhar. maka bahan kimia yang sesuai dapat diaplikasikan untuk itu. Sistem atau sensor yang mengenal gulma dengan VRT yang membawa bermacam pestisida. Sistem mesin visi (machine vision systems) yang digabungkan dengan sistem informasi diagnostik tanaman dan DGPS. 1997). Pada pemanenan tanaman butiran. -Diagnosa tanaman (crop diagnosis) Penyakit atau kekurangan hara mempengaruhi pertumbuhan tanaman dan hasil. 1997). menampilkan.

dan personil. 2001). seperti analisa hara daun. memperbaiki. Secara sederhana. dan menampilkan semua bentuk informasi yang bereferensi geografi (ESRI. dan penyakit tanaman. grain moisture sensor. untuk kemudian dianalisa dan diaplikasikan dalam variable rate application (VRA). Definisi lain dari SIG adalah suatu sistem informasi yang dapat memadukan data grafis dengan data teks (atribut) objek yang diikat secara geografis di bumi /georeference (WK. memanajemen kemudian melakukan analisis sehingga akhirnya menghasilkan keluaran yang dapat dijadikan acuan dalam pengambilan kebijaksanaan atau keputusan dari kasus yang dihadapi. SIG . ground speed sensor. menyimpan. data geografi. Crop Scouting. menganalisa.merekam hasil panen adalah grain flow sensor. memanipulasi. header position switch . perangkat lunak. Data Analysis. SIG dapat menggabungkan data data. dan VRA Pada musim pertumbuhan tanaman dilakukan pemantauan kondisi tanaman. 1997). gulma. Terekamnya bagian lahan yang bermasalah dengan DGPS dan adanya software yang tepat maka perlakuan yang presisi dapat dimungkinkan. yang didisain untuk memperoleh. Gambar 21 Sistem pe mantauan hasil panen tanaman butiran (Kuhar. dan display console (Gambar 21). Sistem Informasi Geografis Sistem Informasi Geografis (SIG) adalah kumpulan yang terorganisir dari perangkat keras komputer. 1990).

perangkat otak/manajemen ( a proper organizational context). Komponen SIG dapat dibagi menjadi tiga bagian utama. dan data-informasi geografi. 1990). Komponen SIG disajikan pada Gambar 23.dapat didefinisikan sebagai sistem komputer yang mempunya i kemampuan pencakupan dan penggunaan data yang mendeskripsikan tempat-tempat pada permukaan bumi (Gambar 22). Gambar 22 Konsep Sistem Informasi Geografis (ESRI. perangkat lunak (set of application modules). Gambar 23 Komponen Sistem Informasi Geografis (Prahasta. yaitu perangkat keras (computer hardware). 2001). .

tata letak dan produksi peta. disk drive . Data-data yang digunakan dalam SIG umumnya dapat dibagi menjadi 3 bagian besar. (3) keluaran data dan presentasi. menerjemahkan metode keilmuan ke bahasa SIG.Plotter Tape drive Komponen perangkat keras SIG yang umum terdiri dari CPU (Central Processing Unit). Proses yang bekerja dan terkait dengan SIG adalah masukan data (input). yaitu: . pengelolaan basis data. d an tape drive (Gambar 24). kegiatan pembuatan peta tematik (analysis). (2) penyimpanan data dan manajemen basis data. digitizer . dan (5) interaksi dengan pengguna. 1986). dan peta-peta tematik hasil analisis (output). misalnya pemecahan masalah khusus pemodelan dengan menggunakan alat Bantu SIG. Perangkat otak/manajemen menangani perangkat lunak yang canggih dan perangkat keras yang khusus. berupa pakar yang terlatih sebagai penghubung antara problem tematik dan penggunaan SIG untuk menyelesaikan masalah. plotter. yaitu (1) masukan data dan verifikasi. (4) transformasi data. VDU (Visual Display Unit). Hal ini berarti bahwa staf SIG harus mempunyai pengetahuan menangani masalah teknis SIG dan pendidikan khusus yang berhubungan dengan tugas tertentu. Perangkat lunak SIG terdiri dari lima modul teknik dasar. Digitizer Disk drive CPU VDU Gambar 24 Komponen utama perangkat keras SIG (Burrough. dan lain sebagainya.

kode pos. Disamping ingin mengidentifikasi apakah yang terdapat pada lokasi tertentu. Daerah Aliran Sungai (DAS) dengan anak-anak sungainya. b) Data digital. . Lokasi dapat dijelaskan dengan menggunakan banyak cara. adalah data-data digital yang didapat dari hasil digitasi yang telah dilengkapi dengan data-data teks dan data -data atribut lain. lokasi dengan kondisi yang diinginkan dapat dicari (misalnya bagian lahan berhutan yang luasnya lebih dari 2000 m2. Sebagai contoh adalah: nama tempat. dan dengan tanah yang sesuai untuk mendukung bangunan). dan data pendukung lain. angka.? Pertanyaan ini melibatkan dua pertanyaan sebelumnya dan mencari perbedaan pada area menurut perbedaan waktu. persoalan-persoalan yang dapat diselesaikan dengan SIG menyangkut: 1) Lokasi Pertanyaan yang sering menyangkut lokasi adalah : What is at ? Pertanyaan ini ingin mengetahui apa yang ada pada lokasi tertentu. 2) Data tabular. adalah data-data selain data grafis yang berupa data pendukung. Pertanyaan ini adalah kebalikan pertanyaan sebelumnya dan memerlukan analisa spasial untuk menjawabnya. adalah data-data digital atau data-data yang telah diubah ke dalam bentuk digital dan telah dilengkapi dengan data-data objek atau informasi objek. Menurut Suharnoto (1995). 2) Kondisi Pertanyaan yang menyangkut kondisi adalah : Where is it ? . 3) Data vektor. jalur selebar 100 m dari jalan. misalnya jaringan jalan beserta namanya. berupa teks. 3) Kecenderungan Pertanyaan yang menyangkut kecenderungan adalah : What has changed since .1) Data grafis a) Data raster. yaitu semua data digital yang didapat dari scanning dan datadata lain yang belum dalam format vektor. atau referensi geografi seperti lintang dan bujur.

diperlukan informasi geografi dan informasi lainnya sesuai bidang yang dihadapi. yaitu (i) semua faktor penting yang ada dalam mendapatkan solusi yang baik untuk menyelesaikan masalah. Sistem Pendukung Keputusan Pendekatan sistem ditandai oleh dua hal. (2) suatu tim yang multidisipliner. Dalam melakukan analisa kebutuhan ini dinyatakan kebutuhankeb utuhan yang ada. dan (ii) suatu model kuantitatif untuk membantu keputusan secara rasional (Manetsch dan Park. Analisa kebutuhan merupakan permulaan pengkajian dari suatu sistem. Pendekatan sistem dapat bekerja sempurna apabila mempunyai delapan unsur yang meliputi (1) metodologi untuk perencanaan dan pengelolaan. (7) teknik optimasi. Contoh lain adalah sampai sejauh mana bahaya yang ditimbulkan jika bahan beracun berbahaya meresap ke air tanah ? Untuk menjawab jenis-jenis pertanyaan tersebut. 2003). dampak apa yang terjadi jika jalan baru ditambahkan pada suatu jaringan jalan. Metode untuk penyelesaian permasalahan yang dilakukan dengan pendekatan sistem terdiri dari beberapa tahap proses (Gambar 25). (6) teknik simulasi. 1977). Sebagai contoh. 5) Pemodelan Pertanyaan yang menyangkut pemodelan adalah : What if ? Pertanyaan ini untuk mendetermin asi apa yang terjadi.4) Pola Pertanyaan yang menyangkut pola adalah : What spatial pattern exist ? Pertanyaan ini lebih rumit dari sebelumnya. baru kemudian dilakukan tahap pengembangan terhadap . Ilustrasi penggunaan pertanyaan ini misalnya untuk menentukan apakah ada pola-pola yang teratur mengenai tingkat kematian penduduk akibat kanker di daerah-daerah yang dekat pembangkit tenaga nuklir. dan (8) aplikasi komputer (Eriyatno. (4) disiplin untuk bidang yang non-kuantitatif. (3) pengorganisasian. (5) teknik model matematik. Yang cukup penting adalah informasi berapa banyak penyimpangan (anomali) yang ada. yang tidak tepat dengan pola dan keberadaannya.

1977). .Informasi normatif dan positif tidak ya tidak ya tidak ya tidak ya tidak re-evaluasi dari penampilan ya KEBUTUHAN ANALISA SISTEM LENGKAP ? GUGUS SOLUSI YANG LAYAK PERMODELAN SISTEM CUKUP ? MODEL ABSTRAK OPTIMAL RANCANG BANGUN IMPLEMENTASI CUKUP ? SPESIFIKASI SISTEM DETAIL IMPLEMENTASI PUAS ? SISTEM OPERASIONAL OPERASI PUAS ? Gambar 25 Tahap Pendekatan Sistem (Manetsch dan Park.

Pernyataan analisa suatu sistem didefinisikan sebagai gugus kriteria perila ku sistem yang kemudian dievaluasikan. diskusi.kebutuhan-kebutuhan yang dideskripsikan. keadaan/kondisi lingkungan di mana sistem berjalan. serta kriteria jalannya sistem yang spesifik agar mencapai suatu optimasi. pemakai barang atau jasa yang beras al dari suatu sistem dan yang terakhir adalah perancang dari sistem itu sendiri. Analisa Sistem ditulis dalam bentuk diagram alir deskriptif (Eriyatno. untuk dapat membantu dalam penggunaan secara operasional. Bila mungkin hal ini dikembangkan menjadi suatu pernyataan tentang bagaimana sistem harus bekerja agar memenuhi kebutuhan yang telah ditentukan di mana jumlah keluaran yang spesifik dapat ditentukan. observa si lapang. dan sebagainya. antara sistem dan lingkungan dibatasi oleh suatu hubungan sebab-akibat yang lemah sehingga faktor kondisi lingkungan dapat diabaikan.. Analisa kebutuhan selalu menyangkut interaksi antara respon yang timbul dari seorang pengambil keputusan terhadap jalannya sistem. Analisa ini dapat meliputi hasil suatu survei. Analisa kebutuhan sangat sulit dilakukan terutama dalam menentukan kebutuhan yang dapat dipenuhi dari sejumlah kebutuhan-kebutuhan yang ada (Manetsch dan Park. 2003). sehingga keluaran yang tidak diharapkan dapat dihindari. Kedua. sebagai semua hal yang relevan terhadap peubah-peubah yang ditetapkan dan peubah rancangan yang dianggap sebagai sesuatu yang mempengaruhi kelakuan sistem. 2003). Hal tersebut meliputi manajer atau administrator dari sistem. Analisa kebutuhan harus dilakukan secara hati-hati dalam menentukan kebutuhankebutuhan dari semua orang dan institusi yang dapat dihubungkan dengan sistem yang telah ditentukan.. Dalam tahap ini ada tiga prinsip dasar yang dapat membantu dalam menentukan batasan-batasan yang sesuai dengan sistem dan lingkungan. Pertama. distributor hasil dari suatu sistem. 1977). Analisa Sistem didasarkan pada penentuan informasi yang terperinci yang dihasilkan selama tahap demi tahap proses (Eriyatno. pendapat seorang ahli. konstruksi sistem dilakukan sedemikian rupa sehingga antara faktor dengan faktor ada jarak dan . Dalam beberapa hal pernyataan tersebut didefinisikan secara terperinci.

Setelah daftar komponen tersebut lengkap. Sebagai contoh adalah model ekonometrik pada pengkajian ilmu-ilmu sosial. di mana tujuan sistem masih berupa konsep. Permodelan abstrak menerima masukan berupa alternatif sistem yang layak (Manetsch dan Park. Pertama. 1977). 2003). 2003). langkah selanjutnya adalah penyaringan komponen mana yang akan dipakai dalam dalam pengkajian tersebut. diperlukan percobaan pengujian data guna memilih komponen kritis. Melalui permodelan karakteristik dari komponen sistem serta kendala-kendala yang disebabkan adanya keterkaitan antar komponen. Metode ini tidak banyak berguna pada perancangan sistem yang kenyataannya belum ada. model diturunkan di mana dicari yang paling cocok pada data operasional. namun relatif tidak banyak ragamnya ditinjau baik dari jenis sistem ataupun tingkat kecanggihan model. Pendekatan terstruktur banyak dipakai pada rancang bangun dan pengendalian system fisik dan non-fisik.memungkinkan dilakukan kontrol. Kedua. maka model secara keseluruhan secara berantai dibentuk. . Ketiga. pendekatan kotak gelap yaitu melakukan identifikasi model sistem dari informasi yang menggambarkan perilaku terdahulu dari sistem yang sedang berjalan. Untuk menghindari hal ini. Hal ini erat kaitannya dengan biaya dan kinerja dari sistem yang dihasilkan. luasnya dari batasan suatu sistem diperjelas sehingga mempengaruhi ketepatan dalam analisa. Untuk ini diperlukan interaksi dengan para pengambil keputusan serta pihak lain yang amat terlibat pada sistem. Tahap permodelan lebih kompleks. Setelah itu dibentuk gugus persamaan yang dapat dievaluasi dengan mengubah-ubah komponen tertentu pada batas yang ada. pendekatan terstruktur yaitu dengan mempelajari secara teliti struktur sistem da ri teori-teori guna menentukan komponen basis sistem serta keterkaitannya. Permodelan sistem diawali dengan penguraian seluruh komponen yang akan mempengaruhi efektivitas dari operasi system (Eriyatno. Hal ini umumnya sulit karena karena adanya interaksi antar peubah yang seringkali mengaburkan proses isolasi satu peubah. Peubah yang dipandang tidak penting ternyata mempengaruhi hasil studi setelah pengkajian selesai. Melalui berbagai teknik statistik dan matematik. Untuk membentuk model abstrak terdapat dua cara pendekatan (Eriyatno.

arah perubahan peubah apabila masukan atau parameter diganti-ganti. Tahap permodelan mencakup juga penelaahan yang teliti tentang asumsi model. 2003). Validasi adalah suatu proses iteratif yang berupa pengujian berturut-turut sebagai proses penyempurnaan model komputer. Tahap ini seolah-olah membentuk model dari suatu model. yaitu tingkat abstraksi lain yang ditarik dari dunia nya ta. Hasil dari tahap permodelan adalah deskripsi dari model abstrak yang telah melalui uji permulaan atas validitasnya. hubungan fungsional antar peubah kondisi aktual. dan nilai batas peubah sesuai dengan nilai batas parameter sistem . biaya dari operasi model. kesesuaian dengan komputer yang tersedia. Hal yang penting adalah memilih teknik dan bahasa komputer yang digunakan untuk implementasi model. 1977). konsistensi internal pada struktur model. . Setelah program komputer dibuat untuk model abstrak di mana format masukan/keluaran telah dirancang serta memadai. serta perbandingan model dengan kondisi aktual sejauh mungkin. Kebutuhan ini akan mempengaruhi ketelitian dari hasil komputasi. Dengan demikian dapat diperoleh informasi yang lebih baik serta dihasilkan model yang lebih efektif. maka sampailah pada tahap pembuktian (verifikasi). Pengujian ini mungkin berbeda dengan uji validasi model itu sendiri. tingkat kepangkatan dari besaran. diagram alir. Pada tahap implementasi komputer. bahwa model komputer tersebut mampu melakukan simulasi dari model abstrak ya ng dikaji. pendekatan kotak gelap dan terstruktur dipakai secara bersama -sama. Pada umnya validasi dimulai dengan uji sederhana seperti pengamatan atas tanda aljabar. data masukan untuk pendugaan parameter. misalnya pembuatan model penge ndalian lingkungan industri di mana karakteristik setiap unit industri dianggal sebagai Kotak Gelap. format respons. model abstrak diwujudkan pada berbagai bentuk persamaan. Pemakaian komputer sebagai pengolah data dan penyimpan data tidak dapat dapat diabaikan dalam pendekatan system (Eriyatno. Validasi model adalah usaha menyimpulkan apakah model sistem yang dibuat merupakan perwakilan yang sah dari realitas yang dikaji di mana dapat dihasilkan kesimpulan yang me yakinkan (Manetsch dan Park.Pada beberapa kasus tertentu. dan diagram blok. dan efektivitas dari proses pengambilan keputusan yang akan menggunakan hasil model tersebut.

dan sebagainya. Model untuk perancangan keputusan dan menentukan kebijakan operasional akan mencakup sejumlah asumsi. Suatu model mungkin telah mencapai status validasi (absah) meskipun masih menghasilkan kekurangbenaran keluaran. Hal ini mengakibatkan rekomendasi untuk pemakaian model yang terbatas dan bila perlu menyarankan penyempurnaan model pada pengkajian selanjutnya. maka teknik statistik tidak berlaku. Asumsi-asumsi tersebut harus betul-betul dimengerti dan dievaluasi bilamana model digunakan untuk perencanaan atau operasi. maka disarankan proses validasi parsial.Setelah uji-uji tersebut. 2003). 1977). yaitu tidak dilakukan pengujian keseluruhan model system (Eriyatno. Di sini model absah karena konsistensinya. Apabila model mempertanyakan sistem yang sedang berjalan maka dipakai uji statistik untuk mengetahui kemampuan model di dalam mereproduksi perilaku terdahulu dari sistem. Apabila model abstrak digunakan untuk merancang suatu sistem yang belum ada. 2003). Manipulasi dari model dapat menuju pada modifikasi model untuk mengurangi kesenjangan antara model dengan dunia nyata. Hasil dari permodelan abstrak merupakan gugus mendetail dari spesifikasi manajemen. Uji statistik ini dapat memakai perhitungan koefisien determinasi. Proses validasi seyogyanya dilkakukan kontinyu sampai kesimpulan bahwa model telah didukung dengan pembuktian yang memadai melalui pengukuran dan observasi. Para pengambil keputusan merupakan tokoh utama dalam tahap aplikasi model di mana model dioperasikan untuk mempelajari secara mendetail kebijakan yang dipermasalahkan (Manetsch dan Park. di mana hasilnya tidak bervariasi lagi. Pada permasalahan kompleks dan mendesak. Informasi yang timbul setelah proses ini dapat merupakan indikasi akan kebutuhan untuk pengulangan . misalnya asumsi tentang karakteristik operasional dan komponen serta sifat alamiah dari lingkungan (Eriyatno. Validitas model hanya bergantung pada bermacam teori dan asumsi yang menentukan struktur dari format persamaan pada model serta nilai-nilai yang ditetapkan pada parameter model. pembuktian hipotesa melalui analisa sidik ragam. dilakukan pengamatan lanjutan sesuai dengan jenis mode l. Umumnya disarankan untuk melakukan uji sensitivitas dan koefisien model melalui iterasi simulasi pada model komputer.

Hal ini sesuai fakta bahwa pendekatan sistem dalam suatu lingkungan dinamik adalah proses yang berkesinambungan. Pemikiran kesisteman didasarkan pada falsafah 1) cara berpikir a) sibernetik : satu pemikiran yang berorientasi pada tujuan (goal oriented ) b) holistik : pemikiran secara utuh/total c) efektif : secara operasional harus bisa dilakukan 2) perihal a) kompleks : faktor dan parameternya banyak b) dinamik : fungsi-fungsinya berubah menurut waktu c) probabilistik : mengandung ketidakpastian (uncertainty) 3) alur pikir (Gambar 26) desirable I O undesirable P C Gambar 26 Alur pikir kesisteman. yang mana I P O C : : : : masukan (input) pengolahan (process ) keluaran (output) pengendalian (control) Teknik dan metodologi dalam pemikiran kesisteman dibedakan menjadi tiga jenis seperti disajikan pada Tabel 6.kembali proses Analisa Sistem dan Permodelan Sistem. pengulangan itu bisa hanya mengubah asumsi model namun pada hal lain dapat juga berarti merancang suatu model abstrak yang baru sama sekali. mencakup penyesuaian dan adaptasi melalui lintasan waktu. . Pada kasus tertentu.

psikologi. Menurut Keen dan Morton (dalam Eriyatno. dan (3) proses rancang bangun sistem secara mendetail. model SPK pada manajemen modern lebih menekankan pada pengambilan keputusan yang berkonsep efektivitas daripada efisiensi. Menurut Minch dan Burn (dalam Eriyatno. 4) mempunyai kemampuan adaptif terhadap perubahan kondisi dan kemampua n berevolusi menuju sistem yang lebih bermanfaat. yaitu (1) pengoptimalan kriteria dalam merancang bangun sistem. 2003). dan ilmu manajemen. SPK akan mempunyai efektivitas yang tinggi bila permasalahan yang . 2003). Karakteristik pokok yang melandasi teknik SPK adalah: 1) interaksi langsung antara komputer dengan pengambil keputusan. waktu pelaksanaan. ilmu sistem. 2) dukungan menyeluruh (holistik) dari keputusan bertahap ganda.Tabel 6 Teknik dan metodologi kesisteman Teknik System System System dan Metodologi I P O Analysis v v ? Design v ? v Control ? v v Keterangan : v = diketahui ? = tidak diketahui Pendekatan secara sistem dalam pengambilan keputusan dikenal dengan istilah Sistem Pendukung Keputusan/SPK atau Decision Support System/DSS (Eriyatno. intelegensia buatan. dan tenaga kerja. Efektivitas mencakup identifikasi apa yang seyogyanya dikerjakan dan menjamin bahan kriteria yang terpilih adalah yang mempunyai relevansi dengan tujuan. misalnya biaya operasi. 2003). istilah Sistem Pendukung Keputusan (SPK) merupakan konsep spesifik yang menghubungkan sistem komputerisasi informasi dengan para pengambil keputusan sebagai pemakainya. Konsep dari rancang bangun dan pengembangan SPK terdiri dari tiga elemen utama. 3) suatu sintesa dari konsep yang diambil dari berbagai bidang. antara lain ilmu komputer. Efisiensi adalah melaksanakan suatu tugas sebaik mungkin sehubungan dengan kriteria penampakan yang telah ditentukan lebih dahulu. (2) proses rancang bangun sistem secara total.

data dapat ditambah. Sistem Manajemen Basis Data merupakan basisi data yang mengandung data relevan untuk situasi yang dihadapi.dihadapi adalah masalah yang strategis atau taktis sampai derajat tertentu (Kuntoro dalam Agustedi. pemanfataan SPK akan layak jika memenuhi semua karakteristik sebagai berikut: 1) eksistensi dari basis data yang sangat besar sehingga sulit mendayagunakannya. statistika. 4) kepentingan akan penilaian atas pertimbangan akal sehat untuk mengetahui pokok permasalahan. Struktur dasar SPK disajikan pada Gambar 27. . Menurut Eriyatno (2003). 3) adanya keterbatasan waktu. dan lain sebagainya. Tugas utamanya adalah menerima masukan (input) dan memberikan keluaran keluaran (output) yang dikehendaki pengguna. atau disunting agar tetap relevan bila dibutuhkan. serta pengembangan alternatif dan pemilihan solusi. 1994). Sistem Manajemen Basis Model merupakan basis model yang dapat terdiri dari model-model finansial. baik dalam penentuan hasil maupun dalam prosesnya. Sistem ini mempunyai pilihan modus dari interaksi dengan pengguna. dan data (Eriyatno. Model konsepsional dari SPK merupakan gambaran hubungan abstrak antara tiga komponen utama pendukung keputusan. bentuk penyajian grafis. model. atau model kuantitatif lainnya yang disiapkan untuk sistem analitik. diganti. Sistem Manajemen Dialog merupakan satu-satunya subsistem yang berkomunikasi dengan pengguna. yaitu para pengambil keputusan/pihak pengguna (user). 2) kepentingan transformasi dan komputasi pada proses mencapai keputusan. 2003). Pada komponen ini. misalnya format tabel. dihapus.

dan format berbagai masalah dan konteks. Suatu SPK yang sukses harus mudah dikembangkan. tipe. yaitu (1) mudah untuk digunakan. Sistem ini menerima masukan dari ketiga subsistem lainnya dalam bentuk baku. (2) akses ke berbagai sumber data. . Melalui segala kemudahan tersebut. Sistem Pengolahan Problematik merupakan koordinator dan pengendali dari operasi SPK secara menyeluruh. dan mudah digunakan. dan menyerahkan keluaran ke subsistem yang dikehendaki dalam bentuk baku pula. Fungsi utamanya adalah sebagai penyangga untuk menjamin masih adanya keterkaitan antara subsistem. dan (3) akses ke berbagai kemampuan analisis dengan berbagai panduan dan petunjuk. keputusan dapat diambil lebih bijaksana untuk kepentingan bersama menuju sasaran institusional.DATA MODEL SISTEM MANAJEMEN BASIS DATA (DBMS) SISTEM MANAJEMEN BASIS MODEL (MBMS) SISTEM PENGOLAHAN PROBLEMATIK SISTEM MANAJEMEN DIALOG PENGGUNA S P K Gambar 27 Struktur Dasar Sistem Pendukung Keputusan (Eriyatno. Suatu keputusan aktual menjadi tidak memakan waktu lama serta melalui prosedur birokratif dan administratif yang berbelit-belit. 2003). mudah dimengerti. baik modifikasi maupun konstruksi. SPK mempunyai kemampuan umum .

pengukuran mungkin menunjukkan tingkat kontinyuitas yang tinggi antara titik-titik. Kebanyakan fenomena praktis adalah seperti kondisi ekstrem terakhir tersebut. (5) curah hujan dalam area tangkapan. (6) tekanan.Geostatistika Statistika konvensional secara umum tidak dapat menjelaskan data yang mempunyai hubungan ruang (Wallace dan Hawkins. yang lebih dikenal sebagai geostatistik a. merupakan metodologi untuk menganalisa data yang mempunyai hubungan ruang. Kontinyuitas ruang dinyatakan sebagai korelasi antara sampel-sampel yang berkurang jika jarak antara sampel-sampel bertambah dan hilang jika jaraknya cukup besar yang berarti sampel-sampel secara statistik in dependen. dan (7) konsentrasi polutan pada tempat yang terkontaminasi. Geostatistika mempunyai tujuan memberikan deskripsi kuantitatif pada peubah-peubah alam yang terdistribusi dalam ruang atau dalam ruang dan waktu. yang menyatakan data independen. Semi-variogram Semi-variogram didefinisikan sebagai jenis dan kekuatan dari perkumpulan ruang (the strength of spatial association). 1994). dengan pengukuran pada beberapa titik dapat diperkirakan pada lokasi yang dekat. temperatur. Teori peubah regional (regionalized variable theory). kriging. mungkin tidak ada perkumpulan ruang antara pengukuran pada dua titik. Contoh dari peubah-peubah alam tersebut diantaranya adalah: (1) kedalaman dan ketebalan lapisan geologi. Jarak yang mana sampel sampel menjadi independen secara statistik dinyatakan sebagai kisaran pengaruh dari sampel (the range of influence of a sample) atau istilah lain yang digunakan adalah length. Pada kondisi ekstrem yang lain. . Konsep geostatistika meliputi semi -variogram. (2) porositas dan permeabilitas medium porus. dan kecepatan angin dalam atmosfir. Pada satu kondisi ekstrem. (4) sifat tanah dalam suatu wilay ah. dan change of support. (3) kerapatan pohon jenis tertentu di dalam hutan. yang menunjukkan beberapa keragaman acak semata-mata dan beberapa kontinyuitas ruang.

Nilai ambang (sill) ini menunjukkan tingkat keragaman (variability ) yang ada. sampel-sampel ditempatkan pada grid yang berbentuk lingkaran/polar grids (Gambar 28).. kemudian berubah-ubah hingga nilai konstan yang disebut ambang (sill). Semi-variogram mengukur hubungan biasa yang diamati di lahan untuk sampel-sampel yang diambil berdekatan yang cenderung mempunyai nilai yang sama dibanding sampel-sampel yang diambil pada bagian yang lebih jauh. Semi-variogram merupakan plot dari semi-varian (setengah kuadrat rata-rata perbedaan) dari pengukuran sampel berpasangan sebagai fungsi dari jarak (dan kadang-kadang arah) antara sampel-sampel. Nilai ambang yang sangat tinggi berarti data berubah banyak melintasi lahan. .Semi-variogram khusus umumnya meningkat dengan bertambahnya jarak antara sampel-sampel. tetapi ini hanya tepat untuk lahan berukuran sedang (Wallace and Hawkins. Ambang dari semi-variogram seringkali dicirikan sama dengan keseluruhan perbedaan rata-rata dari semua data sampel dari keseluruhan lahan. 2002) . Jumlah pasangan sampel yang diperoleh dari sejumlah sampel yang ada dirumuskan dengan Persamaan 1. Semua pasanganpasangan sampel yang mungkin biasanya dikelompokkan dalam kelas-kelas (lags) dari jarak dan arah yang kira-kira sama. Jarak yang mana semi-variogram mencapai ambang disebut kisaran pengaruh dari sampel (range of influence of the sample/length ) atau secara singkat disebut kisaran (range/length ). P = N (N-1) / 2 (GS. 1994). (1) yang mana P adalah jumlah pasangan sampel dan N adalah jumlah sampel. Pada pembuatan semi-variogram. Nilai ambang rendah berarti data tidak berubah banyak dari titik ke titik.

315°) dan 4 pembagian jarak radial (100. 180°. 135°. 2002) Arah pasangan sampel dirumuskan sebagai Y2 Y1 q = arctan (3) X2 X1 (2) (GS. 200. Jarak pasangan sampel dirumuskan sebagai h = Ö (X2 X1)2 + (Y2 Y1)2 (GS. 2002) Semi-variogram g(h) didefinisikan sebagai : g(h) = ½ rata-rata [Z(x + h) (Wallace and Hawkins. (4) . 2002). 45°. 400) sehingga terdapat 32 sel. 270°. 300. 1994) Z(x)]2 . Gambar 28 menunjukkan 8 pembagia n arah melingkar (0°. 90°. 225°.120 Gambar 28 Semi-variogram grid (GS.

sifat dasar dan kekuatan hubungan dari Z(x) pada beberapa titik dan pada beberapa titik lain tergantung pada jarak antara titik-titik tersebut. dan cubic (GS. Ilustrasi untuk plot data dengan lag distance dan arah semi -variogram disajikan pada Gambar 30. tetapi ti dak pada di mana pasangan titik-titik dilokasikan dalam lahan. quadratic. misalnya perkumpulan sama sekali acak. wafe. tetapi juga mungkin tergantung pada arah dari x ke x + h. yaitu exponential. maka ini dinyatakan sebagai pure nugget effect. Z(x) disebut peubah regional (regionalized variable ). linear. 1994).di mana Z(x) adalah nilai peubah yang diukur pada lokasi geografis x. Semi-variogram tergantung pada jarak h antara x dan x + h. pentaspherical. Ilustrasi untuk semi vario gram disajikan pada Gambar 29. misalnya antara dua sampel dari bagian yang berdekatan. Hal ini adalah asumsi dari variografis bahwa semi-variogram tidak tergantung pada x. Bentuk semi -variogram yang paling umum adalah spherical. Untuk banyak tujuan geostatistika. Dalam kata lain. Dalam terminologi geostatistika. power. Secara teoritis. 2002) seperti disajikan pada Gambar 31. semi-variogram akan melalui nol karena sampel-sampel yang diambil secara tepat pada lokasi yang sama mempunyai nilai-nilai sama. . Semi-varian yang tidak bernilai nol disebut nuggeteffect. Jika tidak ada perkumpulan ruang antara sampel-sampel. Z(x) yang tidak cocok dengan asumsi ini memerlukan metode geostatistika yang lebih canggih (Wallace dan Hawkins. Semi-variogram mempunyai beberapa bentuk. g(h) dinyatakan sebagai fungsi matematis dari h. yang merepresentasikan tingkat ketidaksamaan yang dapat dilihat antara dua pengukuran yang diambil sedekat mungkin dengan satu yang lain. Jika g(h) hanya tergantung pada jarak. maka semi-variogram adalah isotropik. tetapi seringkali semi-varian tidak bernilai nol karena jaraknya cenderung tidak sama dengan nol. yang mempunyai aplikasi yang luas dalam situasi-situasi lahan (Clark I. jika keadaannya demikian maka semi-variogram adalah anisotropik. spherical. 1979). rational quadratic. Gaussian. logarithmic.

.122 Gambar 29 Ilustrasi semi -variogram (GS.j+1) Z(3.j+1) Z(2.q) Gambar 30 Ilustrasi plot data.j+1) Z(p. lag distance.1) Z(p.3) Z(i+1. Model SemiCurve Experimental Semivar iogram Curve Pairs Range (A) Scale (C) Nugget Effect (Co) Sill ã(h) -variogram Z(p.1) Z(1.2) Z(1.j+1) Z(i+1.q) Z(i+1.2) Z(i+1.q) Z(2.j+1) Z(1.3) Z(2.3) Z(3.2) Z(3. q) Z(3. 2002).1) Z(3.1) Z(i+1.q) Z(1. dan arah semi-variogram.2) Z(p.3) Z(p.3) Z(1.1) Z(2.2) Z(2.

2)-Z(2.4)]2 + [Z(3.2)-Z(2.2)-Z(1. 3..2)-Z(3. (7) mana : jumlah pasangan nilai regionalized variable pada lag distance a : jumlah pasangan nilai regionalized variable pada lag distance b : jumlah pasangan nilai regionalized variable pada lag distance c .3)]2 + [Z(p.q-3)-Z(1.4)]2 + + [Z(1..4)]2 + + [Z(3.3)-Z(p.1)-Z(3.5)]2 + + [Z(1.q-1)-Z(2.2)]2 + [Z(1.3)]2 + [Z(2.3)]2 + [Z(p. q h(a) : kelas jarak (lag distance) 1 satuan antar pasangan regionalized variable h(b) : kelas jarak (lag distance) 2 satuan antar pasangan regionalized variable h(c) : kelas jarak (lag distance) 3 satuan antar pasangan regionalized variable x : arah semi -variogram pada sumbu x y : arah semi -variogram pada sumbu y d : arah semi -variogram pada sumbu diagonal Jika semi-variogram pada Gambar 29 bersifat anisotropic.3)]2 + [Z(3.3)-Z(1.q)]2}/ n(a) . (5) Semi-variance untuk lag distance b = 2 satuan ½{[Z(1.4)]2 + [Z(2.3)]2 + [Z(3.q-3)-Z(2.5)]2 + + [Z(p.6)]2 + + [Z(1.3)-Z(p.3)]2 + [Z(1.5)]2 + [Z(3.1)-Z(1.4)]2 + + [Z(2.3)-Z(2.q-2)-Z(p.3)]2 + [Z(2.1)-Z(2..q-2)-Z(1.q)]2 +[Z(3.q)]2 +[Z(2.1)-Z(p.2)]2 + [Z(2.1)-Z(2. maka semi -variogram berdasarkan jumlah nilai semi-variance pada lag distance yang sama pada masing-masing arah semi-variogram.q-3)-Z(3.2)-Z(p.2)]2 + [Z(3. 2.q-2)-Z(2.q)]2 +[Z(p..q-1)-Z(3.3)-Z(1.3)-Z(p.5)]2 + + [Z(2.2)-Z(2.2)-Z(p.1)-Z(1.4)]2 + [Z(3..2)-Z(3.q-3)-Z(p.3)-Z(3. 3.2)-Z(p. . 2.6)]2 + + [Z(3.2)-Z(1.3)-Z(1.6)]2 + + [Z(p.4)]2 + [Z(2.q)]2 +[Z(3.1)-Z(3.4)]2 + [Z(1. Menurut Clark dan Harper (2000). . (6) Semi-variance untuk lag distance a = 3 satuan ½{[Z(1.1)-Z(p.q-1)-Z(p.5)]2 + [Z(1.5)]2 + [Z(2.3)-Z(3.3)-Z(3.1)-Z(1.2)]2 + [Z(p.2)-Z(1.1)-Z(p.Keterangan Gambar 30 Z(i.6)]2 + + [Z(2.4)]2 + [Z(1.3)-Z(2. perhitungan semi-variance pada arah sumbu x adalah : Semi-variance untuk lag distance a = 1 satuan ½{[Z(1.1)-Z(2.3)-Z(2.q)]2}/ n(b) .q)]2 +[Z(p.q)]2}/ n(c) yang n(a) n(b) n(c) .q)]2 +[Z(p.q)]2 +[Z(2.4)]2 + [Z(p.q-2)-Z(3.3)]2 + [Z(1.1)-Z(3.q-1)-Z(1.2)-Z(3.q)]2 +[Z(2.4)]2 + + [Z(p.5)]2 + [Z(p.j) : nilai regionalized variable pada baris i dan kolom j i = 1.5)]2 + + [Z(3.4)]2 + [Z(p. p j = 1.q)]2 +[Z(3.

1)]2 [Z(p-1.q)]2}/ .2)-Z(1.3)]2 + [Z(2. (9) + + + + + + + + [Z(1.3)-Z(1.3)-Z(6.5)]2 + +[Z(3.1)-Z(3.q)]2 [Z(p-3.3)-Z(3.2)-Z(3.4)]2 + +[Z(1.q)]2 [Z(p.2)-Z(p.1)-Z(4.2)-Z(4.5)]2 + [Z(p.3)]2 + [Z(p.4)]2 + [Z(1.1)-Z(2.Jika semi -variogram pada Gambar 29 bersifat isotropic . (10) + + + + + + + + [Z(1.3)]2 + [Z(3.q)-Z(5.1)]2 [Z(p-2.6)]2 + +[Z(2.q-3)-Z(2.3)]2 + [Z(3.4)]2 + +[Z(p.1)-Z(p.q)]2 + [Z(3.2)-Z(3.q)-Z(3.3)]2 + [Z(3.q)]2 [Z(2.q)-Z(p.q)]2 [Z(p-2.1)]2 + [Z(2.q-2)-Z(3.5)]2 + +[Z(1.2)-Z(p..q)-Z(3.q)]2 + [Z(2.5)]2 + [Z(1.3)-Z(3.q)]2 + n(b) .q)]2 [Z(3.3)-Z(4.4)]2 + [Z(2.2)]2 + [Z(2.q)-Z(2.1)-Z(p.3)]2 [Z(p-3.1)-Z(p.1)-Z(p.2)-Z(4.1)-Z(5.q-1)-Z(p.q)]2 [Z(p.1)-Z(2.3)-Z(1.q)]2 + [Z(2.1)]2 + [Z(3.1)-Z(5.q-3)-Z(3.q)]2 [Z(p.6)]2 + +[Z(p.q)]2 + [Z(2.1)]2 [Z(p-3.q)]2 [Z(2.q)-Z(5..3)-Z(3.2)-Z(2.2)-Z(5.2)-Z(1.6)]2 + +[Z(1.2)-Z(2.2)-Z(p.2)]2 [Z(p-2.q)-Z(4.6)]2 + +[Z(3.3)]2 + [Z(2.3)-Z(p.1)-Z(4..1)]2 + [Z(2.1)]2 + +[Z(1.3)-Z(p.q-3)-Z(p.q)-Z(p.q)]2}/ Semi-variance untuk lag distance c = 3 satuan ½{[Z(1.2)]2 + [Z(2.1)]2 + +[Z(1.2)]2 + +[Z(1.3)-Z(1.1)-Z(3.3)-Z(4.4)]2 + +[Z(2.1)]2 + [Z(2.2)-Z(3.3)]2 [Z(p-1.3)]2 [Z(p-2.q-1)-Z(3.2)]2 + +[Z(1.1)-Z(1.3)-Z(p.1)-Z(p.3)-Z(4.3)]2 + [Z(p.2)]2 + [Z(2.3)]2 + [Z(2.2)-Z(2.3)]2 + [Z(1.2)]2 + [Z(2.q)]2 [Z(3.q)-Z(4.3)]2 + [Z(3.2)]2 + [Z(p.4)]2 + [Z(1.2)-Z(2.3)-Z(p. maka semi -variogram berdasarkan jumlah nilai semi -variance pada lag distance yang sama pada semua arah semi-variogram.2)]2 [Z(p-1.q)-Z(p.3)]2 + +[Z(1.1)]2 + [Z(3.1)-Z(3.3)-Z(p.2)-Z(1.3)]2 + [Z(2.3)]2 + [Z(3.4)]2 + [Z(2.1)]2 + [Z(3.5)]2 + +[Z(2.1)-Z(4.1)-Z(2.3)-Z(3.1)-Z(6.q-2)-Z(1.q)]2 + n(c) .3)]2 + +[Z(1.5)]2 + [Z(2.q-1)-Z(2.q)-Z(4.2)-Z(p.q-1)-Z(1. Semi-variance untuk lag distance a = 1 satuan ½{[Z(1.3)]2 + [Z(1.2)]2 + [Z(3.3)-Z(2.3)-Z(5.2)-Z(4.3)-Z(2.q)]2 + [Z(3.2)]2 [Z(p-3.2)-Z(p.3)-Z(5.q)]2 [Z(3.3)-Z(p.q)]2 + [Z(3.2)]2 + [Z(1.2)]2 + [Z(3.1)-Z(3.1)]2 + +[Z(1.2)]2 + [Z(3.4)]2 + [Z(3.2)]2 + +[Z(1.1)-Z(2.2)-Z(6.q)]2}/ Semi-variance untuk lag distance b = 2 satuan ½{[Z(1.5)]2 + +[Z(p.4)]2 + [Z(p.1)-Z(3.q-3)-Z(1.1)-Z(p.3)-Z(2.2)-Z(5.2)-Z(p.3)]2 + +[Z(1.3)]2 + [Z(2.4)]2 + [Z(p.q-2)-Z(p.q)-Z(6.3)-Z(3.1)-Z(1.1)-Z(1. (8) + + + + + + + + [Z(1.q)]2 [Z(p-1.2)-Z(3.3)-Z(2.4)]2 + +[Z(3.5)]2 + [Z(3.q)]2 + n(a) .q-2)-Z(2.2)-Z(3.4)]2 + [Z(3.2)]2 + [Z(3.q)]2 [Z(2.

2002).... (11) .... . S NV Q = ¾¾¾¾ S . Semi-variogram menunjukkan pure nugget effect (100% dari sill) jika g(h) sama dengan sill pada semua nilai h.Gambar 31 Bentuk-bentuk semi-variogram (GS....... Pure nugget effect menunjukkan tida k adanya korelasi spasial ukuran contoh yang digunakan. . . Hal ini secara sederhana dapat dinyatakan sebagai indeks estimasi (Q) dari struktur spasial seperti pada Persamaan 11.

2001). Nilai Q bervariasi antara 0 dan 1. Jika nilai Q mendekati 1 berarti struktur spasial lebih berkembang dan variasi spasial dapat lebih dijelaskan oleh bentuk semivariogram. Ilustrasi untuk tingkat struktur spasial disajikan pada Gambar 32.S dan NV masing-masing adalah sill dan nugget variance. . Jika Q bernilai 0 berarti tidak ada struktur spasial pada ukuran contoh yang digunakan. Gambar 32 Ilustrasi tingkat struktur spasial (Lee.

Kriging Kriging adalah metode estimasi tidak bias optimal dari peubah-peubah pada lokasi-lokasi yang tidak diambil sampelnya berdasarkan pada parameterparameter dari semi-variogram dan nilai-nilai data awal.458. Gambar 33 Plot data nilai kalor (Clark dan Harper.624 MJ dan standar deviasi 2. Untuk menyederhanakan pembahasan tersebut . Bentuk semi-variogram yang dihasilkan adalah linear tanpa nugget effect dengan bentuk persamaan ã(h)=0.0016h1.25. Ilustrasi untuk masalah tersebut disajikan pada Gambar 33. 2000). Gambar 32 menunjukkan plot dari pengamatan nilai kalor yang mempunyai sebaran normal dengan nilai rata-rata 24. Jarak grid pada plot tersebut adalah 150 m. Clark dan Harper (2000) menyimpulkan bahwa hasil estimasi semakin lebih dapat dipercaya jik a semakin dekat sampel yang digunakan untuk estimasi dan penggunaan dua sampel lebih dapat dipercaya dari pada hanya digunakan satu sampel. Nilai T diestimasi berdasarkan nilai-nilai di sekitarnya. Pada plot tersebut terdapat satu lokasi yang tidak diambil sampelnya dengan notasi T.

..80w4 + 23. (15) 17.61w3 + 26.86w1 + 25. (14) . (a) nilai-nilai sampel (b) notasi umum Gambar 34.maka diambil lokasi tanpa sampel (T) dengan lima sampel yang mengelilinginya sebagai sampel untuk estimasi (Gambar 34).. ... (13) (12) Clark dan Harper (2000) secara umum merumuskan nilai estimasi.. dan estimator seperti pada Persamaan 14 m T* = Ó wigi = w1g1 + w2g2 + w3g3 + i=1 di mana m Ó wi = w1 + w2 + w3 + i=1 + wm = 1 ..62w2 + 25. + wmgm . Ilustrasi kriging dengan 5 sampel untuk estimasi. .76w5 di mana w1 + w2 + w3 + w4 + w5 = 1 . bobot. Nilai estimasi untuk T adalah T* = w1g1 + w2g2 + w3g3 + w4g4 + w5g5 = 21.

. gm) . g3) + + w1wmã(g1. g3) + + w3wmã(g3. gm) m mm óº 2 = 2 Ó wiã(gi.T) w1w1ã(g1. g1) + w3w2ã(g3. g3) + + w2wmã(g2.T) + 2w2ã(g2.. Bobot dipilih untuk memberikan estimasi yang tidak bias dan untuk meminimalkan varian estimasi. Sebagai penjelasan terhadap bobot selanjutnya dicontohkan estimasi lokasi tanpa sampel berdasarkan tiga sampel terdekat di sekitarnya sebagai sampel untuk estimasi (Gambar 35). dengan nilai bobot diturunkan dari solusi sekumpulan persamaan yang ditentukan oleh semi-variogram. g2) + w1w3ã(g1.T) : nilai semi-variance pasangan sampel gi dan T ã(gi.T) + 2w3ã(g3. g1) + w1w2ã(g1. g2) + wmw3ã(gm. g3) + ã(T. + 2wmã(gm. . g2) + w2w3ã(g2. g1) + w2w2ã(g2. . gj) : nilai semi-variance pasangan sampel gi dan gj ã(T. g1) + wmw2ã(gm. gj) i=1 i=1 j=1 ã(T. dan orientasi dari titik-titik sampel relatif terhadap yang lain dan terhadap titik atau area yang diprediksi. lokasi.T) + . gm) +w2w1ã(g2.T) Ó Ó wiwjã(gi . gm) +w3w1ã(g3.T) : nilai semi-variance pasangan sampel T dan T (= 0) óº 2 : varian estimasi m : jumlah sampel yang digunakan untuk estimasi Estimasi memberi bobot rata-rata dari pengukuran-pengukuran aktual.T) . +wmw1ã(gm. g2) + w3w3ã(g3.T) atau secara ringkas (16) + wmwmã(gm.óº 2 = 2w1ã(g1. (17) keterangan T* : estimator (nilai estimasi) untuk T T : sampel yang tidak diketahui nilainya gi : nilai sampel pada posisi i wi : bobot sampel pada posisi i ã(gi.

Substitusi nilai g1. (22) Substitusi pada Persamaan 21 dari nilai semi-variance yang dihitung dengan Persamaan 22 untuk setiap pasangan sampel menghasilkan . g3) +w2w1ã(g2. g2. g3) ã(T. g2) + w1w3ã(g1.62w2 + 25. dan g3 pada Persamaan 14 menghasilkan nilai estimator T* = w1g1 + w2g2 + w3g3 = 21. g2) + w2w3ã(g2.T) . (21) +w3w1ã(335) + w3w2ã(150) +w3w3ã(0) Semi-variogram dari Gambar 33 mempunyai persamaan sebagai berikut ã(h)=0. g3) Selanjutnya substitusi jarak pasangan sampel (lag distance) pada Persamaan 20 menghasilkan óº 2 = 2w1ã(212) + 2w2ã(212) + 2w3ã(150) w1w1ã(0) +w1w2ã(300) +w1w3ã(335) +w2w1ã(300) + w2w2ã(0) +w2w3ã(150) ã(0) . g1) + w3w2ã(g3.T) + 2w3ã(g3.Gambar 35 Ilustrasi kriging dengan 3 sampel untuk estimasi.T) + 2w2ã(g2. .T) w1w1ã(g1.61w3 di mana w1 + w2 + w3 = 1 (18) (19) óº 2 = 2w1ã(g1. g1) + w1w2ã(g1.25 .86w1 + 25.0016h1. g2) + w3w3ã(g3. (20) +w3w1ã(g3.. g1) + w2w2ã(g2.

(26) 3. (30) 3.4204w3 = 0..6798w2 = 0 .9977w2w1 + w2w2 x 0 + 0.9954w1 + 1..9954w2 + 4.5906 4. (32) Eliminasi w1 antara Persamaan (32) dan (31) menghasilkan 0.6798 ¶w3 Selanjutnya 3. w2.5906 3.5932w3 = 0 .9954w2 4. (23) + 2.6484 ..9977w1w2 2.9954 w1w2 4. (31) Jika Persamaan (30) dibagi dengan 4... (29) ...5932w1 + 1.8399w2w3 0 .2953w1 + 2 x 1.2966w3w1 + 0..9954w1 1.5932 w1w3 1.3657w2 0..3657w2 = 0.6798 .6798w2 = 1. (28) .2966w1w3 + 1.5906w2 + 1.3657 .. (25) 4.6798w3 = 0 .5932w1 1...2827 .8399w3 2 w1w1 x0 + 1...5932 maka diperoleh w1 + 0..5906 ¶w1 ¶óº 2 ¾¾ = 2..6798w3 3.5932w3 = 2.8399w3w2 + w3w3 x 0 óº = 2.5906w1 + 2.5906 ¶w2 ¶óº 2 ¾¾ = 1.6798w3 = 2.4204w3 = 0. (33) .131 óº 2 = 2 x 1. dan w3 maka diperoleh ¶óº 2 ¾¾ = 2. (27) Jika Persamaan (29) dibagi dengan 3.2953w2 + 2 x 0.6798w2w3 (24) Jika Persamaan 24 diturunkan terhadap w1.9954 maka diperoleh w1 + 0.

dan w3 dijumlahkan maka diperoleh w1 + w2 + w3 = 0.4214 w3 = 0.7730) Substitusi w3 pada Persamaan 35 menghasilkan w2 w2 w2 w2 + = = = 1.1496w3 ( 1.9444 Hasil penentuan bobot menunjukkan terdapat satu bobot bernilai negatif yaitu w2 ( 0..7107 0.0556m .4204w3 = 0.6484 2. Hal ini dapat diinterpretasikan bahwa g2 tidak dikehendaki sebagai sampel estimator. w2. .6484 0. (35) Eliminasi w2 antara Persamaan (35) dan (34) menghasilkan +1.9444m m} = 0.1496w3 = +0. (36) .0623 Substitusi w3 pada Persamaan 31 menghasilkan w1 + 0...6484 0.3885 Jika w1.6484 0.2992w3 = 1.7730 (34) Jika Persamaan (22) dibagi dengan 3..0623) sehingga jika keseluruhan bobot dijumlahkan maka tidak sama dengan satu.3657 maka diperoleh w2 1.6484 1.6484 . dengan demikian nilai harapan untuk kesalahan estimasi menjadi E{0.6182 = 0.0623) + 0.1496w3) = +0.1496w3 = +0.1496 w3 0.6484 w1 = 0.6182 ( 0.9954 maka diperoleh w2 + 1.1496w3 = 0.4204w3 w1 = 0.3885 + ( 0.Jika Persamaan (33) dibagi dengan 0.

1989).6182 x 25.6798 x ( 0.5906w2 + 1.0556m (38) Nilai m adalah rata-rata dari tiga sampel estimator (21.96 MJ Setelah semi-variogram dibangun dan parameter-parameternya ditentukan.5906 x ( 0.5932 x 0. 25.62w2 + 25.3885 + 2.62 0. Parameter semi-variogram seperti sill.6798w3 3.0556 x 24.61 + 0.36 sehingga diperoleh nilai estimasi untuk lokasi yang tidak diambil sampelnya adalah T* = 22.3885 x 21.133 Dengan kemungkinan adanya nilai negatif suatu bobot maka bentuk umum untuk nilai estimator yang optimal (tidak bias) menjadi mm T* = Ó wigi + ( 1 Ó wi ) m i=1 i=1 .6798w2w3 = 2. 25. .86. nugget effect.6798 x 0.9954 w1w2 4.6182 1.62.0556m = 22.73 + 1.0623) 4.9954 x 0.36 = 22. (37) Selanjutnya estimator dikoreksi dengan + 0.0556m = 0.0623) x 0.0623 x 25.61) yaitu 24.6182 3. range.0556m untuk menjadikannya tidak bias sehingga diperoleh T* = 21.73 + 0.3885 x ( 0.6182 = 0. maka hasilnya dapat digunakan dalam kriging.61w3 + 0.0623) + 1. dan arah semi variogr am berpengaruh pada bobot optimal dari estimator kriging (Issaks dan Srivastava.73 + 0.36 = 24.86w1 + 25.09 MJ óº 2 = 2.5932 w1w3 1.5906w1 + 2.3885 x 0. Ilustrasi untuk hal tersebut disajikan pada Gambar 36 45.9177 óº = 0.86 0. bentuk semi-variogram.5906 x 0.

Gambar 38 Ilustrasi dua semi-variogram dengan bentuk berbeda (Isaaks dan Srivastava. 1989). Gambar 37 Hasil kriging dari semi-variogram dengan (a) sill 20 dan (b) sill 10 (Isaaks dan Srivastava. .Gambar 36 Ilustrasi dua semi-variogram dengan sill berbeda (Isaaks dan Srivastava. 1989). 1989).

. Gambar 41 Hasil kriging dari semi-variogram (a) ta npa nugget effect dan (b) dengan nugget effect (Isaaks dan Srivastava. 1989). Gambar 40 Ilustrasi dua semi-variogram dengan nugget effet berbeda (Isaaks dan Srivastava. 1989).Gambar 39 Hasil kriging dari semi-variogram dengan bentuk (a) eksponensial dan (b) Gaussian (Isaaks dan Srivastava. 1989).

. Gambar 44 Ilustrasi dua semi-variogram dengan arah berbeda (Isaaks dan Srivastava. Gambar 43 Hasil kriging dari semi-variogram dengan (a) range 10 Dan (b) range 20 (Isaaks dan Srivastava.Gambar 42 Ilustrasi dua semi-variogram dengan range berbeda (Isaaks dan Sriva stava. 1989). 1989). 1989).

Ilustrasi kriging titik dan kriging blok disajikan pada Gambar 46. Kriging titik digunakan untuk memprediksi nilai dari pengukuran tunggal pada lokasi (secara umum tidak diambil sampelnya).Gambar 45 Hasil kriging dari semi-variogram dengan (a) isotropic dan (b) anisotropic (Isaaks dan Srivastava. 1989). Ada dua jenis kriging. Kriging blok digunakan untuk memprediksi rata-rata regionalized variable dalam beberapa pendukung (support) yang lebih besar. yaitu kriging titik (point kriging) dan kriging blok (block kriging). kedua jenis masalah kriging memerlukan sebuah fungsi matematis eksplisit untuk semi variogra m. misalnya lapisan atas tanah (topsoil) dalam 1 m2 bagian dari lahan berpusat pada beberapa lokasi. Pendukung sampel adalah jumlah dari material secara fisik itu mencakup. Untuk memprediksi pada lokasi yang berubah-ubah (arbitrary). .

Nilai di sebelah kanan tanda plus adalah nilai sampel. Keterangan Gambar 46 : (a) Estimasi pada daerah diarsir dilakukan dengan kriging blok yang mana blok diwakili oleh empat titik pada daerah diarsir. Sampel di sekitarnya adalah yang bertanda plus. . (b) (e) menunjukkan hasil kriging titik dari setiap titik pada masing-masing daerah bujur sangkar di tengah. 1989) .Gambar 46 Ilustrasi kriging blok dan kriging titik (Isaaks dan Srivastava. Nilai dalam tanda kurung adalah bobot hasil kriging.

07 0.12 337 0. Menurut Maureen Caudill dalam Nelson dan Illingworth (1991).56 0.05 0.03 0.11 0.Tabel 7 Tabulasi nilai estimator dan bobot kriging dari Gambar 45 Bobot kriging setiap sampel Gambar Estimator 12 3 45 45(b) 336 45(c) 361 45(d) 313 45(e) 339 Rata-rata 0.14 0.11 0.08 (Sumber: Isaaks dan Srivastava. 1994). 1989) Tabel 7 menunjukkan bahwa kriging blok menghasilkan nilai estimator dan bobot yang berbeda jika dibandingkan dengan nilai estimator dan bobot masing-masing kriging titik.11 0.14 0. Terutama sekali dimana ada substantial nugget effect.17 0. Kedua jenis kriging tersebut dapat digunakan untuk memproduksi peta kontur.60 0. Neural Network Neural network merupakan bentuk baru perhitungan yang terinspirasi dari model biologis. walaupun peta-peta berbeda dalam tujuan dan penampilan.03 0. neural network adalah sistem perhitungan dari sejumlah elemen yang terhubung dengan baik yang mana memproses informasi dengan tanggapan dinamis terhadap masukan dari luar. 1991).60 0.09 0.22 0. peta kontur yang dihasilkan kriging blok akan lebih halus dibanding yang dihasilkan kriging titik (Wallace dan Hawkins.61 0.07 0.60 0. 3 Change of support Bagian ketiga dari geostatistika ini umumnya kurang digunakan dibanding semi-variogram dan kriging namun demikian penting.08 45(a) 337 0.11 0. Neural network dikenal juga dengan nama-nama lain yaitu parallel distributed .03 0.17 0.12 0. tetapi sama jika dibandingkan dengan nilai ratarata keempat kriging titik.14 0.12 0. Definisi lain menyatakan bahwa neural network merupakan model matematis yang terdiri dari elemen-elemen dalam jumlah yang besar yang diorganisir dalam lapisan-lapisan (Nelson dan Illingworth.62 0.07 0.03 0.

Komponen dasar dari neural network adalah processing element/PE. brain-state-in -a-box (BSB). weighting factors. neurocomputing. neuron functions. lingkungan. activation functions . .140 processing models. Beberapa paradigma neural network adalah perceptron. transfer functions. adaptive systems. kedokteran. Neural network mempunyai aplikasi yang luas dalam bidang-bidang biologi. dan militer. 1991). dan neuromorphic systems. input dan output. ADALINE/MADALINE. selforganizing systems. bisnis. Contoh diagram neural network disajikan pada Gambar 47. perusahaan. dan learning functions. connectivist/connectionism models. keuangan. hopfield network . back propagation. dan self-organizing maps Gambar 47 Diagram neural network (Nelson dan Illingworth.

000. diantaranya adalah penelitian tentang keakuratan mesin pemupuk untuk precision agriculture (Goense. Lembaga -lembaga studi dan pengkajian tentang precision farming juga banyak terdapat di luar negeri. Lowenberg-DeBoar dan Swinton (dalam UMN.. Inc. menguntungkan pada 6 kajian. Kajian tersebut tidak dapat dibandingkan karena bermacamnya perbedaan asumsi dan metode penghitungan biaya. sedangkan Jepang dan Australia sedang dalam taraf penelitian dan pengkajian.Penelitian Terdahulu Teknologi precision farming telah berkembang dan banyak digunakan di luar negeri. Australian Centre for Precision Agriculture (Australia). diantaranya Centre for Precision Farming (Inggris).93. 1997). diantaranya KINZE Manufacturing. Pada kajian yang lain..000 -£15. Amerika Serikat merupakan negara yang telah banyak menerapkan teknologi precision farming . Tetapi jika yang menjadi target hanya pemupukan. Penelitian tentang precision farming telah banyak dilakukan di luar negeri. maka titik impas menjadi lima tahun. gambaran investasi awal dalam teknologi precision farming berkisar antara £10. sedangkan pada precision farming . dan gabungan atau tidak meyakinkan pada 6 kajian. Lowenberg-DeBoar dan Aghib (dalam UMN 2005) menentukan bahwa aplikasi pupuk P dan K dengan konsep precision farming menggunakan grid ataupun berdasarkan jenis tanah tidak secara signifikan meningkatkan keuntungan bersih dibanding pertanian konvensional. Pada tahun 1997. Inc. Didapatkan bahwa average net return/acre pada pertanian konvensional adalah $146. Precision Farming Institute (USA). Diungkapkan bahwa precision farming tidak menguntungkan pada 5 kajian. Agsco. dan Farmscan. Jika dengan teknologi precision farming semua masukan dapat dikurangi 10% maka titik impas untuk 200 ha lahan pertanian dapat dicapai dalam satu tahun. dan Precision Agriculture Center (USA). Menurut Blackmore (1994). Perusahaan yang memproduksi alat dan mesin untuk precision farming juga telah banyak berkembang di luar negeri. 2005) mempublikasikan kajian ekonomi precision farming sebagai usaha menjawab pertanyaan apakah precision farming lebih menguntungkan dibanding pertanian konvensional.

Burks et al. Prammanee et al. (5) menyajikan informasi dan pengetahuan dalam bentuk yang dapat diinterpretasikan untuk membuat keputusan. Muchovej (2001) meneliti aplikasi teknik precision agriculture untuk tanah mineral di Florida. 2005) menyarankan beberapa langkah dalam membuat sistem pendukung keputusan untuk precision farming. Murase et al. dan mengkomunikasikan data lahan yang tercatat. P. (2003) membuat piranti lunak untuk menentukan rekomendasi pemupukan yang akurat terhadap aplikasi N. (2003) menyimpulkan bahwa diperlukan keterkaitan pengetahuan respon tanaman tebu terhadap tingkat hara. (2001) melakukan pengontrolan kandungan lengas tanah dengan teknologi precison farming. (2000) melakukan percobaan penggunaan peralatan navigasi untuk ketepatan aplikasi pemupukan. menyimpan. tekanan (stress). (2) memilih sensor dan peralatan pendukung untuk mencatat data dan memprosesnya. (4) memproses dan memanipulasi data menjadi informasi dan pengetahuan yang bermanfaat. (2000) melakukan penelitian tentang aplikasi variable rate technology untuk pemupukan granular pada budidaya padi.80 pada precision farming berdasarkan jenis tanah.0. dan K pada produksi gula di Thailand yang diberi nama CaneFert 1.berdasarkan grid diperoleh $136. yaitu (1) mengidentifikasi kondisi lingkungan dan biologis serta memprosesnya di lahan yang dapat dipantau dan dimanipulasi untuk perbaikan produksi tanaman. Richard et al.99 dan $147. atau peubah yang lain dengan teknologi elektonik seperti precision farming untuk menggabungkannya dalam sistem pendukung keputusan yang dapat menghasilkan pengurangan masukan dan hasil gula yang berkelanjutan atau tinggi sehingga menjamin keuntungan global industri gula pada abad 21. Anom et al. Lee (2001) melakukan penelitian pemetaan informasi lahan dan pengembangan yield sensor untuk precision farming di lahan sawah. . (3) memngumpulkan. Russo dan Dantinne (1997 dalam UMN. Radite et al. (2001) melakukan penelitian tentang penentuan sampel tanah dengan real-time soil spectrophotometer untuk precision farming pada tanaman padi.

penentuan petunjuk pengelolaan yang dirancang untuk memaksimumkan keuntungan dan meminimumkan dampak lingkungan pada produksi sereal dengan precision farming. Georing (2000) menggunakan back-propagation artificial neural network (ANN) untuk mengetahui hubungan hasil tanaman jagung dengan faktor-faktor . melakukan pembandingan hasil riil gula dengan hasil gula dari simulasi dengan piranti lunak Canegro 3. Hasil riil berada pada kisaran bat as bawah dan batas atas dari hasil simulasi yang berarti bahwa pertumbuhan tebu berakibat me ningkatnya hasil tebu karena masukan nitrogen dan irigasi. pengembangan metode untuk mengurangi biaya tinggi pada pengambilan sampel.5. Informasi mempunyai nilai yang potensial untuk mengurangi kemungkinan penyimpangan keputusan.0. Prammanee et al. (2003) melakukan penelitian apakah precision farming tidak relevan untuk negara berkembang. Penggunaan neural network sebagai tool dalam precision farming telah dilakukan oleh beberapa peneliti. Penelitian-penelitian precision farming banyak dilakukan di perguruan tinggi sebagai penelitian disertasi. Model simulasi menunjukkan bermacam respon hasil gula terhadap pemberian air dan nitrogen pada jenis-jenis tanah yang berbeda. Stone dan Kranzler (1995) mengkaji aplikasi artificial neural network dalam sistem permodelan mesin pertanian untuk mendapatkan mesin pertanian yang kuat. mempunyai toleransi kebisingan. aplikasi praktis dari teknik precision farming . Analisa ekonomi untuk rekomendasi pemupukan dilakukan dengan CaneFert 1. penilaian topografi lahan untuk meningkatkan ketelitian di lahan. 2005).Cook et al. Penekanan keperluan lebih pada kebutuhan informasi untuk mengurangi ketidakpastian keputusan. Beberapa permasalahan yang diteliti diantaranya penggunaan robot pada sistem irigasi sprinkler. pengembangan filter untuk meningkatkan kualitas data pemetaan hasil. Hasil penelitian menunjukkan bahwa pada negara berkembang precision farming diperlukan untuk mengelola variasi sumberdaya alam agar menjadi lebih efektif. diantaranya di Cranfield University (CU. dapat digunakan pada berbagai macam keperluan. pemantauan perkembangan kanopi tanaman untuk pengelolaan nitrogen. Pada tahun 2004. dan dapat dikembangkan.

yang berpengaruh pada hasil. Sheare et al. (2000) menerapkan penggolongan dengan artificial neural network untuk menduga keragaman spasial hasil tanaman jagung di dalam lahan. Akurasi dari model tersebut adalah 80% dan meningkat menjadi 83. (2002) menggunakan neural network untuk mengevaluasi hubungan antara hasil tanaman jagung dan kacang kedelai dengan konduktivitas listrik tanah dan topografi. Analisa dari peta tersebut juga menunjukkan bahwa peningkatan kualitas hasil analisa pada waktu berikutnya dapat dilakukan dengan memasukkan peubah tambahan. Shrestha dan Steward (2002) mengukur populasi tanaman jagung pada tahap pertumbuhan awal dengan pendekatan neural network. Data yang dihimpun dalam beberapa model meliputi kesuburan. Beberapa diantaranya adalah Burrough dan . elevasi. (2002) menggunakan neural network untuk klasifikasi dan pemisahan buah secara otomatis. Yuan dan Xiong (2002) menggunakan model neural network untuk evaluasi kualitas teh berdasarkan komposisi kimia. Drummond et al. Model 6 yang meliputi data kesuburan. Latar belakang penelitian tersebut adalah pentingnya kemampuan mendeteksi dan memantau perubahan penggunaan lahan untuk menilai kesinambungan perkembangan. konduktivitas listrik.5% jika data hasil tanaman yang rendah (abnormal) dibuang. Hal tersebut dilatarbelakangi masalah bahwa penyebab utama keragaman hasil jagung di dalam lahan adalah keragaman populasi tanaman. Penggunaan geostatistika dalam precision farming juga sudah banyak dilakukan oleh para peneliti. Simoes et al. Empat dari sepuluh model yang dibuat menunjukkan dapat digunakan sebagai alat penduga untuk optimasi hasil dengan menggunakan teknologi precision farming. Hasil penelitiannya menunjukkan keragaman hasil tanaman dari 9 sampai 67% dengan median 38%. dan satellite image menunjukkan model yang paling baik dalam menduga keragaman spasial hasil. Shock et al. (2002) menggunakan neural network untuk klasifikasi perubahan penggunaan lahan. Se lain itu juga dihasilkan peta yang dapat digunakan untuk mengarahkan pengambilan sampel dan analisa yang lebih baik untuk mengetahui keragaman di dalam lahan. dan satellite imagery. konduktivitas listrik.

SIG merupakan sistem untuk menyimpan. Sementara . menganalisa. Pada bulan Juli tahun 2006 diselenggarakan Konferensi Internasional ke-8 tentang precision farming di Minneapolis. (2002) menggunakan geostatistika untuk estimasi dan membuat peta dari atribut-atribut tanah pada tempat yang tidak diambil sampelnya.Swindell (1997) yang mendemonstrasikan bagaimana geostatistika dan klasifikasi dengan fuzzy k-means dapat digunakan secara bersama untuk meningkatkan pemahaman praktis pada respon hasil tanaman terhadap suatu tempat. hasil uji tanah untuk unsur fosfor. Thompson (1997) melakukan penelitian tentang spatial sampling sebagai upaya untuk estimasi atau prediksi jumlah populasi seperti jumlah peubah dalam suatu wilayah kajian sehingga dapat diprediksi suatu nilai pada tempat yang tida k diobservasi. Kombinasi antara SIG dan modelmodel simulasi menjadi sangat relevan untuk precision farming. Penelitian tentang penggunaan Sistem Informasi Geografis (SIG) dalam precision farming juga sudah dilakukan. Penelitian tentang precision farming selalu berkembang dan dikomunikasikan. Mulla (1997) menggunakan metoda geostatistika untuk estimasi pola spasial dari bahan organik tanah. (1997) menggunakan geostatistika untuk menganalisa strukt ur spasial peubah-peubah seperti nilai-nilai hasil uji tanah. Sistem Pendukung Keputusan (SPK) yang berbasis SIG dapat dikembangkan untuk operasional dari aplikasi precision farming pada tingkat usahatani. da n hasil gandum sebagai kombinasi dari gambaran peta tematik dan sampel tanah. Thompson et al. komponen kunci dari precision farming adalah peta yang menunjukkan pola spasial karakteristik lahan. dan menyajikan data spasial. Menurut Bregt. juga mengembangkan program komputer untuk mengelaborasi peta tanah dan melakukan analisa tanah multi lapisan melalui penggunaan geostatistika. Hubungan an tara hara tanah dan hasil tanaman menunjukkan bahwa aplikasi variable rate fertilizer dapat digunakan untuk mengelola ukuran keragaman di dalam lahan. USA. Bregt (1997) mengkaji masalah yang dihadapi dan kemungkinan penggunaan SIG sebagai pendukung dalam penerapan precision agriculture. Menurut Mulla. Vendrusculo et al. Vendrusculo et al.

Oleh karena itu penelitian ini dilakukan untuk mencapai hal tersebut khususnya untuk strategi pemupukan pada budiaya tebu. Australia diselenggarakan Simposium ke-10 tentang penelitian dan aplikasi precision farming di Australia. SIG.pada bulan Agustus tahun 2006 di Sydney. . neural network . Berdasarkan uraian-uraian di atas maka dapat diamati bahwa belum terdapat penelitian berkaitan dengan precision farming yang menggabungkan geostatistika. dan SPK sebagai satu kajian menyeluruh.

Langkah-langkah yang dilakukan dalam pendekatan sistem meliputi analisa kebutuhan. Pendekatan sistem menggunakan model suatu abstraksi keadaan nyata ataupun penyederhanaan sistem nyata untuk pengkajian suatu masalah. bersifat multidisiplin terorganisir. optimasi serta dapat diaplikasikan dengan komputer. Dalam penelitian ini digunakan pendekatan sistem karena sistem pemupukan dalam budidaya tebu terdiri dari berbagai gugus yang sangat kompleks. Pendekatan sistem dicirikan oleh adanya suatu metodologi perencanaan atau pengelolaan. adanya penggunaan model matematis. Pemerintah / Lembaga Standardisasi -mendorong tingkat produksi -mendorong kualitas gula -mendorong efisiensi dan efektivitas pemupukan -mendorong kelestarian lingkungan 2. berpikir secara kualitatif. formulasi permasalahan. Mempelajari keterkaitan sistemik (systemic linkages) sangat penting dalam mendisain dan mengoperasikan suatu sistem pemupukan dalam budidaya tebu yang baik. Pabrik gula (pr odusen) -produktivitas tinggi -penggunaan pupuk efisien dan efektif -keuntungan bertambah -biaya produksi berkurang -target produksi tercapai . Analisa Kebutuhan 1.METODOLOGI Pendekatan sistem merupakan suatu metodologi pemecahan masalah yang diawali dengan identifikasi serangkaian kebutuhan dan menghasilkan sistem operasi yang efektif. dan identifikasi sistem yang selengkapnya sudah disajikan pada Gambar 25.

sehingga pemberian pupuk tidak berlebihan atau kekurangan. Konsumen -harga pasar gula terjangkau -kuantitas gula cukup setiap waktu -kualitas gula baik 4. . Selama ini pemberian pupuk diberikan dengan dosis yang seragam untuk seluruh bagian lahan tanpa memperhatikan keragaman kesuburan tanah di dalam lahan. Gambar 48) dan diagram masukan keluaran ( input-outputdiagram. efektif. Identifikasi Sistem Identifikasi sistem bertujuan untuk memberikan gambaran terhadap sistem yang dikaji dalam bentuk diagram. yang mana pemupukan diberikan sesuai kebutuhan dari setiap bagian lahan pada skala mikro. P. Produsen pupuk -penjualan maksimal -kontinyuitas pabrik Formulasi Masalah Untuk mendapatkan produktivitas lahan tebu yang tinggi dengan hasil kuantitas dan kualitas kristal gula yang tinggi serta dampak lingkungan yang minimal maka pemupukan N. P. Hal tersebut dapat dicapai melalui pendekata n precision farming dalam pemupukan N.-kualitas produk baik -dampak lingkungan minimal -menguasai teknologi pemupukan dengan konsep precision farming -kontinuitas produksi 3. dan K pada budidaya tebu harus dilakukan dengan tepat. Diagram yang digunakan adalah diagram lingkar sebab akibat (causal loop diagram. Gambar 49). dan efisien. dan K.

dan K dalam tanah Harga gula _ _+ _ + ++ _ _ _ + + _ _ _ + . dan K) dan tanaman (N dan K) Kelebihan hara N. P.+ _ _+ _ + ++ _ _ _ + + _ _ _ + + DOSIS PUPUK N. P. P. dan K dalam tanah Manfaat (benefit) Rendemen tebu Kadar gula Kekurangan hara N. dan K YANG DIBERIKAN Efisiensi pemberian pupuk Biaya Pemupukan Keuntungan (profit) Produktivitas lahan Produksi tebu Produksi kristal gula + Jumlah hara total dalam tanah (N. P.

P. dan K dalam tanah Manfaat (benefit) Rendemen tebu Kadar gula Kekurangan hara N. dan K dalam tanah Harga gula Batas Sistem Harga pupuk Gambar 48 Diagram lingkar sebab-akibat pendekatan precision farming dalam pemupukan N. dan K YANG DIBERIKAN Efisiensi pemberian pupuk Biaya Pemupukan Keuntungan (profit) Produktivitas lahan Produksi tebu Produksi kristal gula + Jumlah hara total dalam tanah (N. dan K) dan tanaman (N dan K) Kelebihan hara N. . P. P.+ DOSIS PUPUK N. dan K pada budidaya tebu. P. P.

Bentuk pupuk KELUARAN DIKEHENDAKI 1. Iklim 3. Kontinyuitas pabrik MASUKAN TERKONTROL 1. Jumlah pupuk yang diberikan 2. Bencana alam Pendekatan Precision Farming dalam Pemupukan N. Peraturan Pemerintah (harga gula. Dampak lingkungan berkurang 4. Ketersediaan hara 3. Jenis pupuk 3. Efisiensi rendah MANAJEMEN PENGENDALIAN MASUKAN LINGKUNGAN 1.MASUKAN LINGKUNGAN 1. harga pupuk) 2. P. Kristal gula meningkat 3. harga pupuk) 2. Peraturan Pemerintah (harga gula. Produktivitas lahan meningkat 2. Iklim 3. dan K pada Budidaya . P. Biaya tinggi 2. Keuntungan meningkat KELUARAN TIDAK DIKEHENDAKI 1. dan K pada Budidaya Tebu MASUKAN TIDAK TERKONTROL 1. Bencana alam Pendekatan Precision Farming dalam Pemupukan N. Luas lahan 2.

Produktivitas lahan meningkat 2. Jenis pupuk 3. P.Tebu MASUKAN TIDAK TERKONTROL 1. dan K pada budidaya tebu. Ketersediaan hara 3. Kristal gula meningkat 3. Efisiensi rendah MANAJEMEN PENGENDALIAN Gambar 49 Diagram masukan-keluaran pendekatan precision farming dalam pemupukan N. Bentuk pupuk KELUARAN DIKEHENDAKI 1. Dampak lingkungan berkurang 4. Jumlah pupuk yang diberikan 2. Luas lahan 2. Kontinyuitas pabrik MASUKAN TERKONTROL 1. . Keuntungan meningkat KELUARAN TIDAK DIKEHENDAKI 1. Biaya tinggi 2.

dan K pada budidaya tebu disajikan pada Gambar 51. P. Sistem Informasi Geografis Data tanaman dan Data tanah Sistem Pendukung Keputusan PENDEKATAN PRECISION FARMING DALAM PEMUPUKAN N. DAN K PADA BUDIDAYA TEBU Sistem Informasi Manajemen Peningkatan Efisiensi Pengurangan Pemborosan pupuk Pengurangan dampak lingkungan Peningkatan produktivitas Gambar 50 Kerangka pendekatanprecision farming dalam pemupukan N. P.Pemodelan Kerangka pendekatan precision farming dalam pemupukan N. . dan K pada budidaya tebu yang diteliti disajikan pada Gambar 50. Selanjutnya hal tersebut dikemas dalam suatu Sistem Pendukung Keputusan agar pengambilan keputusan dapat efektif. P. P. Konfigurasi Sistem Pendukung Keputusan untuk pendekatan precision farming dalam pemupukan N. dan K pada budidaya tebu.

manfaat hasil gula. B/C ratio DATA BIAYA Harga pupuk Harga gula Harga analisa tanah dan daun Upah pengambilan sampel MODEL HASIL TEBU Produktivitas Lahan MODEL GEOSTATISTIKA -Semi-variance -Nugget -Range -Variability (sill) -Kriging MODEL PEMUPUKAN Penentuan dosis pupuk N. P.MODEL HASIL TEBU Produktivitas Lahan MODEL GEOSTATISTIKA -Semi-variance -Nugget -Range -Variability (sill) -Kriging MODEL PEMUPUKAN Penentuan dosis pupuk N. biaya produksi gula. DAN K PADA BUDIDAYA TEBU SISTEM MANAJEMEN DIALOG PENGGUNA DATA GEOGRAFIS Peta Dasar Peta Kontur MODEL SPASIAL Visualisasi dengan Sistem Informasi Geografis MODEL BIAYA Biaya pemupukan. dan K DATA TANAH Unsur hara -N -P -K Kadar Air Tanah DATA TANAMAN Unsur hara daun -N -P -K Pertumbuhan vegetatif Analisa Kemasakan Biomassa SISTEM MANAJEMEN BASIS DATA SISTEM MANAJEMEN BASIS MODEL PENDEKATAN PRECISION FARMING DALAM PEMUPUKAN N. P. keuntungan. dan K DATA TANAH . P.

manfaat hasil gula. P. P. dan K pada budidaya tebu. DAN K PADA BUDIDAYA TEBU SISTEM MANAJEMEN DIALOG PENGGUNA DATA GEOGRAFIS Peta Dasar Peta Kontur MODEL SPASIAL Visualisasi dengan Sistem Informasi Geografis MODEL BIAYA Biaya pemupukan. keuntungan.Unsur hara -N -P -K Kadar Air Tanah DATA TANAMAN Unsur hara daun -N -P -K Pertumbuhan vegetatif Analisa Kemasakan Biomassa SISTEM MANAJEMEN BASIS DATA SISTEM MANAJEMEN BASIS MODEL PENDEKATAN PRECISION FARMING DALAM PEMUPUKAN N. B/C ratio DATA BIAYA Harga pupuk Harga gula Harga analisa tanah dan daun Upah pengambilan sampel Gambar 51 Konfigurasi Sistem Pendukung Keputusan untuk pendekatan precision farming dalam pemupukan N. . biaya produksi gula.

data tanah. dan data tanaman. Sistem ini terdiri dari tiga model utama yaitu model hasil tebu.. yang terdiri dari tiga kelompok data. 1997) g(h): semi-variance pasangan sampel pada jarak h Z(x) : nilai regionalized variable pada lokasi x jalur/arah i Z(x + h) : nilai regionalized variable pada lokasi x + h jalur/arah i h : jarak pasangan sampel (m) i : jalur/arah sampel n(h) : jumlah pasangan sampel pada jarak h Satuan g dan Z tergantung pada jenis peubah yang dianalisa.. .. Z(x)]2 . mode l geostatistika. yaitu data tebu. Model hasil tebu Pada penelitian ini tidak dimungkinkan dilakukan kegiatan penebangan. (39) . oleh karena itu hasil tebu didekati dengan perhitungan taksasi berdasarkan rumus taksasi yang digunakan oleh PT GPM pada musim tanam 2002/2003 yaitu TP(i) = { P(i) x Ip x It x (TB/10) x B10 } TP(i) : taksasi produksi lahan sampel i (ton/ha) P(i) : populasi hasil pengamatan sampel i Ip : indeks populasi It : indeks tinggi batang TB : tinggi batang normal saat panen B10 : bobot batang normal saat panen tiap 10 cm Model geostatistika n(h) g(h) = {1/[2n(h)]}S [Z(x + h) i=1 (Sumber : White et al. (40) .Sistem Manajemen Basis Data Sistem manajemen basis data berfungsi untuk mengelola data yang diperlukan model. Sistem Manajemen Basis Model Sistem manajemen basis model terdiri dari model-model yang berfungsi mengolah data hingga akhirnya diperoleh informasi untuk mendukung pembuatan keputusan. dan model pemupukan.

4) Z(1. Jika semi-variogramdilakukan menurut arah sumbu x maka jalur/arah i dan jarak h pada Gambar 53 mengikuti baris q.Z(4.3) Z(2. n(h) = n(4). adalah 4 pasang yaitu {Z(1. 2 .3) Z(3.1). Jumlah pasangan sampel dengan jarak 4 satuan.2)}.1)}.4) Z(2.1) merupakan regionalized variable yang secara geografis berada pada posisi baris 1 dan kolom 1. {Z(1.2) Z(4.4)}. Sedangkan Z(4.4) merupakan regionalized variable yang secara geografis berada pada posisi baris 4 dan kolom 4. yaitu arah sumbu x.2) Z(2.4) Z(3.Ilustrasi regionalized variable secara sederhana dapat dijelaskan dengan Gambar 52.Z(4.4) Z(4.2) Z(1.3) Z(4. {Z(1. maka Z(1.1) Z(2.3)}. Semi-variogram dilakukan menurut 4 arah (Gambar 53).Z(4. dan {Z(1.4).3) Z(1. Semi-variance dihitung untuk setiap pasangan sampel pada masing-masing jarak 1 satuan.2) Z(3. sumbu y.Z(4.3). Jika suatu hamparan lahan digambarkan sebagai bidang yang dibagi dalam grid dengan p baris dan q kolom.1) q Gambar 52 Ilustrasi plot regionalized variable. Gambar 53 Arah semi-variogram. p Z(1.2).1) Z(4.1) Z(3. dan diagonal.

.. Pada penelitian ini diasumsikan semi-variogram bersifat isotropic dan tidak dikaji interaksi hara (multivariate geostatistics ). Pembuatan plot antara semi-variance pasangan sampel dan jarak yang bersangkutan menghasilkan semivariogram (Gambar 54). Jika semi-variogram dipengaruhi oleh jarak dan arah maka disebut bersifat anisotropic.. Gambar 54 Semi-variogram (White et al. Pdt = Pdb hP Pt keterangan . (41) . (42) Ndt : jumlah hara N yang ditambahkan untuk pupuk pertama (kg/ha) Ndb : jumlah hara N yang dibutuhkan untuk pupuk pertama (kg/ha) Nt : jumlah hara N total di dalam tanah (kg/ha) . sedangkan jika semi -variogram hanya dipengaruhi oleh jarak maka disebut bersifat isotropic. Model pemupukan 1 Pemupukan pertama Penentuan jumlah hara yang harus ditambahkan pada pemupukan pertama dengan pendekatan precision farming berdasarkan persamaan berikut: Ndt = Ndb hN Nt . dan 4 satuan.. 3 satuan. 1997).satuan....

Rekomendasi pustaka yang digunakan untuk menentukan Ndb dan Pdb adalah dari De Geus (1973) yaitu bahwa untuk menghasilkan 100 ton tebu per hektar diperlukan 200 kg/ha N. Jumlah hara N Hasil tebu input Jumlah hara PKadar gula output Gambar 55 Hubungan pemberian jumlah hara N dan P dengan hasil tebu dan kadar gula pada pemupukan pertama. Dengan demikian jika diketahui hubungan antara jumlah hara yang diberikan dengan hasil tebu dan kadar gula maka untuk mendapatkan target hasil tebu dan kadar gula yang tinggi dapat ditentukan jumlah hara yang harus diberikan. .hN : efisiensi penyerapan hara N oleh tanaman (%) (30 70%) Pdt : jumlah hara P yang ditambahkan untuk pupuk pertama (kg/ha) Pdb : jumlah hara P yang dibutuhkan untuk pupuk pertama (kg/ha) Pt : jumlah hara P total di dalam tanah (kg/ha) hP : efisiensi penyerapan hara P oleh tanaman (%) (5 30%) Ndb dan Pdb ditentukan berdasarkan rekomendasi pustaka dan target hasil. Pada penelitian ini tidak dikaji interaksi hara. Asumsi untuk model ini adalah pemupukan kedua optimal dan lahan seragam. dan 240 kg/ha K2O yang mana N dan P2O5 diberikan pada pemupukan pertama. Pemikiran model pemupukan untuk pemupukan pertama didasarkan pada hubungan input-output seperti disajikan pada Gambar 55. 80 kg/ha P2O5. Sedangkan penentuan Ndb dan Pdb berdasarkan target hasil menggunakan model neural network . Untuk mencapai maksud tersebut maka dibuat model neural network dengan metode back propagation seperti disajikan pada Gambar 56. Dari Gambar 55 dapat dipahami bahwa pemberian hara dapat meningkatkan atau menurunkan hasil tebu dan kadar gula.

.. (45) . Pdb ) (43) ...Kadar gula Jumlah hara N yang dibutuhkan a b c d Jumlah hara P yang dibutuhkan Hasil tebu in out input layer hidden layer output layer Gambar 56 Konfigurasi model neural network untuk pemupukan pertama pada budidaya tebu dengan konsep dosis seragam.. Pdb ) rt = f ( Ndb .. (44) keterangan yt : target hasil tebu/yield (ton tebu/ha) rt : target kadar gula (%) Ndb : jumlah hara N yang dibutuhkan untuk pupuk pertama (kg/ha) Pdb : jumlah hara P yang dibutuhkan untuk pupuk pertama (kg/ha) 2 Pemupukan kedua Penentuan jumlah hara yang harus ditambahkan pada pemupukan kedua dengan pendekatan pre cision farming berdasarkan persamaan berikut: Ndb Ndn Ndt = hN Nt .. Setelah diperoleh hubungan dari Gambar 56 maka target yang diharapkan dapat dinyatakan dengan persamaan : yt = f ( Ndb .

dan 240 kg/ha K2O yang mana N dan K2O diberikan pada pemupukan kedua. Dari Gambar 57 dapat dipahami bahwa pemberian hara dapat meningkatkan atau menurunkan hasil tebu dan kadar gula. Pemikiran model pemupukan untuk pemupukan kedua didasarkan pada hubungan hara yang diberikan dan hasil tebu yang diperoleh seperti disajikan pada Gambar 57. Dengan . Rekomendasi pustaka yang digunakan untuk menentukan Ndb dan Kdb adalah dari De Geus (1973) yaitu bahwa untuk menghasilkan 100 ton tebu per hektar diperlukan 200 kg/ha N.. 80 kg/ha P2O5. Sedangkan penentuan Ndb dan Kdb berdasarkan target hasil menggunakan model neural network. input outputJumlah hara N Jumlah hara K Hasil tebu Kadar gula Gambar 57 Hubungan pemberian jumlah hara N dan K dengan hasil tebu dan kadar gula pada pemupukan kedua. (46) Ndt : jumlah hara N yang ditambahkan untuk pupuk kedua (kg/ha) Ndb : jumlah hara N yang dibutuhkan untuk pupuk kedua (kg/ha) Ndn : jumlah hara N pada tanaman (kg/ha) Nt : jumlah hara N total di dalam tanah (kg/ha) hN : efisiensi penyerapan hara N oleh tanaman (%) (30 70%) Kdt : jumlah hara K yang ditambahkan untuk pupuk kedua (kg/ha) Kdb : jumlah hara K yang dibutuhkan untuk pupuk kedua (kg/ha) Kdn : jumlah hara K pada tanaman (kg/ha) Kt : jumlah hara K total di dalam tanah (kg/ha) hK : efisiensi penyerapan hara K oleh tanaman (%) (50 80%) Ndb dan Kdb ditentukan berdasarkan rekomendasi pustaka dan target hasil.Kdt = Kdb Kdn hK keterangan Kt .

... Untuk mencapai maksud tersebut maka dibuat model neural network dengan metode back propagation seperti disajikan pada Gambar 58. Kdb ) rt = f ( Ndb ... (47) . Kdb ) keterangan yt : target hasil tebu/yield (ton tebu/ha) rt : target kadar gula (%) Ndb : jumlah hara N yang dibutuhkan untuk pupuk kedua (kg/ha) Kdb : jumlah hara K yang dibutuhkan untuk pupuk kedua (kg/ha .... Asumsi untuk model ini adalah pemupukan pertama optimal dan lahan seragam..demikian jika diketahui hubungan antara jumlah yang diberikan dengan hasil tebu dan kadar gula maka untuk mendapatkan target hasil tebu dan kadar gula yang tinggi dapat ditentukan jumlah hara yang harus diberikan.. (48) . Pada penelitian ini tidak dikaji interaksi hara... in out Hasil tebu Kadar gula Jumlah hara N yang dibutuhkan a b c d Jumlah hara K yang dibutuhkan input layer hidden layer output layer Gambar 58 Konfigurasi model neural network untuk pemupukan kedua pada budidaya tebu dengan konsep dosis seragam Setelah diperoleh hubungan dari Gambar 58 maka target yang diharapkan dapat dinyatakan dengan persamaan : yt = f ( Ndb .

(54) (55) BP : biaya pemupukan per satuan luas (Rp/ha) BPTaw : biaya pemupukan per satuan bobot hasil gula pada taksasi awal (Rp/ton) BPTak : biaya pemupukan per satuan bobot hasil gula pada taksasi akhir (Rp/ton) BAL : biaya analisa laboratorium (Rp) BPS : biaya pengambilan sampel (Rp) BJP : biaya jumlah pupuk yang digunakan (Rp) LTS : luas total sel (ha) HATN1 : harga analisa tanah N per sampel untuk pemupukan pertama (Rp) HATN2 : harga analisa tanah N per sampel untuk pemupukan kedua (Rp) HATP : harga analisa tanah P per sampel untuk pemupukan pertama (Rp) HATK : harga analisa tanah K per sampel untuk pemupukan kedua (Rp) HADN2: harga analisa daun N per sampel untuk pemupukan kedua (Rp) HADK : harga analisa daun K per sampel untuk pemupukan kedua (Rp) . BAL= (HATN1 + HATN2 + HATP + HATK + HADN2 + HADK) * JS (50) BPS = (UPST + UPSD) * JS .. (51) (52) n n n BJP= Ó JUreai * HUrea + Ó JTSPi * HTSP + Ó JKCli * HKCl i=1 i=1 i=1 LTS = JS * LS .. (53) n BPTaw = BP / {( Ó RTawi * Tawi ) / n} i=1 n BPTak = BP / {( Ó RTaki * Taki ) / n} i=1 keterangan .Model Biaya 1 Biaya pemupukan Biaya (cost) pemupukan dihitung dengan menggunakan Persamaan 49 BP= (BAL+ BPS + BJP) / LTS .. (49) 55.

Biaya jumlah pupuk (BJP) hanya terdiri dari biaya jumlah pupuk yang digunakan. Departemen Ilmu Tanah dan Sumber Daya Lahan. sedangkan biaya lain di luar itu diabaikan. biaya pengambilan sampel (BPS).UPST : upah pengambilan sampel tanah per sampel (Rp) UPSD : upah pengambilan sampel daun per sampel (Rp) JS : jumlah sampel LS : luas sel per sampel (ha) JUreai : jumlah pupuk Urea untuk pe mupukan pertama dan kedua sel ke-i (kg) JTSPi : jumlah pupuk TSP untuk pemupukan pertama sel ke-i (kg) JKCli : jumlah pupuk KCl untuk pemupukan kedua sel ke-i (kg) HUrea : harga pupuk Urea (Rp/kg) HTSP : harga pupuk TSP Rp/kg) HKCl : harga pupuk KCl (Rp/kg) RTawi : rendemen pada taksasi awal sel ke -i (%) RTaki : rendemen pada taksasi akhir sel ke-i (%) Tawi : taksasi awal sel ke-i (ton/ha) Taki : taksasi akhir sel ke-i (ton/ha) n : jumlah sel Asumsi-asumsi yang digunakan: Biaya pemupukan (BP/BPTaw/BPTak) hanya terdiri dari biaya analisa laboratorium (BAL). Fakultas Pertanian IPB yang mulai berlaku sejak tanggal 2 Februari 2006 yang dikutip dan disajikan sesuai kebutuhan penelitian ini seperti disajikan pada Tabel 8. dan biaya jumlah pupuk yang digunakan (BJP). Harga analisa laboratorium untuk sampel tanah dan daun yang digunakan untuk perhitungan bersumber dari Laboratorium Kimia dan Kesuburan Tanah. . Biaya analisa laboratorium (BAL) hanya terdiri dari biaya analisa tanah dan daun. Biaya pengambilan sampel (BPS) hanya terdiri dari upah pengambilan sampel. sedangkan biaya lain di luar itu diabaikan. sedangkan biaya lain di luar itu diabaikan. Sedangkan biaya di luar itu seperti upah tenaga pemupukan dan lain sebagainya dianggap sama untuk semua plot percobaan.

Luas satu blok diasumsikan 80 ha.00).000.Tabel 8 Harga analisa laboratorium Jenis analisa Harga analisa per sampel (Rp) N 13. 2006) Harga pupuk Urea. Untuk itu jumlah sampel tanah dan daun (JS) masing-masing adalah 144 sampel pada Plot Percobaan C dan D.00 N 13. PT GPM mendasarkan pengambilan 6 sampel/ha masing-masing untuk sampel tanah dan daun pada 3 petak yang mewakili tiap blok.500.00/sampel (berdasarkan keterangan dari PT GPM pada tanggal 8 April 2006 bahwa pengambilan sampel pada 3 petak dengan masing-masing seluas 8 ha dan setiap hektar mengambil 6 sampel dilakukan dalam satu hari kerja oleh 2 orang dengan upah masing-masing Rp 20.00 KCl kg 2.00 TSP kg 1.00 (Sumber : Laboratorium Kimia dan Kesuburan Tanah Departemen Ilmu Tanah dan Sumber Daya La han Fakultas Pertanian IPB.400. TSP. Luas tiap petak yang mewakili blok diasumsikan 8 ha. dan KCL yang digunakan untuk perhitungan bersumber dari internet seperti disajikan pada Tabel 9.000.00 Analisa tanah P 10. 2006) Upah pengambilan sampel diasumsikan Rp 280.400.00 (Sumber : PDKG.000.500.00 K 6. Secara ringkas dapat dituliskan JS Plot Percobaan C = 144 sampel JS Plot Percobaan D = 144 sampel LTS Plot Percobaan C = 80 ha LTS Plot Percobaan D= 80 ha . Tabel 9 Harga pupuk Harga pada tanggal 9 Maret 2006 Jenis pupuk Satuan (Rp) Urea kg 1.800.000.00 Analisa daun K 6.

00/kg (keterangan dari PT GPM pada tanggal 8 April 2006 bahwa biaya produksi gula berkisar antara Rp 3.000.2 Biaya produksi gula Biaya produksi gula dihitung dengan Persamaan 56 dan 57.91/ha atau Rp 329. Angka tersebut diperoleh dari asumsi bahwa biaya produksi gula secara keseluruhan adalah Rp 3.500. BPGTaw = BPGSP+ BPTaw BPGTak = BPGSP+ BPTak keterangan BPGTaw : biaya produksi gula pada taksasi awal (Rp/ton) BPGTak : biaya produksi gula pada taksasi akhir (Rp/ton) BPGSP : biaya produksi gula selain pemupukan (Rp/ton) BPTaw : biaya pemupukan per ton gula pada taksasi awal (Rp/ton) BPTak : biaya pemupukan per ton gula pada taksasi akhir (Rp/ton) Asumsi yang digunakan adalah bahwa semua biaya produksi gula di luar biaya pemupukan (BPGSP) dianggap sama untuk semua plot percobaan yaitu Rp 3.170.00/kg) dan kemudian dikurangi biaya pemupukan dengan dosis seragam yang diperoleh dari penelitian ini yaitu Rp Rp 2.000. berdasarkan data sekunder produktivitas gula PT GPM pada tahun 2002 yaitu 6.00/kg pada tahun 2005-2006 masih relevan dengan referensi bahwa biaya produksi gula di dalam negeri rata-rata Rp 3.018.32/ton gula yang dihasilkan (=Rp 3.00/kg (Hidayati.00 Rp 3.02/kg.200.00 Rp 4. 2004). .500. MHGTaw = HG * 1000 MHGTak = HG * 1000 (58) (59) . 3 Manfaat hasil gula Manfaat (benefit) dari perolehan gula dihitung dengan Persamaan 58 dan 59. (56) (57) keterangan MHGTaw : manfaat dari perolehan gula pada taksasi awal (Rp/ton) .100.585. Asumsi biaya produksi gula sebesar Rp 3..981.68/ton hasil gula (=Rp 329.98/kg).74 ton/ha).217.170.

(60) (61) 5 B/C ratio B/C ratio dihitung dengan menggunakan Persamaan 62 dan 63.000. PTaw = MHGTaw PTak = MHGTak keterangan PTaw : PTak : MHGTaw MHGTak BPGTaw BPGTak keuntungan pada taksasi awal (Rp/ton) keuntungan pada taksasi akhir (Rp/ton) : manfaat dari perolehan gula pada taksasi awal (Rp/ton) : manfaat dari perolehan gula pada taksasi akhir (Rp/ton) : biaya produksi gula pada taksasi awal (Rp/ton) : biaya produksi gula pada taksasi akhir (Rp/ton) BPGTaw BPGTa .00/kg (Sumber : Dtc-33.00/kg berdasarkan keterangan Direktur Bina Pasar Departemen Perdagangan RI (Gunaryo) yaitu bahwa pemerintah kemungkinan akan membuat harga patokan naik dari Rp 5.500.MHGTak : manfaat dari perolehan gula pada taksasi akhir (Rp/ton) HG : harga gula (Rp/kg) Asumsi yang digunakan adalah harga gula sebesar Rp 6.. MHGTaw B/C ratioTAw= ¾¾¾¾ BPGTaw MHGTak B/C ratioTAk= ¾¾¾¾ BPGTak keterangan B/C ratioTAw : B/C ratio pada taksasi awal B/C ratioTAk : B/C ratio pada taksasi akhir MHGTaw : manfaat dari perolehan gula pada taksasi awal (Rp/ha) MHGTak : manfaat dari perolehan gula pada taksasi akhir (Rp/ha) BPGTaw : biaya produksi gula pada taksasi awal (Rp/ha) BPGTak : biaya produksi gula pada taksasi akhir (Rp/ha) (62) (63) . 4 Keuntungan yang diperoleh Keuntungan (profit) yang diperoleh dihitung dengan Persamaan 60 dan 61. 2006).000.0/kg tetapi masih di bawah Rp 6.

keadaan umum lokasi penilitian. Selanjutnya dilakukan pembuatan sel-sel di dalam plot (grid cell plotting) dan pemetaan plot percobaan seperti disajikan pa da Gambar 62 dan 63. Kabupaten Lampung Tengah.Sistem Manajemen Dialog Sistem manajemen dialog merupakan komponen model yang berfungsi mengatur komunikasi dengan pengguna model. dan koordinasi kegiatan penelitian. Kecamatan Seputih Mataram. Tata Laksana Penelitian Penelitian pendahuluan telah dilaksanakan pada bulan April 2002. Propinsi Lampung (Gambar 82 pada Bab IV). produktivitas lahan. sehingga interaksi antara pengguna dengan model dapat lebih mudah dilaksanakan dan menarik. kegiatan pemupukan. 2 Pemetaan sampel Beberapa petak digunakan untuk lokasi plot-plot percobaan seperti disajikan pada Gambar 60 dan 61. persiapan lahan untuk penelitian. Wilayah Mataram Udik. dan koordinasi Penelitian pendahuluan diperlukan untuk mengetahui keadaan umum lokasi penelitian. kegiatan pemupukan yang selama ini dilakukan di PT GPM. . sedangkan penelitian lapangan telah dilakukan pada bulan September 2002 Juli 2003 di perkebunan tebu PT Gula Putih Mataram. Penjelasan dari setiap tahap tata laksana penelitian adalah sebagai berikut: 1 Penelitian pendahuluan Penelitian pendahuluan dilakukan untuk mengambil data sekunder yang meliputi jadwal kegiatan budidaya tebu. persiapan lahan untuk penelitian. tingkat keragaman dosis pemupukan yang dilakukan. keragaman produktivitas lahan tebu. Diagram alir tata laksana penelitian disajikan pada Gambar 59.

MULAI PENELITIAN PENDAHULUAN PEMETAAN SAMPEL PENGAMBILAN SAMPELTANAH I ANALISA TANAH I untuk mengetahui kandungan hara tanah N dan P PENENTUAN DOSIS PUPUK PERTAMA untuk menghitung dosis pupuk N dan P A ANALISA KERAGAMAN SPASIAL I untuk mengetahui nilai keragaman (sill) hasil Analisa Tanah I MULAI PENELITIAN PENDAHULUAN PEMETAAN SAMPEL PENGAMBILAN SAMPELTANAH I ANALISA TANAH I untuk mengetahui kandungan hara tanah N dan P PENENTUAN DOSIS PUPUK PERTAMA untuk menghitung dosis pupuk N dan P A ANALISA KERAGAMAN SPASIAL I untuk mengetahui nilai keragaman (sill) hasil Analisa Tanah I Gambar 59 Diagram alir tata laksana penelitian. .

A PENGAMBILAN SAMPEL DAUN DAN TANAH II ANALISA HARA DAUN dan TANAH II untuk mengetahui kandungan hara N dan K ANALISA KERAGAMAN SPASIAL II untuk mengetahui nilai keragaman (sill) hasil pengamatan pertumbuhan vegetatif I. manual Plot Percobaan C-DS: dosis N dan P seragam rekomendasi dari PT Gula Putih Mataram. manual Plot Percobaan D-DS: dosis N dan P seragam rekomendasi dari PT Gula Putih Mataram. mekanis Plot Percobaan E-PF: dosis N dan P pendekatan precision farming dengan rekomendasi pustaka. hasil Analisa Daun dan hasil Analisa Tanah II APLIKASI DOSIS PUPUK PERTAMA Plot Percobaan A-PF: dosis N dan P pendekatan precision farming dengan rekomendasi pustaka. manual Plot Percobaan B-PF: dosis N dan P pendekatan precision farming dengan target produktivitas. (lanjutan) . mekanis PENGAMATAN PERTUMBUHAN VEGETATIF I B Gambar 59 Diagram alir tata laksana penelitian.

TAKSASI AWAL. hasil analisa kemasakan. PENYAKIT. taksasi awal. BIOMASSA TEBU APLIKASI DOSIS PUPUK KEDUA Plot Percobaan A-PF: dosis N dan K pendekatan precision dengan rekomendasi pustaka. manual Plot Percobaan D-DS: dosis K seragam rekomendasi dari PT Gula Putih Mataram. hasil analisa kemasakan. manual Plot Percobaan B-PF: dosis N dan K pendekatan precision dengan target produktivitas. PENYAKIT. taksasi awal. kadar air tanah. manual Plot Percobaan C-DS: dosis K seragam rekomendasi dari PT Gula Putih Mataram. TAKSASI AKHIR. gulma. manual Plot Percobaan E-PF: dosis N dan K pendekatan precision dengan rekomendasi pustaka. GULMA. manual Plot Percobaan C-DS: dosis K seragam rekomendasi dari PT Gula Putih Mataram. HAMA. taksasi akhir. KADAR AIR TANAH. BIOMASSA TEBU APLIKASI DOSIS PUPUK KEDUA Plot Percobaan A-PF: dosis N dan K pendekatan precision dengan rekomendasi pustaka. dan biomassa tebu PENGAMATAN PERTUMBUHAN VEGETATIF II. manual PENENTUAN DOSIS PUPUK KEDUA untuk menghitung dosis pupuk N dan K B ANALISA KERAGAMAN SPASIAL III untuk mengetahui nilai keragaman (sill) hasil pengamatan pertumbuhan vegetatif II.PENGAMATAN PERTUMBUHAN VEGETATIF II. kadar air tanah. manual Plot Percobaan D-DS: dosis K seragam rekomendasi dari PT Gula Putih Mataram. HAMA. taksasi akhir. GULMA. manual Plot Percobaan B-PF: dosis N dan K pendekatan precision dengan target produktivitas. manual PENENTUAN DOSIS PUPUK KEDUA untuk menghitung dosis pupuk N dan K B ANALISA KERAGAMAN SPASIAL III untuk mengetahui nilai keragaman (sill) hasil pengamatan pertumbuhan vegetatif II. gulma. KADAR AIR TANAH. dan biomassa tebu C farming farming farming farming farming farming . manual Plot Percobaan E-PF: dosis N dan K pendekatan precision dengan rekomendasi pustaka. TAKSASI AWAL. TAKSASI AKHIR.

Gambar 59 Diagram alir tata laksana penelitian. (lanjutan) .

taksasi akhir. jumlah anakan. biaya produsi gula. keuntungan yang diperoleh. (lanjutan) . dan biomassa tebu PEMBUATAN PROGRAM TERPADU Sistem Pendukung Keputusan dan Sistem Informasi Geografis ANALISA PERTUMBUHAN VEGETATIF pembuatan grafik hubungan respon perlakuan pemupukan terhadap pertumbuhan vegetatif (jumlah daun. pertumbuhan vegetatif. kadar air tanah. dan B/C ratio Gambar 59 Diagram alir tata laksana penelitian. hara daun. dan diameter batang) terhadap waktu UJI BEDA NYATA untuk mengetahui tingkat perbedaan perlakuan pemupukan dari setiap plot percobaan SELESAI ANALISA BIAYA untuk mengetahui biaya pemupukan. tinggi batang.C PEMBUATAN PETA INFORMASI LAHAN untuk mengetahui gambaran sebaran spasial hara tanah. gulma. manfaat hasil gula berdasarkan taksasi. taksasi awal.

Gambar 60 Petak-petak lahan untuk Plot Percobaan A -PF. dan C-DS. B-PF. .

Gambar 61 Petak lahan untuk Plot Percobaan D -DS (bawah) dan E -PF (atas). .

Gambar 63 Pemetaan plot percobaan.Hasil pembuatan sel dan pemetaan petak percobaan disajikan pada Gambar 64 68. Sedangkan deskripsi setiap plot percobaan disajikan pada Tabel 10. . Gambar 62 Pembuatan sel-sel di dalam plot percobaan.

.Gambar 64 Pembagian sel pada Plot Percobaan A-PF.

Gambar 65 Pembagian sel pada Plot Percobaan B-PF. .

.Gambar 66 Pembagian sel pada Plot Percobaan C-DS.

07 ha 9.2002 Precision farming dengan rekomendasi pustaka GP 94-2027 24 9 2002 Precision farming dengan target produktivitas GP 94-2027 26 9 2002 Dosis seragam dari PT GPM P 3 9 2002 Dosis seragam dari PT GPM P 3 9 2002 Precision farming dengan rekomendasi .58 ha 3. Tabel 10 Deskripsi plot percobaan Plot Percobaan A-PF B-PF C-DS D-DS E-PF Lokasi Petak 60 TU 3 Blok 1 TU 6 Divisi II Petak 58 TU 3 Blok 1 TU 6 Divisi II Petak 56 TU 3 Blok 1 TU 6 Divisi II Petak 100 TU 60 Blok 6 TU 10 Divisi I Petak 100 TU 60 Blok 6 TU 10 Divisi I Luas 4.11 ha 5.2 ha Kategori Ratoon 1 Ratoon 1 Ratoon 1 Ratoon 3 Ratoon 3 Varietas Tanggal kepras Perlakuan pemupukan GP 94-2027 26 9 .82 ha 3.DD 13 DD 14 DD 15 DD 12 DD 11 DD 10 DD 7 DD 8 DD 9 DD 6 DD 5 DD 4 DD 1 DD 2 DD 3 Gambar 67 Pembagian sel pada Plot Percobaan D-DS.

pustaka Jenis pupuk Pupuk I : N + P Pupuk II : N + K Pupuk I : N + P Pupuk II: N + K Pupuk I: N+ P Pupuk II : K Pupuk I : N + P Pupuk II : K Pupuk I : N + P Pupuk II: N+ K Jumlah sel 33 32 16 15 45 Cara pemupukan Manual Manual Manual Pupuk I: Mekanis Pupuk II: Manual Pupuk I: Mekanis Pupuk II: Manual .

EE 45 EE 44 EE 43 EE 40 EE 41 EE 42 EE 39 EE 38 EE 37 EE 34 EE 35 EE 36 EE 33 EE 32 EE 31 EE 29 EE 28 EE 30 EE 26 EE 25 EE 23 EE 24 EE 20 EE 19 EE 17 EE 18 EE 14 EE 13 EE 11 EE 12 EE 8 EE 7 EE 5 EE 6 EE 2 EE 1 EE 27 EE 22 EE 21 EE 16 EE 15 EE 10 EE 9 EE 4 EE 3 Gambar 68 Pembagian sel pada Plot Percobaan E-PF. .

Pengambilan sampel tanah I diambil pada umur tebu 1 Percobaan A-PF. B-PF. . ± 2m ± 2m : titik : titik pengambilan Gambar 70 Titik pengambilan sampel tanah pada setiap sel. Gambar 69 Alur tanam ganda (double row planting). Sampel tanah diambil pada kedalaman 0-30cm (top soil ) dan soil).3 Pengambilan sampel tanah I Cara tanam pada plot percobaan yang digunakan dalam penelitian ini adalah alur tanam ganda (double row planting ) seperti disajikan pada Gambar 69. Setiap plot dibagi dalam sel-sel (grid sampling). Pengambilan sampel tanah dilakukan dengan metode grid center. C-DS) dan 2 bulan (Plot Percobaan D-DS dan E-PF). Setiap sel pada plot percobaan diambil satu sampel tanah yang merupakan gabungan dari empat titik pengambilan sampel berjarak masing-masing ±2m dari titik tengah sel menurut anak panah seperti disajikan pada Gambar 70. Sampel tanah Gambar 68 di 30-60cm (sub minggu (Plot diambil pada lokasi yang ditunjukkan oleh anak panah pada atas.

. sill. Analisa dilakukan berdasarkan model isotropik dengan asumsi tidak ada pengaruh kelerengan. angin.. dan r2. Analisa hara tanah I dilakukan untuk mengetahui jumlah hara N dan P yang tersedia di dalam tanah. bentuk semi-variogram. i = 1 . . JK (66) 1 ) . Zmaks Zmin IK = ¾¾¾¾¾ JK 1 keterangan IK : interval regionalized variable yang dikehendaki Zmaks : nilai maksimum dari sekumpulan regionalized variable Zmin : nilai minimum dari sekumpulan regionalized variable JK : jumlah kelas keragaman yang dikehendaki Zi = Zmin + IK ( i atau Zi = Zmaks IK ( i 1 ) . (65) .. 5 Analisa keragaman spasial I Analisa keragaman spasial dilakukan untuk unsur hara tanah N dan P dengan piranti lunak GS+ (Geostatistics for the Environmental Sciences) dari Gamma Design Software sehingga diperoleh parameter semi -variogram seperti nugget. nilai Q. Untuk dapat mengetahui tingkat keragaman spasial hasil analisa semivariogram maka dibuat klasifikasi keragaman spasia l dengan menggunakan Persamaan 64 68.4 Analisa hara tanah I Sampel tanah yang sudah diperoleh kemudian dianalisa di Group Agro Laboratory Division . Pada penenlitian ini tidak dikaji interaksi hara ( multivariate geostatistics). JK) . (64) keterangan Zi : nilai regionalized variable ke-i pada pengurutan i : nomor urutan (1 . effective range. Sugar Group Company di wilayah PT Gula Putih Mataram. dan cahaya matahari pada semi-variogram.

JK 1 ãJK-1 ã < ãJK JK ã = ãJK .. Tabel 11 Standar umum klasifikasi keragaman spasial Kelas Interval Nilai Keragaman 1 ã1 < ã < ã2 2 ã2 ã < ã3 . (68) yang mana ãi adalah nilai semivarian ke-i yang menunjukkan batas interval nilai keragaman spasial. . (67) atau ( Zmaks Zi )2 ãi = ¾¾¾¾¾ 2 . . i ãi ã < ãi+1 ..ãi = ( Zmin Zi )2 ¾ ¾ ¾ ¾ ¾ 2 . . Selanjutnya dapat dibuat standar klasifikasi keragaman spasial seperti disajikan pada Tabel 11 dan 12. .

B-PF. Rekomendasi tersebut sebagai hasil dari percobaan pemupukan . Dosis pupuk yang ditentukan meliputi dosis seragam (Plot Percobaan C-DS dan D-DS) dan dosis dengan konsep precision farming (Plot Percobaan A-PF. yaitu 543 kg/ha Urea (250 kg/ha N) dan 217 kg/ha TSP (100 kg/ha P2O5). yaitu berdasarkan rekomendasi pustaka (Plot Percobaan A-PF dan E-PF) dan berdasarkan target produktivitas (Plot Percobaan B-PF).Tabel 12 Standar khusus klasifikasi keragaman spasial untuk 11 kelas Kelas Interval Nilai Keragaman Tingkat Keragaman 1 ã1 < ã < ã2 amat sangat rendah 2 ã2 ã < ã3 sangat rendah 3 ã3 ã < ã4 rendah 4 ã4 ã < ã5 cukup rendah 5 ã5 ã < ã6 agak rendah 6 ã6 ã < ã7 sedang 7 ã7 ã < ã8 agak tinggi 8 ã8 ã < ã9 cukup tinggi 9 ã9 ã < ã10 tinggi 10 ã10 ã < ã11 sangat tinggi 11 ã = ã11 amat sangat tinggi 6 Penentuan dosis pupuk pertama Penentuan dosis pupuk pertama yang ditambahkan dilakukan untuk menentukan dosis pupuk Urea (N) dan pupuk TSP (P). 80 kg/ha P2O5. dan 240 kg/ha K2O. Rekomendasi pustaka yang digunakan adalah dari De Geus (1973) yaitu bahwa untuk menghasilkan 100 ton tebu per hektar diperlukan 200 kg/ha N. dan E-PF). Penentuan dosis pupuk dengan konsep precision farming dibedakan menjadi dua. Dosis seragam untuk Plot Percobaan C dan D ditentukan berdasarkan rekomendasi dari PT Gula Putih Mataram.

82 18.26 123 138 0 150 SIL 1995 72.25 18.5 Loam 1.78 18.55 15. Tabel 13 Data untuk training pada program komputer penentuan dosis pupuk Artificial Neural Network dengan metode back-propagation Kadar Dosis (kg/ha) Sumber data Produkstivitas gula Pupuk Dasar Pupuk Susulan (ton tebu/ha) (%) N P2O5 N K2O GPM 1997 88.40 54 108 92 150 SIL 2001 101.25 119 69 0 150 GPM 2000 64.55 54 138 69 180 SIL 1998 75. 1957) .2 (Sumber: Thompson. Bulk density diketahui berdasarkan hubungannya dengan tekstur tanah seperti disajikan pada Tabel 14.25 54 138 69 150 Perhitungan dosis pupuk pertama yang ditambahkan dilakukan dengan Persamaan 43 dan 44.30 18.27 46 63 92 180 GPM 1999 86. Tabel 14 Hubungan antara tekstur tanah dan bulk density Tekstur tanah Bulk density (g/cm3) Sand 1.64 16.182 pada lahan tebu di Hawai dengan konsep pemupukan konvensional (dosis seragam) karena belum adanya konsep precision farming.60 73 69 58 180 GPM 1998 75.56 46 108 92 180 SIL 1997 73.31 14.32 17. Akurasi dari program ANN tersebut disajikan pada Lampiran 1. Perhitungan dosis pupuk pertama untuk target produktivitas dengan program Artificial Neural Network (ANN) ber dasarkan data sekunder pada Tabel 13.24 46 138 92 180 SIL 1996 81.20 18. Program ANN yang dipakai adalah Backpro2N yang telah dibuat oleh Rudiyanto dan Budi Indra Setiawan (2003).3 Clay loam 1.6 Sandy loam 1.06 46 108 69 150 SIL 2000 75.28 16.60 15.45 46 63 92 180 SIL 1999 81. Pupuk N yang dibutuhkan pada pemupukan pertama adalah setengah dari rekomendasi yaitu 100 kg/ha sedangkan setengahnya lagi diaplikasikan pada pemupukan kedua.4 Silt loam 1.

B-PF. Kendala pertama adalah kesulitan pelaksanaan pemupukan dengan ukuran sel yang kecil untuk operasi mekanis. dan C-DS dilakukan dengan cara tabur oleh tenaga manusia. Kendala berikutnya adalah ketidakakuratan pengaturan dosis pada fertilizer applicator. Irigasi tidak dapat dilakukan karena sangat terbatasnya peralatan dan biaya yang tinggi. sementara setiap se l menghendaki dosis yang berbeda. Hal ini dilakukan dengan memilih tenaga pemupuk yang dapat dipercaya dan diawasi secara ketat oleh mandor. Gambar 71 Pemupukan pertama manual dengan cara tabur. dan kebocoran. dan C-DS dilakukan secara manual. Untuk itu pemupukan pertama pada Plot Percobaan A-PF. Karena hasil kalibrasi dan uji coba pemupukan manual dengan corong tidak memuaskan maka pemupukan pertama untuk Plot Percobaan A-PF. penyumbatan pada device. Pemupukan yang dilakukan pada kondisi kering efektivitasnya rendah karena penguapan yang tinggi. Sedangkan pemupukan dengan fertilizer applicator dilakukan pada Plot Percobaan D-DS dan E-PF. Pemupukan pertama secara manual disajikan pada Gambar 71. Di samping itu pelaksanaan penggemburan sebagai prakondisi pemupukan tidak dapat dilakukan karena tanah yang keras. B-PF. Percobaan dengan corong pupuk dilakukan untuk mengurangi ketidakakuratan faktor manusia. . Pada awalnya aplikasi pemupukan akan dilakukan secara mekanis dengan fertilizer applicator tetapi dijumpai beberapa kendala yang nyata.7 Aplikasi dosis pupuk pertama Aplikasi dosis pupuk pertama terlambat dari jadwal yang semestinya (umur tebu 2 minggu) karena musim kemarau yang panjang sehingga menyebabkan kekeringan di areal kebun.

Karena cara tanam pada penelitian ini adalah double row maka panjang juringan pengamatan adalah (10. diameter batang.000m2 : 1.5 bulan untuk Plot Percobaan D-DS dan E-PF. tinggi tanaman. pengamatan dilakukan pada tiga jurungan (alur tanama n) yang ditentukan sedemikian rupa sehingga apabila tanaman sudah tinggi maka pengamat tidak mengalami kesulitan untuk menemukan lokasi pengamatan (Gambar 72). dan C-DS dan umur tebu 2.8 Pengamatan pertumbuhan vegetatif I Pengamatan pertumbuhan vegetatif yang dilakukan meliputi pengamatan jumlah anakan. dan C-DS dan umur tebu 2 bulan untuk Plot Percobaan D dan E.8m) x 1000 = 5. B-PF. B-PF. Pengamatan pertumbuhan vegetatif setelah pemupukan pertama dilakukan pada umur tebu 2 bulan untuk Plot Percobaan A-PF. . Pengamatan pertumbuhan vegetatif sebelum pemupukan pertama dilakukan pada umur tebu 1 bulan untuk Plot Percobaan A-PF. dan persentase gap.5 m. jumlah daun. Pada setiap sel dalam plot percobaan. Gambar 72 Juringan pengamatan pertumbuhan vegetatif pada setiap sel.

pengamat bergeser sejauh 6 juringan/alur tanaman. diameter batang tebu belum dapat diamati karena jika tanaman tebu dikelupas maka titik tumbuh tepat pada permukaan tanah (Gambar 75). Pada pengamatan tebu umur 1 bulan.Pada setiap sel dalam plot percobaan terdapat 13 juringan/alur tanaman tebu. Pengamatan pertumbuhan vegetatif dilakukan paling tidak oleh 4 orang. Tanaman yang dipilih untuk pengukuran tinggi. . B-PF. pengamat masuk sejauh 15m (Plot Percobaan A-PF. dan C-DS) atau 30m (Plot Percobaan D-DS dan E-PF) akan menemukan juringan pengamatan pertama sepanjang 5. diameter. Untuk menemukan juringan pengamatan kedua. Orang keempat bertugas mencatat data. dan menghitung jumlah daun. pada juringan pertama setiap sel.5m. Dalam pengamatan pertumbuhan vegetatif. diameter. dan jumlah daun diberi tanda dengan tali plastik Pengamatan pertumbuhan vegetatif pada tanaman tebu umur 2 bulan disajikan pada Gambar 73 dan 74. Orang pertama bertugas mengukur tinggi. Orang kedua dan ketiga bertugas menghitung jumlah anakan dan mengukur persentase gap. Juringan pengamatan ketiga dapat ditemukan setelah bergeser 6 juringan dari juringan pengamatan kedua. Gambar 73 Pengamatan tinggi tanaman tebu.

. ( utuh ) ( dikelupas ) Gambar 75 Tanaman tebu varietas GP 94-2027 umur 1 bulan.Gambar 74 Pengamatan jumlah anakan dan persentase gap tebu.

Daun yang yang diambil adalah daun keempat sejumlah 40 helai daun (Gambar 76). Sampel tanah II diambil pada umur tebu 3 bulan (Plot Percobaan A-PF. Sampel daun diambil pa da umur tebu 3. 9½ bulan (Plot Percobaan D-DS dan E-PF). Bandar Lampung karena kerusakan peralatan laboratorium . Jurusan Tanah. B-PF. 6½. yaitu di sekitar juringan pengamatan kedua. Universitas Lampung. 6.9 Pengambilan sampel tanah II dan daun Cara dan lokasi pengambilan sampel tanah II sama dengan pengambilan sampel tanah I. C-DS) serta 4. Fakultas Pertanian. 10 Analisa hara tanah II dan hara daun Sampel tanah dan daun yang sudah diperoleh kemudian dianalisa di Laboratorium Analisis Tanah dan Tanaman. dan 9½ bulan (Plot Percobaan A-PF. C-DS) dan 4 bulan (Plot Percobaan D-DS dan E-PF). B-PF. Sementara itu untuk sampel daun diambil di bagian tengah sel. Gambar 76 Pengambilan sampel daun.

dan hara daun. yaitu 417 kg/ha KCl (250 kg/ha K2O). Sedangkan analisa hara daun dilakukan untuk mengetahui jumlah hara daun N dan K yang tersedia pada tanaman. 12 Penentuan dosis pupuk kedua Penentuan dosis pupuk kedua dilakukan untuk menentukan dosis pupuk Urea (N) dan KCl (K) yang ditambahkan. Analisa hara tanah II dilakukan untuk mengetahui jumlah hara N dan K yang tersedia di dalam tanah. Aplikasi pupuk Urea untuk Plot Percobaan A-PF. Aplikasi dosis pupuk kedua sebaiknya dilakukan pada umur tebu 1½ 2 bulan dan tidak boleh melebihi umur tebu 6 bulan. 11 Analisa keragaman spasial II Analisa keragaman spasial II dilakukan terhadap hasil pengamatan pertumbuhan vegetatif sebelum pemupukan dasar. Persamaan yang digunakan adalah Persamaan 47 dan 48. 13 Aplikasi dosis pupuk kedua Aplikasi dosis pupuk kedua menjadi terlambat karena keterlambatan aplikasi dosis pupuk pertama. Dengan demikian walaupun aplikasi dosis pupuk kedua dalam penelitian ini terlambat tetapi masih dalam . B-PF. B-PF. Sugar Group Company di wilayah PT Gula Putih Mataram. dan tidak tersedianya pupuk yang diperlukan pada waktunya. pertumbuhan vegetatif sesudah pemupukan dasar. dan C-DS dilakukan pada umur tebu 4½ bulan. kerusakan peralatan laboratorium. Dosis seragam untuk Plot Percobaan C-DS dan D-DS berdasarkan rekomendasi dari PT Gula Putih Mataram. Perhitungan jumlah pupuk yang dibutuhkan juga menggunakan data sekunder pada Tabel 13 di muka. Pengamatan bobot kering tanaman dilakukan untuk dapat melakukan konversi jumlah hara yang tersedia dalam tanaman. hara tanah II. sedangkan untuk Plot Percobaan D-DS dan E-PF dilakukan pada umur tebu 5½ bulan.188 pada Group Agro Laboratory Division. dan C-DS dilakukan pada umur tebu 4 bulan sedangkan untuk Plot Percobaan D-DS dan E-PF dilakukan pada umur tebu 5 bulan. Aplikasi pupuk KCl untuk Plot Percobaan A-PF.

Aplikasi dosis pupuk kedua dilakukan secara manual pada seluruh plot percobaan. Selain itu juga dilakukan pengamatan tebu roboh untuk mengetahui indikasi kelebihan pemberian pupuk N. Sedangkan untuk Plot Percobaan D-DS dan E-PF pengamatan pertumbuhan vegetatif II dilakukan pada umur tebu 5½. Taksasi awal (6½ bulan) dan taksasi akhir (9½) dihitung dengan Persamaan 2 di muka. Untuk itu dilakukan pengambilan sampel batang pada umur tebu 6½. 6½. hama dan penyakit Pengamatan pertumbuhan vegetatif II dilakukan pada umur tebu 4½. sarana transportasi. 5½. gulma. dan C-DS. Pengambilan sampel batang untuk analisa kemasakan dan taksasi disajikan pada Gambar 77. pelaksanaan tebang tidak dapat dilakukan untuk setiap sel karena kesulitan tenaga tebang. dan sarana penimbangan. 14 Pengamatan pertumbuhan vegetatif II. dan 9½ bulan sehingga dapat dilakukan analisa kemasakan dan perhitungan taksasi. . Pada penelitian ini. B-PF. Aplikasi mekanis pada Plot Percobaan D-DS dan E-PF tidak dapat dilakukan karena tanaman sudah cukup tinggi. dan 9½ bulan. 6½. Pengamatan kadar air tanah juga dilakukan untuk mengetahui kondisi kelengasan tanah pada saat pengambilan sampel batang. dan 9½ bulan untuk Plot Percobaan A-PF.batas toleransi. Gambar 77 Pengambilan sampel batang untuk analisa kemasakan dan taksasi tebu umur 9½ bulan.

Pengukuran dilakukan pada luasan 1 m2 pada setiap juringan pengamatan. Gambar 79 Pengamatan hama dan penyakit tanaman tebu.Pengamatan gulma dilakukan dengan mengukur persentase penutupan gulma untuk ketiga juringan pengamatan pada setiap sel dalam plot percobaan. Untuk itu pengamatan dilakukan per plot percobaan (Gambar 79). Pengamatan hama dan penyakit tanaman tebu tidak dapat dilakukan pada setiap sel karena keterbatasan tenaga pengamat. Pengamatan persentase penutupan gulma disajikan pada Gambar 78. . Gambar 78 Pengamatan persentase penutupan gulma. Pengamatan dilakukan pada umur tebu 6½ dan 9½ bulan.

hama. dan taksasi tebu. 15 Analisa keragaman spasial III Analisa keragaman spasial III dilakukan terhadap hasil pengamatan pertumbuhan vegetatif II. perhitungan taksasi. gulma. kadar air tana h. tinggi tebu. 16 Pembuatan peta informasi lahan Pembuatan peta informasi lahan untuk dosis pupuk. dan biomassa.0 digabungkan (overlay ) dengan peta spasial peubah yang bersangkutan menggunakan piranti lunak ArcView 3. Peta kontur dari peubah-peuba h tersebut sebagai hasil pengolahan data dengan piranti lunak Surfer 8. Gambar 80 Pengambilan sampel biomassa tanaman tebu.Pada akhir kegiatan penelitian dilakukan pengamatan biomassa untuk mengetahui bobot kering tanaman (Gambar 80). populasi tebu.3. analisa kemasakan. .

model pemupukan. Pembuatan program komputer yang dapat mengolah secara terpadu model hasil tebu.03 awal dan akhir pada Plot Percobaan ton tebu/ha dan produktivitas Plot ton tebu/ha). tinggi batang. manfaat hasil gula dengan Persamaan 58 59. B-PF terhadap target Percobaan B-PF pada C-DS terhadap target Percobaan C-DS pada .57 ton tebu/ha). model geostatistika. Program komputer dibuat dengan bahasa Delphi 7.17 Analisa biaya Analisa biaya dilakukan untuk menghitung biaya pemupukan dengan Persamaan 49 53. dan model biaya. 20 Uji beda nyata Uji beda nyata dilakukan dilakukan menggunakan metode A One Sample t-test Metode ini digunakan untuk mengetahui signifikansi perbedaan rata-rata suatu kelompok sampel dengan nilai pembanding yang ditetapkan. 19 Analisa pertumbuhan vegetatif Pembuatan grafik hubungan respon perlakuan pemupukan terhadap pertumbuhan vegetatif (jumlah daun. dan B/C ratio dengan Persamaan 62 18 Pembuatan program terpadu 63. awal dan akhir pada Plot Percobaan ton tebu/ha dan produktivitas Plot ton tebu/ha). jumlah anakan.0. b Rata-rata taksasi produktivitas 110 tahun 2002 (85. biaya produksi gula dengan Persamaan 54 57. dan diameter batang) terhadap waktu untuk menganalisa pengaruh pemupukan terhadap kecenderungan pertumbuhan vegetatif.42 Rata-rata taksasi produktivitas 100 tahun 2002 (78. yaitu a Rata-rata taksasi awal dan akhir pada Plot Percobaan A-PF terhadap target produktivitas 100 ton tebu/ha dan produktivitas Plot Percobaan A -PF pada tahun 2002 (75. model spasial. keuntungan yang diperoleh dengan Persamaan 60 61.

5%). dan E-PF terhadap nilai rendemen 10%. h Rata-rata kadar gula awal dan akhir pada Plot Percobaan D-DS dan E-PF terhadap target kadar gula 20%. g Rata-rata kadar gula awal dan akhir pada Plot Percobaan C-DS terhadap target kadar gula 20% dan kadar gula Plot Percobaan C-DS pada tahun 2002 (16.05. maka Ho ditolak dan Ha diterima b angka signifikansi (a ) -jika a³ 0.193 d Rata-rata taksasi awal dan akhir pada Plot Percobaan D-DS dan E-PF terhadap target produktivitas 100 ton tebu/ha.5%).5%). B-PF. C-DS. e Rata-rata kadar gula awal dan akhir pada Plot Percobaan A-PF terhadap target kadar gula 20% dan kadar gula Plot Percobaan A-PF pada tahun 2002 (16. f Rata-rata kadar gula awal dan akhir pada Plot Percobaan B-PF terhadap target kadar gula 20% dan kadar gula Plot Percobaan B-PF pada tahun 2002 (16. tetapi karena uji t bersifat dua sisi maka nilai a yang dirujuk pada tabel t . yaitu pada taraf kepercayaan 95% (a = 5%. maka Ho ditolak dan Ha diterima Nilai ttabel dicari pada tabel distribusi t. D-DS. Rumusan hipotesanya adalah: Ho : rata -rata kelompok sampel pada setiap Plot Percobaan adalah sama dengan nilai pembanding yang ditetapkan Ha : rata-rata kelompok sampel pada setiap Plot Percobaan adalah tidak sama dengan nilai pembanding yang ditetapkan Pengambilan keputusan dilakukan berdasarkan a nilai t -jika ± thitung < ± ttabel. i Rata-rata rendemen awal dan akhir pada Plot Percobaan A-PF.05. maka Ho diterima dan H a ditolak -jika a < 0. maka Ho diterima dan H a ditolak -jika ± thitung > ± ttabel.

025 2. C-DS.025) dan derajat bebas (df) = n-1.05/2= 0. D-DS. Berdasarkan pencarian pada tabel distribusi t dan interpolasi yang dilakukan maka diperoleh nilai t tabel seperti disajikan pada Tabel 15.017 B Paired Sample t-test Metode ini dilakukan untuk menguji signifikansi perbedaan rata -rata antara taksasi awal dan akhir pada setiap plot percobaan.025 2. dan E-PF) meliputi peubah a Populasi tebu pada taksasi awal b Populasi tebu pada taksasi akhir c Tinggi tebu pada taksasi awal d Tinggi tebu pada taksasi akhir e Taksasi awal f Taksasi akhir g Rendemen Awal h Rendemen Akhir .038 B-P F 32 31 0.040 C-DS 16 15 0. Tabel 15 Nilai ttabel untuk uji beda nyata dengan one sample t-test Plot Percobaan n df a /2 t tabel A-PF 33 32 0. Selain itu juga menguji signifikansi perbedaan rata -rata antara rendemen awal dan akhir pada setiap plot percobaan Rumusan hipotesanya adalah: Ho : kedua rata-rata taksasi awal dan akhir adalah sama Ha : kedua rata-rata taksasi awal dan akhir adalah tidak sama Pengambilan keputusan dan nilai ttabel yang diperlukan sama dengan pada uji beda nyata dengan one-sampel t-test di muka.145 E-PF 45 44 0.025 2.adalah a /2= 0. C One Way ANOVA dengan uji lanjut Metode ini dilakukan untuk menguji signifikansi perbedaan rata -rata antar varian dari lima plot percobaan (A-PF.025 2.131 D-DS 15 14 0.025 2. B-PF.

sedangkan tabulasi analisa data disajikan pada Tabel 16. . Ringkasan diagram alir tata laksana penelitian disajikan pada Gambar 81. Uji lanjut One Way ANOVA Pengambilan keputusan berdasarkan nilai probabilitas -jika probabilitas ³ 0.05. maka Ho diterima dan Ha ditolak -jika probabilitas < 0. Jika asumsi homogenitas varian terpenuhi maka uji One Way ANOVA dapat dilanjutkan. maka Ho ditolak dan Ha diterima b nilai F -jika Fhitung < Ftabel. maka Ho ditolak dan Ha diterima Nilai Ftabel dari tabel distribusi F pada taraf kepercayaan 95% (a =5%) serta derajat bebas (df) 1 dan 2 masing-masing adalah df1=5-1=4 dan df2=1415= 136 adalah 2.4356 (hasil interpolasi). maka Ho ditolak dan Ha diterima Analisa dan interpretasi keluaran dari ketiga metode di muka dilakukan dengan menggunakan piranti lunak SPSS 13. maka Ho diterima dan Ha ditolak -jika Fhitung > Ftabel.05. maka Ho diterima dan Ha ditolak -jika probabilitas < 0.Pada metode ini dila kukan uji homogenitas sebelum dilakukan uji lanjut Uji Homogenitas Rumusan hipotesanya adalah: Ho : kelima varian populasi adalah homogen Ha : kelima varian populasi adalah tidak homogen Pengambilan keputusan berdasarkan a nilai probabilitas -jika probabilitas ³ 0.05.05.0.

.Pengambilan sampel tanah I Mulai Pemetaan sampel Analisa hara tanah I Penentuan dosis pupuk pertama Aplikasi dosis pupuk pertama Pengambilan sampel tanah II dan daun Analisa hara tanah II dan daun Penentuan dosis pupuk kedua Aplikasi dosis pupuk kedua Analisa keragaman spasial Pengamatan pertumbuhan vegetatif Pengamatan pertumbuhan vegetatif Pembuatan peta informasi lahan Pembuatan SPK Analisa pertumbuhan vegetatif Analisa biaya Uji beda nyata Penelitian pendahuluan Pengambilan sampel tanah I Mulai Pemetaan sampel Analisa hara tanah I Penentuan dosis pupuk pertama Aplikasi dosis pupuk pertama Pengambilan sampel tanah II dan daun Analisa hara tanah II dan daun Penentuan dosis pupuk kedua Aplikasi dosis pupuk kedua Analisa keragaman spasial Pengamatan pertumbuhan vegetatif Pengamatan pertumbuhan vegetatif Pembuatan peta informasi lahan Pembuatan SPK Analisa pertumbuhan vegetatif Analisa biaya Uji beda nyata Penelitian pendahuluan Selesai Gambar 81 Ringkasan diagram alir tata laksana penelitian.

dan pertumbuhan vegetatif Persentase penutupan gulma (%) Kadar air (%) . bentuk. Tujuan Peubah / Parameter Model Analisa Metode yang Tujuan umum diharapkan Hara tanah N (%) Hara tanah P (ppm) Hara tanah K (me/100 gr tanah) 1a Membuat semivariogram hara tanah. effective range.Tabel 16 Tabulasi analisa data Keluaran No. sill. Q. hara daun. hara daun. dan pertumbuhan vegetatif Hara daun N (% berat kering) Hara daun K (% berat kering) Pupulasi tebu Tinggi tebu (cm) Diameter tebu (cm) Jumlah daun Persentase gap (%) Jumlah tebu roboh GEOSTATISTIKA Semi-variogram GS+ for Windows Tabel Nugget. r2 dari masingmasing peubah keragaman spasial hara tanah.

dan pertumbuhan vegetatif Jumlah tebu roboh Persentase penutupan Kadar air (%) gr tanah) kering) kering) gulma (%) . hara daun. hara daun.Tabel 16 Tabulasi analisa data (lanjutan) Keluaran No. dan pertumbuhan vegetatif Hara tanah N (%) Hara tanah P (ppm) Hara tanah K (me/100 Hara daun N (% berat Hara daun K (% berat Pupulasi tebu Tinggi tebu (cm) Diameter tebu (cm) Jumlah daun Persentase gap (%) GEOSTATISTIKA Klasifikasi keragaman spasial Analitis Tabel Tingkat keragaman spasial masingmasing peubah keragaman spasial hara tanah. Tujuan Peubah / Parameter Model Analisa Metode yang Tujuan umum diharapkan Menentukan klasifikasi keragaman 1b spasial hara tanah.

dan pertumbuhan vegetatif gr tanah) kering) kering) gulma (%) .Tabel 16 Tabulasi analisa data (lanjutan) Keluaran Tujuan Peubah / Parameter Model Analisa Metode yang Tujuan umum diharapkan Membuat peta kontur teoritis hara tanah. dosis pupuk. dan pertumbuhan vegetatif Hara tanah N (%) Hara tanah P (ppm) Hara tanah K (me/100 Hara daun N (% berat Hara daun K (% berat Dosis Urea (kg/ha) Dosis TSP (kg/ha) Dosis KCl (kg/ha) Pupulasi tebu Tinggi tebu (cm) Diameter tebu (cm) Jumlah daun Persentase gap (%) Jumlah tebu roboh Persentase penutupan Kadar air (%) keragaman spasial GEOSTATISTIKA Kontur Kriging Surfer 8. hara daun. dosis pupuk.0 Peta kontur dari masing-masing parameter hara tanah. hara 1c daun.

bentuk. dan taksasi Kadar gula (%) Rendemen (%) Taksasi (ton/ha) . dan taksasi 2c Membuat peta kontur teoritis kadar gula. rendemen. rendemen. rendemen. dan taksasi Menentukan klasifikasi keragaman spasial kadar gula. r2 dari masingmasing peubah Tingkat keragaman spasial masingmasing peubah keragaman spasial kadar gula. effective range. Tujuan Peubah / Parameter Model Analisa Metode Keluaran yang diharapkan Tujuan umum 2a 2b Membuat semivariogram kadar gula. dan taksasi Kadar gula (%) Rendemen (%) Taksasi (ton/ha) Kadar gula (%) Rendemen (%) Taksasi (ton/ha) GEOSTATISTIKA Semi-variogram Klasifikasi keragaman spasial GS+ for Windows Tabel Analitis Tabel Nugget. sill.Tabel 16 Tabulasi analisa data (lanjutan) No. Q. rendemen.

0 Peta kontur dari masing-masing parameter .Kontur Kriging Surfer 8.

Tabel 16 Tabulasi analisa data (lanjutan) No. Tujuan Peubah / Parameter Model Analisa Metode Keluaran yang diharapkan Tujuan umum 3a Menentukan jumlah hara N dan P yang dibutuhkan Hasil tebu (t on/ha) Kadar gula (%) Penentuan Pupuk pertama Neural Network Jumlah hara N dan P yang dibutuhkan (kg/ha) hubungan jumlah hara N dan P yang dibutuhkan dengan hasil tebu dan kadar gula 3b Menentukan jumlah hara N dan K yang dibutuhkan Hasil tebu (ton/ha) Kadar gula (%) PEMUPUKAN Penentuan Pupuk kedua Neural Network Jumlah hara N dan K yang dibutuhkan (kg/ha) hubungan jumlah hara N dan K yang dibutuhkan dengan hasil tebu dan kadar gula Jumlah hara N Menentukan Jumlah hara N dan P yang dan P yang jumlah hara N Penentuan 4a dibutuhkan (kg/ha) Analitis perlu dan P yang Pupuk pertama ditambahkan .

ditambahkan (kg/ha) Jumlah hara N Menentukan Jumlah hara N dan K yang dan K yang jumlah hara N Penentuan 4b dibutuhkan (kg/ha) Analitis perlu dan K yang Pupuk kedua ditambahkan ditambahkan (kg/ha) Sistem Pendukung Keputusan untuk Strategi Pemupukan pada Budidaya Tebu dengan Pendekatan Precision Farming .

populasi tebu. dan rendemen Menenentukan biaya 4e pemupukan setiap plot percobaan Populasi tebu Tinggi tebu (cm) Dosis Urea (kg/ha) Dosis TSP (kg/ha) Dosis KCl (kg/ha) Populasi tebu Tinggi tebu (cm) Taksasi (ton/ha) Jumlah pupuk Urea/sel (kg) Jumlah pupuk TSP/sel (kg) Jumlah pupuk KCl/sel (kg) Harga Urea/kg (Rp/kg) Harga TSP/kg (Rp/kg) Harga KCl/kg (Rp/kg) Harga analisa tanah N/sampel (Rp) Harga analisa daun N/sampel (Rp) Harga analisa tanah P/sampel (Rp) Harga analisa tanah K/sampel (Rp) Harga analisa daun K/sampel (Rp) Upah pengambilan sampel tanah/sampel (Rp) Upah pengambilan sampel daun/sampel (Rp) Luas tiap sel (ha) Jumlah sel tiap plot .Tabel 16 Tabulasi analisa data (lanjutan) Keluaran No. tinggi tebu. Tujuan Peubah / Parameter Model Analisa Metode yang Tujuan umum diharapkan Menentukan 4c taksasi tebu Membuat overlay peta kontur teoritis dan peta dosis 4d pupuk.

3 Taksasi tebu (ton/ha) Peta informasi lahan dari masing-masing parameter Biaya Analitis pemupukan tiap Grafis plot per hektar (Rp/ha) Sistem Pendukung Keputusan untuk Strategi Pemupukan pada Budidaya Tebu dengan Pendekatan Precision Farm ing .Produktivitas HASIL TEBU lahan SPASIAL Peta Biaya BIAYA pemupukan (fertilizer cost) Analitis Overlaypeta kontur dan spasial dengan ArcView 3.

Tabel 16 Tabulasi analisa data (lanjutan) No. Tujuan Peubah Parameter Model Analisa Metode Keluaran yan g diharapkan Tujuan umum Menentukan biaya produksi Rendemen tiap sel (%) Taksasi tiap sel (ton/ha) Biaya produksi selain pemupukan Biaya produksi Analitis Biaya produksi gula pada taksasi awal dan 4f gula setiap plot percobaan (Rp/kg) Biaya pemupukan per kg gula (Rp/kg) Jumlah sel gula (production cost) Grafis akhir setiap plot percobaan (Rp/ha) 4g Menenentukan manfaat hasil gula setiap plot percobaan Rendemen tiap sel (%) Taksasi tiap sel (ton/ha) Harga gula (Rp/kg) Jumlah sel Manfaat hasil gula (benefit) Analitis Grafis BIAYA Manfaat hasil gula pada taksasi awal dan akhir setiap plot percobaan (Rp/ha) Sistem PendukunKeputusan untuk Strategi Pemupukan pada g Menenentukan Manfaat hasil gula pada taksasi awal dan akhir setiap plot percobaan .

Keuntungan pada taksasi 4h keuntungan setiap plot (Rp/ha) Biaya produksi gula pada taksasi Keuntungan ( profit) Analitis Grafis awal dan akhir setiap plot percobaan awal dan akhir setiap plot percobaan (Rp/ha) percobaan (Rp/ha) Manfaat hasil gula pada taksasi awal Menenentukan dan akhir setiap plot percobaan 4i B/C ratio setiap plot (Rp/ha) Biaya produksi gula pada taksasi percobaan awal dan akhir setiap plot percobaan (Rp/ha) B/C ratio pada B/C ratio Analitis Grafis taksasi awal dan akhir setiap plot percobaan Budidaya Tebu dengan Pendekatan Precision Farming .

dan taksasi .Tabel 16 Tabulasi analisa data (lanjutan) Keluaran Peubah No. rendemen. kadar gula. Tujuan Model Analisa Metode yang Tujuan umum Parameter diharapkan Membuat ---grafik pertumbuhan Pupulasi tebu Tinggi tebu (cm) Diameter tebu (cm) Jumlah daun Persentase gap (%) Jumlah tebu roboh Persentase penutupan gulma (%) Kadar air (%) Kadar gula (%) Rendemen (%) Taksasi (ton/ha) Pertumbuhan ---Grafis vegetatif Grafik pertumbuhan masing-masing parameter pertumbuhan --vegetatif. kadar air.

Tujuan Model Analisa Metode yang Tujuan umum Parameter diharapkan One sample t-test Melakukan uji beda Pembanding : Signifikansi nyata rata-rata Taksasi=75.57 . 110 .03 . kadar gula. 78. 85.5 dan pembanding yang pembanding yang 20% ditetapkan ditetapkan Rendemen=10% Signifikansi perbedaan ratarata antara taksasi awal dan akhir Melakukan uji beda setiap plot nyata rata-rata percobaan . 100 rata setiap peubah ---dan rendemen Kadar gula (%) Uji beda nyata -ton/ha terhadap nilai terhadap nilai Rendemen (%) Kadar gula= 16.42 perbedaan rata taksasi.Tabel 16 Tabulasi analisa data (lanjutan) Keluaran Peubah No. Taksasi (ton/ha) .

Taksasi (ton/ha) ---taksasi dan Paired sample t-test Signifikansi --Rendemen (%) rendemen setiap plot perbedaan rata percobaan rata antara Uji beda nyata rendemen awal dan akhir setiap plot percobaan Signifikansi Populasi tebu Melakukan uji beda perbedaan rataTinggi tebu (cm) ---nyata antar plot One Way ANOVA rata setiap peubah --Taksasi (ton/ha) percobaan antar plot Rendemen (%) percobaan .

Ketinggian tempat antara 32 37 meter di atas permukaan laut. Letak geografis PT GPM adalah 105°26 18 -105°30 22 dan 4°42 5 LS.HASIL DAN PEMBAHASAN Keadaan Umum Lokasi Penelitian PT Gula Putih Mataram (PT GPM) merupakan perusahaan yang mengelola perkebunan tebu dan pabrik gula. Areal berbentuk Site (Remote Area) berjarak ± 144 km dari Bandar Lampung. dan (4) mampu menunjang dan mewujudkan upaya peningkatan kondisi sosial ekonomi masyarakat sekitar lingkungan perusahaan. PT GPM didirikan dengan akta notaris Imas Fatimah. SH. berbe ntuk perseroan terbatas (PT) swasta penuh dengan status penanaman modal dalam negeri (PMDN). nomor 33 tanggal 21 April 1988 dan surat izin nomor 064/SITU/BKPMD/II/1988. Kabupaten Lampung Tengah. Propinsi Lampung dengan kantor pusat di Jakarta. Perkebunan tebu PT GPM mulai dibangun tahun 1983. Kecamatan Seputih Mataram. di sebelah Barat bagian Utara dan Utara adalah Sungai Way terusan dan areal perkebunan tebu milik PT Sweet Indo Lampung. dan di sebelah Barat bagian Selatan adalah areal perkebunan milik PT Indo Lampung Perkasa (Gambar 82). PT GPM terletak di Wilayah Mataram Udik. Pembangunan pabrik PT GPM dimulai pada bulan Juni 1986 dan selesai pada .000 hektar. (2) berusaha mendayagunakan lahan yang kurang produktif menjadi lahan produktif. Keadaan topografi areal PT GPM mulai dari datar sampai bergelombang dengan kemiringan 0 8 %°. Batas-batas areal PT GPM di sebelah Selatan dan Timur adalah areal perkebunan tebu milik PT Gunung Madu Plantations dan areal milik Inhutani. PT GPM mempunyai tujuan: (1) mampu menunjukkan eksistensi dan peranan dalam menunjang program-program pemerintah terutama penyediaan gula untuk memenuhi kebutuhan nasional maupun penyediaan lapangan kerja. (3) ikut serta menggali potensi pengalaman dan pengetahuan tentang budidaya tebu di lahan kering. dengan penanaman tebu pada keseluruhan areal efektif sampai Juli 2002 seluas ± 25.

.153 PT GPM Gambar 82 Peta lokasi PT Gula Putih Mataram.

2 4. Luas areal tanam dan produksi PT GPM tahun 1984 2002 disajikan pada Tabel 17.6 66.275 1.0 16.70 24.774 15.8 5.4 4.0 6.2 6.78 8.7 6.305 1.808.216 20.38 6.072.0 113.2 65.266 88.4 16.008 1.245 80.953 77.290 22.7 5.3 4.954 13.077 111.bulan Juli 1987.278 22.80 22.354 1.131 2.321 79.2 18.938 72.960.5 13.693 16.339 69.0 10.72 2.373 76.9 4.8 60.2 16.197 3.1 17.38 18.000 12.165.389 20.371.260.6 110.5 8.20 23.172 221.83 23.254 481.6 4.063.780.998 21.377 83.00 22.512 17.926.97 13.14 16.150 82.227 80.900.04 17.113 89.000 ton tebu perhari.893 1.8 5.77 17.3 66.19 18.945 1.108 1.1 26.711 103. Pabrik dioperasikan secara penuh dan memproduksi gula untuk pertama kalinya pada bulan Desember 1987 dengan kapasitas giling 8000 ton tebu perhari.888 16.30 23.151 6.885.427 92.2 .898.613.189 16. Sejak tahun 1994.5 5.747 1.53 4.8 5.959.1 17.2 18.846 1.529 1.703.612.7 6.278 21.3 6.034 182.142 90.070.792 73. Tabel 17 Luas areal tanam dan produksi PT Gula Putih Mataram Tahun 1984 2002 Tahun Luas tanam Luas tebang Tebu Produksi Produktivitas Gula Produksi Produktivitas Ton tebu per ton Rendemen (ha) (ha) (ton) (ton/ha) (ton) (ton/ha) gula (%) 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 363 --1.621 21.0 12.425 65.5 17.153 17.893 1.307 1. Pada bulan Agustus 1987 mulai dilakukan percobaan giling tanpa beban. kapasitas giling pabrik ditingkatkan menjadi 10.500.7 12.0 4.084.548.450.8 6.402 80.029.021.152 1.060 1.33 24.961 1.788.1 8.572 81.21 17.2 7.

3 135.8 9.53 12.65 10.794.768.612.66 14. luas satu petak rata-rata 7-8 ha.0 8.1 9.46 10.8 157.5 162.8 8.387.2 5.97.127.74 11.4 100.18 11.9 8. Bentuk petak sebagian besar berbentuk persegi panjang dengan ukuran 500 m x 200 m kecuali pada petak-petak yang berbatasan dengan sungai atau lebung dan terpotong oleh .5 (Sumber: Divisi PAS Plantation Department GPM.9 8.1 7.0 6. 2003) Kebun di PT GPM terdiri atas blok-blok dengan luas 70-80 ha perblok yang dibagi menjadi 10 petak.5 4.0 7.6 9.0 164.686.82 16.043.2 151.39 11.8 6.2 6.992.0 7.4 184.4 6.

1° C.46 0.32 0.62 4. Riset dan Pengembangan (R & D).27 0.78 0. Plant Cane adalah tanaman tebu yang pertama kali ditanam di areal yang baru dibuka.93 0. Tipe iklim di PT GPM menurut Schmidt dan Ferguson termasuk tipe B dengan curah hujan bulanan 204.54 0.17 4.16 0. Pada umumnya tanah di PT GPM didominasi oleh tanah Ultisol yang memiliki sifat kimia kurang baik.72 1.39 0.10 4.16 0.37 H-dd me/100g 0. SS = subsoil (Sumber: Soil & Plant Laboratory -R&D GPM Group . dan areal perencanaan.68 4. tanah memiliki keasaman yang tinggi (pH < 5.09 Ca-dd me/100g 0.56 50.39 0.78 0.79 -TS = topsoil .84 0.97 1.00 6. dan Ratoon Cane (RC). Kelembaban relatif rata -rata bulanan 75%.5 mm dan curah hujan rata -rata tahunan 2. Areal tanam dibagi menjadi Divisi 1. Antar blok maupun antar petak dipisahkan oleh jalan.16 0.15 0.14 0.25 4.85 pH KCl -4.25 4.82 -N % 0.89 0.saluran drainase yang dalam.08 0. Divis i 5 (Inti dan Plasma).89 0.70 5. Berdasarkan hasil analisis tanah tahun 1998 2001.44 10.454 mm.88 0.08 0. Divisi 4.15 0.28 0.28 0. yaitu musim hujan dan musim kemarau.08 0. Tanaman tebu yang dibudidayakan di PT GPM terdiri atas tiga kategori yaitu Plant Cane (PC).84 9.47 13.98 0.76 0.4 km/jam.81 8.29 0.48 0.47 0.29 56.37 4.07 0. Divisi 2.00 12. Tabel 18 Hasil analisa tanah PT Gula Putih Mataram tahun 1998 Tahun Parameter Satuan 1998 1999 2000 2001 TS SS TS SS TS SS TS SS pH H2O -5.98 8. Suhu rata-rata bulanan 29.46 5.07 4.69 4.5 jam/hari.80 5.19 Al-dd me/100g 0.17 0.93 0.57 10.29 4.92 56.30 5.92 0.76 5.88 KTK -9. dan miskin unsur hara (Tabel 18).96 0.24 9.92 0. Replanting Cane (RPC).0 ).49 Mg-dd me/100g 0.53 9. bahan organik rendah ( < 2.00 1.30 0.79 11. Lama penyinaran rata-rata 5.45 0.37 C-Organik % 1.09 C/N -11.25 -P-Total ppm 50. 2003) PT GPM beriklim tropis yang memiliki dua musim.11 0.91 13.17 0.16 0. Kecepatan angin rata-rata 3.08 0.36 0.71 4.16 0.92 K-dd me/100g 0. Replanting Cane adalah tanaman tebu yang ditanam pada areal tanaman tebu 2001 .22 0. Divisi 3.5).

pemupukan II. Deskripsi varitas tebu yang ditanam di PT GPM disajikan pada Tabel 19. pengendalian gulma pascatumbuh I. sedangkan Ratoon Cane adalah tanaman tebu yang setelah tebang tidak dibongkar tetapi dipelihara kembali. pemeliharaan (penyulaman. persiapan lahan (pembajakan I. pengendalian gulma pra tumbuh. pembajakan II. pengendalian gulma pra tumbuh. pengendalian gulma pascatumbuh II. pengendalian gulma manual. pemberian dolomit). kultivasi. penggaruan I. pembajakan II. penggemburan. penanaman/irig asi. Tanaman ratoon cane dimulai dengan kegiatan pemanenan/tebang.sebelumnya yang telah dibongkar. penanaman. penggaruan I. Sementara itu data produksi tahun 2002 petak lahan yang digunakan untuk penelitian ini disajikan pada Tabel 20. persiapan lahan (pembajakan I. pembakaran sampah. pembuatan kairan. pembakaran sampah. pemeliharaan (penyulaman. pemberian blotong. PT GPM sendir i melalui bagian pemuliaan tanaman pada Divisi Reserach & Development telah menghasilkan beberapa temuan varietas. pembentukan lahan. penanaman/irigasi. pengendalian gulma pascatumbuh I. penggaruan II. pengumpulan akar III. penyulaman/kepras tunggul. pemupukan I. Tanaman replanting cane dimulai dengan kegiatan pemanenan/tebang. perbaikan jalan. pemupukan II. . Tanaman plant cane dimulai dengan kegiatan pembukaan lahan. kultivasi. Varietas tanaman tebu yang ditanam di PT GPM terdiri dari berbagai macam jenis dan asal tempat pemuliaan. pemberian dolomit). pemupukan II. pengendalian gulma manual). pengendalian gulma pascatumbuh II. pemupukan I. pengendalian gulma pascatumbuh I. pengumpulan akar I. pembuatan kairan. pengumpulan akar II. kultivasi. pembakaran sampah sisa/serak sampah. pengendalian gulma pra tumbuh. pengendalian gulma manual).

04 Rendement 8 9.49 9.50 10.19 88.7 2.98 81.89 14.92 7.Tabel 19 Deskripsi varietas tebu yang ditanam di PT Gula Putih Mataram Varietas Parameter GP 94-2027 P ROC 11 ROC 13 ROC 14 ROC 15 ROC 22 TC 04 TC 09 Asal Negara Indonesia Taiwan RRC RRC RRC RRC RRC Malaysia Malaysia Hasil persilangan SIL 04 -SS13 -------Umur tanaman (bulan) 10 11 12 ------Populasi (000/ha) --81 70 84 89 107 91 156 Tinggi batang (cm) 275 310 290 325 311 295 304 303 301 287 293 Diameter batang (cm) 2.40 15.45 19.95 10.46 17.80 89.12 Ton tebu per hektar (TCH)Produksi Ton gula per hektar (TSH) 86 102 8 10.5 2.06 132.94 97.13 4.6 19.56 17.00 -0.00 1.30 160.78 16.47 Purity --89.02 116.19 8.96 11.02 9.36 2.75 1.60 13.50 Pembungaan --43.00 -Brix --19.75 3.69 2.36 2.44 87.66 2.68 1.77 --0.3 2.23 83.69 1.49 9.88 -Karat Daun (%) Noda Cincin (%) Hama dan Penyakit - .13 14.64 17.88 1.22 94.62 PolKualitas --17.62 2.15 8.55 Ketahanan Sedang Sedang ------Ringkai Daun (%) --0.36 Bobot/batang (kg)Agronomi --1.13 146.46 1.68 16.35 18.06 85.00 -94.00 12.92 85.38 1.60 9.54 1.37 14.70 140.5 2.17 Jumlah anakan tiap rumpun 3 4 4 5 ------Jumlah daun tiap batang 8 10 8 9 ------Kerobohan (%) --42.43 13.32 8.26 9.43 9.66 2.09 7.50 78.13 8.

TC = Tebu Cuping Ma laysia . ROC = Republic of China .1.75 (Sumber: R&D PT Gula Putih Mataram.79 Top Borer (%) ---1.24 Stem Borer (%) ---37.80 --14.13 1.20 31.16 0.44 1.76 2.94 3.89 0.22 --3.74 3.76 0.51 Noda Kuning (%) --0.33 0.70 0. 2003) Catatan: GP = Gula Putih Mataram .

67 15.36 17.89 ROC 15 RPc 64. PT Sweet Indo Lampung.85 ROC 15 R1 2002 78.05 18.39 19.55 17.71 16.89 ROC 15 RPc 2001 65.69 16.39 89.57 88.39 89.55 18.39 89.95 15.85 ROC 15 R1 66.45 GP 94-2027 RPc 85.27 86.31 16.67 15.67 15.69 16.35 ROC 11 R1 64.42 -1996 84.02 19.55 17.56 PS 84 .35 18.14707 R2 99.57 88.72 18.09 19.55 17.50 85.95 15.69 16.19 87.78 18.93 ROC 11 R2 62.26 16.50 85.66 19.32 85.89 ROC 15 RPc .91 19.82 ROC 11 RPc 1998 56.35 ROC 11 R1 75.71 16.11 ha Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori -----------17.57 88.45 17.32 85.56 PS 84 .42 ---17.71 16.95 15.93 ROC 11 R2 2000 71.27 86. luas 4.36 17.26 16.91 17.24 86.45 GP 94-2027 R Pc Petak 60 TU 3 .32 85.19 87.14707 R2 110.70 19.35 ROC 11 R1 1999 61.72 18.24 86.24 86.03 19.64 19.82 ha Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori 1993 -----------1994 -----------1995 -17.158 Tabel 20 Data produksi beberapa petak lahan tebu di PT Gula Putih Mataram.58 ha Petak 58 TU 3 .92 87.36 17. dan PT Indo Lampung Perkasa Tahun 1993 2002 PT Gula Putih Mataram Tahun Petak 56 TU 3 .92 87.93 ROC 11 R2 86. luas 3.19 87.14 707 R2 1997 95.56 PS 84 .27 86.31 16.42 19.28 19.31 17.42 -68.82 ROC 11 RPc 88.82 ROC 11 RPc 85. luas 5.

84 ROC 11 2002 -----------(Sumber: R&D PT Gula Putih Mataram.29 16.88 17.82 19. luas 7.02 16.57 19.64 14. luas 9.50 85. dan R&D PT Indo L ampung Perkasa.45 89.78 19.32 18.18 17.39 17.05 ROC 11 R2 -----1996 81.20 19.60 16. 2002) . 99 88.12 84.29 ROC 11 2001 101.08 ROC 22 RPc 96.40 88.65 ROC 15 R2 78. R&D PT Sweet Indo Lampung.68.30 ---ROC 11 PC -----1994 85.08 89.92 87.85 17.19 88.89 88.36 ha Petak 259 A 24 .30 19.60 19.26 16.43 17.09 ha 1993 92.05 ROC 11 2000 75.80 ROC 15 R1 133.85 ROC 15 R1 75.25 19.17 19.13 19.86 ROC 15 RPc -----1999 81.27 19.66 87.40 ---ROC 11 R1 -----1995 72.81 Sil 03 R1 -----1998 75.80 Sil 03 RPc -----1997 73.50 88.42 88.45 GP 94-2027 RPc Tahun PT Sweet Indo Lampung PT Indo Lampung Perkasa Petak 44 E 45 .41 17.31 16.49 16.

Pemupukan sekali merupakan pemberian pupuk dengan sekali penambahan.1%).79 132TU010 R1 TC 04 103. dan lebih mempertimbangkan faktor efisiensi.82 133TU004 R1 TC 04 84. dilaksanakan karena adanya keterbatasan alat.78 133TU010 R1 TC 04 85.41 ton/ha dengan koefisien variansi 14. Tabel 21 Produktivitas lahan tebu Blok TU 1/14 PT Gula Putih Mataram Tahun 2001 Petak Kategori Varietas Produktivitas lahan tebu (ton/ha) 132TU003 R1 TC 04 63. kondisi lingkungan yang tidak mendukung pelaksanaan pemupukan bertahap.10 (Sumber: Departemen Tanaman PT Gula Putih Mataram. Aplikasi pupuk di PT GPM dikenal dua cara yaitu pemupukan sekali dan bertahap. ketersediaan pupuk di pasaran. Pemupukan sekali lebih .31 132TU004 R1 TC 04 86.45 133TU007 R1 TC 04 68.00 Rata-rata produktivitas lahan tebu (ton/ha) 86.68 133TU003 R1 TC 04 89.Penelitian Pendahuluan Penelitian pendahuluan dengan mengambil data sekunder telah dilaksanakan pada tanggal 24 April 2002 dan diperoleh data produktivitas lahan tebu pada sebagian areal tebu yang disajikan pada Tabel 21.97 134TU010 R1 TC 04 92.04 133TU002 R1 TC 04 91.41 Koefisien Variansi (%) 14. Jenis tana h pada keseluruhan lahan tebu adalah seragam yaitu Podsolik Merah Kuning (Ultisol).14 133TU005 R1 TC 04 69.13 132TU007 R1 TC 04 98. 2002) Keterangan: R1 : keprasan pertama (ratoon 1) TC 04 : Tebu Cuping 04 (varietas tebu dari Malaysia) Dari Tabel 21 dapat diketahui bahwa terdapat keragaman produktivitas lahan tebu (rata -rata 86.65 133TU001 R1 TC 04 90.33 133TU006 R1 TC 04 84.64 134TU002 R1 TC 04 101.

PT GPM melaksanakan analisa tanah rutin yang dilaksanakan pada musim tebang dan analisa daun rutin yang dilaksanakan setiap bulan setelah tanaman mencapai umur dua bulan. Lokasi pengambilan sampel secara zig -zag pada setiap petak yang mewakili. Sampel tanah tersebut dikeringkan dan dihaluskan untuk dianalisa. Pada tanaman baru.5 kg. Pemupukan pertama dilaksanakan setelah pembuatan alur tanaman dan sebelum penanaman bibit dengan cara sebar di sepanjang alur tanam dan kedalaman 5 10 cm. Kedalaman sampel dibedakan menjadi 0-25 cm untuk lapisan top soil dan 25-50 cm untuk lapisan sub soil. Analisa tanah dimulai dengan pengambilan sampel tanah sebanyak enam lubang perhektar pada tiga petak yang mewakili setiap blok. dilaksanakan pada awal penanaman (pemupukan pertama) dan pemupukan kedua dengan dosis pupuk yang juga seragam untuk keseluruhan petak lahan tebu. SP 36(36% P2O5). tetapi yang paling banyak digunakan adalah Urea (45% N). Penentuan dosis pupuk di PT GPM didasarkan pada analisa tanah dan daun. Untuk masing-masing sampel dilakukan pencampuran dan diambil 1. sedangkan untuk tanaman ratoon dilaksanakan setelah pengendalian gulma pra tumbuh dengan cara ditempatkan di dalam larikan di antara barisan tanaman tebu.5 2. pemupukan kedua dilaksanakan setelah penggemburan.banyak diterapkan pada tanaman ratoon. dilaksanakan setelah penggemburan (± satu minggu setelah tebang) dengan dosis pupuk seragam untuk keseluruhan petak lahan tebu.0 bulan. Standar hara tanah yang digunakan di PT GPM disajikan pada Tabel 22. Pupuk yang digunakan di PT GPM terdiri atas beberapa jenis. dan KCl (60% K2O). Sedangkan pemupukan kedua dilaksanakan pada saat tanaman berumur 1. Pemupukan bertahap merupakan penambahan pupuk secara bertahap berdasarkan pertimbangan sifat dari pupuk yang diberikan dan faktor-faktor lain seperti iklim dan cara kerja peralatan. .

1984 9. 1991 14.2 1.2 1.5 0.3 2. 1991 (Sumber: Soil & Plant Laboratory R&D GPM Group. Wolf) Soil Tes ting.15 0.5 > 8.25 > 1. B (ppm) 0 0.15 0. 1991 15. Wolf) Soil Testin g. Fe (ppm) 0 1.0 1.4 0.9 2 4 > 4 NaOAC.51 1.25 -NH4 OAC 1N pH = 7 Australian Sugar Can e Nutrition Manual 5. Al/CEC (%) -< 30 60 85 > 85 -Calculation Brooker Tropical Soil Manual. 1984 11.55 1.0 > 0.9 10 20 > 20 NaOAC.4 2.5 0. Exch.9 10 20 > 20 NaOAC.4 2.50 -NH4 OAC 1N pH = 7 Brooker Trop ical Soil Manual.9 1. P (ppm) -< 17 17 34 > 34 -Bray I tanah asam) (NH4F + HCl) Brooker Tropical So il Manual.1 Kjedahl Brooker Tropical Soil Ma nual. DTPA (Morgan.2 0. DTPA (Morgan. Zn (ppm) 0 1. Mg (me/100g) -< 0.50 > 0.2 1. Unsur hara Sangat rendah (kurang) Rendah (miskin) Sedang (cukup) Tinggi Sangat tinggi (Berlebih) Metode analisis Sumber acuan 1.2 0.55 0.31 0.21 0. K (me/100g) < 0.5 -NH4 OAC 1N pH = 7 Brooker Tropical Soil Ma nual. CEC (me/100g) < 5 5 15 15 25 25 40 > 40 NH4 OAC 1N pH = 7 13. N (%) < 0. DTPA (Morgan. 2003) . DTPA (Morgan. Wolf) Soil Tes ting. Na?CEC (ESP) (%) 2 10 10 20 20 40 40 60 -Calculation Brooker Tropical Soil Manual. 1984 7.5 7 7 8. Mn (ppm) 0 1. 1991 2. 1991 3.5 9.3 2.1 10 > 10 NaOAC.6 1.5 > 0. 1991 6. DTPA (Morgan.30 0. C-org (%) < 2 2 4 4 10 10 20 > 20 Walkley & Black 12. 1991 4.1 0. pH -< 5.5 5.2 1.Tabel 22 Standar penggolongan kandungan hara tanah di PT Gula Putih Mataram No.5 9.1 0. Wolf) Soil Tes ting.5 PH Meter Brooker Tropical Soil Manual. Exch. 1984 10. Wolf) Soil Test ing.9 10 20 > 20 NaOAC. 1984 8.5 9.3 5 5.2 0. Ca (me/100g) -< 0. Cu (ppm) 0 0.4 2.50 0.3 2.

Mn (ppm) 20 200 -10. Mg (%) ODM 0.18 0. Sampel dikeringkan dan dihaluskan untuk dianalisa. K (%) ODM 1. dengan demikian pada penelitian ini akan dikaji lebih lanjut keragaman di dalam petak (within-field variability ). Standar hara daun yang digunakan di PT GPM disajikan pada Tabel 23.21 0.20 -5.65 2. dan tulang daun dihilangkan. Setiap sampel membutuhkan 40-50 lembar daun plus satu. Tabel 23 Standar hara daun di PT Gula Putih Mataram Nilai Optimum pada umur (bulan) No.60 4. Sampel daun diambil dari petak yang mewakili blok secara zig-zag. Zn (ppm) 15 50 -9. Unsur hara 3 4 6 10 1. Cu (ppm) 4 15 -8.20 1.30 0.08 0. Dosis pupuk seragam tidak hanya dilakukan di PT GPM tetapi juga diterapkan pada 2 pabrik gula lainnya yaitu PT Sweet Indo Lampung dan PT Indo Lampung Perkasa yang bersama PT GPM tergabung dalam satu manajemen Sugar Group Company.21 1.60 1. Sedangkan dosis pupuk yang diterapkan di PT GPM disajikan pada Tabel 24.21 1.6 2. N (%) ODM 2. P (%) ODM 0.0 2. B (ppm) 6 29 -( Sumber: Soil & Plant Laborator y R&D PT GPM. Fe (ppm) 80 100 -7. dipotong 10 cm. Keragaman yang terdapat pada Tabel 17 di muka merupakan keragaman antar petak (between-field variability). .21 1. 2003) Dengan aplikasi dosis pupuk yang seragam untuk keseluruhan petak lahan tebu dan terlebih lagi adanya keragaman produktivitas lahan tebu maka kajian precision farming perlu dilakukan.21 0. Ca (%) ODM 0.2 1.2 2. Setiap lembar daun sampel dilipat dua.35 -6.30 3.30 0.21 0.Analisa daun dilaksanakan setiap bulan mulai tanaman berumur dua bulan sampai menjelang panen.60 1.

Tabel 24 Dosis pupuk yang diterapkan di PT Gula Putih Mataram. dan PT Indo Lampung Perkasa Tahun 1988 2002 Tahun Dosis pupuk (kg/ha) PT Gula Putih Mataram PT Sweet Indo Lampung PT Indo Lampung Perkasa Pupuk Pertama Pupuk Kedua Pupuk Pertama Pupuk Kedua Pupuk Pertama Pupuk Kedua N P2O5 K2O N K2O N P2O5 N K2O N P2O5 N P2O5 K2O 1988 69 184 90 92 90 --------1989 46 184 90 92 90 --------1990 46 184 60 92 150 --------1991 46 184 60 115 180 --------1992 46 161 60 115 180 --------1993 46 161 60 114 180 46 138 92 180 ----1994 46 92 60 92 150 46 138 92 180 ----1995 46 144 30 92 150 46 138 92 180 ----1996 50 69 60 81 120 46 108 92 180 ----1997 73 69 -58 180 54 138 69 180 ----1998 46 63 -92 180 46 63 92 180 54 138 69 -180 1999 119 69 --150 46 108 69 150 54 138 138 81 180 2000 123 138 --150 54 108 92 150 54 138 111 138 150 2001 123 138 --150 54 138 69 150 54 138 123 60 124 2002 250 100 --250 --------- . PT Sweet Indo Lam pung.

Beberapa hasil ilustrasi semi-variogram ditampilkan pada Gambar 83 94. B-PF. Implikasi dari hal ini adalah bahwa ukuran pengamatan selanjutnya dapat dibuat lebih besar dari 25 m. Implikasi dari hal ini adalah bahwa pengamatan selanjutnya dapat dilakukan secara acak. sedangkan tingkat keragaman Plot Percobaan A-PF paling jelek yaitu sedang.087. Tingkat keragaman spasial Plot Percobaan B-PF menunjukkan yang paling baik yaitu cukup rendah. Sementara itu Plot Percobaan A-PF.246 dan 0.161. Berdasarkan keterangan di atas.96. Tingk at keragaman spasial Plot Percobaan A-PF menunjukkan yang paling baik yaitu cukup rendah.Keragaman Spasial Analisa keragaman spasial menghasilkan parameter semi-variogram dan klasifikasi keragaman spasial yang disajikan pada Tabel 24 42. dan C-DS menunjukkan ketergantungan spasial dengan R2 yang besar.239. C-DS. dan D-DS tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF dengan nilai Q tertinggi yaitu 0. Ukuran efektif pengamatan untuk Plot Percobaan A-PF dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). B-PF. dan C-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). 0. dan 0. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF yaitu 0. .943. jika pengamatan awal N top soil dan penga matan akhir N top soil dikaitkan maka dapat diketahui bahwa perlakuan pemupukan pertama Urea dengan pendekatan precision farming pada Plot Percobaan A-PF dapat menurunkan tingkat keragaman spasial yaitu dari sedang menjadi cukup rendah. Sementara itu jika dilihat pada pada pengamatan akhir N top soil diketahui Plot Percobaan B-PF. Unsur hara tanah Pengamatan awal N top soil pada Tabel 25 menunjukkan bahwa pada Plot Percobaan D-DS dan E-PF diketahui tidak mempunyai ketergantungan spasial R2 karena diperoleh nilai yang rendah yaitu masing-masing 0. Ukuran efektif pengamatan untuk Plot Percobaan A-PF.

0.032 dan 0.139 dan 0. Berdasarkan keterangan di ata s. Tingkat keragaman spasial Plot Percobaan B PF menunjukkan rendah. Ukuran efektif pengamatan untuk Plot Percobaan A-PF. Tingkat keragaman spasial Plot Percobaan A-PF dan E-PF menunjukkan yang paling baik yaitu agak rendah. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF yaitu 1.143. B-PF.003 dan 0. D-DS.7 m. Sementara itu jika dilihat pada pengamatan tengah hara daun N diketahui bahwa Plot Percobaan A-PF dan E-PF tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0. C-DS.928. Sementara itu jika dilihat pada pengamatan akhir P top soil diketahui bahwa Plot Percobaan B-PF dan C-DS tidak terdapat ketergantungan spasial dengan R2 masing-masing 0. 0. dan E-PF diketahui tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0. D-DS.115. Struktur spasial Plot Percobaan B-PF tinggi yaitu 0.165 Pengamatan awal P top soil pada Tabel 24 menunjukkan bahwa pada Plot Percobaan C-DS dan E-PF diketahui tidak mempunyai ketergantungan spasial R2 dengan masing-masing 0.4 m menjadi 96. Ukuran efektif pengamatan untuk Plot Percobaan APF.064. Struktur spasial yang paling kuat ditunjukkan ole h Plot Percobaan A-PF yaitu 1. dan 0. Ukuran efektif pengamatan untuk Plot Percobaan B-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Tingkat keragaman spasial Plot Percobaan B PF menunjukkan yang paling baik yaitu cukup rendah. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). dan D-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Struktur . jika pengamatan awal P top soil dan pengamatan akhir P top soil dikaitkan maka dapat diketahui bahwa perlakuan pemupukan pertama TSP dengan pendekatan precision farming pada Plot Percobaan A-PF tidak merubah tingkat keragaman spasial yaitu tetap agak rendah. tetapi hal ini masih lebih baik karena meningkatkan ukuran efektif pengamatan dari 81.046. Unsur hara daun Pengamatan awal hara daun N pada Tabel 26 menunjukkan bahwa pada Plot Percobaan A-PF.

999.spasial yang paling kuat ditunjukkan oleh Plot Percobaan C yaitu 0. Jumlah anakan tebu (populasi tebu) Pengamatan jumlah anakan tebu sebelum pemupukan pertama pada Tabel 27 (periode pengamatan I untuk Plot Percobaan A-PF. C-DS dan periode pengamatan II untuk Plot Percobaan D-DS dan E-PF) menunjukkan bahwa semua plot percobaan mempunyai ketergantungan spasial karena diperoleh nilai R2 yang besar. Tingkat keraga man spasial Plot Percobaan E-PF menunjukkan yang paling baik yaitu rendah. Berdasarkan keterangan di atas. Berdasarkan keterangan di atas. tetapi hal ini masih lebih baik kare na meningkatkan ukuran efektif pengamatan dari 86.3 m menjadi 150. B-PF.077. Ukuran efektif pengamatan untuk Plot Percobaan B-PF. C-DS dan periode pengamatan III untuk Plot Percobaan D-DS dan E-PF) menunjukkan bahwa Plot Percobaan D-DS tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang kecil yaitu 0. Ukuran efektif pengamatan untuk semua plot percobaan yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Ukuran efektif pengamatan untuk Plot Percobaan A-PF. jika pengamatan jumlah anakan tebu sebelum dan sesudah pemupukan pertama dikaitkan maka diketahui bahwa pemupukan dengan pendekatan precision farming pada Plot Percobaan E-PF dapat . Sementara itu pengamatan jumlah anakan tebu sesudah pemupukan pertama pada Tabel 27 (periode pengamatan II untuk Plot Percobaan A-PF.4 m. Tingkat keragaman spasial Plot Percobaan C-DS menunjukkan yang paling baik yaitu rendah.999. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan C-DS dengan nilai Q tertinggi yaitu 0. jika pengamatan awal dan tengah hara daun N dikaitkan maka dapat diketahui bahwa perlakua n pemupukan kedua Urea dengan pendekatan precision farming pada Plot Percobaan B-PF tidak merubah tingkat keragaman spasial yaitu tetap cukup rendah. C-DS. B-PF. dan D-DS yang diperoleh lebih besar dari yang dila kukan pada penelitian ini (25 m). B-PF. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). C-DS.89. Struktur spasial yang paling kuat ditunjukkan o leh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0. Tingkat keragaman spasial Plot Percobaan C-DS menunjukkan yang paling baik yaitu amat sangat rendah.

931. C-DS dan periode pengamatan V untuk Plot Percobaan D-DS dan E-PF) menunjukkan semua plot percobaan mempunyai ketergantungan spasial karena diperoleh nilai R2 yang besar. Ukuran efektif pengamatan untuk semua plot percobaan yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m).187. Struktur spasial yang paling kuat ditunjukkan oleh Plot . Struktur spasial yang pali ng kuat ditunjukkan oleh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0. Tingkat keragaman spasial Plot Percobaan A-PF menunjukkan yang paling baik yaitu cukup rendah.109 dan 0. C-DS. B-PF.2 m.7 m menjadi 178. Sementara itu pengamatan jumlah anakan tebu sesudah pemupukan kedua pada Tabel 27 (periode pengamatan IV untuk Plot Percobaan A-PF.073. C-DS dan periode pengamatan IV untuk Plot Percobaan D-DS dan E-PF) menunjukkan bahwa Plot Percobaan D-DS tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu 0. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0.menekan tingkat keragaman dari agak rendah menjadi rendah. B-PF. Sementara pemupukan dengan dosis seragam pada Plot Percobaan C-DS menambah tingkat keragaman dari rendah menjadi sedang. C-DS dan periode pengamatan IV untuk Plot Percobaan D-DS dan E-PF) menunjukkan bahwa Plot Percobaan B-PF dan C-DS tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu 0. Tingkat keragaman spasial Plot Percobaan A PF menunjukkan yang paling baik yaitu cukup rendah. tetapi meningkatkan ukuran efektif pengamatan dari 41. Tinggi tanaman tebu Pengamatan tinggi tanaman tebu sebelum pemupukan kedua pada Tabel 30 (periode pengamatan III untuk Plot Percobaan A-PF. Ukuran efektif pengamatan untuk Plot Percobaan A-PF. B-PF. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). jika pengamatan jumlah anakan tebu sebelum dan sesudah pemupukan kedua dikaitkan maka diketahui bahwa pemupukan dengan pendekatan precision farming pada Plot Percobaan A-PF tidak merubah tingkat keragaman yaitu tetap cukup rendah.999. Berdasarkan keterangan di atas. B-PF. Pengamatan jumlah anakan tebu sebelum pemupukan kedua pada Tabel 27 (periode pengamatan III untuk Plot Percobaan A-PF.

Ukura n efektif pengamatan untuk Plot Percobaan A-PF.164. B-PF. C-DS dan periode pengamatan V untuk Plot Percobaan D-DS dan E-PF) menunjukkan Plot Percobaan B-PF dan E-PF tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu 0. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0.999.999. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF dengan nilai Q tertinggi yaitu 0. . Tingkat keragaman spasial Plot Percobaan A-PF. Sementara itu pengamatan tinggi tebu sesudah pemupukan kedua pada Tabel 30 (periode pengamatan IV untuk Plot Percobaan A-PF. Berdasarkan keterangan tersebut maka dapat disimpulkan bahwa perlakuan pemupukan dengan pendekatan precision farming pada Plot Percobaan B-PF dapat menghasilkan tingkat keragaman spasial yang paling baik yaitu rendah. Ukuran efektif pengamatan untuk Plot Percobaan A-PF. sedangkan dengan pendekatan precision farming dihasilkan 87.786. Ukuran efektif pengamatan untuk semua plot percobaan yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Di samping itu jika dibandingkan dengan produktivitas Plot Percobaan B-PF pada tahun 2002 dengan dosis seragam dihasilkan 85. Taksasi Pengamatan taksasi awal pada Tabel 43 menunjukkan bahwa pada Plot Percobaan D-DS diketahui tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu 0. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). C-DS. Tingkat keragaman spasial Plot Percobaan A-PF dan C-DS menunjukkan tingkat keragaman agak rendah. B-PF. dan C-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m).072. jika pengamatan tingg tebu sebelum dan sesudah pemupukan kedua dikaitkan maka diketahui bahwa pemupukan dengan pendekatan precision farming pada Plot Percobaan A-PF menunjukkan penyimpangan karena menambah tingkat keragaman dari cukup rendah menjadi agak rendah.Percobaan A-PF dengan nilai Q tertinggi yaitu 0.42 ton tebu/ha (Tabel 24).5 ton tebu/ha.008 dan 0. dan EPF menunjukkan tingkat keragaman cukup rendah. Tingkat keragaman spasial Plot Percobaan B-PF menunjukkan yang paling baik yaitu rendah. B-PF. B-PF. Berdasarkan keterangan di atas.

89 Spherical 0.0003 46.043 4 cukup rendah Akhir A-PF 0.1 0.3 0.00053 58 0.901 5 agak rendah D-DS 0.3 0.00033 0.998 Exponential 0.00024 25.807 4 cukup rendah D-DS 0.998 Spherical 0.7 0.545 5 agak rendah sub soil Awal A-PF 0.00022 24.00207 1167.514 Exponential 0.7 0 Linear 0.00045 152 0 Linear 0.872 Spherical 0.933 6 sedang E-PF 0.00005 0.667 6 sedang (%) B-PF 0.3 0.0006 277.943 Exponential 0.00004 0.1 0.00016 0.9 0.00016 171.2 0.00031 45.96 Spherical 0.00099 316.9 0.00022 0.757 Exponential 0.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.161 4 cukup rendah C-DS 0 0.00042 86.5 0.00045 310 0.246 5 agak rendah E-PF 0 0.842 Spherical 0.584 4 cukup rendah B-PF 0.00042 113. dan K Parameter semi-variogram Klasifikasi keragaman spasial Peubah Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman N top soil Awal A-PF 0.853 Exponential 0.438 6 sedang C-DS 0.00034 0.00021 52 0.00031 0.999 Linear 0. P.873 Spherical 0 4 cukup rendah B-PF 0.3 0 Linear 0.806 4 cukup rendah D-DS 0.7 0.00013 51 0.00003 0.525 4 cukup rendah .00006 0.017 4 cukup rendah C-DS 0 0.00014 130.3 1 Spherical 0 4 cukup rendah Akhir A-PF 0.00082 40.057 5 agak rendah E-PF 0.087 5 agak rendah D-DS 0 0.239 4 cukup rendah E-PF 0.38 4 cukup rendah B-PF 0.00009 0.00001 0.00045 0.00145 935.6 0.00108 1525.715 Exponential 0.00002 0.899 4 cukup rendah C-DS 0.841 Exponential 0.00071 0.00014 0.637 Spherical 0.00003 0.973 Spherical 0.00138 2065.

8 49.88 152 0.47 171.801 Exponential 0.907 1 Spherical Spherical 0. P.777 Exponential 0.9 1039.9 720.396 4 cukup rendah C-DS 0.4 0.2 254.821 Spherical 0.593 Exponential 0.5 0.372 4 cukup rendah C-DS 124 558.423 4 cukup rendah B-PF 0.028 3 rendah Akhir A-PF 51.305 4 cukup rendah E-PF 31 156 963.1 315.003 4 cukup rendah C-DS 172.732 6 sedang E-PF 0.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.008 5 agak rendah C-DS 1 616.6 126.9 81. dan K (lanjutan) Parameter semi-variogram Klasifikasi keragaman spasial Peubah Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman P top soil Awal A-PF 1 549.7 79.447 Linear 0.1 199.7 48.416 8 cukup tinggi D-DS 29.5 43.939 3 5 rendah agak rendah B-PF 146.81 57 130.115 0.75 108.927 Exponential 0.5 285 0.92 4 cukup rendah B-PF 405.7 335.02 146.778 Exponential 0.8 0.7 0.7 0.85 214.1 889 291.998 Spherical 0.484 5 agak rendah (ppm) B-PF 0.47 405.2 42 96.196 Linear 0.1 200.4 0.3 0 Linear 0.3 0.833 4 cukup rendah .2 1 Spherical 0.689 Linear 0.032 5 agak rendah D-DS 123 1689 627.9 0.999 Spherical 0.9 0.522 7 agak tinggi Akhir E-PF A-PF 83 0.44 130.1 1 Spherical 0.8 0.01 6.3 0 Linear 0.538 41.4 34.998 Spherical 0.9 0.02 171.395 5 agak rendah sub soil Awal A-PF 74.046 6 sedang D-DS 126 705.885 7 agak tinggi E-PF 89 419.788 Exponential 0.7 0.133 6 sedang D-DS 33.998 Spherical 0.2 0.

7 130.9 0.3 0 Linear 0.00031 B-PF 0.7 Linear 0 7 agak tinggi E-PF 0.418 5 agak rendah E-PF 0.00149 30.4 0.2 0. B-PF.226 5 agak rendah 250.00041 55.00013 40.2 0.1 0.908 Spherical 0 4 cukup rendah tanah) C-DS 0 0.00001 0.00062 0.1 0.00044 319.0009 2040.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.00015 E-PF 0.00011 0.00038 863.159 3 rendah Akhir A-PF 0.00086 344.4 0 Linear 0.2 0.00001 0. C-DS Periode pengamatan plot perco baan D-DS dan E-PF Awal = pada umur tebu 1 bulan Awal = pada umur tebu 2 bulan Akhir = pada umur tebu 3 bulan Akhir = pada umur tebu 4 bulan .00005 0.82 Exponential 0.999 Exponential 0.00019 0.00001 0.00127 83.2 0.101 5 agak rendah 60.162 4 cukup rendah C-DS 0 0.191 5 agak rendah D-DS 0.479 4 cukup rendah sub soil Awal A-PF 0.712 Exponential 0.856 6 sedang 66.997 Exponential 0 4 cukup rendah D-DS 0.00031 0.00009 0.742 Exponential 0.987 Exponential 0.881 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.9 0.00043 0.999 Spherical 0.99 Spherical 0.00015 0.00239 47.904 Spherical 0.00119 C-DS 0.00085 D-DS 0.00043 171.913 Spherical .226 5 agak rendah B-PF 0.782 8 cukup tinggi E-PF 0.00035 16.783 4 cukup rendah (me/100g B-PF 0.307 4 cukup rendah 259 0 Linear 0.607 5 agak rendah C-DS 0.00237 0.00005 0.0003 0.4 0.821 Exponential 0.00002 0.00237 182.00002 130.008 4 cukup rendah D-DS 0 0.00016 476.00047 93.805 7 agak tinggi B-PF 0.00003 0.666 Exponential 0. dan K (lanjutan) Parameter semi-variogram Klasifikasi keragaman spasial Periode Plot Effective Peubah pengamatan percobaan Nilai R2 Kelas Nugget Sill Range Bentuk Tingkat keragaman Q keragaman (m) K top soil Awal A-PF 0 0.0021 18 0.794 Spherical 0.3 0.244 3 rendah Akhir A-PF 0.672 Exponential 0.2 0.4 0.3 0.3 0.993 Exponential 0. P.

4 0.064 1 amat sangat rendah D-DS 0. dan K Parameter semi-variogram Klasifikasi keragaman spasial Peubah Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman N Awal A-PF 0.00433 198 0.95 1 amat sangat rendah C-DS 0.00059 402.01612 25.00002 0.829 5 agak rendah Tengah A-PF 0.00988 24.00208 0.903 Spherical 0 4 cukup rendah Tengah A-PF 0.664 5 agak rendah E-PF 0.928 Spherical 0.00064 456.4 0.00026 0.00027 34.956 Spherical 0.00788 290.865 Spherical 0.7 0.051 5 agak rendah E-PF 0.7 0 Linear 0.00047 0.00001 0.139 4 cukup rendah B-PF 0.498 5 agak rendah E-PF 0.8 0.667 Spherical 0. P.4 0.2 0.587 1 amat sangat rendah D-DS 0.693 Exponential 0.9 0.803 1 amat sangat rendah D-DS 0.4 0.7 0.00048 406.996 Spherical 0.746 Spherical 0.902 Exponential 0.00028 0.782 Spherical 0.00704 182.849 Spherical 0 4 cukup rendah Akhir A-PF 0.983 Exponential 0.03598 2078.00134 0.4 0 Linear 0.00366 25.4 0.761 8 cukup tinggi (%) B-PF 0.099 5 agak rendah E-PF 0.00026 59.3 0.994 Spherical 0.143 4 cukup rendah (%) B-PF 0.973 Spherical 0.01388 24.00017 63.045 1 amat sangat rendah D-DS 0 0.514 4 cukup rendah .00867 130.00044 36.189 1 amat sangat rendah C-DS 0 0.583 3 rendah C-DS 0.6 0.00008 0.402 1 amat sangat rendah D-DS 0.121 3 rendah B-PF 0.2 0.00016 0.669 Spherical 0.01104 0.926 Spherical 0.828 3 rendah C-DS 0.00118 152 0 Linear 0.00267 35.00118 0.8 0.9 0.00704 0.00072 0.00867 0.6 0.89 Spherical 0.00014 0.00003 0.0022 47.945 Spherical 0.00105 462.561 Exponential 0.00057 206.043 1 amat sangat rendah C-DS 0.Tabel 26 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara d aun N.82 6 sedang B-PF 0.991 Spherical 0.00087 0.3 0.00256 0.00016 0.00629 150.01172 304.5 0.00046 39.00149 0.834 Spherical 0.00001 0.00001 0.984 Spherical 0 4 cukup rendah E-PF 0.00036 0.8 0.3 0.696 6 sedang P Awal A-PF 0.00655 86.7 0.

C-DS Periode pengamatan plot perco baan D-DS dan E-PF Awal = pada umur tebu 3 bulan Awal = pada umur tebu 4 bulan Tengah = pada umur tebu 6.03044 1803.00001 0.062 1 amat sangat rendah D-DS 0.0005 130.997 Spherical 0 3 rendah (%) B-PF 0.174 3 rendah C-DS 0.045 0.02122 105.886 4 cukup rendah K Awal A-PF 0.739 Exponential 0.5 0.00007 28.5 bulan Akhir = pada umur tebu 9.802 Exponential 0.848 Spherical 0.942 6 sedang E-PF 0.042 44.00011 182.1478 1440.737 Exponential 0.00011 0.03474 277.3 0.5 bulan .00001 0.0081 0.687 5 agak rendah E-PF 0.9 1 Spherical 0.4 0.5 bulan Tengah = pada umur tebu 6.00024 0.00026 250.807 Spherical 0. P.688 Spherical 0.00887 0.4 0 Linear 0.1094 869.43 7 agak tinggi D-DS 0.5 bulan Akhir = pada umur tebu 9.683 4 cukup rendah AkhirA-PF-------BPF-------CDS-------DDS 0.9 0.6 0.2 0.00007 0.Tabel 26 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara d aun N.0005 0.00527 0.3 0.0001 0.585 5 agak rendah E-PF 0.709 Exponential 0.4 0.7 0 Linear 0. dan K (lanjutan) Parameter semi-variogram Klasifikasi keragaman spasial Periode Peubah pengama Plot Effective Nilai Kelas percobaan Nugget Sill Range Bentuk R2 Tingkat keragaman tan Q keragaman (m) Akhir A-PF 0.0389 0.589 Exponential 0.2 0.112 4 cukup rendah B-PF 0.00077 255. B-PF.0343 25.579 1 amat sangat rendah C-DS 0.575 6 sedang Catatan: Periode pengamatan plot percobaan A-PF.

9 468.72 4 cukup rendah 37.2 317.8 116.3 101.2 0.5 Exponential 0.508 5 agak rendah 439 2004 2088.617 4 cukup rendah 15.4 402.774 Exponential 0.3 193.999 Linear 0.9 113.781 Exponential 0.5 0.931 Spherical 0.42 41.49 171.2 341.864 Spherical 0.29 171.94 5 agak rendah 9.9 661.646 Spherical 0.3 0 Linear 0.33 515.79 4 cukup rendah 42.8 51 0.2 54 0.64 166.7 0 Linear 0.7 0 Linear 0.4 82.93 382.843 5 agak rendah 87 384.853 5 agak rendah C-DS 0.931 Spherical 0.23 867.3 0 Linear 0.66 142.2 60.999 Spherical 0.109 4 cukup rendah 118 159.94 142 0.7 132.597 Exponential 0.6 391 0.9 400.681 3 rendah 2.444 6 sedang 515.6 152 0.9 0.749 4 cukup rendah B-PF 66.828 Exponential 0.833 Spherical 0.375 4 cukup rendah 58 426.5 225.735 5 agak rendah 0.27 4 cukup rendah 67.66 130.1 99.555 4 cukup rendah 110.6 37.972 3 rendah D-DS-------EPF ------II A-PF B-PF C-DS D-DS E-PF III A-PF B-PF C-DS D-DS E-PF IV A-PF B-PF C-DS D-DS E-PF V A-PF B-PF C-DS D-DS E-PF 32.849 Exponential 0.3 0 Linear 0.1 50.9 0.5 0.645 Spherical 0.073 4 cukup rendah 382.388 6 sedang 142.9 0.7 0 Linear 0.46 37.7 0.1 68.64 130.174 Tabel 27 Parameter semi-variogram dan klasifikasi keragaman spasial jumlah anakan tebu Parameter semi -variogram Klasifikasi keragaman spasial Periode Plot Effective Kelas Tingkat pengamatan percobaan Nugget Sill Range Nilai Q Bentuk R2 keragaman keragaman (m) I A-PF 63.812 4 cukup rendah .399 4 cukup rendah 141.7 0 Linear 0.29 67.077 6 sedang 201.4 0.818 Exponential 0.08 178.6 753.336 6 sedang 166.33 130.9 0.5 248.93 130.93 5 agak rendah VI A-PF 4.2 0.46 171.442 4 cukup rendah 46.7 0.261 Linear 0.806 Exponential 0.8 179.7 0.49 110.

5 148.7 374.466 6 sedang 153.2 45.8 0.B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 37.929 Spherical 0.7 0. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.03 153.1 44.2 68. B-PF.71 97.4 24.7 0 Linear 0.309 3 rendah 5.5 bulan IV = pada umur tebu 4.5 0.742 5 agak rendah 20.693 Exponential 0.5 0.07 130.001 4 cukup rendah 118.4 265.881 4 cukup rendah 3.5 bulan .46 167.3 0.17 48.5 228.6 241.3 0.998 Exponential 0.787 4 cukup rendah 0.5 bulan VII = pada umur tebu 9.963 Spherical 0.5 bulan VII = pada umur tebu 9.836 Exponential 0.509 Exponential 0.04 740.5 bulan VI = pada umur tebu 6.03 130.5 bulan VI = pada umur tebu 6.009 4 cukup rendah 11.836 Spherical 0 3 rendah Catatan: Periode pengamatan plot percobaan A-PF.9 68.1 0.5 bulan V = pada umur tebu 5.839 8 cukup tinggi 92.1 1005.5 bulan V = pada umur tebu 5.7 0.045 Linear 0.5 bulan IV = pada umur tebu 4.5 bulan Periode pengamatan plot percobaan D-DS dan E-PF I = tidak diamati II = pada umur tebu 2 bulan III = pada umur tebu 2.

001 1.3 0 Linear 0.337 35.7 0 Linear 0.2 0.4 0 Linear 0.074 0.636 58.24 7.447 46.785 56.3 0.321 4 cukup rendah 0.931 0.839 5 agak rendah 0.999 Spherical 0.281 0.142 5 agak rendah 130.326 190.977 78.152 1.792 3 rendah 0.2 0.015 100.6 0.045 0.7 0.383 0.742 1.9 0.3 0.2 0.655 Spherical 0.999 Linear 0.095 3 rendah B-PF 0.9 Exponential 0.103 4 cukup rendah 2.251 1.561 276.001 2.9 0.06 4 cukup rendah .928 0.035 0.928 0.001 1.819 4 cukup rendah 0.8 0.941 51 0.9 Spherical 0.147 4 cukup rendah 152 0 Linear 0.392 4 cukup rendah 0.5 0.701 Exponential 0.1 0.8 1 Exponential 0.466 1.811 Exponential 0.422 62.63 6.38 3 rendah 0.999 Spherical 0.08 0.54 7.116 4 cukup rendah 0.2 0.383 182.096 4 cukup rendah 133.906 Spherical 0.893 Spherical 0.368 122.413 76 0.5 0.913 0.352 84.788 5 agak rendah 0.931 0.28 5 agak rendah 171.913 0.3 0.489 1335 0.929 Spherical 0.141 1.001 1.931 0.15 5 agak rendah 0.712 Spherical 0.788 4 cukup rendah C-DS 0.999 Spherical 0.329 7 agak tinggi D-DS-------EPF ------II A-PF B-PF C-DS D-DS E-PF III A-PF B-PF C-DS D-DS E-PF IV A-PF B-PF C-DS D-DS E-PF V A-PF B-PF C-DS D-DS E-PF 0.952 Exponential 0.794 Exponential 0.783 3 rendah 0.956 Spherical 0.131 0.517 8 cukup tinggi 0.175 Tabel 28 Parameter semi-variogram dan klasifikasi keragaman spasial jumlah daun hijau tebu Parameter semi -variogram Klasifikasi keragaman spasial Periode Plot Effective Kelas Tingkat pengamatan percobaan Nugget Sill Range Nilai Q Bentuk R2 keragaman keragaman (m) I A-PF 0.54 4.793 35.001 0.875 Spherical 0.847 5 agak rendah 0.232 80.269 558.892 Exponential 0 3 rendah 0.364 4 cukup rendah 0.

001 1.4 0.81 46 0.812 Exponential 0.5 bulan IV = pada umur tebu 4.026 1.5 bulan .3 0.896 4 cukup rendah 0.769 24.145 1.5 bulan V = pada umur tebu 5.5 bulan VII = pada umur tebu 9.239 1. B-PF.917 Spherical 0.803 Exponential 0.5 bulan VII = pada umur tebu 9.519 49.4 0.5 bulan Periode pengamatan plot percobaan D-DS dan E-PF I = tidak diamati II = pada umur tebu 2 bulan III = pada umur tebu 2.811 Exponential 0.4 0.4 0.723 4 cukup rendah 1.683 5 agak rendah 0.274 98.2 0.999 Spherical 0.2 796.651 57 0.384 56.104 0.VI A-PF B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 0.81 4.551 3 rend ah 0.223 24.107 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.098 0.1 5.788 Exponential 0.142 0.5 bulan IV = pada umur tebu 4.5 bulan V = pada umur tebu 5.1 0.822 9 tinggi 0.068 4 cukup rendah 0.74 71.5 bulan VI = pada umur tebu 6.5 bulan VI = pada umur tebu 6.828 Spherical 0.8 0.722 348. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.979 Spherical 0 4 cukup rendah 0.825 Spherical 0.865 Spherical 0 4 cukup rendah 0.481 7 agak tinggi 0.325 1.

831 Spherical 0.976 127.9 0.835 33.001 2.793 152 0 Linear 0.793 1.3 0.35 2.441 4 cukup rendah 0.965 Exponential 0.6 0.2 0.094 0.333 0.6 0.019 0.199 1.17 111.01 4.228 1.887 Exponential 0.87 4 cukup rendah 152 0 Linear 0.931 Spherical 0.837 4 cukup rendah VI A-PF 0.751 46.333 2.85 5.4 1 Spherical 0.922 146.121 303.811 Spherical 0.881 6 sedang 0.4 0.Tabel 29 Parameter semi-variogram dan klasifikasi keragaman spasial jumlah daun kering tebu Parameter semi -variogram Klasifikasi keragaman spasial Periode Plot Effective Kelas pengamatan percobaan Nugget Sill Range Nilai Q Bentuk R2 Tingkat keragaman keragaman (m) I A-PF -------BPF -------CDS -------DDS-------EPF ------IIA-PF -------BPF -------CDS -------DDS-------EPF ------III A-PF 0.173 4 cukup rendah 49.03 61.932 219.806 4 cukup rendah 94.778 4 cukup rendah .377 2.599 3.903 Spherical 0.9 0.728 5 agak rendah 0.137 1.993 Exponential 0.2 0.521 2.5 0.3 0.116 4 cukup rendah D-DS-------EPF ------IV A-PF B-PF C-DS D-DS E-PF V A-PF B-PF C-DS D-DS E-PF 0.883 5 agak rendah 0.289 5 agak rendah 259 0 Linear 0.873 Spherical 0.883 Exponential 0.634 5 agak rendah C-DS 1.047 4 cukup rendah 1.024 4 cukup rendah B-PF 0.757 2.18 5.045 1.521 130.795 Spherical 0.

28 6.2 0.609 4 cukup rendah 0.6 0.023 626.5 bulan VII = pada umur tebu 9.472 5 agak rendah 1.802 4 cukup rendah 0.5 bulan IV = pada umur tebu 4.999 Spherical 0.01 6.999 Exponential 0.718 3.769 4 cukup rendah 4.815 Exponential 0.007 5 agak rendah 5.01 3.B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 0.583 51. C-DS I = belum ada daun kering pada umur tebu 1 bulan II = belum ada daun kering pada umur tebu 2 bulan III = pada umur tebu 3.5 bulan V = pada umur tebu 5.892 Exponential 0.3 0.857 110.1 0.7 0.2 0.555 Spherical 0.998 Linear 0.224 4 cukup rendah 7.207 4 cukup rendah 1.5 bulan VII = pada umur tebu 9.998 Spherical 0.928 28.787 Exponential 0.5 bulan IV = pada umur tebu 4.3 0.85 0.5 bulan VI = pada umur tebu 6.01 0.897 79.53 0.5 bulan V = pada umur tebu 5.22 47. B-PF.01 0.01 4.6 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.1 0.5 bulan .937 4 cukup rendah 14.5 bulan VI = pada umur tebu 6.997 Spherical 0.17 106.061 56.848 105.5 bulan Periode pengamatan plot percobaan D-DS dan E-PF I = belum ada daun kering pada umur tebu 1 bulan II = belum ada daun kering pada umur tebu 2 bulan III = belum ada daun kering pada umur tebu 2.8 0.

1 73.854 5 agak rendah IV A-PF 51.12 171.4 1 Spherical 0.9 0.4 0.999 Spherical 0.61 96.966 5.63 76.786 Exponential 0.999 Spherical 0.Tabel 30 Parameter semi-variogram dan klasifikasi keragaman spasial tinggi tebu Klasifikasi keragaman Parameter semi -variogram spasial Periode Plot pengamatan percobaan Effective Kelas Tingkat Nugget Sill Nilai Q Bentuk R2 Range (m) keragaman keragaman I A-PF -------B-PF -------C-DS -------D-DS -------E-PF -------II A-PF 0.685 5 agak rendah E-PF 40.966 171.528 4 cukup rendah C-DS 38.774 Spherical 0.726 3 rendah D-DS 215.8 51 0.53 4 cukup rendah B-PF 0.5 0.206 5 agak rendah D-DS -------E-PF -------III A-PF 0.365 Linear 0.1 89.27 510.9 63.679 Spherical 0.8 37.768 4 cukup rendah C-DS 0.5 bulan IV = pada umur tebu 4.455 5 agak rendah D-DS 96.2 214 37.1 0.642 6 sedang D-DS 1.999 Linear 0.2 108.7 0.812 Spherical 0.28 483 0.5 bulan .1 186.5 55.749 4 cukup rendah V A-PF 96.1 186.108 4 cukup rendah VII A-PF 0.21 215.6 241 1316.7 0 Linear 0.103 Linear 0.53 182.51 111.7 0 Linear 0.5 bulan V = pada umur tebu 5. B-PF.2 0.3 0.739 4 cukup rendah B-PF 12.5 bulan V = pada umur tebu 5.912 Spherical 0.282 4 cukup rendah B-PF 2.5 bulan IV = pada umur tebu 4.5 71. C-DS Periode pengamatan plot perco baan D-DS dan E-PF I = pada umur tebu 1 bulan I = tidak diamati II = pada umur tebu 2 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.94 5.7 0 Linear 0.3 0.7 63 0.2 337.15 4 cukup rendah E-PF 7.823 36.404 5 agak rendah D-DS 100.164 4 cukup rendah VI A-PF 93 342.57 Exponential 0.6 6.3 0.728 Spherical 0.32 99.747 5 agak rendah B-PF 73.8 9.6 0.1 198.6 0.965 Spherical 0.9 0.572 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.187 4 cukup rendah E-PF 18.34 88.6 51 0.474 Linear 0.07 130.759 4 cukup rendah D-DS 111.6 1359 0.3 0.5 0.2 141.069 4 cukup rendah B-PF 5.21 130.61 130.697 4 cukup rendah B-PF 80.954 Spherical 0.728 4 cukup rendah E-PF 288 669.199 4 cukup rendah C-DS 0.436 Linear 0.89 4 cukup rendah C-DS 60.999 Linear 0.833 Spherical 0.1 259.4 142.07 100.73 115.835 Exponential 0.496 Linear 0.89 152 0.8 0.454 4 cukup rendah E-PF 9.51 130.806 Exponential 0.683 Exponential 0.3 79.47 23.44 171.3 0 Linear 0.008 4 cukup rendah C-DS 50.52 103.5 bulan III = pada umur tebu 2.7 0 Linear 0.87 152.49 152 0.68 82.122 4 cukup rendah C-DS 0.4 121.4 53.

VI = pada umur tebu 6.5 bulan VII = pada umur tebu 9.5 bulan Tinggi tebu dalam cm .5 bulan VII = pada umur tebu 9.5 bulan VI = pada umur tebu 6.

296 171.1 0.549 238.2 6.4 0.158 152 0 Linear 0.469 318.033 93.7 0 Linear 0.784 Spherical 0.443 89.542 4 cukup rendah V A-PF 0.296 9.726 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.952 84.9 0.3 130.552 3.6 0.8 1 Spherical 0.365 50 0.616 3.754 1.965 3.527 4 cukup rendah C-DS 0.219 4 cukup rendah C-DS 1.894 5 agak rendah C-DS 0.779 Exponential 0.001 1.5 bulan IV = pada umur tebu 4.644 145.735 Exponential 0. B-PF.95 5 agak rendah IV A-PF 0.811 42.5 bulan .754 152 0 Linear 0.969 Spherical 0.3 0.159 5 agak rendah D-DS 0.5 Spherical 0.001 2.6 0.524 4 cukup rendah B-PF 0.1 0.01 6.123 5 agak rendah D-DS 3.718 3.3 3.303 3 rendah E-PF 0.01 7.364 48.797 Exponential 0. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.572 2.493 111.3 0.27 7.528 75.3 0 Linear 0.017 4 cukup rendah C-DS 1 5.835 5 agak rendah B-PF 0.163 282.572 171.902 Spherical 0.04 24.3 0.73 7.3 0.575 4 cukup rendah B-PF 0.868 70.704 Exponential 0.208 1.14 8.001 2.92 4.764 Spherical 0 4 cukup rendah VI A-PF 0.589 51.647 5 agak rendah D-DS 2.809 Exponential 0.754 67.2 1 Spherical 0.913 3 rendah VII A-PF 0.963 7 agak tinggi E-PF 0.861 Spherical 0.811 Spherical 0.7 0 Linear 0.329 4 cukup rendah D-DS 0.376 4 cukup rendah B-PF 9.Tabel 31 Parameter semi -variogram dan klasifikasi keragaman spasial diameter te bu Parameter semi -variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman I A-PF -------B-PF -------C-DS -------D-DS -------E-PF -------II A-PF 1.957 Exponential 0.439 9 tinggi E-PF 1.113 4 cukup rendah C-DS 0.968 348.258 1.25 0 Linear 0.885 Spherical 0.5 bulan VI = pada umur tebu 6.5 bulan V = pada umur tebu 5.158 1.276 4 cukup rendah D-DS -------E-PF -------III A-PF 0.2 0.3 0.95 21.934 6 sedang D-DS 1.832 Spherical 0.5 0.067 4 cukup rendah B-PF 2.721 3.89 729.999 Exponential 0.432 130.999 Spherical 0.3 0.999 Spherical 0.21 50.853 3.728 3 rendah C-DS 1.432 2.83 Spherical 0.747 4 cukup rendah B-PF 0.2 0.032 143.6 0.818 Spherical 0.816 2.228 4 cukup rendah E-PF 0.495 2.18 233.868 173 0.8 0.7 0.687 5 agak rendah E-PF 0.

VII = pada umur tebu 9.5 bulan VI = pada umur tebu 6.5 bulan IV = pada umur tebu 4.5 bulan Diameter tebu dalam cm Periode pengamatan plot percobaan D-DS dan E-PF I = tidak diamati II = pada umur tebu 2 bulan III = pada umur tebu 2.5 bulan V = pada umur tebu 5.5 bulan VII = pada umur tebu 9.5 bulan .

3 43.709 4 cukup rendah VI A-PF 5.Tabel 32 Parameter semi-variogram dan klasifikasi keragaman spasial persentase g ap Parameter semi -variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman I A-PF 4.089 4 cukup rendah B-PF 36.5 bulan VII = pada umur tebu 9.59 171. B-PF.554 4 cukup rendah C-DS 36.2 0.8 0.8 0.84 259 0.9 209.597 Exponential 0.1 72.3 0.033 4 cukup rendah B-PF 0.552 Exponential 0.6 1640.3 0.3 0 Linear 0.607 4 cukup rendah VII A-PF 39.5 bulan V = pada umur tebu 5. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.766 6 sedang D-DS 88.36 36.72 20.06 98.3 1543.1 36.2 0.8 30.564 4 cukup rendah C-DS 20.14 20.003 4 cukup rendah E-PF 84.3 0.35 34.92 121.3 54.219 5 agak rendah D-DS 91.77 Exponential 0.33 130.6 485.5 124 1222.1 72.148 5 agak rendah E-PF 30.706 Exponential 0.68 62.925 6 sedang D-DS -------E-PF -------II A-PF 0.6 0.298 4 cukup rendah C-DS 10.81 Exponential 0.9 0.405 4 cukup rendah E-PF 70.999 Spherical 0.01 29.2 280.1 0.37 72.8 50.05 37.84 130.935 Linear 0.611 Exponential 0.311 Linear 0.49 48 0.59 23.997 Spherical 0.24 5 agak rendah C-DS 2.8 112.8 0.7 0.49 36.16 38.512 4 cukup rendah E-PF 90 231.526 4 cukup rendah C-DS 29.17 4 cukup rendah E-PF 90.72 152 0 Linear 0.321 7 agak tinggi D-DS 0.84 39.511 5 agak rendah C-DS 4.15 30.9 158.71 220.1 62.17 130.7 Exponential 0.14 667.37 130.5 110.63 47.27 Linear 0.49 171.266 4 cukup rendah V A-PF 7.7 37.2 0.038 Linear 0.7 0 Linear 0.12 89.905 Spherical 0.728 5 agak rendah Catatan: Periode pengamatan plot percobaan A-PF.38 32.998 Spherical 0.7 42.004 5 agak rendah E-PF 78.28 94.61 33.111 4 cukup rendah B-PF 0.7 0.9 Spherical 0.895 Spherical 0.5 bulan IV = pada umur tebu 4.5 bulan VI = pada umur tebu 6.3 0.9 0.4 0.828 Exponential 0.8 152 0.14 28.624 Spherical 0.731 Exponential 0.8 130.211 5 agak rendah D-DS 112.71 4 cukup rendah III A-PF 3.5 0.875 Spherical 0.171 4 cukup rendah D-DS 58.465 4 cukup rendah B-PF 0.5 30 0.905 Spherical 0.7 0 Linear 0.9 1 Spherical 0.3 0 Linear 0.087 5 agak rendah B-PF 9.1 0.984 Spherical 0.26 182 0.19 Linear 0.47 42.026 4 cukup rendah C-DS 7.831 Exponential 0.5 bulan .2 0.349 Linear 0.92 49.891 Spherical 0 4 cukup rendah B-PF 23.1 120.706 5 agak rendah IV A-PF 7.1 753.7 0.35 112.631 7 agak tinggi D-DS 72.08 40.7 0.92 25.84 130.279 4 cukup rendah B-PF 3.7 114.

5 bulan IV = pada umur tebu 4.5 bulan VII = pada umur tebu 9.5 bulan VI = pada umur tebu 6.Periode pengamatan plot percobaan D-DS dan E-PF I = tidak diamati II = pada umur tebu 2 bulan III = pada umur tebu 2.5 bulan .5 bulan V = pada umur tebu 5.

9 Spherical 0.952 4 cukup rendah E-PF 0.3 1 Linear 0.0114 0.983 4 cukup rendah B-PF 0.14 112.582 Exponential 0.4 1.7 0.0001 0.626 31.001 0.01 4.772 120.951 Exponential 0.1138 29.999 Spherical 0.001 1.882 60.632 Spherical 0.1 0.999 Spherical 0.723 742.837 Exponential 0.884 87.276 1.7 0.Tabel 33 Parameter semi-variogram dan klasifikasi keragaman spasial kadar air ta nah Parameter semi -variogram Klasifikasi keragaman spasial Lapisan tanah Periode pengam atan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Top soil Awal A-PF 0.047 0.979 5 agak rendah B-PF 0.675 65.962 Spherical 0 5 agak rendah E-PF 1.22 5 agak rendah D-DS 0.7 0.7 0.4 0.999 Linear 0.11 0.5 bulan Tabel 34 Parameter semi-variogram dan klasifikasi keragaman spasial jumlah tebu roboh Parameter semi -variogram Klasifikasi keragaman spasial Periode Plot pengamatan percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 0.5 0.854 4 cukup rendah Akhir A-PF 0.95 Spherical 0.025 5 agak rendah E-PF 0.5 bulan Kadar air tanah dalam % periode pengamatan akhir pada umur tebu 9.857 5 agak rendah D-DS 0.059 5 agak rendah D-DS 0.612 Spherical 0.1132 76.7 0.716 4 cukup rendah Sub soil Awal A-PF 0.001 2.797 5 agak rendah .999 Linear 0.363 6 sedang C-DS 0.089 4 cukup rendah C-DS 0.199 195 0.808 105 0.001 2.854 Spherical 0.2 1 Spherical 0.0001 0.998 Spherical 0.147 2.998 Spherical 0.922 4 cukup rendah B-PF 0.965 188.369 130.172 0.72 1.79 3 rendah C-DS 0.564 171.402 4 cukup rendah E-PF 0.1 0.965 3 rendah C-DS 0.126 177.7 0.909 169 0.001 2.011 5 agak rendah D-DS 0.3 0.6 0.512 1 amat sangat rendah C-DS 0.029 208.369 1.712 51 0.765 Exponential 0.001 1.4 1 Spherical 0.18 4.087 197.003 5 agak rendah B-PF 0.1142 50.8 0.4 0.999 Exponential 0.7 0 Linear 0.951 78.001 1.622 5 agak rendah E-PF 0.2 0.753 24.001 0.746 Exponential 0.798 971.564 0.3 0 Linear 0.902 4 cukup rendah Akhir A-PF 0.999 Spherical 0.564 139 0.607 1.85 4 cukup rendah D-DS 1.811 Spherical 0.777 4 cukup rendah B-PF 0.894 3.993 47.32 5.689 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.

5 bulan .746 Exponential 0.438 2.25 4 cukup rendah C-DS 5.4 37.583 4 cukup rendah Catatan : periode pengamatan awal pada umur tebu 6.945 Exponential 0.5 bulan periode pengamatan akhir pada umur tebu 9.1 0.853 Spherical 0.918 Spherical 0.6 0.019 59.19 20.Akhir A-PF 0.857 Spherical 0.7 0.165 3.975 48 0.79 58.377 3 rendah B-PF 0.44 1047.591 7 agak tinggi E-PF 5.4 0.355 7 agak tinggi D-DS 6 73 300.

581 4 cukup rendah Bobot A-PF 160 2294 44.5 0.1 0.446 4 cukup rendah E-PF 82.87 81 0.9 0.7 0 Linear 0.054 67.581 84.466 4 cukup rendah D-DS 1.576 5 agak rendah Bobot A-PF 5.774 Spherical 0 3 rendah Bobot A-PF 1 352 25.8 72.998 Spherical 0.735 Exponential 0.4 0.059 Linear 0.413 4 cukup rendah BATANG Bobot A-PF 3000 22860 38.401 4 cukup rendah E-PF 4.Tabel 35 Parameter semi-variogram dan klasifikasi keragaman spasial bobot biomassa tebu Parameter semi-variogram Klasifikasi keragaman spasial Peubah Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman AKAR Bobot A-PF 8 105.5 0.75 771.002 4 cukup rendah D-DS 129 129 130.3 0.705 Exponential 0.542 Exponential 0.869 Spherical 0.43 Linear 0.678 Exponential 0.092 3 rendah basah B-PF 100 43000 54.86 130.808 Spherical 0.22 7.924 Spherical 0.19 171.5 0.5 244.99 9.687 7 agak tinggi TUNGGUL Bobot A-PF 99.672 878.3 0.5 159 0.961 4.514 4 cukup rendah D-DS 115.423 4 cukup rendah D-DS 11.3 0.81 14.68 152 0 Linear 0.576 4 cukup rendah D-DS 6.1 6.7 0.324 5 agak rendah DAUN Bobot A-PF 876 2717 889.028 4 cukup rendah D-DS 924 924 130.999 Spherical 0.5 0.93 Spherical 0.45 113.463 3 rendah kering B-PF 0.512 5 agak rendah C-DS 3 1468 71.3 0.827 4 cukup rendah E-PF 34.998 Exponential 0.4 0.87 11.3 304.1 177.906 5 agak rendah basah B-PF 3.351 4 cukup rendah C-DS 535 569 152 0.611 7 agak tinggi E-PF 2590 18920 72.69 106.42 3.26 2081.679 4 cukup rendah C-DS 2.5 0.69 74.12 140.48 4 cukup rendah E-PF 2.6 Linear 0.688 Spherical 0.8 0.1 139.533 2 sangat rendah Bobot A-PF 54 654.86 115.112 174.917 Exponential 0.7 0 Linear 0.33 8.999 Spherical 0.997 Exponential 0.842 Spherical 0 5 agak rendah E-PF 259 2141 46 0.1 130.839 Exponential 0.3 0.446 9 tinggi C-DS 16.31 259 0.68 2.01 182.879 Spherical 0.4 0.501 Exponential 0.7 0.01 181.7 0 Linear 0.4 0.769 Exponential 0.775 Spherical 0.25 20.2 38.559 5 agak rendah C-DS 5000 16050 118 0.587 Spherical 0.661 6 sedang basah B-PF 1 1316 53.7 0 Linear 0.5 1 Exponential 0.344 5 agak rendah basah B-PF 58.3 0.863 Spherical 0.167 3 rendah .36 38.245 4 cukup rendah C-DS 9.803 3 rendah C-DS 1.1 0.1 0.2 0.801 Exponential 0.763 Exponential 0.7 0.676 4 cukup rendah E-PF 139.324 4 cukup rendah D-DS 15200 51500 795.9 0.616 4 cukup rendah C-DS 1 2010 40.5 Exponential 0.1 706.367 3 rendah kering B-PF 10 3955 86.889 Exponential 0.548 Linear 0.087 4 cukup rendah D-DS 444 2813 24.991 Spherical 0 4 cukup rendah kering B-PF 151 758.4 50.776 4 cukup rendah E-PF 334 1481 25.9 0.3 0.01 13.175 4 cukup rendah kering B-PF 0.98 152 0 Linear 0.

01 31.11 5 agak rendah D-DS 366.735 Exponential 0.863 Linear 0.99 Spherical 0.932 5 agak rendah Akhir A-PF 8.997 Spherical 0.779 5 agak rendah C-DS 36.714 33.1 0.24 400.05 4.998 Spherical 0.4 0.2 0.3 0.1 0.855 4 cukup rendah B-PF 10.3 0.58 28.84 4.628 4 cukup rendah E-PF 0.742 Spherical 0.8 0.816 Spherical 0.36 130.04 16.176 53.2 38.016 3 rendah Jumlah A-PF 0.999 Spherical 0 5 agak rendah D-DS 18.281 Linear 0.49 152 0.834 4 cukup rendah C-DS 138.79 21.734 4 cukup rendah C-DS 0.62 4 cukup rendah C-DS 19.11 98.7 0 Linear 0.76 193.7 0.233 5 agak rendah E-PF 82.69 6.895 Spherical 0.5 15.74 65.512 5 agak rendah D-DS 75 418.42 152 0.57 130.821 Exponential 0.796 72.289 4 cukup rendah B-PF 0.4 0.4 0 Linear 0.463 3 rendah ruas B-PF 0.07 64.314 4 cukup rendah E-PF 155 585.888 Spherical 0.5 bulan periode pengamatan akhir pada umur tebu 9.02 152 0.084 4 cukup rendah E-PF 1 563.7 132.57 366.71 294.1 75.3 0.48 142.01 3.5 bulan .8 1 Spherical 0.35 227.5 0.8 0.7 0 Linear 0.8 46.999 Spherical 0.557 29.1 161.998 Spherical 0.8 998 Spherical 0.783 Spherical 0.2 52.6 0.6 82.24 182.3 87.4 0.737 Exponential 0.79 23.911 Spherical 0.805 Spherical 0.008 3 rendah Catatan: bobot biomassa dalam gram Tabel 36 Parameter semi-variogram dan klasifikasi keragaman spasial persentase penutupan gulma Parameter semi -variogram Klasifikasi keragaman spasial Periode Plot pengamatan percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 5.2 378.Tabel 35 Parameter semi-variogram dan klasifikasi keragaman spasial bobot biomassa tebu (lanjutan) Parameter semi -variogram Klasifikasi keragaman spasial Peubah Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman PUCUK Bobot A-PF 400.9 0.001 4 cukup rendah Bobot A-PF 16.71 33.01 6.633 Linear 0.016 6 sedang D-DS 0.408 4 cukup rendah E-PF 7.6 0 Linear 0.6 67.527 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.36 18.677 4 cukup rendah C-DS 0.012 4 cukup rendah basah B-PF 1 653.04 182.5 61.038 4 cukup rendah kering B-PF 0.6 0.647 6 sedang D-DS 38 361.01 7.

082 5 agak rendah D-DS 0.5 bulan Tabel 38 Parameter semi-variogram dan klasifikasi keragaman spasial bobot nira Parameter semi-variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 0.2738 42.191 4 cukup rendah B-PF 0.987 Spherical 0.999 Spherical 0.953 5 agak rendah B-PF 0.157 3 rendah Akhir A-PF 0.Tabel 37 Parameter semi-variogram dan klasifikasi keragaman spasial bobot tebu Parameter semi -variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 0.1968 46.948 4 cukup rendah D-DS 0.2336 56.6 0.625 5 agak rendah E-PF 0.2282 37.523 241.994 Spherical 0.2396 49.999 Spherical 0.0001 0.0001 0.697 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.0305 0.9 0.9 0.831 4 cukup rendah C-DS 0.0001 0.835 Spherical 0.025 0.1 0.188 5 agak rendah E-PF 0.853 5 agak rendah C-DS 0.962 5 agak rendah B-PF 0.9 1 Spherical 0.001 0.834 Spherical 0.0205 0.7 0.0432 0.329 5 agak rendah E-PF 0.5 0.9 0.1559 0.3128 633.5 bulan Bobot tebu dalam gram periode pengamatan akhir pada umur tebu 9.743 Exponential 0.1552 50.999 Linear 0.1322 50.38 4 cukup rendah C-DS 0.502 Exponential 0.9 0.999 Linear 0.652 5 agak rendah Akhir A-PF 0.151 42.954 Spherical 0.0003 0.267 1649.185 63.2016 152 0 Linear 0.0108 0.7 0.06 4 cukup rendah B-PF 0.8 0.0003 0.092 5 agak rendah D-DS 0.1892 68 0.20157 0.5 bulan .0286 0.0001 0.9 0.2562 83.0224 0.0514 0.325 1.874 4 cukup rendah C-DS 0.5 0.998 Spherical 0.0518 51.96 4 cukup rendah D-DS 0.875 Spherical 0.909 Spherical 0.812 Spherical 0.6 0.758 Exponential 0.2922 82.1 1 Spherical 0.5 bulan Bobot nira dalam gram periode pengamatan akhir pada umur tebu 9.834 5 agak rendah E-PF 0.0001 0.226 35.358 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.57 290.1784 60.7 0.886 Exponential 0.007 0.8 0.6 0.

696 7 agak tinggi D-DS 1.881 Exponential 0.391 51 0.925 4 cukup rendah D-DS 0.5 bulan .7 0.804 4 cukup rendah D-DS 0.997 Spherical 0.995 76.323 59 0.72 4 cukup rendah B-PF 0.9985 130.424 4 cukup rendah Akhir A-PF 0.3 0 Linear 0.067 925.Tabel 39 Parameter semi-variogram dan klasifikasi keragaman spasial nilai Brix Par ameter semi -variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 0.998 Linear 0.5 bulan Kadar gula dalam %Pol periode pengamatan akhir pada umur tebu 9.681 1337.8 0.931 Spherical 0.999 Spherical 0.001 0.2868 1.8 0.884 4 cukup rendah D-DS 1.6 0.001 0.519 6 sedang C-DS 0.171 1.497 2.682 4 cukup rendah B-PF 1.2868 171.56 344.483 2.476 3 rendah Catatan: periode pengamatan awal pada umur tebu 6.745 69.173 0.9 0.813 Exponential 0.917 73.7 0 Linear 0.38 4 cukup rendah E-PF 0.569 4 cukup rendah Akhir A-PF 0.048 4 cukup rendah C-DS 0.3 0.3 0.664 Exponential 0.4 0.535 51 0.494 186 0.842 Spherical 0.99853 0.926 87.055 42 0.7 0.407 1.001 0.5 bulan Tabel 40 Parameter semi-variogram dan klasifikasi keragaman spasial kadar gula Parameter semi -variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 0.997 Linear 0.775 4 cukup rendah B-PF 0.213 984.4271 130.193 1.82 Exponential 0.001 0.76 Exponential 0.737 45.317 1.4 0.5 bulan Brixdalam % periode pengamatan akhir pada umur tebu 9.001 0.063 0.142 0.737 Exponential 0.065 4 cukup rendah E-PF 0.829 Spherical 0.289 4 cukup rendah E-PF 0.999 Linear 0.493 4 cukup rendah C-DS 0.277 1.876 Spherical 0.126 0.42707 1.809 Exponential 0.684 51 0.7 0 Linear 0.522 4 cukup rendah C-DS 0.083 48.229 4 cukup rendah E-PF 0.389 3 rendah Catatan: periode pengamatan awal pada umur tebu 6.647 5 agak rendah B-PF 0.317 130.7 0 Linear 0.059 0.

3 0.595 9 tinggi D-DS 0.46479 0.046 341.3 0.0001 0.484 993.6 0.4 0.089 0.2167 8.80991 1.853 Spherical 0.001 2.813 Exponential 0.926 87.001 5 agak rendah D-DS 18.7 0 Linear 0.3 0 Linear 0.569 4 cukup rendah Akhir A-PF 0.6 0.7 0.6 0.59 22.2 0.172 4 cukup rendah E-PF 0.5 bulan .607 6 sedang B-PF 1.701 4 cukup rendah C-DS 0.7 0 Linear 0.657 Exponential 0.2572 50.311 3 rendah E-PF 0.915 Spherical 0 4 cukup rendah B-PF 8.4048 55.487 7 agak tinggi E-PF 0.171 1.6371 130.746 6 sedang C-DS 0.599 Exponential 0.925 4 cukup rendah D-DS 0.3242 93.2 1 Exponential 0.741 Exponential 0.204 25.9 1 Linear 0.754 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.843 Exponential 0.248 4 cukup rendah B-PF 0.8099 152 0 Linear 0.895 Spherical 0.097 4 cukup rendah B-PF 0.4648 130.2167 171.813 Exponential 0.188 2.173 0.476 6 sedang Catatan: periode pengamatan awal pada umur tebu 6.314 4 cukup rendah E-PF 0.Tabel 41 Parameter semi-variogram dan klasifikasi keragaman spasial nilai Purity Parameter semi-variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 3.5 bulan Tabel 42 Parameter semi-variogram dan klasifikasi keragaman spasial rendemen tebu Parameter semi -variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 0.63713 0.54007 0.0367 0.554 4 cukup rendah D-DS 4.7 0 Linear 0.2492 76.1161 18.3 0 Linear 0.0001 0.258 1353.2 1 Spherical 0.3484 37.118 8.347 26.816 Exponential 0.559 4 cukup rendah Akhir A-PF 0.169 4 cukup rendah C-DS 1.0606 0.789 923.5 bulan Purity dalam % periode pengamatan akhir pada umur tebu 9.3 0.84 1388.5401 171.1049 0.3 0.842 Spherical 0.7 0.39 12.5 bulan Rendemen dalam % periode pengamatan akhir pada umur tebu 9.079 4 cukup rendah C-DS 0.116 130.083 48.505 1.

5 bulan .565 5 agak rendah D-DS 43.5 bulan Taksasi dalam ton/ha periode pengamatan akhir pada umur tebu 9.855 4 cukup rendah B-PF 6.7 70.99 130.763 4 cukup rendah D-DS 56.072 4 cukup rendah E-PF 81.03 288.48 56.63 81.3 0.6 0.57 4 cukup rendah E-PF 105.13 45.7 90.017 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.254 4 cukup rendah Akhir A-PF 0.83 Linear 0.1 83.01 0.7 0 Linear 0.Tabel 43 Parameter semi-variogram dan klasifikasi keragaman spasial taksasi Parameter semi -variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 20.63 259 0 Linear 0.98 259 0.99 43.9 0.1 149.77 Exponential 0.4 84.999 Linear 0.84 152.48 130.7 0 Linear 0.7 0.8 51 0.2 44.796 5 agak rendah B-PF 0.904 Spherical 0.651 4 cukup rendah C-DS 0.999 Spherical 0.63 108.51 3 rendah C-DS 22.031 Linear 0.94 134.1 105.999 Spherical 0.

Gambar 83 Semi-variogram kandungan N top soil (ppm) tebu umur 1 minggu pada Plot Percobaan A-PF sebelum pemupukan pertama. . Gambar 84 Semi-variogram kandungan N top soil (ppm) tebu umur 3 bulan pada Plot Percobaan A-PF sebelum pemupukan kedua .

Gambar 85 Semi-variogram kandungan P top soil (ppm) tebu umur 1 minggu pada Plot Percobaan A-PF sebelum pemupukan pertama. Gambar 86 Semi-variogram kandungan P top soil (ppm) tebu umur 3 bulan pada Plot Percobaan A-PF sebelum pemupukan kedua . .

.Gambar 87 Semi-variogram kandungan N top soil (ppm) tebu umur 1 minggu pada Plot Percobaan C-DS sebelum pemupukan pertama. Gambar 88 Semi-variogram kandungan N top soil (ppm) tebu umur 3 bulan pada Plot Percobaan C-DS sebelum pemupukan kedua.

Gambar 89 Semi-variogram kandungan P top soil (ppm) tebu umur 1 minggu pada Plot Percobaan C-DS sebelum pemupukan pertama. . Gambar 90 Semi-variogram kandungan P top soil (ppm) tebu umur 3 bulan pada Plot Percobaan C-DS sebelum pemupukan kedua.

5 bulan pada Plot Percobaan A-PF.5 bulan pada Plot Percobaan A-PF.Gambar 91 Semi-variogram nilai Taksasi Awal (ton/ha) tebu umur 6. . Gambar 92 Semi-variogram nilai Taksasi Akhir (ton/ha) tebu umur 9.

Gambar 94 Semi-variogram nilai Taksasi Akhir (ton/ha) tebu umur 9. .5 bulan pada Plot Percobaan C-DS.5 bulan pada Plot Percobaan C-DS.Gambar 93 Semi-variogram nilai Taksasi Awal (ton/ha) tebu umur 6.

Semakin teliti informasi yang dihasilkan. yang dalam hal ini tidak dapat disimpulkan jumlah kebutuhan pupuk dengan konsep precision farming lebih banyak atau lebih sedikit dari pada dosis seragam. tetapi kalau hara yang tersedia sedikit sementara yang dibutuhkan banyak maka tentunya pupuk yang ditambahkan akan banyak dan sebaliknya. Walaupun dengan pendekatan precision farming . Informasi dari gambar-gambar tersebut menunjukkan bahwa aplikasi pupuk dengan dosis seragam tidak sesuai dengan kebutuhan spesifik lokasi (precision farming). Deviasi pupuk (kelebihan/kekurangan) setiap plot percobaan disajikan pada Gambar 107 116 dalam bentuk grafik dan Gambar 118 137 dalam bentuk peta spasial. Perbedaan jumlah kebutuhan pupuk setiap plot percobaan disajikan pada Gambar 101 106. Sebagai hasil keterangan yang serinci mungkin terhadap interval kontur yang ditentukan. menambah ketelitian kriging. Semakin gelap warna pada sel maka menunjukkan dosis pupuk yang diaplikasikan semakin besar Dari Lampiran 3 dapat secara cepat dan jelas diketahui bahwa sebagian besar Plot Percobaan A-PF ternyata tidak memerlukan aplikasi pupuk TSP. Deviasi pupuk ditentukan berdasarkan selisih dosis antara .Peta Informasi Lahan Pembuatan peta informasi lahan yang merupakan gabungan (overlay) antara peta spasial parameter pengamatan dan hasil analisa dengan peta kontur teoritisnya (ideal) disajikan pada Lampiran 2 49. Penggabungan peta kontur memperjelas dan informasi yang diperlukan. kontur mampu memberi setiap bagian lahan tergantung pada kecil interval kontur maka semakin Lampiran 10 15 menunjukkan manfaat kontur sebagai pembanding perlakuan pemupukan dengan dosis seragam pada Plot Percobaan C-DS dan DDS sehingga dapat diketahui dosis sebenarnya yang diperlukan jika diterapkan pemupukan dengan pendekatan precision farming. Hal ini disebabkan kebutuhan pupuk tergantung pada tingkat ketersediaan hara yang ada. Perbedaan kebutuhan pupuk per sel pada setiap plot percobaan antara pendekatan precision farming dan dosis seragam disajikan pada Gambar 87 101. Lampiran 2 19 menunjukkan dosis pupuk yang diaplikasikan dengan diwakili warna dari setiap sel.

Dari Gambar 118 137 dapat diketahui bahwa semakin gelap warna pada sel maka semakin banyak kelebihan/kekurangan pupuk yang terjadi. dan E-PF diterapkan penggunaan pupuk dengan dosis seragam maka terjadi pemborosan pupuk TSP. Selain itu penggunaan pupuk KCl pada Plot Percobaan C-DS menunjukkan pemborosan pada tingkat amat sangat berlebihan.perhitungan dengan pendekatan precision farming dan dosis seragam. . Kekurangan pupuk di satu sisi menghemat biaya dan mengurangi dampak lingkungan tetapi di sisi lain berpengaruh negatif terhadap pertumbuhan tebu dan hasil yang diperoleh. Tingkat inefisiensi kurang dari 0 menunjukkan kekurangan penggunaan pupuk. sedangkan tingkat inefisiensi lebih dari 0 menunjukkan pemborosan penggunaan pupuk. B-PF. serta berpengaruh negatif terhadap pertumbuhan tebu dan hasil yang diperoleh. Sementara pemborosan pupuk tidak menghemat biaya.47% dan 692. sedangkan Plot Percobaan A-PF dan B-PF sangat berlebihan (563. Tingkat inefisiensi disajikan pada Gambar 117.37%). Pemborosan pupuk TSP pada Plot Percobaan E-PF menunjukkan tingkat berlebihan (86. Hasil penelitian menunjukkan bahwa jika pada Plot Percobaan A-PF. Sementara Plot Percobaan CDS yang memang menggunakan pupuk dengan dosis seragam menunjukkan pemborosan pupuk TSP dan KCL yang amat sangat berlebihan. menambah dampak lingkungan.96%). Pemborosan juga terjadi pada penggunaan pupuk Urea untuk Plot Percobaan B-PF yang menunjukkan tingkat berlebihan jika diterapkan dosis seragam.

00 50.00 70.0.00 80.00 AA-1AA-3AA-5AA-7AA-9AA-11AA-13AA-15AA-17AA-19AA-21AA-23AA-25AA-27AA-29AA-31AA-33 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 95 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan A-PF.00 40.00 AA-1AA-3AA-5AA-7AA-9AA-11AA-13AA-15AA-17AA-19AA-21AA-23AA-25AA-27AA-29AA-31AA-33 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua 0.00 10.00 80.00 40.00 30.00 30.00 70.00 50.00 60. 0.00 20.00 60.00 50.00 40.00 30.00 70.00 BB-1BB-3BB-5BB-7BB-9BB-11BB-13BB-15BB-17BB-19BB-21BB-23BB-25BB-27BB-29BB-31 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan target produksi GPM = dosis seragam dari PT Gula Putih Mataram .00 10.00 20.00 60.00 10.00 20.00 80.

Gambar 96 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan B-PF. .

.00 40. 0.00 70.00 10.00 50.00 120.00 CC-1CC-2CC-3CC-4CC-5CC-6CC-7CC-8CC-9CC-10CC-11CC-12CC-13CC-14CC-15CC-16 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 97 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan C -DS.00 60.00 30.00 DD-1DD-2DD-3DD-4DD-5DD-6DD-7DD-8DD-9DD-10DD-11DD-12DD-13DD-14DD-15 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan target produksi GPM = dosis seragam dari PT Gula Putih Mataram Gambar 98 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan D-DS.00 40.00 80.00 60.00 60.00 50.00 20.00 30.00 20.00 CC-1CC-2CC-3CC-4CC-5CC-6CC-7CC-8CC-9CC-10CC-11CC-12CC-13CC-14CC-15CC-16 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua 0.00 20.00 40.00 80.00 100.00 70.0.00 10.00 80.

00 30.00 EE-1EE-3EE-5EE-7EE-9EE-11EE-13EE-15EE-17EE-19EE-21EE-23EE-25EE-27EE-29EE-31EE-33 EE-35EE-37EE-39EE-41EE-43EE-45 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 99 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan E-PF.00 100.00 15.00 40.00 20.0.00 120.00 25.00 40.00 60.00 80.00 AA-1AA-3AA-5AA-7AA-9AA-11AA-13AA-15AA-17AA-19AA-21AA-23AA-25AA-27AA-29AA-31AA-33 Kode sel Kebutuhan pupuk TSP/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 100 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan A-PF.00 80.00 EE-1EE-3EE-5EE-7EE-9EE-11EE-13EE-15EE-17EE-19EE-21EE-23EE-25EE-27EE-29EE-31EE-33 EE-35EE-37EE-39EE-41EE-43EE-45 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua 0.00 20.00 120.00 100. .00 10.00 20.00 5.00 60. 0.

Kode sel Catatan : PF = precision farming dengan target produksi GPM = dosis seragam dari PT Gula Putih Mataram Gambar 101 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan B-PF. 0.00 5.00 10.00 .00 15. Kode sel Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 102 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan C-DS.00 20.00 30.00 Kebutuhan pupuk TSP/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama BB-1 BB-3 BB-5 BB-7 BB-9 BB-11 BB-13 BB-15 BB-17 BB-19 BB-21 BB-23 BB-25 BB-27 BB-29 BB-31 0.00 25.

00 15.00 30.00 10.00 Kebutuhan pupuk TSP/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama CC-1 CC-2 CC-3 CC-4 CC-5 CC-6 CC-7 CC-8 CC-9 CC-10 CC-11 CC-12 CC-13 CC-14 CC-15 CC-16 .00 25.00 20.5.

00 60.00 20. 0.00 PF Pupuk Pertama GPM Pupuk Pertama DD-1 DD-2 DD-3 DD-4 DD-5 DD-6 DD-7 DD-8 DD-9DD-10DD-11DD-12DD-13DD-14DD-15 Kode sel Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 103 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan D-DS.00 90.Kebutuhan pupuk TSP/sel (kg) 100.00 .00 70.00 80.00 30.00 10.00 20.00 40.00 10.00 0.00 50.00 30.

00 70.00 80.00 60.00 50.40.00 90. .00 EE-1EE-3EE-5EE-7EE-9EE-11EE-13EE-15EE-17EE-19EE-21EE-23EE-25EE-27EE-29EE-31EE-33 EE-35EE-37EE-39EE-41EE-43EE-45 Kode sel Kebutuhan pupuk TSP/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 104 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan E-PF.

00 BB-1BB-3BB-5BB-7BB-9BB-11BB-13BB-15BB-17BB-19BB-21BB-23BB-25BB-27BB-29BB-31 Kode sel Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan target produksi GPM = dosis seragam dari PT Gula Putih Mataram Gambar 106 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan B-PF.00 40.00 10.00 80.00 50.00 40. 0.00 50.00 20.00 70.0.00 40.00 50.00 80.00 30.00 20.00 AA-1AA-3AA-5AA-7AA-9AA-11AA-13AA-15AA-17AA-19AA-21AA-23AA-25AA-27AA-29AA-31AA-33 Kode sel Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua 0.00 60.00 60.00 70.00 10.00 10.00 70.00 80.00 90. .00 AA-1AA-3AA-5AA-7AA-9AA-11AA-13AA-15AA-17AA-19AA-21AA-23AA-25AA-27AA-29AA-31AA-33 Kode sel Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 105 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan A-PF.00 90.00 60.00 30.00 20.00 30.

00 40.00 20.0.00 100.00 40.00 10.00 20. 0.00 120.00 50.00 60.00 20.00 140.00 60.00 50.00 30.00 CC-1CC-2CC-3CC-4CC-5CC-6CC-7CC-8CC-9CC-10CC-11CC-12CC-13CC-14CC-15CC-16 Kode sel Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua 0.00 30.00 60.00 Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua DD-1 DD-2 DD-3 DD-4 DD-5 DD-6 DD-7 DD-8 DD-9DD-10DD-11DD-12DD-13DD-14DD-15 .00 80.00 40.00 10.00 160.00 CC-1CC-2CC-3CC-4CC-5CC-6CC-7CC-8CC-9CC-10CC-11CC-12CC-13CC-14CC-15CC-16 Kode sel Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 107 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan C-DS.

.Kode sel Catatan : PF = precision f arming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 108 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan D-DS.

00 60.88 2241.00 120.00 100.00 2000.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming Dosis Seragam Urea TSP KCl .16 896.0.75 0.00 1500.00 100.00 EE-1EE-3EE-5EE-7EE-9EE-11EE-13EE-15EE-17EE-19EE-21EE-23EE-25EE-27EE-29EE-31EE-33 EE-35EE-37EE-39EE-41EE-43EE-45 Kode sel Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua 0.00 80.00 500.00 80.00 40.00 40.00 20.00 140.85 135.00 EE-1EE-3EE-5EE-7EE-9EE-11EE-13EE-15EE-17EE-19EE-21EE-23EE-25EE-27EE-29EE-31EE-33 EE-35EE-37EE-39EE-41EE-43EE-45 Kode sel Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 109 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan E-PF.00 160.72 1718.00 2500.00 1000.00 3000.00 160.74 2636.00 20.00 120. Perbedaan Kebutuhan Pupuk Plot Percobaan A 2307.00 60.00 140.

Jenis pupuk Jumlah pupuk (kg) Gambar 110 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan A-PF. .

74 869.00 2000.33 1270.00 200.35 0.00 1400.57 1977.90 1666.00 600.Perbedaan Kebutuhan Pupuk Plot Percobaan B 1416.00 1000.00 1000.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming .00 434.00 400.67 2173. Perbedaan Kebutuhan Pupuk Plot Percobaan C 1086.00 800.00 2500.00 1500.78 0.00 833.00 500.47 109.00 1200.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming Dosis Seragam Urea TSP KCl Jumlah pupuk (kg) Jenis pupuk Gambar 111 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan B-PF.91 0.96 0.

Dosis Seragam Urea TSP KCl Jumlah pupuk (kg) Jenis pupuk Gambar 112 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan C-DS. .

01 1630.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming Dosis Seragam Urea TSP KCl Jenis pupuk Jumlah pupuk (kg) Perbedaan Kebutuhan Pupuk Plot Percobaan D 1964.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming Dosis Seragam Urea TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 113 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan D-DS.17 1929.00 1000.43 740.00 500.17 1929.00 2500.00 2000.49 1250.00 0.17 652.00 1000.Perbedaan Kebutuhan Pupuk Plot Percobaan D 1964.00 1500.00 1500.00 2500.01 1630. Perbedaan Kebutuhan Pupuk Plot Percobaan E .17 652.43 740.00 2000.00 500.49 1250.00 0.

00 1000.50 1956.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming Dosis Seragam Urea TSP KCl Jumlah pupuk (kg) Jenis pupuk Gambar 114 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan E-PF.00 0.52 5995.30 1046.00 3000. .00 7000.58 3750.00 6000.5648.00 4000.74 4891.00 5000.00 2000.

0 80.0 20.0 -20.0 -40.0 -20. Deviasi Pupuk per sel Plot Percobaan A -80.0 -40.0 0.0 60.0 20.0 -60.0 0.0 60.0 AA-1 AA-3 AA-5 AA-7 AA-9 AA11 AA13 AA15 AA17 AA19 AA21 AA23 AA25 AA27 AA29 AA31 AA33 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk Plot Percobaan A 761.0 40.0 -60.0 40.0 AA-1 AA-3 AA-5 AA-7 AA-9 AA11 AA13 AA15 AA17 AA19 AA21 AA23 AA25 AA27 AA29 AA31 AA33 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk per sel Plot Percobaan A -80.0 80.Gambar 115 Deviasi pupuk per sel Plot Percobaan A-PF.58 .

00 -1500.20 1661.00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 116 Deviasi pupuk Plot Percobaan A-PF.17 -2000. .00 0.00 2000.-917.00 -500.97 -1727.00 -1000.00 500.00 1000.00 1500.

0 20.0 BB-1 BB-3 BB-5 BB-7 BB-9 BB11 BB13 BB15 BB17 BB19 BB21 BB23 BB25 BB27 BB29 BB31 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk per sel Plot Percobaan B -20.0 10.02 759.52 -400.0 BB-1 BB-3 BB-5 BB-7 BB-9 BB11 BB13 BB15 BB17 BB19 BB21 BB23 BB25 BB27 BB29 BB31 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk Plot Percobaan B 791.0 30.0 50.00 .Gambar 117 Deviasi pupuk per sel Plot Percobaan B-PF.82 -311.0 20.0 50.0 40.0 0.23 131.0 -10.0 10. Deviasi Pupuk per sel Plot Percobaan B -20.0 40.0 -10.00 -200.0 0.0 30.

00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 118 Deviasi pupuk Plot Percobaan B-PF.00 1000.00 400.0.00 600. .00 200.00 800.

0 -20.0 20.00 -800.0 80.0 40.0 -60.Gambar 119 Deviasi pupuk per sel Plot Percobaan C-DS.0 -60.0 CC-1 CC-2 CC-3 CC-4 CC-5 CC-6 CC-7 CC-8 CC-9 CC10 CC11 CC12 CC13 CC14 CC15 CC16 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk per sel Plot Percobaan C -80.0 -20.15 434.0 -40.00 -600.0 40.78 833.0 60.00 -400.00 -200.0 80.00 0. Deviasi Pupuk per sel Plot Percobaan C -80.0 0.00 .75 -932.0 0.0 CC-1 CC-2 CC-3 CC-4 CC-5 CC-6 CC-7 CC-8 CC-9 CC10 CC11 CC12 CC13 CC14 CC15 CC16 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk Plot Percobaan C 748.0 20.00 -1000.0 60.33 -1200.0 -40.

00 600.00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 120 Deviasi pupuk Plot Percobaan C-DS.00 800.00 400.00 1000.200. .

0 -100.00 .0 -80.0 60.0 -80.0 100.00 1000.0 20.0 -100.0 DD-1 DD-2 DD-3 DD-4 DD-5 DD-6 DD-7 DD-8 DD-9 DD10 DD11 DD12 DD13 DD14 DD15 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk per sel Plot Percobaan D -120.0 80.0 0.0 DD-1 DD-2 DD-3 DD-4 DD-5 DD-6 DD-7 DD-8 DD-9 DD10 DD11 DD12 DD13 DD14 DD15 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Gambar 121 Deviasi pupuk per sel Plot Percobaan D-DS.0 0.0 40. Deviasi Pupuk Plot Percobaan D Jumlah pupuk (kg) 1500.0 -40.0 40.0 80.0 60.0 -40.0 100.0 -20.0 -60.0 20.Deviasi Pupuk per sel Plot Percobaan D -120.0 -20.0 -60.

00 929. .99 -1262.00 -1000.500.00 -1500.73 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Gambar 122 Deviasi pupuk Plot Percobaan D-DS.15 -679.49 -87.00 -500.00 0.

0 -20.0 -80.0 40.00 -1000.00 -4000.0 20.0 -40.00 -5000. Deviasi Pupuk Plot Percobaan E 4000.0 -20.00 -3000.00 .00 -2000.0 20.0 -60.0 -60.0 0.0 80.00 0.0 -100.0 40.0 60.0 -100.0 -40.0 100.0 100.0 -80.00 2000.00 1000.Deviasi Pupuk per sel Plot Percobaan E -120.0 80.00 3000.0 EE-1EE-3EE-5EE-7EE-9EE-11EE-13EE-15EE-17EE-19EE-21EE-23EE-25EE-27EE-29EE-31EE-33 EE-35EE-37EE-39EE-41EE-43EE-45 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Gambar 123 Deviasi pupuk per sel Plot Percobaan E-PF.0 0.0 EE-1EE-3EE-5EE-7EE-9EE-11EE-13EE-15EE-17EE-19EE-21EE-23EE-25EE-27EE-29EE-31EE-33 EE-35EE-37EE-39EE-41EE-43EE-45 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk per sel Plot Percobaan E -120.0 60.

02 -2245.07 -3865.50 910.3108.58 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Gambar 124 Deviasi pupuk Plot Percobaan E-PF. Jumlah pupuk (kg) .

00 740.81 53.47 1270.74 869.52 (kg) KCl Precision Farming Dosis Se ragam 2636.300 Tabel 44 Perbedaan kebutuhan pupuk dan tingkat inefisiensi pemupukan Plot Percobaan A-PF B-PF C-DS D-DS E-PF Urea Precision Farming 2307.35 1964.45 Inefisiensi (%) Tingkat Inefisiensi Pemupukan 800.72 1718.91 1086.96 -37.74 0.67 0.44 berlebihan berlebihan -16.74 -14.47 -34.90 1666.89 -35.85 2173.33 1929.86 563.00 700.16 109.00 833.30 Jumlah Precision Farming 135.41 86.17 1956.00 .49 1250.96 1630.58 3750.78 652.88 1416.17 1046.57 434.00 5995.01 5648.98 -11.43 4891.50 TSP pupuk Dosis Seragam 896.75 1977.74 Dosis Seragam 2241.22 -13.47 692.37 -15.00 Inefisiensi (%) Urea TSP KCl -2.

00 -100.37 86.44 -13.89-15.47 -2.41 53.00 ABCD E Plot Percobaan Gambar 125 Tingkat inefisiensi pemupukan setiap plot percobaan.00 100.98-14.600.96 -16.00 KCl 200.81 Urea TSP 300.00 400. .45-34.00 500.47 692.00 563.22 -37.86 -11.00 0.74 -35.

9 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Meters U batas sel Keterangan : jumlah kelebihanpupuk Urea pada setiapsel (dalamkg) ____ 44.0 49.1 44.4 49.9 53.8 44.0 46.0 53.4 51.8 .0 44.3 42.8 51.5 53.5 49.7 49.0 46.0 49.0 56.4 56.8 51.4 51.7 49.060.0 46.9 53.3 42.7 44.7 51.3 58.3 PETA SPASIAL 44.060.44.0 60.0 49.0 58.3 49.8 42.1 49.3 46.4 49.3 53.

0 53.4 49.7 51.0 60.5 49.8 51.4 6.3 PETA SPASIAL Gambar 126 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan A-PF.5 53.0 44.1 49.3 27.0 3. 2 .0 58.4 49. 2 27.3 46.8 42.2 27.7 3.4 51.4 56.3 58.7 44.3 49.1 44.3 53.4 4.9 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Meters U batas sel Keterangan : jumlah kelebihanpupuk Urea pada setiapsel (dalamkg) ____ 44.8 51.0 49.4 51.44. 9.0 46.2 27.0 56.

2 27.2 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Meters KELEBI HAN PUPUK TSP Plot Percobaa nA U batas sel Keterangan: jumlahkelebihan pupukTSP pada setiap sel (dalam kg) ____ 3.2 27.5 27.2 27.3 PETA SPASIAL Gambar 127 Peta spasial kelebihan pupuk TSP pada pemupukan pertama Plot Percobaan A-PF.2 27.2 27.2 14.8 27. 2 27. 2 27.2 27.2 27.2 27. 2 27. .2 27. 2 13.2 27.27.2 27. 2 27. 2 27.2 27. 2 27.2 27.

3 52.4 49.254.51. 1 -47.6 49.6 50.6 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Meters U batas sel Keterangan: jumlahkekurangan pupuk Urea pada setiap sel (da lam kg) ____ PETA SPASIAL -42.1 .1 55.3 55.2 52. 1 -47.1 49.0 53.8 -47.9 48.5 60.1 -44.6 50.4 49.254.8 52.0 54.6 -42.1 56.6 54.4 53.1 54.8 60.1 -46.8 60.1 52.7 57.1 52.6 60.2 54.3 51.0 53.4 -47.0 53.2 56.

430.0 53. -24.8 52.3 52.7 57.2 56.3 .6 50.1 56.0 54.3 Gambar 128 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan A-PF.6 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Meters U batas sel Keterangan: jumlahkekurangan pupuk Urea pada setiap sel (da lam kg) ____ PETA SPASIAL -42.6 -24.5 -24.1 49.4 -47.6 49.6 -42.-46.4 53.6 29.2 52.5 60.2 29.6 60.3 55.6 54.1 54.2 27.9 31.1 55.1 -44.6 50.2 54.8 -47.1 27.4 27.9 48.

2 27.4 32.8 29.3 30.4 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Meters KEKURANGAN PUPUK KCl Plot Percoba an A U batas sel Keterangan : jumlah kekur angan pupukKCl pada setiap sel (da lam kg) ____ PETA SPASIAL -24.3 26.6 26.1 Gambar 129 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan A-PF. 8 25. 8 30.6 -24.9 29. 3 25. 2 25. 1 27. 5 28.1 -24.0 28. 4 26. 3 31.7 26. . 6 30.5 32.26.9 25.

9 31. 6 .6 38.5 26.6 31.6 18.9 26.9 26.2 19.4 19.6 19.3 29. 9 24.0 26.6 29.0 21.5 26.3 21.26.7 24.0 24.9 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Met ers P l ot P erco ba a n B batas petak dan sel jumlah kelebihan pupuk Urea pada setiap sel (dalam kg) yang tidak diamati batas sel yangdiamati____ Keterangan : U PETA SP AS IAL 12.9 12.2 21.3 21.9 21.9 29.0 21.3 23.2 23. 6 21.0 33.6 21.5 21.3 31.

6 18.3 31.2 23.9 29.4 19.6 21.9 21.9 12. .3 29.5 21.6 19.9 31.6 38.5 26.0 33.0 Gambar 130 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan B-PF.0 24.0 21.7 24.6 31.3 21.9 26.9 26.6 29. 9 24.0 21.3 23.21.3 21.5 26.2 19.9 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Met ers P l ot P erco ba a n B batas petak dan sel jumlah kelebihan pupuk Urea pada setiap sel (dalam kg) yang tidak diamati batas sel yangdiamati____ Keterangan : U PETA SP AS IAL 12.2 21.

2 27.2 27.2 27.2 10.2 27.2 13.9 27.2 27.3.2 15.2 24.2 27.6 27.7 27.6 15.2 27.2 27.3 27.2 27.2 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Meters KELEBIHAN PUPUKTSP Plot Percobaan B batas petak dan sel jumlah kelebihan pupuk TSP pada seti ap sel (dalam kg) yang t idak diamati batas sel yang diamati____ Ket erangan : U PETA SPASIAL 3.2 27.2 27.2 27.2 27.9 19.8 Gambar 131 Peta spasial kelebihan pupuk TSP pada pemupukan pertama .9 27.2 27.2 27.2 10.2 27.8 20.2 27.2 27.

.Plot Percobaan B-PF.

2 22.8 5. 3 2.9 12.9 6.0 -0.2 3.7 7.1 17. 1 -1.2 10.7 2.5 2.9 3.8 8.0 1.6 10.2 0. 1 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Meters KELEBIHAN / KEKURANGAN PUPUK UREAKEDUA Plot Percobaan B batas pet ak dan sel jum lah kekurangan pupuk Urea pada seti ap sel (dalam kg) yang tidak diamati batas sel yang diamati____ Keterangan : U .0 6.3 3.5.4 3.3 8.2 7.1 4.4 4.5 -0.4 2.0 11.1 3.8 16.8 3.

5 2.5 -0.3 0.9 12.8 5.2 7.9 6.7 7.0 -0.0 11.0 6.8 3. 1 -1.4 3.1 3. 1 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Meters KELEBIHAN / KEKURANGAN PUPUK UREAKEDUA Plot Percobaan B batas pet ak dan sel jum lah kekurangan pupuk Urea pada seti ap sel (dalam kg) .3 3. 3 2.8 16.2 22.1 4.6 10.2 0.4 4.2 3.4 2.8 8.PETA SPASIAL jum lah kelebihan pupuk Urea pada seti ap sel (dalam kg) -0.2 10.9 5.1 17.0 1.9 3.3 8.7 2.

3 7. 9 -5.4 8.4 14.7 11. 4 16.2 11.9 Gambar 132 Peta spasial kelebihan/kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan B-PF. 0.6 13.3 0.6 13. 2 -6. 8 14. 3 13.2 -6. 7 11.3 8.5 13.8 0. 6 8. 3 -6.8 8.1 12.2 9.3 9.5 14.0 7.1 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 .6 16.8 11.2 -4.7 -0.yang tidak diamati batas sel yang diamati____ Keterangan : U PETA SPASIAL jum lah kelebihan pupuk Urea pada seti ap sel (dalam kg) -0.9 11. 1 15.

25 0 25 50 75 Meters KELEBIHAN / KEKURANGAN PUPUKKCl Plot Percobaan B b atas pet ak dan sel jum lah kekurangan pupuk KCl p ada seti ap sel (dalam kg) yang tidak diamati b atas sel yang diamati___ _ Keterangan : U PETA SPASIAL jum lah kelebihan pupuk KCl p ada seti ap sel (dalam kg) -0.3 0. .2 Gambar 133 Peta spasial kelebihan/kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan B-PF.

8 44.3 43.3 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : batas petak dansel yangtidak diamati batas se lyangdiamati____ jumlah kelebihan pupuk Urea pada setiap sel (dalamkg) 25 0 25 Meters U PETA SPASIAL 37.2 43.2 51.4 53.51.8 48.8 44.1 37.3 0 0 50 .8 46.7 46.7 46.7 46.7 46.8 46.1 44.4 50.2 43.8 46.1 43.4 53.8 48.4 55.4 55.1 37.8 46.3 43.4 50.8 46.8 46.1 44.1 43.

2 27.2 27.2 Gambar 134 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan C-DS.2 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Ketera ngan : batas petak dansel yang tidak diama ti batas selyang diama ti____ jumlah kelebihanpupuk TSP pada setiap sel (dalamkg) .2 27.2 27.2 27.2 27.2 27.2 27.2 27.2 27.2 27.2 27.2 27.2 27.50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : batas petak dansel yangtidak diamati batas se lyangdiamati____ jumlah kelebihan pupuk Urea pada setiap sel (dalamkg) 25 0 25 Meters U PETA SPASIAL 37. 27.2 27.

25 0 25 Meters U KELEBIHAN PUPUK TSP Pl ot PercobaanC PETASPASIAL 27.2 Gambar 135 Peta spasial kelebihan pupuk TSP pada pemupukan pertama Plot Percobaan C-DS.

-51.7 60.8 58.2 58.9 -53.6 58.8 -50.3 56.2 60.3 63.8 61.1 -51.3 -53.7 67.5 62.0 63.9 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan: batas petak dan sel yangtidak diamati batas sel yangdiamati____ jumlahkekuranganpupukUrea pada setiapsel (dalamkg) 25 0 25 Meters U PETA SPASIAL -50.3 -51.7 60.8 58.2 58.9 -53.6 58.8 -50.3 56.2 60.3 63.8 61.1 -51.3 -53.7 67.5 62.0 63.9 0 0 50

50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan: batas petak dan sel yangtidak diamati batas sel yangdiamati____ jumlahkekuranganpupukUrea pada setiapsel (dalamkg) 25 0 25 Meters U PETA SPASIAL -50.3 Gambar 136 Peta spasial kekurangan pupuk Urea pada pemupuka n kedua Plot Percobaan C-DS. 52.1 52.1 52.1 52.1 52.1 52.1 52.1 52.1 52.1 52.1 52.1 52.1 52.1 52.1 52.1 52.1 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : bataspetakdan sel yangtidakdiamati batassel yangdiama ti____ jumlah kelebihanpupukKCl pada setiap sel (dalam kg)

25 0 25 Meters U KELEBI HAN PUPUK KCl Plot Percobaan C PETA SPASIAL 52.1 Gambar 137 Peta spasial kelebihan pupuk KCl pada pemupukan kedua Plot Percobaan C -DS.

U bata s se l Ke t erangan : ____ juml ah kelebi hanpupuk ure a pada set iap sel (da la m kg) 55.2 626 66.3 62.6 58.9 709 58.9 701 55.2 55.2 55.2 58.9 663 58.9 738 0 25 50 75 100 125 150 175 200 225 250 0 25 50 75 100 125 150 175 200 225 250 0 0 25 50 75 100 25 0 25 50 Meters PETA SPASIAL 55.2 U bata s se l Ke t erangan : ____ juml ah kelebi hanpupuk ure a pada set iap sel (da la m kg) 55.2 626 66.3 62.6 58.9 709 58.9 701 55.2 55.2 55.2 58.9 663 58.9 738 0 25 50 75 100 125 150 175 200 225 250 0 25 50 75 100 125 150 175 200 225 250 0 0 25 50 75 100 25 0 25 50 Meters PETA SPASIAL 55.2 Gambar 138 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan D-DS.

KELEBIHAN / KEKURANGAN PUPUK TSP Plot Percobaan D U bata s se l Ke t erangan : ____ -1.2 -7.2 -2.5 43. 5 15.7 43.5 12.3 14.1 258 308 -385 -44 1 242 -28 1 144 0 0 25 25 50 50 75 75 100 100 125 125 150 150 175 175 200 200 225 225 250 250 0 0 25 25 50 50 75 75 1 00 100 25 0 25 50 Meters PETA SPASIAL juml ah kelebi hanpupuk tsp pada set iap sel (da la m kg) -7. 2 12.3 juml ah kekurangan pupuk ts p pada set iap sel (da la m kg) Gambar 139 Peta spasial kelebihan/kekurangan pupuk TSP pada pemupukan pertama Plot Percobaan D-DS.

U bat as se l Ket erangan : ____ jum lah kekuranga npupuk Ure a pada set i apse l (da lam kg) -78.2 866 -83.6 93 4 -80.3 -61.1 -83.1 926 -85.6 89 9 887 -83.2 91 9 918 -72.7 0 25 50 75 100 125 150 175 200 225 0 25 50 75 100 125 150 175 200 225 0 25 50 75 100 25 0 25 50 Meters PETA SPASIAL -61.1 U bat as se l Ket erangan : ____ jum lah kekuranga npupuk Ure a pada set i apse l (da lam kg) -78.2 866 -83.6 93 4 -80.3 -61.1 -83.1 926 -85.6 89 9 887 -83.2 91 9 918 -72.7 0 25 50 75 100 125 150 175 200 225 0 25 50 75 100 125 150 175 200 225 0 25 50 75 100 25 0 25 50 Meters PETA SPASIAL -61.1 Gambar 140 Peta spasial kekurangan Plot Percobaan D-DS. KEKURAN GAN PUPUKKCl Plot Percobaan D

250 250

250 250

pupuk Urea pada pemupukan kedua

U bat as se l Ket erangan : ____ 484 454 439 45 5 -42.2 -37.7 444 457 471 45 1 -41.1 473 -43.1 523 50 6 0 0 25 25 50 50 75 75 100 100 125 125 150 150 175 175 200 200 225 225 250 250 0 0 25 25 50 50 75 75 00100 25 0 25 50 Meters PETA SPASIAL jum lah kekuranga npupuk KCl pada set i apse l (da lam kg) -37.7 1 Gambar 141 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan D-DS.

1 55.1 70.1 70.1 78.9 81.3 70.9 67.1 67.2 70.1 70.6 62.9 66.1 67.1 66.2 74.3 67.6 63.1 70.6 67.3 66.2 67.9 81.1 74.3 73.8 74.7 62.1 74.6 70.1 62.9 70.781.2 63.U batas sel Keterangan : jumlah kelebihan pupuk Ure a pada setiap sel (da lam kg) ____ 50 0 50 Meters 70.7 67.1 70.9 70.9 58.3 62.9 70.6 70.1 70.1 0 0 50 50 100 100 150 150 200 200 250 250 .6 62.5 62.9 70.7 70.

6 62.1 70.1 66.1 67.2 74.3 62.9 70.6 63.3 70.9 U batas sel Keterangan : jumlah kelebihan pupuk Ure a pada setiap sel (da lam kg) ____ 50 0 50 Meters 70.2 70.1 74.2 63.5 62.9 81.781.3 67.9 81.1 62.2 67.9 70.1 70.1 67.8 74.1 78.1 55.9 70.3 73.150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL 58.1 70.1 70.9 70.7 70.6 67.6 70.9 67.7 62.1 74.7 67.6 70.3 66.6 62.1 70.9 66.1 0 0 50 50 .9 58.1 70.

5 22 .0 12 .5 41 .5 43.6 43 . 5 43.5 10 .5 .7 1. 3 29.5 -9.3 43 .2 14 . 5 43. 512.5 42.5 43.5 17.4 30 .2 43 .5 43.4 32.5 20.3 28. 5 43. 2 43.5 43. KELEBIHAN / KEKURANGAN PUPUK TSP Plot Percobaan E U batassel Ketera ngan: jumlah kekurangan pupuk TSP padasetiapsel (dalam kg) ____ 50 0 50 Meters 1.2 17.2 43 .3 6.6 0. 6 11.9 Gambar 142 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan E-PF.5 43.6 34.100 100 150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL 58.2 43 .5 43.2 21 . 5 43.

1 -22. .5 -13 .5 0 0 50 50 100 100 150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL jumlah kelebihanpupuk TSP padasetiapsel (dalam kg) -9.5 39 .5 39.2 -24.3 0.-2 5.8 -19 .7 Gambar 143 Peta spasial kelebihan/kekurangan pupuk TSP pada pemupukan pertama Plot Percobaan E-PF.

9 -87.2 92.3 -86.2 -66.7 -81.0 1 00.1 92.3 -8 5.6 -78.3 -85.8 -88 .5 94.4 -87.8 -7 7.7 9 3.2 98.6 -86.U batas sel Ke terangan : jumlahkekuranganpupukUrea pada setiap sel (da lam kg) ____ 50 0 50 Meters -7 7.3 93.4 9 1.6 -8 9.6 -8 8.8 -87.9 -67.3 92.2 95.2 -8 6.7 9 1.5 -80.5 -85.5-70.1 91.5 -47.3 -7 1.8 97.3 -88.0 -81.2 9 3.5 -89.2 9 1.2 0 0 50 50 100 100 150 150 200 200 250 250 150 150 .9 -80.5 -89.0 100.5 -7 6.6 -8 7.

3 -85.5 -89.5 -80.8 -88 .1 91.7 9 1.3 92.7 9 3.5-70.9 -87.2 95.6 -8 8.2 98.0 -81.4 9 1.4 -87.200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -47.8 -7 7.3 -8 5.6 -86.6 -8 7.5 94.9 -67.3 93.5 -85.1 92.3 -88.8 -87.6 -8 9.2 0 0 50 50 100 100 .5 -89.0 1 00.5 -7 6.2 -8 6.7 -81.2 9 3.3 -86.3 -7 1.6 -78.9 -80.0 100.2 9 1.8 97.5 -47.2 -66.2 92.2 U batas sel Ke terangan : jumlahkekuranganpupukUrea pada setiap sel (da lam kg) ____ 50 0 50 Meters -7 7.

4 -30.8 52.150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -47.0 55 .8 56.1 -49.0 46.8 51.6 59.5 47.2 Gambar 144 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan E-PF.4 55.7 47.2 49.0 54.5 54.5 50.4 42.6 56.9 52.9 48.9 54.6 -49.6 49.5 56.7 52.9 46. KEKURANGAN PUPUK KCl Plot Percobaan E U batas sel Keterangan : jumlahkekuranganpupuk KCl pada setiap sel (da lam kg) ____ 50 0 50 Meters -36.0 40.5 45.2 53.9 54.1 49.343.0 53.5 .8 50.5 49.

2 44.42. .951.1 48.7 57.0 0 0 50 50 100 100 150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -30.4 -56.2 45.2 44.4 52.6 Gambar 145 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan E-PF.1 56.

P.Sistem Pendukung Keputusan Sistem Pendukung Keputusan untuk Pendekatan Precision Farming dalam Pemupukan N.9253 untuk N pemupukan pertama. P.92 untuk K pemupukan kedua. K. Pemupukan yang baik selain tepat jumlah dan tempat juga harus tepat mutu. kandungan hara daun N. Pada menu utama STRAFERT-PF. Data yang berkualitas berkaitan dengan pemupukan adalah bahwa data hasil tebu dan kadar gula diperoleh dari kegiatan budidaya seperti pemupukan. Hasil traning menunjukkan akurasi yang baik yaitu R2=0. . (2) jumlah hara N dan K yang dibutuhkan oleh tanaman tebu pada pemupukan kedua dengan hasil tebu dan kadar gula.880 untuk N pemupukan kedua. dan penyakit yang baik. Ketersediaan data yang banyak dan berkualitas sangat diperlukan untuk mendapatkan bobot hubungan yang lebih akurat.8836 untuk P pemupukan pertama. dan K pada Budidaya Tebu telah dibangun dengan nama STRAFERT-PF. Program komputer tersebut dibuat dalam bahasa Delphi 7. (2) GS+ for Windows dari Gamma Design Software. software Backpro2N terdapat pada ikon Neural Network (Gambar 147) sedangkan tampilannya disajikan pada Gambar 149. Bobot yang diperoleh dari software tersebut digunakan untuk menentukan jumlah hara yang dibutuhkan tanaman tebu sehingga dapat dilakukan penentuan dosis pupuk pada menu Model Pemupukan (Gambar 150). dan R2=0.0. (3) Surfer 8 dari Golden Software. Keterangan selengkapnya untuk akurasi tersebut disajikan pada Lampiran 1. dan (4) ArcView 3. pengendalian gulma. dan jenis. Tampilan STRAFERT-PF disajikan pada Gambar 146 160. R2=0. Data yang digunakan untuk training disajikan pada Tabel 13 Bab III. waktu.3 dari Environmental Systems Research Institute. irigasi. yaitu (1) Backpro2N dari Rudiyanto dan Budi Indra Setiawan. R2=0. STRAFERT-PF menggunakan empat software untuk mendukung operasionalnya. hama. GS+ for Windows digunakan untuk analisa keragaman spasial beberapa parameter seperti kandungan hara tanah N. K. P. Jumlah data yang diperoleh hanya 11 pasang sehingga tidak tersedia data untuk test. Backpro2N digunakan untuk mendapatkan bobot hubungan antara (1) jumlah hara N dan P yang dibutuhkan oleh tanaman tebu pada pemupukan pertama dengan hasil tebu dan kadar gula.

bobot batang normal/10 cm. dan tinggi panen dari setiap varietas tebu pada beberapa periode umur tebu. Hasil dari software tersebut adalah parameter semi-variogram seperti sill. d an taksasi tebu. range . nilai Purity . GS+ for Windows terdapat pada ikon Model Geostatistika (Gambar 147) sedangkan tampilannya disajikan pada Gambar 154 156. nugget effect. bobot tebu. ArcView 3. Pada menu utama STRAFERT-PF. software. Pada menu utama STRAFERT-PF. Data tersebut dapat berasal dari basis data yang terdap at pada Model Spasial atau memasukkan data baru. Model Hasil Tebu (Gambar 140) memerlukan basis data yang meliputi indeks populasi. tingkat struktur spasial (Q). indeks tinggi batang. nilai Brix.jumlah anakan tebu. Model Geostatistika sebenarnya dapat digabung dalam satu software. rendemen.3 dan parameter-parameter pengamatan yang dimasukkan sebagai atribut peta tersebut menjadi basis data bagi Model Spasial dan model-model yang lain. seperti Surfer 8. software. tidak menghasilkan tampilan semi-variogram yang memadai. jumlah tebu roboh. sementara GS+ for Windows yang digunakan adalah versi demo sehingga tidak dapat digunakan untuk membuat peta kontur maka model menggunakan dua software yaitu GS+ for Windows untuk analisa keragaman spasial dan Surfer 8 untuk pembuatan kontur.3 digunakan untuk membuat peta spasial parameter-parameter seperti tersebut di atas dan melakukan penggabungan (overlay) peta tersebut dengan peta kontur hasil Surfer 8. diameter tebu. Tetapi karena software yang ada. bobot biomassa tebu. software. Peta dari lahan yang menjadi cakupan penelitian ini dan keperluan selanjutnya didigitasi dengan ArcView 3.. persentase gap. bobot nira. tinggi batang normal. dan bentuk se mivariogram. jumlah daun. Surfer 8 terdapat pada ikon Model Geostatistika (Gambar 147) sedangkan tampilannya disajikan pada Gambar 157. nilai Pol. Surfer 8 digunakan untuk membuat peta kontur parameter-parameter seperti tersebut di atas. ArcView 3. tinggi tebu. Hasil dari model ini dapat menjadi data training pada Backpro2N untuk keperluan penerapan precision . Dengan memasukkan data populasi dan tinggi tebu pada model ini maka dapat diketahui taksasi. persentase penutupan gulma. kadar air tanah. Pada menu utama STRAFERT-PF.3 terdapat pada ikon Model Spasial (Gambar 147) sedangkan tampilannya disajikan pada Gambar 158.

Dari Model Biaya dapat diketahui apakah penerapan precision farming yang dilakukan menguntungkan atau merugikan. Model Pemupukan menghasilkan dosis pupuk dan jumlah pupuk yang dibutuhkan yang kemudian tersimpan dalam basis data pada Model Spasial yang dapat digunakan untuk perhitungan pada model-model lain. Hasil tersebut tersimpan dalam basis data pada Model Spasial yang dapat digunakan untuk perhitungan pada model-model lain. Model Biaya (Gambar 159) memungkinkan dilakukannya perhitungan biaya pemupukan. STRAFERT-PF dilengkapi fasilitas Help (Gambar 160) untuk memudahkan pengoperasiannya. . gula.farming siklus berikutnya. Sedangkan pada penentuan dosis pupuk berdasarkan rekomendasi pustaka (Gambar 152 dan 153) dperlukan kejelian memilih rekomendasi pustaka yang dapat dihandalkan. Simulasi dapat dilakukan dengan merubah-rubah input target produktivitas dan kadar gula yang dikehendaki. Basis data tersebut terdapat pada Model Spasial. Selain itu juga memungkinkan dilakukan perubahan dan pengembangan untuk penyempurnaan hasil yang diperoleh maupun penyesuaian kebutuhan yang diharapkan. biaya produksi gula. dan biaya produksi gula selain pemupukan. manf aat dari hasil gula. dan taksasi yang dihasilkan. dan B/C ratio. Data yang diperlukan dapat berasal dari basis data yang terdapat pada Model Spasial atau memasukkan data baru. keuntungan yang diperoleh. Model Pemupukan pada menu utama STRAFERT-PF (Gambar 147) memungkinkan dilakukannya penentuan dosis pupuk (Gambar 150-153). pupuk. Simulasi dapat dilakukan dengan merubah-rubah input harga-harga analisa sampel. upah pengambilan sampel. Penentuan dosis pupuk berdasarkan target produktivitas (Gambar 150 dan 151) memerlukan Estimasi ANN terlebih dahulu yang sebelumnya sudah diperoleh bobot dari Neural Network sehingga dapat diketahui jumlah hara N dan P yang dibutuhkan pada pemupukan pertama maupun jumlah hara N dan K yang dibutuhkan pada pemupukan kedua. Basis data yang diperlukan meliputi jumlah pupuk yang digunakan. rendemen.

dan K pada Budidaya Tebu. P.Gambar 146 Tampilan awal SPK Pendekatan Precision Farming dalam Pemupukan N. .

Gambar 147 Tampilan menu utama SPK Pendekatan Precision Farming dalam Pemupukan N. P. . Gambar 148 Tampilan menu Model Hasil Tebu. dan K pada Budidaya Tebu.

. Gambar 150 Tampilan menu Model Pemupukan untuk pupuk pertama dengan target produktivitas melalui ANN.Gambar 149 Tampilan menu program Artificial Neural Network (ANN).

Gambar 152 Tampilan menu Model Pemupukan untuk pupuk pertama dengan rekomendasi pustaka. .Gambar 151 Tampilan menu Model Pemupukan untuk pupuk kedua dengan target produktivitas melalui ANN.

.Gambar 153 Tampilan menu Model Pemupukan untuk pupuk kedua dengan rekomendasi pustaka. Gambar 154 Tampilan menu Model Geostatistika.

. Gambar 156 Tampilan contoh keluaran analisa keragaman spasial.Gambar 155 Tampilan analisa keragaman spasial dengan GS+ for Windows. Gambar 157 Tampilan pembuatan kontur dengan Surfer 8.

3. .Gambar 158 Tampilan menu Model Spasial dengan ArcView 3. Gambar 159 Tampilan menu Model Biaya.

Gambar 160 Tampilan menu Help. .

Penyimpangan ini disebabkan keterlambatan pemupukan pertama yang lebih lama dialami Plot Percobaan D-DS dan E-PF. Pertumbuhan jumlah daun juga menunjukkan bahwa pendekatan precision faming berpengaruh (Gambar 168 dan 169). tetapi karena plot tersebut pada penelitian ini memakai dosis seragam maka seperti ditunjukkan pada Gambat 162. Pertumbuhan jumlah anakan menunjukkan bahwa pendekatan precision farming dapat menjaga jumlah anakan tetap lebih banyak dibanding pendekatan dosis seragam (Gambar 167). dan CDS. jumlah pupuk Urea yang diberikan pada Plot Percobaan C-DS lebih banyak dari perhitungan dosis menurut pendekatan precision farming. Ketersediaan hara yang lebih baik dapat menjamin pertumbuhan diameter dan tinggi tanaman yang lebih baik. dan E-PF lebih rendah. Hal ini karena pemeliharaan tanaman yang kurang dibanding Plot Percobaan A-PF. Pada pemupukan pertama. Gambar 174 menunjukkan penutupan gulma pada Plot Percobaan D-DS dan E-PF sangat besar. B-PF. B-PF. dan C-DS kecuali Plot Percobaan D-DS dan E-PF yang menunjukkan penyimpangan.Analisa Pertumbuhan Vegetatif Analisa pertumbuhan vegetatif menggunakan nilai rata -rata per plot percobaan dari setiap parameter pengamatan. Ketersediaan hara N yang banyak menyebabkan daun lebih lebat dan gelap. Pertumbuhan diameter dan tinggi tanaman tebu dengan pendekatan precision farming juga lebih baik dari pendekatan dosis seragam (Gambar 170 dan 171). ketersediaan hara P tetap tinggi. Secara umum pertumbuhan jumlah anakan menunjukkan meningkat sampai umur 3. Pertumbuhan ketersediaan hara yang disajikan pada Gambar 161 166 menunjukkan bahwa pemupukan dengan pendekatan precision farming dapat mengendalikan ketersediaan hara yang lebih baik dibanding pemupukan dengan dosis seragam. Sementara itu ketersediaan hara P pada Plot Percobaan A-PF. Di samping itu gap yang terjadi menjadi lebih kecil (Gambar 172) dan tebu yang roboh lebih sedikit (Gambar 173).5 bulan kemudian mengalami penurunan. B-PF. Banyaknya gulma . Plot Percobaan C-DS dan DDS pada pemupukan dasar menurut pendekatan precision farming tidak memerlukan pupuk TSP. Hal ini juga terjadi pada Plot Percobaan A-PF.

menimbulkan masalah persaingan perebutan hara sehingga berpenga ruh pada pertumbuhan tebu (Gambar 175). Beberapa faktor pada penelitian ini seperti keterlambatan pemupukan, ketelitian pemupukan yang masih kurang baik dengan fertilizer maupun tenaga manusia, irigasi yang tidak memadai, pemeliharaan tanaman yang kurang, pemberantasan hama dan penyakit yang relatif tidak ada menyebabkan target produksi tidak tercapai (Gambar 176 178). Pada pendekatan precison farming dengan target produksi, diharapkan dapat dicapai produktivitas 110 ton tebu/ha dan nilai Pol 20. Sedangkan pada pendekatan precision farming dengan rekomendasi pustaka diharapkan produktivitas 100 ton tebu/ha. Uji beda nyata produktivitas dan kadar gula terhadap target yang ditentukan menunjukkan hasil perbedaan yang signifikan (Lampiran 50 dan 52). Wala upun demikian hasil penelitian menunjukkan bahwa pendekatan precision farming menghasilkan produksi yang lebih baik (Gambar 178) dan biomassa yang lebih baik (Gambar 180 185). Dari Tabel 45 dapat diketahui bahwa perbedaan produktivitas antara pendekatan precision farming (Plot Percobaan A-PF, B-PF, dan E-PF) dan dosis seragam (Plot Percobaan C-DS dan D-DS) adalah 8.71 ton/ha (7.6%) untuk Plot Percobaan A-PF, 6.18 ton/ha (10.71%) untuk Plot Percobaan B-PF, dan -3.68 ton/ha (-6.51%) untuk Plot Percobaan E-PF. Sementara itu histogram rendemen dan taksasi masing-masing ditampilkan pada Gambar 186 dan 187. Dari nilai P pada Tabel 45 dapat diketahui bahwa keragaman rendemen Plot Percobaan A-PF dan B-PF (precision farming) lebih kecil dari pada Plot Percobaan C-DS (dosis seragam), tetapi keragaman Plot Percobaan E-PF (precision farming ) lebih besar dari pada Plot Percobaan D-DS (dosis seragam). Sementara untuk keragaman taksasi Plot Percobaan A-PF (precision faraming) lebih besar dari pada Plot Percobaan C-DS (dosis seragam), keragaman taksasi Plot Percobaan B-PF (precision farming) lebih kecil dari dari pada Plot Percobaan C-DS (dosis seragam), dan keragaman taksasi Plot Percobaan E-PF (precision farming ) lebih kecil dari pada Plot Percobaan C-DS (dosis seragam).

( top soil ) 0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 1 minggu 2 bulan 3 bulan 4 bulan Umur tebu N hara tanah (%) Plot A Plot B Plot C Plot D Plot E 0 0.02 0.04 0.06 0.08 0.1 0.12 1 minggu 2 bulan 3 bulan 4 bulan Umur tebu N hara tanah (%) Plot A Plot B Plot C Plot D Plot E 0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 1 minggu 2 bulan 3 bulan 4 bulan Umur tebu N hara tanah (%) Plot A Plot B Plot C Plot D Plot E 0 0.02 0.04 0.06 0.08 0.1 0.12

1 minggu 2 bulan 3 bulan 4 bulan Umur tebu N hara tanah (%) Plot A Plot B Plot C Plot D Plot E ( sub soil ) Gambar 161 Kecenderungan pertumbuhan hara tanah N.

0 10 20 30 40 50 60 70 80 90 100 1 minggu 2 bulan 3 bulan 4 bulan Umur tebu P hara tanah (ppm) Plot A Plot B Plot C Plot D Plot E 0 10 20 30 40 50 60 70 80 90 100 1 minggu 2 bulan 3 bulan 4 bulan Umur tebu P hara tanah (ppm) Plot A Plot B Plot C Plot D Plot E ( top soil ) 0 5 10 15 20 25 30 35 40 1 minggu 2 bulan 3 bulan 4 bulan Umur tebu P hara tanah (ppm) Plot A Plot B Plot C Plot D Plot E ( sub soil )

Gambar 162 Kecenderungan pertumbuhan hara tanah P.

0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 1 minggu 2 bulan 3 bulan 4 bulan Umur tebu K hara tanah (me/100g) Plot A Plot B Plot C Plot D Plot E 0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 1 minggu 2 bulan 3 bulan 4 bulan Umur tebu K hara tanah (me/100g) Plot A Plot B Plot C Plot D Plot E ( top soil ) 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 K hara tanah (me/100g) Plot A Plot B Plot C Plot D Plot E 1 minggu 2 bulan 3 bulan 4 bulan Umur tebu ( sub soil ) Gambar 163 Kecenderungan pertumbuhan hara tanah K.

0 0.5 1 1.5 2 2.5 N hara daun (%) Plot A Plot B Plot C Plot D Plot E 0 0.5 1 1.5 2 2.5 N hara daun (%) Plot A Plot B Plot C Plot D Plot E 3 bulan 4 bulan 6 bulan 6.5 bulan 9.5 bulan Umur tebu Gambar 164 Kecenderungan pertumbuhan hara daun N. 0.7 0.6 0.5 P hara daun (%) 0.4 0.3 0.2 0.1 0 3 bulan 4 bulan 6 bulan 6.5 bulan 9.5 bulan Umur tebu Plot A Plot B Plot C Plot D Plot E Gambar 165 Kecenderungan pertumbuhan hara daun P. 0

8 2 K hara daun (%) Plot A Plot B Plot C Plot D Plot E 3 bulan 4 bulan 9.0.2 1.4 1.5 bulan Umur tebu Gambar 166 Kecenderungan pertumbuhan hara daun K.6 0.8 1 1. .4 0.2 0.6 1.

5 bulan 5.5 bulan Umur tebu Jumlah AnakanPlot D Plot E ( b ) Gambar 167 Kecenderungan pertumbuhan jumlah anakan tebu.5 bulan 4.5 bulan 4.5 bulan 9.5 bulan 4. .5 bulan 6.5 bulan 9.5 bulan 5.5 bulan 9.5 bulan 5.5 bulan 6.5 bulan Umur tebu Jumlah AnakanPlot A Plot B Plot C 50 60 70 80 90 100 110 120 1 bulan 2 bulan 3.5 bulan 6.5 bulan Umur tebu Jumlah AnakanPlot A Plot B Plot C ( a ) 60 80 100 120 140 160 180 2 bulan 2.50 60 70 80 90 100 110 120 1 bulan 2 bulan 3.

5 bulan 9.5 bulan 9.5 bulan 4.5 bulan 9.5 bulan 4.5 bulan 6.5 bulan 5.5 bulan 4.5 bulan 5.5 bulan 6.5 bulan Umur tebu Jumlah daun hijau tebuPlot A Plot B Plot C ( a ) 6 8 10 12 14 16 18 2 bulan 2.5 bulan 5.6 8 10 12 14 16 18 20 1 bulan 2 bulan 3.5 bulan Umur tebu Jumlah daun hijau tebuPlot A Plot B Plot C 6 8 10 12 14 16 18 20 1 bulan 2 bulan 3.5 bulan 6. .5 bulan Umur tebu Jumlah daun hijau tebuPlot D Plot E ( b ) Gambar 168 Kecenderungan pertumbuhan jumlah daun hijau tebu.

5 bulan 4.5 bulan Umur tebu Jumlah daun kering tebuPlot D Plot E ( b ) Gambar 169 Kecenderungan pertumbuhan jumlah daun kering tebu.5 bulan Umur tebu Jumlah daun kering tebuPlot A Plot B Plot C 0 5 10 15 20 25 1 bulan 2 bulan 3.5 bulan 6.0 5 10 15 20 25 1 bulan 2 bulan 3.5 bulan 4.5 bulan 9.5 bulan 6.5 bulan 9.5 bulan 6.5 bulan 9. .5 bulan 5.5 bulan 5.5 bulan Umur tebu Jumlah daun kering tebuPlot A Plot B Plot C ( a ) 0 2 4 6 8 10 12 14 2 bulan 2.5 bulan 5.5 bulan 4.

5 bulan 9.14 16 18 20 22 24 26 28 2 bulan 3.5 bulan 9.5 bulan Umur tebu Diameter tebu (mm) Plot D Plot E ( b ) Gambar 170 Kecenderungan pertumbuhan diameter tebu.5 bulan Umur tebu Diameter tebu (mm) Plot A Plot B Plot C 14 16 18 20 22 24 26 28 2 bulan 3.5 bulan 6.5 bulan 6.5 bulan 5.5 bulan 5.5 bulan 4.5 bulan 5. .5 bulan 6.5 bulan 9.5 bulan Umur tebu Diameter tebu (mm) Plot A Plot B Plot C ( a ) 10 12 14 16 18 20 22 24 26 2.5 bulan 4.5 bulan 4.

5 bulan 5.5 bulan 6.5 bulan 4.5 bulan 5.5 bulan Umur tebu Tinggi tanaman tebu (cm) Plot A Plot B Plot C 0 50 100 150 200 250 300 2 bulan 3.5 bulan 5.5 bulan 6. .5 bulan 6.5 bulan 4.5 bulan 9.5 bulan 9.0 50 100 150 200 250 300 2 bulan 3.5 bulan Umur tebu Tinggi tanaman tebu (cm) Plot A Plot B Plot C ( a ) 0 50 100 150 200 250 2.5 bulan Umur tebu Tinggi tanaman tebu (cm) Plot D Plot E ( b ) Gambar 171 Kecenderungan pertumbuhan tinggi tanaman tebu.5 bulan 4.5 bulan 9.

5 bulan 4.5 bulan Umur tebu Gap tebu (%) Plot A Plot B Plot C 5 10 15 20 25 30 1 bulan 2 bulan 3. .5 bulan 6.5 bulan 6.5 bulan 5.5 bulan 9.5 bulan 6.5 bulan Umur tebu Gap tebu (%) Plot D Plot E ( b ) Gambar 172 Kecenderungan pertumbuhan persentase gap tebu.5 bulan 9.5 bulan 4.5 bulan 5.5 bulan Umur tebu Gap tebu (%) Plot A Plot B Plot C ( a ) 20 22 24 26 28 30 32 34 36 2 bulan 2.5 bulan 5.5 10 15 20 25 30 1 bulan 2 bulan 3.5 bulan 9.5 bulan 4.

5 bulan Umur tebu Penutupan gulma (%) Plot A Plot B Plot C Plot D Plot E Plot A Plot B Plot C Plot D Plot E 6.5 bulan Umur tebu Gambar 173 Kecenderungan pertumbuhan jumlah tebu roboh.12 10 8 6 4 2 0 Jumlah tebu roboh 0 10 20 30 40 50 60 6.5 bulan 9.5 bulan 9. . Gambar 174 Kecenderungan pertumbuhan penutupan gulma.

4 4.6 3.8 4 4.6 6.2 4.2 4.4 3.6 6.5 bulan 9.5 bulan Umur tebu Pol (%) Plot A Plot B Plot C Plot D Plot E 3 3.Gambar 175 Kecenderungan pertumbuhan bobot tebu.2 3.6 3.4 3.4 4.2 3.5 bulan 9.5 bulan 9. 3 3.5 bulan Umur tebu Bobot tebu (kg) Plot A Plot B Plot C Plot D Plot E 6 8 10 12 14 16 18 20 .8 4 4.5 bulan Umur tebu Bobot tebu (kg) Plot A Plot B Plot C Plot D Plot E 6 8 10 12 14 16 18 20 6.

.6.5 bulan Umur tebu Pol (%) Plot A Plot B Plot C Plot D Plot E Gambar 176 Kecenderungan pertumbuhan nilai Pol.5 bulan 9.

5 bulan Umur tebu Gambar 178 Kecenderungan pertumbuhan nilai taksasi. .5 bulan 9.5 bulan 9.5 bulan Umur tebu Gambar 177 Kecenderungan pertumbuhan nilai rendemen.Rendemen (%) 11 10 9 8 7 6 5 4 3 2 Plot Plot Plot Plot Plot A B C D E 6. 50 55 60 65 70 75 80 85 90 95 Taksasi tebu (ton/ha) Plot A Plot B Plot C Plot D Plot E 6.

5 bulan Umur tebu Kadar Air Tanah (%) sub soilPlot A Plot B Plot C Plot D Plot E ( sub soil ) Gambar 179 Kecenderungan pertumbuhan kadar air tanah.5 bulan Umur tebu Kadar Air Tanah (%) top soilPlot A Plot B Plot C Plot D Plot E 12 14 16 18 20 22 24 6. .5 bulan 9.5 bulan 9.5 bulan 9.12 14 16 18 20 22 24 6.5 bulan Umur tebu Kadar Air Tanah (%) top soilPlot A Plot B Plot C Plot D Plot E ( top soil ) 12 14 16 18 20 22 24 6.

Bobot (gram) 40 35 30 25 20 15 10 5 0 Bobot basah AKAR Bobot kering AKAR Plot A Plot B Plot C Plot D Plot E Plot Percobaan Gambar 180 Perbandingan bobot biomassa akar tebu. 0 200 400 600 800 1000 1200 1400 Plot A Plot B Plot C Plot D Plot E Plot Percobaan Bobot (gram) Bobot basah BATANG Bobot kering BATANG Gambar 182 Perbandingan bobot biomassa batang tebu. 0 10 20 30 40 50 Plot A Plot B Plot C Plot D Plot E Plot Percobaan Bobot (gram) Bobot basah TUNGGUL Bobot kering TUNGGUL Gambar 181 Perbandingan bobot biomassa tunggul tebu. .

0 5 10 15 20 25 30 Jumlah ruas Plot A Plot B Plot C Plot D Plot E Plot Percobaan Gambar 185 Perbandingan jumlah ruas tebu. 0 20 40 60 80 100 120 Plot A Plot B Plot C Plot D Plot E Plot Percobaan Bobot (gram) Bobot basah PUCUK Bobot kering PUCUK Gambar 184 Perbandingan bobot biomassa pucuk.0 50 100 150 200 250 Plot A Plot B Plot C Plot D Plot E Plot Percobaan Bobot (gram) Bobot basah DAUN Bobot kering DAUN 0 50 100 150 200 250 Plot A Plot B Plot C Plot D Plot E Plot Percobaan Bobot (gram) Bobot basah DAUN Bobot kering DAUN Gambar 183 Perbandingan bobot biomassa daun tebu. .

96 0.27 Taksasi A 33 73.74 a = nilaió terendah pada masing-masing peubah Distribusi frekuensi 70% 60% 50% 40% 30% 20% 10% 0% HISTOGRAM RENDEMEN pada TAKSASI AWAL 2 .88 4.30 8.10 7.59 9.4 4 .65 41.55 17.15 52.8 8 .89 6.7 7 .89 16.96 51.10 10 .71 6.05 6.61 68.83 8. .56 90.94 13.23 0.6 6 .47 87.46 7.48 7.43 9.01 1.04 4.69 106.9 9 .24 78.17 69.15 awal (%) A 33 4.3 3 .21 0.01 25. Deviation (ó) CV P(m ±a) C 16 5.21 81.61 taksasi E 45 2.48 11.Tabel 45 Deskripsi statistik rendemen dan taksasi setiap plot percobaan Peubah Plot Percobaan N Min Max Mean (m) Std.11 Rendemen pada Taksasi Awal (%) Plot Plot Plot Plot Plot Percobaan Percobaan Percobaan Percobaan Percobaan A B C D E Gambar 186 Histogram rendemen pada taksasi awal.37 56.73 61.11 D 15 45.18 32.42 6.97 11.71 68.56 B 32 60.83 53.99 55.40 3.27 Rendemen pada B 32 5.35 awal E 45 39.23 5.95 (%) C 16 65.66 6.56 11.98 56.01 8.5 5 .01 118.03 53.92 D 15 2.07 0.51 6.23 101.

60 60 . kecuali biaya pemupukan pada Plot Percobaan B-PF berdasarkan taksasi awal. Pada tingkat kesuburan tanah yang sangat rendah maka penentuan dosis pupuk dengan pendekatan precision farming tentunya merekomendasikan kebutuhan . Analisa Biaya . B-PF. Tabel 46 menunjukkan bahwa biaya pemupukan dengan pendekatan precision farming (Plot Percobaan A-PF.50 50 .70 70 110 120 Taksasi Awal (ton/ha) Distribusi frekuensiPlot Percobaan Plot Percobaan B Plot Percobaan C Plot Percobaan D Plot Percobaan E Gambar 187 Histogram taksasi awal. Selain itu juga biaya pengambilan sampel pada pemupukan dengan pendekatan precision farming lebih besar dari pada biaya pengambilan sampel yang diperlukan pada pemupukan dengan pendekatan dosis seragam (Gambar 189).100 100 110 A .70 70 110 120 Taksasi Awal (ton/ha) Distribusi frekuensiPlot Percobaan Plot Percobaan B Plot Percobaan C Plot Percobaan D Plot Percobaan E HISTOGRAM TAKSASI AWAL 0% 10% 20% 30% 40% 50% 60% 30 . Hal ini disebabkan biaya analisa sampel tanah dan tanaman yang diperlukan pada pemupukan dengan pendekatan precision farming lebih besar dari pada biaya analisa sampel tanah dan tanaman yang diperlukan pada pemupukan dengan pendekatan dosis seragam (Gambar 188). dan E-PF) lebih besar dari biaya pemupukan dengan dosis seragam (Plot Percobaan C-DS dan D-DS).100 100 110 A Hasil analisa biaya disajikan pada Tabel 46 dan Gambar 188 190.HISTOGRAM TAKSASI AWAL 0% 10% 20% 30% 40% 50% 60% 30 .80 80 .60 60 .50 50 .40 40 .90 90 .80 80 .40 40 . Sedangkan biaya jumlah pupuk tergantung pada kondisi kesuburan tanah.90 90 .

981.93 Manfaat hasil TAw 6.66 1.676.15 964.28 2.00 6.416.157.761.108.691. Biaya jumlah pupuk merupakan biaya yang timbul akibat jumlah pupuk yang digunakan.089.00 Keuntungan TAw 2.47 (Rp/ton) TAk 2.000.22 2.000.308.683.20 993.842.817.52 3.710.73 1.53 Biaya produksi gula (Rp/ton) TAk 3.523.184.910.87 1. Oleh karena itulah biaya jumlah pupuk pada Plot Percobaan B-PF lebih kecil dari pada Plot Percobaan C-DS sehingga biaya pemupukan Plot Percobaan B-PF lebih kecil dari Plot Percobaan C-DS (Gambar 190).00 6.876.707.815.142.60 1.pupuk yang banyak sehingga biaya jumlah pupuk menjadi besar dan sebaliknya.657.34 3.164.00 6.86 3.46 412.32/ton .484.14 2.53 512.147.000.437.72 Keterangan: TAw = Taksasi TAk = Taksasi 1.292.00 6.78 3.72 3.201.86 1.00 6.864.000.798.342.000.830.000.123.650.66 2.19 3.316.833.583.631.035.476.61 TAw 3.00 6.85 5.609.56 Awal Akhir Biaya produksi gula mencakup seluruh biaya produksi dalam satu musism sampai men jadi gula Manfaat hasil gula merupakan manfaat dari penjualan gula Asumsi : Biaya produksi gula selain pemupukan = Rp 3.02 313.000.14 4.852.188.169.21 681.000.54 438.44 1.390.82 305.07 TAw 1.170.368.81 2.238.175.00 gula (Rp/ton) TAk 6.62 1.000. Tabel 46 Analisa biaya Parameter Plot Percobaan A-PF B-PF C-DS D-DS E-PF Biaya pemupukan (Rp/ton hasil gula) TAw TAk 536.63 1.562.67 B/C ratio TAk 1.835.581.19 1.000.00 6. Semakin banyak pupuk digunakan maka semakin besar biaya jumlah pupuk yang dikeluarkan.40 590.515.00 6.48 2.

00/kg Tabel 46 juga menunjukkan bahwa biaya produksi gula berdasarkan taksasi awal untuk Plot Percobaan A-PF.Harga gula = Rp 6. Biaya produksi gula berkaitan dengan jumlah gula yang dihasilkan. kecuali biaya produksi gula pada Plot Percobaan B-PF berdasarkan taksasi awal. dan C-DS tidak berbeda nyata (Lampiran 53) tetapi nilai taksasinya (Gambar 178) berbeda nyata . Jumlah gula yang dihasilkan berkaitan dengan rendemen dan taksasi (Gambar 177 dan 178). B-PF. dan E-PF (precision farming) lebih besar dari Plot Percobaan C-DS dan D-DS (dosis seragam). Gambar 177 menunjukkan bahwa rendemen untuk Plot Percobaan A-PF. B-PF.000.

000.805. Biaya Analisa Sampel 91.65 14.00 200.05 28. Nilai rendemen dan taksasi awal Plot Percobaan D-DS lebih rendah dari Plot Percobaan A-PF.21 954.21 677.000. dan C-DS.98 1.00 250.(Lampiran 53).241.000.645. Biaya Pengambilan Sampel 1.48 101. Sementara nilai rendemen dan taksasi awal Plot Percobaan E-PF paling rendah di antara plot percobaan yang lain dan berbeda nyata sehingga biaya produksi gulanya paling tinggi.35 349.00 2.87 1.000.22 208.00 50.00 100. B-PF.00 2.36 69.758.00 A-PF B-PF C-DS D-DS E-PF Plot Percobaan Biaya analisa sampel (Rp/ton hasil gula) Taksasi Awal Taksasi Akhir Gambar 188 Biaya analisa sampel setiap plot percobaan.618.000.481.000.71 0.00 1.67 12.418.500.72 70.000.000.559.18 2.00 1.618.419. .252.84 192.377.500.668.44 943.44 92.07 0.01 299.00 3.608.598.00 A-PF B-PF C-DS D-DS E-PF Plot Percobaan Upah pengambilan sampel (Rp/ton hasil gula) Taksasi Awal Taksasi Akhir Gambar 189 Biaya pengambilan sampel setiap plot percobaan.00 500.00 150.

Biaya Jumlah Pupuk 319.082.668.00 A-PF B-PF C-DS D-DS E-PF Plot Percobaan Biaya jumlah pupuk (Rp/ton hasil gula) Taksasi Awal Taksasi Akhir Gambar 190 Biaya jumlah pupuk setiap plot percobaan.00 400.400.000.889.00 200.000.000.51 0.892.000.56 963.892.939.000.00 1.000.068.00 A-PF B-PF C-DS D-DS E-PF Plot Percobaan Biaya jumlah pupuk (Rp/ton hasil gula) Taksasi Awal Taksasi Akhir Biaya Jumlah Pupuk 319.836.00 1.25 296.51 0.86 443.00 1.00 1.068.000.49 243.336.000.939.200.34 425. Taksasi akhir Plot Percobaan C-DS tidak berbeda nyata dengan Plot Percobaan A-PF dan B-PF tetapi rendemen pada taksasi akhir Plot Percobaan C-DS paling tinggi dan berbeda nyata dengan plot percobaan yang lain.567.889.600.000.56 963.65 610.000.00 1.25 296.000.00 1.567.800.000.89 497.082.000.61 487.096.51 1.61 487.86 443.668. Biaya produksi gula pada taksasi akhir untuk Plot Percobaan C-DS paling rendah karena gula yang dihasilkan paling banyak.600.000.34 425.00 800.00 800.000.00 600.89 497.00 1.000.51 1.400.336.088.00 400. .836.088.00 200.65 610.000.000.00 600.096.000.00 1.800.49 243.00 1.000.200.00 1.

dan E-PF) lebih kecil dari keuntungan yang dihasilkan pemupukan dengan dosis seragam (Plot Percobaan C-DS dan D-DS). keuntungan yang dihasilkan pemupukan dengan pendekatan precision farming (Plot Percobaan A-PF. kecuali Plot Percobaan B-PF (precision farming) pada taksasi awal yang lebih besar dari pada Plot Percobaan C-DS (dosis . Nilai tersebut akan berbeda untuk setiap plot percobaan jika manfaat hasil gula diperhitungkan berdasarkan manfaat per satuan luas karena tergantung pada hasil gula setiap plot percobaan dan harga gula yang ditentukan. Tabel 46 menunjukkan bahwa.Manfaat hasil gula per satuan bobot gula untuk semua plot percobaan mempunyai nilai yang sama karena hanya berdasarkan pada harga jual gula yang ditentukan. B-PF.

pemeliharaan tanaman yang kurang. dan K pada Plot Percobaan B-PF berdasarkan taksasi awal hanya dapat meningkatkan keuntungan 1.09%. Oleh karena itu agar pendekatan precision farming dalam pemupukan N. dan E-PF masih menguntungkan (B/C ratio > 1). irigasi yang tidak memadai. dan E-PF lebih kecil dari pada Plot Percobaan C-DS dan D-DS. pelaksanaan pemupukan harus teliti (mekanis maupun manual). Rendahnya rendemen tersebut disebabkan keterlambatan pemupukan. dan K lebih menguntungkan maka pemupukan harus tepat pada waktunya. Namun demikian baik berdasarkan taksasi awal maupun akhir ternyata pendekatan precision farming pada Plot Percobaan A-PF. B-PF. ketelitian pemupukan yang masih kurang baik dengan fertilizer maupun tenaga manusia. Perhitungan berdasarkan taksasi akhir tidak dapat dihandalkan karena faktor serangan hama dan penyakit yang semakin parah pada umur tebu 9. Oleh karena itu B/C ratio pemupukan dengan pendekatan precision farming lebih kecil dari B/C ratio yang dihasilkan pemupukan dengan dosis seragam (Gambar 185) kecuali Plot Percobaan B-PF (precision farming ) pada taksasi awal yang lebih besar dari pada Plot Percobaan C-DS (dosis seragam) . Pendekatan precision farming dalam pemupukan N. B-PF. serta tidak adanya pemberantasan hama dan penyakit. pemeliharaan tanaman. Hal ini karena rendemen Plot Percobaan A-PF. P. pemberantasan hama dan penyakit harus mendapat perhatian yang baik. serta kegiatan budidaya di luar pemupukan seperti irigasi.seragam).5 bulan sehingga taksasi akhir lebih rendah. P. .

SIMPULAN DAN SARAN Simpulan Berdasarkan uraian dari bab-bab sebelumnya dapat disimpulkan 1 Keragaman spasial kandungan hara a pendekatan precision farming dalam pemupukan N. sedang untuk N. c agar lebih efisien maka ukuran pengambilan contoh (sampling size) pengamatan produktivitas lahan dapat diperbesar dari 25 m menjadi minimal 40 m. dan K.2065. P. b unsur hara N top soil. dengan rincian 51 . 44. N sub soil.2040. P. d agar lebih efisien maka ukuran pengambilan contoh (sampling size) pengamatan tanah dapat diperbesar dari 25 m menjadi minimal 40 m. dan P top soil menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya perlu diperhatikan pola keragaman yang terjadi.5 m untuk N.3 . cukup rendah cukup dengan rincian cukup rendah tinggi untuk P dan K.3 m untuk Plot Percobaan A-PF.3 m untuk K. P.5 m untuk P.1039. dengan rincian 288.4 . c unsur hara P sub soil K top soil. dan 60.7 m . 41. dan K sub soil tidak menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya dapat dilakukan secara acak. dan K dapat menekan tingkat keragaman spasial produktivitas lahan. b produktivitas lahan menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya perlu diperhatikan pola keragaman yang terjadi. dan K dapat menekan tingkat keragaman spasial kandungan hara N. e tingkat keragaman spasial yang terjadi berkisar dari agak rendah sampai cukup tinggi berdasarkan 11 kelas keragaman spasial yang digunakan. 2 Keragaman spasial produktivitas lahan a pendekatan precision farming dalam pemupukan N.

88 untuk pupuk pertama P. R2=0. Saran Untuk mendapatkan hasil yang baik pada penerapan precision farming pada pemupukan maka perlu diperhatikan tersedianya jumlah data untuk training . menentukan kebutuhan jumlah hara N.88 untuk pupuk kedua N. meningkatkan produktivitas 0. dan cukup rendah pada Plot Percobaan E. 5 Pendekatan precision framing dalam pemupukan dapat menekan pemborosan penggunaan pupuk 53.93 untuk pupuk pertama N.09%.47% untuk Urea. 152 m untuk Plot Percobaan C-DS. Dibandingkan dengan penentuan dosis pupuk berdasarkan rekomendasi pustaka. dan meningkatkan keuntungan 1.347 untuk Plot Percobaan B-PF. dan melakukan analisa biaya. 3 Model Artificial Neural Network (ANN) yang dibangun untuk memformulasikan hubungan antara jumlah hara yang dibutuhkan dengan hasil tebu dan kadar gula memiliki akurasi R2=0. denga n rincian agak rendah pada Plot Percobaan A-PF. meningkatkan pertumbuhan vegetatif tanaman.96% untuk TSP. R2=0. agak rendah pada Plot Percobaan C-DS. dan K pada budidaya tebu telah dibangun dengan nama STRAFERT-PF yang mempunyai kemampuan untuk menentukan taksasi tebu.92 untuk pupuk kedua K. dan 259 m untuk Plot Percobaan E-PF. dan R2=0. P. rendah pada Plot Percobaan B-PF. 4 Sistem Pendudukung Keputusan untuk pendekatan precision farming dalam pemupukan N.9 10. acak untuk Plot Percobaan D-DS. berlebihan untuk KCl. membuat peta informasi lahan. P. penentuan dosis pupuk berdasarkan target produksi dan kadar gula dengan model ANN memberikan hasil yang lebih baik. dan K untuk pemupukan pada target produktivitas dan kadar gula yang diharapkan. minimal 86. menentukan dosis pupuk. melakukan analisa keragaman spasial. d tingkat keragaman spasial yang terjadi berkisar dari rendah sampai cukup rendah berdasarkan 11 kelas keragaman spasial yang digunakan. cukup rendah pada Plot Percobaan D-DS.7%.

analisa ekonomi penerapan precision farming pada budidaya tebu. pemilihan rekomendasi dosis pupuk dari referensi yang akurat. pengelolaan menyeluruh yang baik dengan didukung sarana dan prasarana yang memadai berbasis sistem informasi yang baik. terampil. dan dapat dipercaya jika pemupukan dilakukan secara manual atau tersedianya fertilizer applicator dengan jumlah cukup. Perlu penelitian lebih lanjut mengenai analisa semi-variogram dengan asumsi anisotropic dan multivariate geostatistics. tersedianya pupuk dalam jumlah yang memadai dan waktu yang tepat sesuai kebutuhan. . irigasi. peralatan pengambilan sampel yang akurat. efisien. dan operator yang handal jika pemupukan dilakukan secara mekanis). dan murah. rancang bangun fertilizer applicator untuk pemupukan pada tanaman tebu dengan VRT (variable rate technology). pengaturan output akurat. pola pengambilan sampel yang tepat. pemberantasan hama dan penyakit. pengguludan.program ANN yang memadai. pengolahan tanah. pengendalian gulma. teliti. pemetaan sampel dengan GPS (global positioning system). penambahan input pada konfigurasi ANN seperti faktor genotip tebu (varietas) dan musim. pelaksanaan pemupukan yang baik (tersedianya tenaga manusia yang cukup. kegiatan selain pemupukan yang baik seperti pemilihan varietas tebu. penggemburan. kondisi teknis baik. rancang bangun yield sensor pada mesin tebang tebu.

Sistem Penunjang Keputusan untuk Pembinaan Agroindustri Perikanan Rakyat [skripsi]. Program penyiapan pupuk nasional tahun 2002 2007 untuk ketahanan pangan.html [26 Juni 2002] Ant/fir. Agustedi.edu. 1983.com/Plant_Chlorophyll_Meters/Minolta_SPAD_502 _Meter.usyd. Proceeding of the Symposium on Research into Agro-technical Methods Aiming at Increasing the Produktivity Crops Co-efficients for the most Efficient Use of Fertilizer Nutrients and Means for reducing the Losses of Nutrients to the Environment under the Conditions of Intensive Agriculture at Geneva. Laporan Triwulanan.au/su/agric/acpa/symposium [15 Oktober 2005] [AGI] Asosiasi Gula Indonesia. Spectrum. http://www. 2005. Jakarta. Affordable Field Measurement Technology to Help You Grow : Minolta SPAD 502 Meter.specmeters. Barnes AC. Bali: IFAC-CIGR. New York: Interscience Publisher Inc. hlm 3-1 3-6. 1964. 1994. The Sugar Cane. Pasuruan: Asosiasi Gula Indonesia.co. Proceeding of IFAC-CIGR Workshop on. Di dalam: Efficient Use of Fertilizers in Agriculture. Sakai K. Bogor: Fakultas Teknologi Pertanian. Hache C. Jakarta: Republika. 9 Juli 2002.asp?id=226917&kat_id=&kat_id1 =&kat_id2= [16 Maret 2006] Arifin Z. Sydney: The University of Sydney. Jakarta: Persatuan Insinyur Indonesia. Di dalam: Peningkatan Produktivitas melalui Penguasaan Teknologi Inovatif menuju Kemandirian Industri Pertanian. Shibusawa S.republika. hlm 40-43. 1996. http://www. 2002. 2001. Agricultural Engineer 49(3):86-88. Anom IM. Roy RN. Bali Indonesia 22-24 August 2001. 1994. http://www.id/koran_detail. Sampling strategies in soil mapping with real-time soil spectrophotometer. Maximizing the efficiency of mineral fertilizers. Sasao A. 2002. Precision Farming : an overview. Braun H.DAFTAR PUSTAKA [ACPA] The Australian Centre for Precision Agriculture. Mengapa kelangkaan pupuk selalu berulang. [Anonim]. 19 Desember 2005. Di dalam: Intelligent 2nd Control for Agricultural Application. Annual Symposium on Precision Agriculture Research & Application in Australia : Presentaion Program & Index/Abstract. Institut Pertanian Bogor. Blackmore S. . Prosiding Seminar Nasional.

Oxford: Clarendon Press.wageningenacademic. 2005. London : Applied Science Publishers.bae. 2000. Fulton JP.htm [5 Mei 2006] Clark I. Assessment of fertilizer application accuracy with the use of navigation aids. Waltham. Utrecht: Faculty of Geographical Sciences. Harper WV. Colwell JD.uk/catalog/210abs. 1986. Zurich: Centre d Etude del Azote. Corner RJ. Principles of Geographical Information Systems for Land Resources Assessment. http://www.pdf [31 Juli 2005] [CU] Cranfield University. Departemen Pendidikan dan Kebudayaan. Shearer SA. Optimal mapping of site-specific multivariate soil properties. Postgraduate research projects. Practical Geostatistics 2000. Botany of Sugarcane. Wageningen: Staring Centre for Integrated Land. Oberthur T.novartisfound. 1973. New York: Martinus Njhoff Publishers.silsoe. Swindell J [abstrak]. 1997. GIS support for precision agriculture: problems and possibilities.htm [14 Oktober 2005] De Geus JG. 17-21 January 1983.edu/~precag/PrecisionAg/Reports/NavAids/navigationa l_aids.. publishers. http://www.htm [14 Oktober 2005] Burrough PA. 1994. 1997. http://www. Fertilizer Guide for the Tropics and Subtropics.Switzerland. http://www.org.htm [5 Mei 2006] Burks TF. Dillewijn CV. [DIKTI] Direktorat Jenderal Pendidikan Tinggi. 1952. Co.uk/cpf/research/research_postgradproj.com/books/ECPA/_contents. 2000.org. .ac. Wallingford: Cab International.novartisfound. http://www. Bregt AK [abstrak]. ______. Cook SE. Jakarta: Direktorat Jenderal pendidikan Tinggi. p251-271. Ohio : Ecosse North America Llc. Is precision agriculture irrelevant to developing countries? Columbia: International Center for Tropical Agriculture. Massachuset: The Cronica Botanica. ___________. Estimating Fertilizer Requirements: A Quantitave Approach. 1991. 2003.Soil and Water Research.cranfield. 1979. Cranfield University.uk/catalog/210abs. Practical Geostatistics.uky. O Brien R. Kesuburan Tanah.

London: The MacMillan Press Ltd. http://www. Yogyakarta: Gadjah Mada University Press. Fauzy. [DPRIN] Departemen Perindustrian dan Perdagangan. Jakarta: Departemen Perindustrian dan Perdagangan Republik Indonesia. Faktor global picu kenaikan harga gula lokal.Djojonegoro P. Rangkuman penjelasan mengenai latar belakang kebijakan impor gula dan sikap Deperindag terhadap penanganan gula ilegal.usda. Hara dan pertumbuhan tebu. 1990. penerjemah. 25 Januari 2006. http://www. [ESRI] Environmental Systems Research Institute. Illinois: Illinois Laboratory for Agricultural Remote Sensing. Agriculture Toward 2000. . 2002. 1997.htm?SEQ_NO_115=1 36992 [5 Mei 2006] Dtc-33. Pasuruan: P3GI. 2003. 1997 Teknologi dan Penggunaan Pupuk. Ilmu Sistem : Meningkatkan Mutu dan Efektivitas Manajemen. Semarang: Suara Merdeka.htm [16 Maret 2006] Georing [abstrak]. 1993.edu/remote-sensing/DataManagement.htm [12 April 2006] Drummond S et al. http://aus. Rome: FAO.. G12-74n. Sugar Cane. The accuracy of farm machinery for precision agriculture : a case for fertilizer application. PC : Understanding GIS. landscape and yield data. Pupuk KCl langka di pasaran. Madison: Agronomy Society of America. http://www.com/harian/0601/25/eko03.age. Neural network analysis of site-specific soil . [abstrak]. Syafei. Inc. 2000.htm [16 Maret 2006] Engelstad OP. 1981.dprin. Fauconnier R. Semarang: Suara Merdeka. 2004. Bogor: IPB Press. [FAO] Food and Agriculture Organization.id/publikasi/Siaran_Pers/2004/200406251.suaramerdeka. MacCrimmon PR.go.html [Mei 2006] Goense D. Eriyatno. Kuntohartono. Netherland Journal of Agricultural Science 45:201-217. Data management for site -specific farming.com/harian/0407/03/pan01.uuc. 1992. 3 Juli 2004. USA: Environmental Systems Research Institute. http://www. Dharmoko.gov/research/publications/publications.suaramerdeka.

Revised edition. http://www. 2001. 1921 to 1953. Econ. Sugarcane -as seen from Hawaii. Jurnal Agrotropika I(i):1-3. 1989. Isaaks EH. Info Gula. Kasmoni. Inc. Sutandi A. 7 Jam Belajar Delphi 8 untuk Orang Awam. 1968. Botany 4:150 176. Kuhar JE. Indarto. Jones JB. Fakultas Pertanian. Pupuk dan Pemupukan. 10 Juli 2004. Applied Geostatistics. New York: Oxford University Press. Hawaiian Planters Record 54:101-137. editor 1997. Leiwakabessy FM. Plant Analysis Handbook : a practical sampling. Mills HA. USA : Golden Software. 2002. Hidayati N.[GPM] Gula Putih Mataram. User manual. analysis. USA: MicroMacro Publishing. produksi lesu. Kyoto: Graduate School of Agriculture Kyoto University. _____________. [GS] Golden Software. Mangelsdorf AJ. AmsterdamLondon-New York: Elsevier Publishing Company. II. Bandar Lampung: Gula Putih Mataram Group. . Sugarcane breeding in Hawaii. 2002. Wolf B. Mapping of Field Information and Development of Yield Sensor for precision Agriculture in Paddy Field [disertasi]. 1991. 1977 System Analysis and Simulation with Applications to Economic and Social Systems. The Growing of Sugar Cane. preparation. Produksi gula tebu lahan kering dengan aplikasi dua macam bentuk urea dan perbedaan waktu pemupukan urea tahap pertama . penyelu ndupan marak. Kebutuhan tambah. Institut Pertanian Bogor. 2004. Bogor: Jurusan Tanah.Jr. Srivastava RM. 1996. and interpretation guide. Lee CK. The Precision-Farming : Guide for Agriculturist. Inc. East Lansing. Michigan: Department of Electrical Engineering and System Science. Park GL..kompas. 1953. 1950. Surfer 8. Michigan State University.htm Humbert RP. Palembang: CV Maxikom. Illinois : John Deer Publishing. 1998. Part I : Third Edition.com/kompas-cetak/0407/10/Fokus/1139545. Manetsch TJ.

Soils : An Introduction to Soils and Plant Growth. Application of Precision Agricultural Techniques to Florida s Mineral Soils. 1990. . 1993. Murase H. Jakarta: AMC. 1991. Bali: IFAC-CIGR. Park WK. Bali Indonesia 22-24 August 2001. Jakarta : PT Elex Media Komputindo. Djilid 2. Kim YK. Kim HJ. 1979. Whelan BM. Muhali I. Metode Hara Berimbang Optimum dalam Analisis Daun untuk Petunjuk Saran-Saran Pemupukan Tanaman Tebu di Indonesia [disertasi].Paul: University of Minnesota.3 untuk Pemula. Australia. Yogyakarta : Lembaga Pendidikan Perkebunan. University of Florida. Belajar Sendiri Menganalisis Data Spasial dengan ArcView 3.uk/catalog/210abs. Di dalam: Intelligent Control for Agricultural Application. Yogyakarta: Pascasarjana Universitas Gadjah Mada.htm [5 Mei 2006] Munir M. Sixth Edition. 1995. Pawirosemadi M. 2005. 2001. A Practical Guide to Neural Nets. remote sensing and precision farming. Matsushita Y. Sung JH. Precision technology for controlling soil moisture with plug seedlings.novartisfound. Oozer Y. Muraka mi K. Mulla DJ [abstrak]. Agricultural mechanization system for precision farming.McBratney A. 49-52. Analisa N. 1997. P. Agroteknologi Tebu Lahan Kering. Nuarsa IW. 1. Chung SO. Surabaya: BPUPPN Gula Inspeksi VI. dan Pemanfaatannya. hlm. Muchovej RM. Jakarta: Pustaka Jaya.org. 1968. dan K dari Daun Tebu dan Pupuk. Englewood Cliffs. USA: Addison-Wesley Publishing Company. Klasifikasi. Miller RW. 1980. 1996. Daryanti. Gula : Kajian Sosial dan Ekonomi . http://www. Nelson MM. Mubyarto. Florida Cooperative Extension Service. Florida. 2001. The potential for site-specific management of cotton farming systems. Berkebun Tebu Lengkap. Institute of Food and Agricultural Sciences. Notojoewono AW. 1991. Proceeding of 2nd IFAC-CIGR Workshop on. Yogyakarta: Aditya Media. St. 2000. Tanah-tanah Utama Indonesia : Karakterisitik. Co-operative Research Center for Sustainable Cotton Production. New Jersey: Prentice Hall. Suhwon Academic Press. Donahue RL. Discussion Paper No. Inc. Geostatistics. Illingworth WT.

0 (a chemical fertilizer recommendation software for sugarcane production in Thailand). http://pse. 2005.deptan. Kongton S [abstrak].id/publikasi/AKP_1_3_2003_0. http://pse. Sistem Informasi Geografis: Tutorial ArcView. ________.mu/Agriculture%20AbsPapers2005. Lairungreaung.id/index.grobogan. Prammanee P. Milawaukee USA. 9 Juli 2002. Vademecum Tanaman Tebu : Bidang Tanaman. Lairungreung C.[PDKG] Pemerintah Daerah Kabupaten Grobogan. A chemical fertilizer recommendation software for sugarcane production in Thailand. Jakarta: Persatuan Insinyur Indonesia. Bandar Lampung: PT Perkebunan Nusantara VII (Persero). ASAE Annual International Meeting. 2002. 2004. 2003.net/html/papers/22 comparison. 2001. 2006. Prosiding Seminar Nasional. produktivitas. Di dalam: Peningkatan Produktivitas melalui Penguasaan Teknologi Inovatif menuju Kemandirian Industri Pertanian. Jakarta: Pusat Studi Ekonomi Penelitian dan Pengembangan Departemen Pertanian Republik Indonesia.go. Kongston S. Comparison of actual sugarcane yield and simulated yield in CaneFert 1. Bandung: Penerbit Informatika. ketahanan pangan. Evaluasi kebijakan sistem distribusi dan harga pupuk di tingkat petani. Prasertsak P.htm [16 Maret 2006] Prahasta E. Suphanburi: Suphanburi Field Crops Research Center. Jakarta: Pusat Studi Ekonomi Penelitian dan Pengembangan Departemen Pertanian Republik Indonesia.go. 2006.afitaandwa2004.id/perkembangan_harga. http://www. Info bisnis harga bahan pokok.go.pdf [16 Maret 2006] .intnet. Jintrawet A. Umeda M. 2000. Rachman B. Radite PAS.pdf+canegro+software&h1=id&g [19 Maret 2006] [PSE] Pusat Studi Ekonomi Litbang Deptan. http://issct.htm#AG1%20abs [31 Juli 2005] ___________.816953001140656880 [12 April 2006] [PTPN VII] PT Perkebunan Nusantara VII. deptan. Bandung: Penerbit Informatika. 2003. Khilael M. hlm 2-1 2-16. Purnama R.litbang. Grobogan: Pemerintah Daerah Kabupaten Grobogan. Variable rate fertilizer applicator for paddy field. added value .litbang. http://www. Jintrawet A. Pupuk. Jakarta. 1998. Konsep-konsep Dasar Sistem Informasi Geografis. Harga gula tinggi: sudah sewajarnya. Iida M.php?sid=2&id=0.

bae. http://asae. __________ 2001. 1986. 2002.frymulti. Stone ML. Shock BM. 2000. Artificial neural networks in agricultural machinery applications. 1996. Jakarta: PT Gramedia. http://asae. 1999. ARTMAP neural network classification of land use change. Bali Indonesia 22-24 August 2001. Applying neural networks to automated visual fruit sorting. Precision farming approaches for small scale farms.asp?aid=8303&t=1 [5 Mei 2006] Simoes AS. Shearer SA et al. The Japan Agricultural News.9-10.frymulti. Saraiva AM [abstrak].frymulti. Bali: IFACCIGR.htm [5 Mei 2006] Shibusawa S. Woodcock CE [abstrak]. Jakarta: CV Simplex.com/abstract. 2002.edu/Home/mstone/nnet. Steward BL [abstrak]. http://biosystems. 2003. Majalah Kultum 11:46-57.uky. Precision Agriculture: Research needs and status in the USA. Gopal S. Setyati MMS. Pengantar Agronomi. http://www. Reali Costa AH.intnet. Michigan: American Society of Agricultural and Biological Engineers. 1979. Michigan: American Society of Agricultural and Biological Engineers.mu/Agriculture%20AbsPapers2005. 1995. Michigan: American Society of Agricultural and Biological Engineers. Di dalam: Intelligent Control for Agricultural Application. [abstrak]. http://issct.com/abstract.htm#AG1%20abs [31 Juli 2005] Setyamidjaya D.htm [5 Mei 2006] . http://asae. Hirakawa AR. 2002. Kranzler GA. Early growth stage corn plant population measurement using neural network approach.asp?aid=8303&t=1 [5 Mei 2006] Shrestha DS. Oklahoma State University.okstate. Yield prediction using a neural network classifier train ed using soil landscape features and soil fertility data. Precision Agriculture 99 Part 1:pp19-33. 1999. Berbagai faktor yang mempengaruhi penyerapan unsur fosfor pupuk oleh tanaman. hlm 22-27.asp?aid=8303&t=1 [5 Mei 2006] Soeminto. Pupuk dan Pemupukan. Proceeding of 2nd IFAC-CIGR Workshop on. Lexington: University of Kentucky. Carpenter GA. Nov.com/abstract. Opportunities in sugarcane agronomy to confront the new realities emerging in the 21st century: a review of the 2003 agronomy workshop. Richard EP et al.edu/precag/PrecisionAg/Reports/n_network.Robert PC.

Research at laboratory of farm machinery of Kyoto University. Soil Fertility and Fertilizers. Bogor: JICA-CREATA. ASAE/CSAE -SCGR Annual International Meeting. 1983. 1995.auburn. Mask. 2005. http://www. Row crop farmers have traditionally managed fertility issues.org. Pemupukan Tanaman Tebu Yang Berhasil Guna. Fourth Edition. 1997. Bogor: Departemen Agronomi Faperta IPB. Triton PB. Training on Geographycal Information System. Precision Agriculture Center. . Iida M. Shaw. 1997. http://www. 2005.asp?aid=8303&t=1 [5 Mei 2006] [WK] Wahana Komputer. Dillard. http://asae. 2001. Bertanam Tebu. Yogyakarta: Tugu Publisher. Yogyakarta: Gadjah Mada University Press. Semarang: Wahana Komputer dan Andi Offset.uk/catalog/210abs.htm [5 Mei 2006] Thompson.0: Uji Beda Nyata & Rancangan Percobaan.com/abstract. Edisi 1 Cetakan 1. 1992. Vendrusculo LG. Pasuruan: P3GI.ag.edu/Precision Agriculture Center. http://precision. Syamsulbahri. 2000. 1996. Michigan: American Society of Agricultural and Biological Engineers. Spatial sampling.html [5 Mei 2006] Tisdale SL. Thompson SK [abstrak]. Cara Cepat Menguasai SPSS 13.agri. Sistem Informasi Geografis dengan AutoCAD MAP. New York: Macmillan Publishing Company. Yogyakarta: Penerbit Kanisius.htm [31 Juli 2005] Usman B. Bercocok Tanam Tanaman Perkebunan.umn. Nelson WL. Strategies for soil sampling and multi-layers maps generation through geostatic tools: development of a computational system. Magalhaes PSG.Sudiatso S. Suharnoto Y. Beaton JD. Toronto Canada.edu/aaes/communications/highlightsonline/summers0 1/sum-shaw. Touchton. University of Minnesota. Viera SR [abstrak]. and Suguri M. 1999. 1990. Rendemen Tebu : Liku-Liku Permasalahannya.frymulti. USA: Pennsylvania State University.novartisfound. Umeda M. Supriyadi A. [UMN] University of Minnesota.

Wallace MK. 1997. Precision farming : environmental legitimation. Yuan H.com/abstract. The Rural Sosiological Society. Wolf SA. Soil zinc map of the USA using geostatistics and geographic information systems. Soil Science Society American Journal 61:185-194.frymulti. http://asae. Xiong F [abstrak]. Wood SD. Hawkins DM. White JG. The Society of Nematologist. 2002. and industrial coordination. commodification of information. Michigan: American Society of Agricultural and Biological Engineers. 1997. Application of geostatistics in plant nematology.asp?aid=8303&t=1 . The study on a neural network model of tea quality evaluation based on chemical compositions. Journal of Nematology 26(4S):626-634. Rural Sociology 62(2):180-206. 1994. Welch RM. Norvell WA.

Ir. Dr. 8. Ernan Rustiadi. H. (Wakil Rektor II Bidang Administrasi. (Sekretaris Program Doktor) beserta seluruh staf Sekolah Pascasarjana Institut Pertanian Bogor.Dr. Ir. dan Dr. M. Dr. S. dan seluruh karyawan/karyawati Fakultas Teknologi Pertanian. M.Dr. (Direktur PT Tjandi Sewu Baru / Mantan Direktur Pusat Penelitian Perkebunan Gula Indonesia) selaku penguji dari luar komisi pembimbing pada Ujian Terbuka. Suroso. Dr. Asrul Hasibuan.Sc. 11. Muzni Jamhur. 3. Wawan Hermawan. 2. Ir. Supiandi Sabiham. 10. Herry Suhardiyanto. dan seluruh karyawan/karyawati Departemen Teknik Pertanian. M.Ir. Radite Praeko Agus Setiawan.Ir.Ir. Budi Indra Setiawan. fasilitas.. Departemen Pendidikan Nasional Republik Indonesia. Fakultas Teknologi Pertanian. Syafrida Manuwoto. Atang Sutandi. M.Agr. para staf pengajar. Prof. Ishar Madi. Direktorat Jenderal Pendidikan Tinggi.Si.Ir. M. Taufik. Pimpinan. Fakultas Pertanian IPB) selaku penguji dari luar komisi pembimbing pada Ujian Terbuka. 12. Dr.Dr. para staf pengajar. Prof. juga dihaturkan terima kasih atas izin penggunaan program Backpro2N versi bahasa Delphi 5. Gunawan Sukarso. (Staf Pengajar Departemen Ilmu Tanah dan Sumberdaya Lahan.Dr. Pimpinan. H.0.D. Fauzi Toha selaku Direktur Sugar Group Company.Ir. selaku Mantan Dekan Sekolah Pascasarjana Institut Pertanian Bogor.Agr. M. Marimin. Bambang Pramudya N.B. Dr. (Sekretaris) Program Studi Ilmu Keteknikan Pertanian. Institut Pertanian Bogor. Lamaji. 14.. 4. H. 7. yang telah memberikan beasiswa melalui program BPPS. Khairil Anwar Notodiputro. M. Sekolah Pascasarjana Institut Pertanian Bogor. M. M. M.Si. M.S. Putut Hasto Kuncoro dari R&D GPM Group dan R&D PT GPM yang telah memberi kesempatan. (Staf Pengajar Departemen Ilmu Tanah dan Sumberdaya Lahan. saran-saran.Ir. 6. Fakultas Teknologi Pertanian. Ir.Dr. (Ketua Departemen Teknik Pertanian. Institut Pertanian Bogor) selaku Pimpinan Sidang pada Ujian Tertutup.Ir. Institut Pertanian Bogor.Ir.Sc. Suprapto .Ir.Ir. (Ketua) dan Dr. M. Dr. Prof. I Wayan Astika. .UCAPAN TERIMA KASIH 1. M. 9. Sokib. yang telah memberi izin pelaksanaan penelitian di PT Gula Putih Mataram. (Dekan).Sc.Agr. M. Prof. M.Ir.S.Sc. M.Ir.Sc. Ali Isdiantoro. (Plh Wakil Dekan).Ir. Drajat Martianto. Ir. M. dan Sumberdaya Manusia Institut Pertanian Bogor) selaku Pimpinan Sidang pada Ujian Terbuka. Ngatiman. Keuangan. selaku pembimbing dan penguji.S.. dan dukungan serta bantuan selama penelitian. Khusus kepada Prof. Dr. Fakultas Pertanian IPB / Dekan Fakultas Pertanian IPB) selaku penguji dari luar komisi pembimbing pada Ujian Tertutup.Ir.Agr. M.Agr. Dr. Prof. Siti Sadarini. 13... Budi Indra Setiawan. M. 5. Ir. Emawati.Dr. Ph.Agr.Ir. Ir.Eng. Ir. M.

.

Rebo. Sarjono. dan rekan-rekan yang telah membantu pelaksanaan aplikasi pengendalian dan pengamatan hama dan penyakit. 20.. Tatik. 21. Tukino. dan Slamet Riyanto dari bagian Workshop yang telah membantu menyediakan peralatan dan mesin pertanian yang diperlukan. Saribun. Edi dari Divisi I yang telah membantu pengawasan dan pelaksanaan kegiatan di lapang. H. Suroto sebagai tenaga harian dari bagian Soil & Plant Laboratory. Indri Yatno. 25. Sri yang telah membantu analisa tanah dan daun. Suyanto. Wage. dan rekan-rekan dari bagian administrasi R&D GPM Group yang telah membantu kelancaran komunikasi kegiatan dan data. Bambang Sutrisno dan Supriyono selaku operator traktor 26. Ribut. Suroso. Suwardi. Sunarto Agung. Hendri W. Amirudin. Sudrajat Widiarso (Kepala Divisi I sebelum Maret 2003 dan Kepala Divisi Harvesting). dan rekan-rekan dari tenaga harian di Divisi I yang telah membantu pelaksanaan kegiatan lapang. Ir. Zubaidah yang telah membantu analisa kemasakan tebu. Suprapto. Ir. Setiarti. Sahdad.15. Kasan. 28. Rudi. Nur Aminah. Sukardi. 23. Parmo. Agus. Amroni Subroto yang telah berperan penting dalam koordinasi kegiatan di lapang dengan bantuan dan saran-saran penting. Triyanto. Sulaksono. Atin. Departemen R&D PT Gula Putih Mataram yang telah membantu pengambilan data di lapang. 24. Bibit. Aminah Sulandari. Zubeid. Ir. Nuri. Kodarman. Rustiningsih. Yudi. Ahmad Amin Budiarto dan Ir. Ahmad Majedi. Warji. Herwani. Bambang. Triyono. Yuswanno. Darwis. 27. Ngaspani. Sahnan. Imam Hudi. Jayus. M. Sunaryo yang telah menyediakan fasilitas penginapan dengan segala fasilitasnya selama penelitian. Hamrudin. Eko. Dedek Suwito. Krismanto. 19.. Natanel. Kurdi. Sutarno. H. Ir. 22. Bambang Wahyono (Kepala Divisi II) yang telah menyediakan lahan untuk penelitian dengan dukungan dan bantuan. Eka. Qoidori. Kusmiyati. Suharyanto. Octa. Joko Kris. . Puguh Santoso Adi (Kepala Divisi I sesudah Maret 2003). Sabar S.. Samsudin. Sutijo. Dayat. Binarso. Anjas. Agus Rizal. 18. Suryadi. Imam Ghuzuli. Ahmad Supriyadi. dan rekan-rekan yang telah membantu kegiatan pemetaan di lapang. Ma ruf. Rimba W. Kabul. Samlawi. 16. Habib. Nurdin. dan sara-saran yang sangat berarti. Teguh. Solikhin yang telah menyediakan lahan dengan segala fasilitasnya untuk penelitian dengan dukungan. Lucki. Timbul S. Agus. Salamah. Lubis Mujaro. Junarwan. Agus. Andi Heru Wibowo yang telah memberi kesempatan penelitian di Departemen Plantation PT GPM dengan segala fasilitas dan bantuannya. Agus. Hermansyah. Rudi. 17. Rismanto. Slamet. 29. Ir. Amirambe. bantuan. Yeni. C.. Danil. Ir. Pamuji.

Karis. Suratmin. Jurusan Ilmu Tanah. Universitas Lampung yang telah membantu analisa unsur hara sebagian sampel tanah dan daun. 31. Jamalam Lumbanraja dan Dewi Anggraini dari Laboratorium Ilmu Tanah. Drs. Wisnu Broto. . Dr.30. Fakultas Pertanian. dan rekan-rekan yang telah membantu pengamatan gulma.

34. 35. Sarno. dan Mujiyono yang telah membantu kelancaran transportasi di lapang. Sukimin. 40. Rekan-rekan seperjuangan: Dr. Almarhum Ayahanda Mertua Poniman Somo Sukarto. Parman . 41. 36. Soleh. Rudiyanto. Istudi yang telah membantu kelancaran transportasi keluar-masuk PT GPM dan kegiatan di dalam PT GPM. Sarti. Almarhum Kakek Wirjodisastro. Padang Haruman. Mulyanto. Jonifli. Habib.0. Dr. Indun Asia. Kasman. Susi. Almarhumah Ibunda Sardjuni Siti Ngatidjah. 33. Bambang. Imron Rosidi. Solekhan. Rudi. Soni. dan kawan-kawan atas dorongan dan semangat serta partisipasi yang telah diberikan. Arief RM Akbar atas dorongan dan semangat yang senantiasa diberikan. dan Sugiyanto yang senantiasa siap membantu mempersiapkan perlengkapan presentasi. Ismet. hiburan. Almarhumah Nenek Siti Aminah Wirjodisastro. dorongan. Kirman. Paham. Mustafril. Seluruh Keluarga Besar Keparakan Lor dan Glagahsari yang telah banyak membantu moril maupun materiil. Dr. khususnya pada program Studi Ilmu Kete knikan Pertanian : Listyanto. Rifai. dan semua leluhur. Dr. . Fitri. Tamrin Latief. Slame t Suprayogi. Zahrudin. Dokter Maryoto. Joni. 38. Dr. Istriku Sukarni bersama anak-anakku Tresti Wikan Ayu Prabawarni dan Khansa Pinka Daniswara yang dengan sabar dan kasih sayang memberi do a. Gani Suhadi. Gozali. Asmoro. 42. 37. Almarhum Ayahanda Hendro Subardjo. Rudiyanto dan Muhammad Nur Hendiyanto yang telah membantu dalam pemrograman. Rekan-rekan mahasiswa Sekolah Pascasarjana IPB. Khusus kepada Rudiyanto juga disampaikan terima kasih atas izin penggunaan program Backpro2N versi bahasa Delphi 5. drg. Sardi di bagian Mess B PT GPM yang telah membantu fasilitas mess dengan segala keramahan dan keakraban selama penulis tinggal di Mess B.32. 39. dan semangat. dan Dr. Anwar yang telah memberikan suasana akrab dan kekeluargaan dengan diskusi dan sumbang-saran pikiran sebagai sesama warga sementara Mess B. Hermantoro. Indah. Gatot Pramuhadi.

L A M P I R A N .

Pupuk Pertama Pupuk Kedua N P N K Data ANN Data ANN Data ANN Data ANN 1 73 69 69 79 58 68 180 184 2 46 45 63 41 92 94 180 179 3 119 105 69 72 0 14 150 150 4 123 120 138 141 0 2 150 150 5 46 58 138 132 92 80 180 183 6 46 44 108 102 92 84 180 170 7 54 51 138 131 69 81 180 177 8 46 62 63 51 92 81 180 182 9 46 39 108 112 69 87 150 157 10 54 40 108 117 92 89 150 153 11 54 65 138 132 69 50 150 150 Pupuk Pertama N data (kg/ha) 160 120 80 40 0 R2=0.9253 0 40 80 120 160 Pupuk Pertama N model ANN (kg/ha) .Lampiran 1 Akurasi program Artificial Neural Network (ANN) pada penentuan jumlah hara yang dibutuhkan No.

8836 0 20 40 60 80 100Pupuk Kedua N data (kg/ha) R2=0.Lampiran 1 Akurasi program Artificial Neural Network (ANN) pada penentuan jumlah hara yang dibutuhkan (lanjutan) 0 40 80 120 160 Pupuk Pertama P model ANN (kg/ha) 0 40 80 120 160 Pupuk Pertama P data (kg/ha) R2=0.880 0 20 40 60 80 100 Pupuk Kedua N model ANN (kg/ha) .

Lampiran 1 Akurasi program Artificial Neural Network (ANN) pada penentuan jumlah hara yang dibutuhkan (lanjutan) Pupuk Kedua K data (kg/ha) 200 150 100 50 0 R2=0.92 0 50 100 150 200 Pupuk Kedua K model ANN (kg/ha) .

3 -132.3 94.5 -94.Lampiran 2 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan A-PF 140 120 160 80 100 180 60 200 180160 140 200 100180 100 160 120 160 180 160 140 18080 100 140 160 180 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 M e te r s P et a D osi s pe r s D OS IS UR EA PE R TA P lot P e rc obaa n A U batas se l kontur teoritis dosis (kg/ha) Ke tera ngan : (dalam kg/ha) ____ 56.2 132.5 56.2 -170 170-207.8 Lampiran 3 Peta dosis Plot Percobaan A-PF e l dan Kon t ur Te or it is M A Ur ea per tama per sel dan kontur teoritis dosis TSP .

3 -163.5 163.4 107.5 -190.3 145.4 -145.40 0 20 6080100 120 140 160 180 100 0 80 120 20 60 120 0 20 140 160 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 M e ter s Pe t a D osis pe r se l dan K ont u r T eor it is D O SIS TS P P lo t P e r co baan A U batas sel kontur teoritis dosis TSP Ke tera ngan : (dala mkg/ha) ____ 0 0-107.8 .

3 425 .3 -406.Lampiran 4 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan A-PF 660400 440 460 420 380 480 360 400420440 420 380 400 480 360 0 0 50 50 1 00 1 00 1 50 1 50 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 M e te rs Pe ta D osis pe r se l dan Ko ntu r Te orit is DO SIS U RE A KED U A P lot Pe rc obaan A U batas sel kon tu r teoritis dosis U rea kedua (kg/ha) Keterangan : (dalam kg /ha) __ __ 338 .3 -457 457 -484.3 379 .1 406 .3 -379.4 Lampiran 5 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan A-PF 0 50 100 150 610 650 670 640 650 630640 620630 .1 -425.

640 630 620 660 670 640 630 620 650 630 650 650 Peta Dosis per sel dan Kontur Teoritis 250 DOSIS K Cl Plot Percobaan A U 200 250 200 150 100 50 0 150 25 0 25 50 Meters 100 Keterangan : batas sel kontur teoritisdosis KCl 50 609.8 -676.7 616.5 0 50 100 150 (dalam kg/ha) .2 -629.2 -661.2 -645.2 0 -616.2 629.8 661.2 645.

.

Lampiran 6 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan B-PF 360 320 300 380 340 280 400 260 420440 360 380380 340 320 300 340 340 240 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 5 0 75 Meters P e t a D os is pe r s e l d an K on t u r Te or it is D O S IS U R E A P ER T A M A P lot P e r co b aan B kontur teori tis dosis Urea per tama (kg/ ha) batas petak dan sel (dala m kg/ha) yang tidak dia mati batas se l yang dia ma ti ____ Ke tera ngan : U 236.1 -311.8 354.7 Lampiran 7 Peta dosis per sel dan kontur teoritis dosis TSP Plot Percobaan B-PF 0 20 406080 .7 311.7 -354.1 236.8 -392 392 -447.

8 108.8 -131.100 140 120 160 80 60 120 8060 80 100 60 80 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 5 0 75 M eters P e t a D o si s p e r s e l d an K on t ur T e or it i s D O S IS T S P P l ot P e r co b aan B kontur teoritis dosis TSP batas petak dan sel (dalam kg/ha) yang tidak diama ti batas sel yang diama ti ____ Ke tera ngan : U 0 -24 24 -63 63 -108.4 .8 131.8 -187.

5 -63.7 -24.Lampiran 8 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan B-PF 0 10 2030 40 50607080 20 40 0 50 20 30 1020 30 10 10 40 50 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 M e te rs P et a D osis pe r s e l d an K on tu r Te or it is D O S IS U R E A KE D U A P lot P e r cob aan B kontur teoritis dosis Urea kedua (kg/ha) batas petak dan sel (dala m kg/ha) yang tidak diamati batas sel yangdiama ti____ Ke terangan : U 0 -3.7 63.7 -88.5 24.3 3.7 Lampiran 9 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan B-PF 480 460 500 .7 10.3 -10.

8 494.7 466.1 419.9 .440420 520 540 520 520 480 440 520 460 500 520 460 500 520 540 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Me ters P et a D osi s pe r se l dan Ko nt u r Te or it is D O SI S K C l P lot P er c ob a an B kontur teor itis dosis KCl batas petak dan sel (dalam kg/ ha) yang tidak dia mati batas se l yang dia mati____ Ketera ngan : U 409.9 -419.8 -524 524 -550.7 -494.1 -466.

460 450 440 500 470490 480 510 520 430 530 420 410 420 490 480 430 460 480 470 470 480 450 500 430 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : kontu r teoritis dosis urea kedua (kg/ha) konsep pr ecis ion farming batas petak dan sel yang tidak diamati batas sel yang diamati____ 0 kg/ha dosisi seragam dar i PT GP M 25 0 25 Me te rs U Pet a Dosis per se l dan Kont ur Teor itis DO SIS URE A K EDU A P lot Perc obaan C 460 450 440 500 470490 480 510 520 .

430 530 420 410 420 490 480 430 460 480 470 470 480 450 500 430 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : kontu r teoritis dosis urea kedua (kg/ha) konsep pr ecis ion farming batas petak dan sel yang tidak diamati batas sel yang diamati____ 0 kg/ha dosisi seragam dar i PT GP M 25 0 25 Me te rs U Pet a Dosis per se l dan Kont ur Teor itis DO SIS URE A K EDU A P lot Perc obaan C Lampiran 10 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan C-DS 180 170 200 160 190 210 220 150 230 140 240 250 130 110 .

120 140 190 170 150 130 120 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : kontur teoritis dosis ur ea pertama (kg/ha) kons ep precision farming batas petak dan sel yan g tidak diamati batas sel yang diamati____ 543 kg/ha dosisi seragam dar i PT GP M 25 0 25 Me te rs U Pet a Dosis pe r se l dan K ont ur Teoritis DOSIS UREA P ER TAMA P lot Perc obaan C420 Lampiran 11 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan C-DS .

Lampiran 12 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan D-DS Peta D osis p er s el d an Kon tu r Teoritis DOSIS UREA PERTAMA P lo t Percob aan D 0 25 50 75 100 125 150 175 200 225 250 4 44 0380 400 420 460 420 40 00 460 4 44 0 4 44 0 440 420 40 00 340320 400 360 U 0255075100 0 25 50 75 100 125 150 175 200 225 100 75 50 25 0 250 25 0 25 50 Meters Keterangan : batas sel kontur teoritis dosis Urea pertama (kg/ha) konsep precison farming 583 kg/ha dosis seragamdariPT GPM Lampiran 13 Peta dosis per sel dan kontur teoritis dosis TSP .

Plot Percobaan D-DS Pet a D os is per sel dan Ko nt ur Teoritis DOSIS TSP Plot Perc obaa n D 0 25 50 75 100 125 150 175 200 225 250 340 260 260 300 340 260 220 380 340 423800 180 140 060 20 10 00 U 0255075100 0 25 50 75 100 125 150 175 200 225 250 100 75 50 25 0 25 0 25 50 Meters Keterangan : batas sel kontur teoritis dosis TSP (kg/ha) konsep precison farming 217 kg/ha dosis seragamdari PTGP M .

Lampiran 14 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan D-DS Peta Do sis per s el dan Ko ntu r Teoritis D OSI S UR EA KED UA Plo t Percobaa n D U batas sel kontur teoritis dosis urea kedua (kg/ha) konsep precison farming Keterangan : ____ 0 kg/ha dosis seragam dari PTGPM 420 400 360 340 380440 320 460 420 440 400 400 440 420 400 440 460 0 0 25 25 50 50 75 75 100 100 125 125 150 150 175 175 200 200 225 225 250 25000 2525 5050 7575 100100 25 0 25 50 Meters Lampiran 15 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan D-DS .

Peta D osis p er sel dan Kon tur Teoritis DOSI S KCl Plot Perco baan D U batas sel kontur teoritis dosis KCl (kg/ha) konsep precison farming Keterangan : ____ 417 kg/ha dosis seragamdariPT GPM 650 640 660 630 670 620 610 640 650630 0 0 25 25 50 50 75 75 100 100 125 125 150 150 175 175 200 200 225 225 250 25000 2525 5050 7575 100100 25 0 25 50 Meters .

Lampiran 16 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan E-PF Pet a Dosis pe r se l dan Kont ur Te or iti s DO SIS UREA P ER TA MA Plot P e rcob aan E U batas s el kontur teo ritis dosis U rea p ertama (kg/ha) Ketera ngan : (dalam kg/ha) __ _ _ 50 0 50 Me ter s 200 180 160 240 220 140 220 200 180 180 200 160 220 220 200 160 240 180 200 220 220 180 200 220 180 160 220 200 220 220 260 0 0 50 50 100 100 150 150 200 200 250 250 150 15 0 200 20 0 250 25 0 .

7 211.300 30 0 350 35 0 400 40 0 450 45 0 137.7 -267 .1 -174 .6 174.5 Lampiran 17 Peta dosis per sel dan kontur teoritis dosis TSP Plot Percobaan E-PF P et a D osi s per se l dan Kont ur Te or iti s DOSIS TSP Plot P er cobaan E U batas sel k ontu r teoritis dosis TS P Keteran gan : (dalam kg/ha) __ _ _ 50 0 50 Me ters 120 200 0 0 360 120 40 280 200 240 160 40 40 200 80 80 120 200 0 160 80 40 240 280 320 360 200 80 120 320280 240 120 200 160 120 40 120 240 200 .2 193.1 151.4 -151 .6 -193 .2 -211 .

80 240 8040 280 400 0 0 50 50 100 100 150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 0 -11.3 -109.6 109.3 11.6 -184.8 .3 -285 285 -414.3 184.

Lampiran 18 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan E-PF Pet a Dosis per se l dan K ont ur Teorit is DOSIS UR EA K EDU A Pl ot Pe rcobaan E U batas sel kontu r teoritis dosis Ur ea kedu a (kg /ha) Keterangan : (dalam kg/ha) _ _ __ 50 0 50 Mete rs 440 400 320280 360 480 360 440 480 400 400 400 440 440 360 440 440 400 400 400 440 440 360 480 0 0 50 50 100 100 150 150 200 200 250 250 150 15 0 200 20 0 250 25 0 300 30 0 350 35 0 400 40 0 450 45 0 235.7 -446.2 356.8 -356.6 .7 409.2 -409.

7 59 8.3 -501.9 -598 .2 Lampiran 19 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan E-PF Pet a Dosi s pe r sel dan Kontur Te or itis DOSIS KC l Plot P er cobaan E U batas s el kon tur teoritis dos is K Cl Keteran gan : (dalam kg/ha) __ _ _ 50 0 50 Me te rs 660 620 680 640 600 700 580 680 660 640 680 680 680 680 660 640660 680 680 680 680 660 620 640 640 0 0 50 50 100 100 150 150 200 200 25 0 25 0 150 150 200 200 250 250 300 300 350 350 400 400 450 450 56 9.7 -646 .446.3 477.3 .6 -477.

9 67 1.3 -671 .1 69 0.9 -690 .1 -714 .64 6.4 .

Lampiran 20 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi awal Plot Percobaan A-PF 78 82 86 74 70 90 74 78 74 70 78 82 90 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 M e te rs P et a S eb ar an p er se l d an K ont ur Te o rit is P O PU LA S I T EBU p ada Tak sasi Aw a l P lot P er c ob aan A U batas sel kontur teoritis populasi tebu Keterangan : ____ (dala mribuan) 66000-72000 72001-75000 75001-80000 80001-86000 86001-94000 Lampiran 21 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi akhir Plot Percobaan A-PF 64 68 72 76 60 72 68 68 72 60 .

60 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 M e te rs P e t a Se b ara n p er se l d an K ont u r T e ori t is P O P U LA S I T EBU p ada T aks asi A kh ir P lot P er c ob aan A U batas sel kontur teoritis populasi tebu Ke tera ngan : ____ (dala mribuan) 56000 -60000 60001 -64000 64001 -69000 69001 -75000 75001 -80000 .

Lampiran 22 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi awal Plot Percobaan B-PF 76 80 72 84 68 88 92 100 64 104 9684 76 84 88 72 72 92 96 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 2 5 0 2 5 5 0 7 5 Me ters P e t a S e b a r a n p e r se l d a n K on t u r T e o r i t is P O P U L A S I T E B U p a d a T a k sa s i A w a l P lo t P e r c o b a an B kontu r teori tis popula si tebu (dal am ribua n) bata s pe tak dan sel ya ng tidak dia m a ti ba tas se l ya ng dia ma ti____ Ket era nga n : U 61000 -65000 65001 -74000 74001 -80000 80001 -89000 89001 -108000 Lampiran 23 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi akhir Plot Percobaan B-PF 70 66 78 .

74 82 62 58 8690 70 66 66 66 74 70 70 74 62 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 M ete rs P e t a S e b ar a n p e r s e l d an K o n t u r T e o ri t i s P O P U L A S I T E B U p a d a T ak s a si A k h ir P l ot P e r c o ba a n B kontur t eoritis populasi te bu (dala m ribuan) ba tas peta k da n sel yan g tidak dia ma ti ba tas se l yang dia ma ti____ Ke tera ngan : U 54000 54001 -65000 65001 -69000 69001 -77000 77001 -92000

Lampiran 24 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi awal Plot Percobaan C-DS 70 78 74 82 78 74 70 82 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : kontur teoritis populas i tebu (dalam ribuan) batas petak dan sel yang tidak diamati batas sel yang diamati____ 25 0 25 Meter s U Pet a Se baran per sel dan K ont ur Te oritis PO PULAS I TEBU pada Taksasi Aw al P lot Per cobaan C 66000 -68000 68001 -72000 72001 -76000 76001 -79000 79001 -86000 Lampiran 25 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi akhir Plot Percobaan C-DS 66 70 58 62 74 54 70 66 66 66 62 0 0 50

50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keteran gan : kontu r teoritis populasi tebu (d alam ribua n) batas petak dan sel yang tidak diamati batas sel yan g diamati____ 25 0 25 Mete rs U Pet a Se baran p er sel dan Kontur Te ori tis POP ULASI TEBU p ada Taksasi Akhir Plot P erc ob aan C 53000 -54000 54001 -59000 59001 -64000 64001 -71000 71001 -77000

Lampiran 26 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi awal Plot Percobaan D-DS PetaSebaranper seldanKontur Teoritis POPULA SI TEBU pada Taksasi Awal Plo t Percob aan D 0255075100 0 25 50 75 100 125 150 175 200 225 250 0 25 50 75 100 125 150 175 200 225 250 U 118114 98 12 22 126106 10290 86 82 94 94 110 9098 98 90 110 86 82 106 102 1 11 4 100 75 50 25 0 25 0 25 50 Meters Keterangan : batas sel kontur teoritis populas itebu (dalam ribuan) 77000-78000 78001-89000 89001-102000 102001 -115000 115001 -130000

Lampiran 27 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi akhir Plot Percobaan D-DS Peta POPU pada Plot Seba ra n per s el da n K ontur Teoritis LAS I TEBU TaksasiAkhir Percob aan D

0 25 50 75 100 125 150 175 200 225 250 62 74 78 869082 70 74 58 62 62 66 66 62 74 70 70 7882 U 0255075100 0 25 50 75 100 125 150 175 200 225 250 100 75 50 25 0 25 0 25 50 Meters Keterangan : batas sel kontur teoritis populasi tebu (dalamribuan) 55000 55001 60001 68001 78001 -60000 -68000 -78000 -93000

Lampiran 28 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi awal Plot Percobaan E-PF Pe ta Se baran per sel dan Kontur Teori tis P O PU LASI TEBU pada Ta ksasi A wal P lot P er cobaan E U batas sel kon tur teoritis populas i tebu (dalam ribuan) Keterangan : ____ 50 0 50 M ete rs 90 96 102 84 108 114 120 78 96 78114 102 120 108 90 102 114 84 96 90 90 84 84 108 90 96 90 102 108 114 0 0 50 50 100 100 150 150 200 200 250 250 15 0 150 20 0 200 25 0 250 30 0 300 35 0 350

40 0 400 45 0 450 72000 -840 00 84001 -940 00 94001 -104 000 104001 -11 2000 112001 -12 7000 Lampiran 29 Peta sebaran per sel dan kontur teoritis populasi tebu pada taksasi akhir Plot Percobaan E-PF Pet a Seb aran per sel dan Kontu r Teor it is P O PU LAS I TEBU p ad a T aksasi A khir P lot P er cobaan E U batas sel kontu r teoritis p opulas i tebu (d alam ribuan ) Keteran gan : ____ 50 0 50 Me ter s 74 62 80 68 8690 56 74 56 62 62 68 74 68 74 68 62 62 68 80 80 74 62 68 56 0 0 5 0 5 0 10 0 10 0 1 50 1 50 200 200 250 250 1 50 15 0 2 00 20 0 2 50 25 0

3 00 30 0 3 50 35 0 4 00 40 0 4 50 45 0 51 000 -58000 58 001 -64000 64 001 -69000 69 001 -78000 78 001 -94000

Lampiran 30 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi awal Plot Percobaan A-PF 220 230 210 200 240 190 180 220 230 230 220 230 210 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Me te r s P et a Se b ara n p er se l da n K ont ur Te or it is T IN GG I T EB U p ada Tak sa si Aw al P lot P er c ob aan A U batas se l kontur teoritis tinggi tebu Keterangan : (dalam cm) ____ 177 -182 183 -190 191 -203 204 -216 217 -223 Lampiran 31 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi akhir Plot Percobaan A-PF 274 280286 268262 298 256292 292286 262 268 262 280 .

274 268 262 268 280 286 262 256 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 M e te rs Pe t a S e bar an pe r se l da n K ont u r Te or it is TIN G G I T E BU p ad a T aksas i A kh ir P l ot P er c ob aan A U batas sel kontur teoritis tinggi tebu Keterangan : (dala m cm) ____ 229 -240 240 -250 250 -258 258 -267 267 -285 .

Lampiran 32 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi awal Plot Percobaan B-PF 220 214 226 208 232 202 196 238 232 226 232 220 238 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 2 5 50 75 Mete rs P et a Se ba ra n p e r s el da n K ont u r Te or it is T IN GG I T E B U p ad a Ta ksa si A w a l P l ot P e r c ob aa n B kontur teoritis t inggi tebu bat as petak dan sel (dalam cm) yang tidak dia ma ti batas se l yang dia mati____ Ke terangan : U 155 -169 170 -182 183 -192 193 -200 201 -206 Lampiran 33 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi akhir Plot Percobaan B-PF 260 270 280 250 240 290 230 .

260 250 270 280 250 260 270 290 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 M eters P et a S e ba ra n p e r s el da n K on t ur Te o ri t is T IN G G I T E BU p ad a T ak sas i A k h ir P l ot P e r c ob aan B kontur teoritis tinggi te bu batas petak dan sel (dalam cm) yang tidak dia mati batas se l yang diama ti____ Ketera ngan : U 212 -233 233 -247 247 -258 258 -267 267 -284 .

240 250 255 235 245 260 230 265 270 225 275 220 280 255 250240255 235 245 0 0 50 50 100 100 150 150 0 0 50 5 0 100 1 00 150 1 50 200 2 00 250 2 50 Keterangan : kontu r teoritis tinggi tebu batas petak dan sel (dalam cm) yan g tidak diamati batas sel yang diamati____ 25 0 25 Me te rs U P eta Sebaran p er sel dan K ontur Te or itis TINGGI TEBU p ad a Taksasi Akhir Plot Perc ob aan C 192 -211 211 -227 227 -240 240 -253 253 -273 240 250 255 235 245 260 230 265 270 225 275 .

220 280 255 250240255 235 245 0 0 50 50 100 100 150 150 0 0 50 5 0 100 1 00 150 1 50 200 2 00 250 2 50 Keterangan : kontu r teoritis tinggi tebu batas petak dan sel (dalam cm) yan g tidak diamati batas sel yang diamati____ 25 0 25 Me te rs U P eta Sebaran p er sel dan K ontur Te or itis TINGGI TEBU p ad a Taksasi Akhir Plot Perc ob aan C 192 -211 211 -227 227 -240 240 -253 253 -273 Lampiran 34 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi awal Plot Percobaan C-DS 202 208 214 220196 226 190 232 214 202202 208 196 232 0 0 50 50 100 100 150 150 .

0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : kon tur teoritis tin ggi tebu batas petak dan s el (dalam cm) yang tidak diamati batas se l yang diamati____ 25 0 25 Me ters U Pet a Se baran p er sel dan K ontur Te orit is TINGGI TEBU pada Taksasi Aw al Plot Perc ob aan C 158 -168 169 -176 177 -182 183 -198 199 -208215 Lampiran 35 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi akhir Plot Percobaan C-DS .

Lampiran 36 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi awal Plot Percobaan D-DS Peta Sebaran per sel dan KonturTeoritis TINGG I TEBU pada Taksasi Awal Plot Percob aan D 0255075100 0 25 50 75 100 125 150 175 200 225 250 0 25 50 75 100 125 150 175 200 225 250 U 146 142 150146 134 138 134 138 134 150 130158 16216 66 154 150 25 0 25 50 Meters Keterangan : batas sel kontur teoritis tinggitebu 91 -96 100 75 50 25 0 97 -106 107 -114 115 -122 123 -133 (dalam cm) Lampiran 37 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi akhir Plot Percobaan D-DS Peta sebaran perseldan KonturTeoritis TINGGI TEBU pada Taksasi Akhir Plot Percob aan D .

0 25 50 75 100 125 150 175 200 225 250 U 186 198 210 192180 210 216 204 216 222 228 198 192 180186 198 0255075100 0 25 50 75 100 125 150 175 200 225 250 100 75 50 25 0 25 0 25 50 Meters Keterangan : batas sel kontur teoritis tinggi tebu 154 -159 160 -168 169 -184 185 -198 199 -217 (dalam cm) .

Lampiran 38 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi awal Plot Percobaan E-PF P et a Se baran pe r sel dan Kontur Te orit is T IN GGI TEBU pada Taksasi Awal Plot P er cobaan E U batas sel kontu r teoritis tinggi tebu Keterangan : (d alam cm) ____ 50 0 50 Me te rs 142 136 154 148 160166 118 124 130 154 130 160 130 136 130 142 142 136 154 124 130 148 124 142 148 148 160 124 142 130 136 154148 142 142 124130 0 0 50 50 100 100 150 150 200 200 250 .

250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 74 -82 83 -94 95 -104 105 -121 122 -140 Lampiran 39 Peta sebaran per sel dan kontur teoritis tinggi tebu pada taksasi akhir Plot Percobaan E-PF Pet a Sebaran per sel dan Kont ur Teorit is TING GI TEBU pad a Taksasi Akhir Plot Per cobaan E U batas s el kontur teoritis tinggi tebu Keterangan : (dalam cm) ____ 50 0 50 Mete rs 210 200 220 190 230240 180 170 250 250 210 220 220 210 190 220 240 180 210 190 200 210 230 240 200 200 190 190 190 230 210 0 0 50 .

50 100 100 150 150 200 200 250 250 150 200 250 300 350 400 450 145 165 182 196 210 150 200 250 300 350 400 450 -164 -181 -195 -209 -242 .

11 -97.51 84.51 -91.84 75.69 -75.84 -84.31 97.31 -106.56 Lampiran 41 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan A-PF 76 72 8064 .11 91.Lampiran 40 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan A-PF 92 88 100 80 84 104 76 96 96 84 80 96 92 96 80 88 76 96 88100 96 96 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 M e te rs Pe t a Se bar an p er se l da n Kon tu r T eo rit is T A KSA S I A W AL P lo t P er c ob aa n A U batas se l kontur teoritis taksa si awal Keterangan : (dala mtontebu/ha) ____ 73.

84 88 92 68 94 98 84 76 68 84 92 80 64 88 76 80 92 92 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Met ers P et a S e b ar an p e r s el da n K on t ur T e o ri t is T A K S A S I A K H IR P l o t P e r c ob aa n A Ke teranga n : (dala m ton tebu/ha) kontur teoritis taksa si akhir batas se l____ U 59.44 .97 66.81 -81.97 -73.45 81.81 73.11 89.11 -101.45 -89.99 -66.

Lampiran 42 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan B-PF 92 80 88 84 100 96 76 104 7268 0 112 64 10876 92 108 92 84 72 100 96 96 88 80 88 76 888096 84 84 92 80 76 72 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 M e te r s P et a Se b ar an p er s el d an K ont u r Te o ri t is T A K SA S I A W A L P lot P e r co ba an B kontur teoritis taksasi awal batas petak dan sel (dala m ton tebu/ha) yang tidak diama ti .

98 -118.98 97.17 -87.47 Lampiran 43 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan B-PF 86 90 94 78 82 74 70 98 66 66 78 74 78 70 90 86 78 78 74 82 8286 94 74 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 300 300 25 0 25 50 M e te r s P e t a Se b ara n p e r s el dan K on t ur Te o ri t is TA K SA S I A KH IR P l ot P e r c oba an B (dalam tontebu/ha) Ke terangan : batas petak dan sel kontur teoritis taksa si akhir yang tidak diamati .01 -73.93 -97.17 82.93 87.16 -82.16 73.batas sel yang dia mati____ Ke terangan : U 60.

batas U 62.65 -76.11 82.11 88.11 -88.11 -82.81 -101.63 66.81 sel yang diamati____ -66.52 .65 76.

43 70.Lampiran 44 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan C-DS 80 84 76 88 72 92 68 96 80 88 84 84 84 72 92 100 0 0 50 50 100 100 15 0 15 0 0 0 50 50 100 100 150 150 200 200 250 250 Keteran gan : kontur teoritis taksas i awal batas petak d an sel (dalam ton tebu/ha) yan g tidak diamati batas se l yang diamati____ 25 0 25 M ete rs U P eta Se baran per sel dan Kont ur Te orit is TA KSASI A WA L Pl ot P erc ob aan C 65.26 85.35 -80.35 76.73 80.43 -76.26 -101 .23 -70.21 Lampiran 45 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan C-DS Keterangan : kontur teoritis taksasi akhir batas petak dan sel (dalam ton tebu/ha) yan g tidak d iama ti batas sel yang diamati_ ___ U .73 -85.

77 -6 6.86 -7 2.71 -7 6.32 -8 9.77 50 .P et a Se baran per sel dan Kont ur Te orit is TA KS ASI AKH IR Pl ot P erc ob aan C 64 68 76 72 60 56 80 52 8488 72 76 68 76 80 80 0 0 50 50 100 100 150 150 0 0 5 0 50 10 0 100 15 0 150 20 0 200 25 0 250 25 0 25 50 75 Me te rs 48 .86 66 .71 72 .81 .32 76 .58 -5 0.

78 -59.07 -55.Lampiran 46 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan D-DS PetaSebaranperseldanKontur Teoritis TAKSASI AWAL Plo t Percob aan D U 0 25 50 75 100 125 150 175 200 225 250 0255075100 0 25 50 75 100 125 150 175 200 225 54 60 60 54 51 63 48 57 54 54 51 5157 60 51 69636 66 100 75 50 25 0 250 25 0 25 50 Meters Keterangan : batas sel kontur teoritis taksasi awal 45.17 -69.17 64.17 -50.07 50.78 55.98 (dalamton tebu/ha) Lampiran 47 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan D-DS Pet a Seb aran p er s el da n Kont ur Teoritis TA KSA SI AKHI R Plot Percob aan D U batas sel .66 -64.66 59.

kontur teoritis taksasi akhir Keterangan : (dalam ton tebu/ha) ____ 58 62 50 6654 46 72 4266 62 58 62 54 54 0 0 25 25 50 50 75 75 100 100 125 125 150 150 175 175 200 200 225 225 250 250 00 2525 5050 7575 100100 25 0 25 5 0 Mete rs 40.88 58.64 -56.12 -58.04 -71.58 .04 62.12 56.64 47.88 -62.69 -47.

Lampiran 48 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan E-PF Pet a Se baran per sel dan K ont ur Teorit is TAKSAS I AW AL Plot Pe rcobaan E U batas sel kontur teoritis taksasi awal Keterangan : (dalam ton tebu/ha) ____ 50 0 50 Meter s 56 5248 60 64 68 44 44 44 60 56 64 44 52 52 56 56 52 60 56 64 48 60 56 48 48 48 60 60 56 64 48 56 60 48 48 60 56 6472 0 0 50 50 100 100 150 150 .

89 -78.15 Lampiran 49 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan E-PF P eta Se baran per sel dan K ont ur Te orit is TAK SASI AKH IR P lot P er cobaan E U batas sel k ontu r teoritis taks asi akhir Ke terangan : (dalam ton tebu/ha) __ __ 0 56 74 80 68 50 86 62 44 44 56 62 68 50 50 44 5050 56 68 56 62 62 68 80 62 50 50 56 74 62 62 0 .15 -63.15 57.81 44.28 50.28 -57.200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 39.89 63.81 -50.24 -44.

01 -53.05 -87.64 -74.46 .01 46.05 74.44 53.04 -46.64 61.44 -61.0 5 0 5 0 10 0 10 0 150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 50 0 50 Me ters 39.

367 44 20 beda nyata .93834 0.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan B-PF 32 16.39290 0.62304 0.13988 -91.6338 0.162 32 16.1964 0.435 15 16. Error Mean t df Nilai Pembanding Keterangan Kadar gula pada taksasi awal (% Pol) Plot Percobaan A-PF 33 12.5 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan B-PF 32 12.02140 0.20748 -15.16666 2.11014 -34.35965 -31.900 31 16.6320 1.1284 1.8431 1.094 14 20 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan E-PF 45 7.31852 -18.937 32 16.9894 0.99373 0.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan A-PF 33 16.23360 0.18056 1.15304 -38.6850 0.609 14 20 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan D-DS 15 14.02661 0.2367 1.861 15 16.5 tidak beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan C-DS 16 13.638 31 16.533 44 20 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan E-PF 45 14. Deviation Std.5 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan D-DS 15 8.95738 0.17299 -23.Lampiran 50 Uji beda nyata rata -rata kadar gula setiap plot percobaan terhadap nilai pembanding dengan metode one-sample t test pada taraf kepercayaan 95% Parameter N Mean Std.4933 0.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan C-DS 16 18.2975 0.24080 8.96319 0.82993 0.

48009 0.0788 0.26077 -22.257 32 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan B-PF 32 6.84917 0.65441 0.5733 0.00997 0.10323 -39.965 14 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan D-DS 15 7.59304 0.11513 -8.657 31 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan B-PF 32 9.2344 0.0671 0.60175 0.08487 -44.10475 -37.0113 1.481 15 10 tidak beda nyata Rendemen pada taksasi awal (%) Plot Percobaan D-DS 15 4.0973 0.17751 -13.2100 0.10452 -36.12659 -18.620 31 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan C-DS 16 6.Lampiran 51 Uji beda nyata rata-rata rendemen setiap plot percobaan terhadap nil ai pembanding dengan metode one-sample t test pada taraf kepercayaan 95% Parameter N Mean Std.169 32 10 beda nayata Rendemen pada taksasi akhir (%) Plot Percobaan A-PF 33 6.55162 0.65130 0.803 44 10 beda nyata .9564 0.41807 0.16360 0.08223 -84.6198 0.311 44 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan E-PF 45 7.670 14 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan E-PF 45 3.028 15 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan C-DS 16 10.0075 0. Deviation Std. Error Mean t df Nilai Pembanding Keterangan Rendemen pada taksasi awal (%) Plot Percobaan A-PF 33 5.68751 0.

05899 1.3694 10.52222 1.0372 8.88937 1.85687 2.976 31 8 5.42 beda nyata Taksasi awal (ton/ha) Plot Percobaan C-DS 16 81.32515 -35.086 15 78.50653 -20.669 31 110 beda nyata Taksasi awal (ton/ha) Plot Percobaan B-PF 32 87.0109 8.03 tidak beda nyata Taksasi awal (ton/ha) Plot Percobaan D-DS 15 56.180 1 5 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan C-DS 16 72.0372 8.50653 -4.93968 2. Deviation Std.1018 10.593 44 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan E-PF 45 57.3694 10.7847 10.08947 -20.11066 -10.96711 2.85687 2. 03 tidak beda nyata Taksasi akhir (ton/ha) Plot Percobaan C-DS 16 72.237 31 85.Lampiran 52 Uji beda nyata rata-rata taksasi setiap plot percobaan terhadap nila i pembanding dengan metode one-sample t test pada taraf kepercayaan 95% Parameter N Mean Std.3006 8.4809 11.52222 1.2667 8.42 tidak beda nyata Taksasi akhir (ton/ha) Plot Percobaan B-PF 32 79.805 32 1 00 beda nyata Taksasi awal (ton/ha) Plot Percobaan A-PF 33 90.837 32 75 .65080 1.57 beda nyata Taksasi awal (ton/ha) Plot Percobaan B-PF 32 87.75105 2.96711 2.71422 -10.46798 -6.69409 -25.0109 8.452 14 100 beda nyata Taksasi awal (ton/ha) Plot Percobaan E-PF 45 52.364 3 2 100 beda nyata Taksasi akhir (ton/ha) Plot Per cobaan A-PF 33 80.3006 8.24178 -8.341 15 1 00 beda nyata Taksasi awal (ton/ha) Plot Percobaan C-DS 16 81.43290 1.1018 10.46798 9.05899 1.24178 1.5140 6.43290 1.11066 0. Error Mean t df Nilai Pembanding Keterangan Taksasi awal (ton/ha) Plot Percobaan A-PF 33 90.589 4 4 100 beda nyata .58773 -26.71422 -2.552 31 110 beda nyata Taksasi akhir (ton/ha) Plot Percobaan B-PF 32 79.669 14 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan D-DS 15 57.57 beda nyata Taksasi akhir (ton/ha) Plot Percobaan A-PF 33 80.59 15 78.588 32 75.4809 11.93968 2.75105 -11.8340 8.09247 2.56120 1.

4438 11.82832 1.03388 0.9091 8. Std.951 33 tidak beda nyata dan taksasi akhir (%) Plot -18.1409 0.31605 - .62668 Plot Percobaan E-PF 45 -4.85108 0.5527 1. Error t df Keterangan Deviation Mean Taksasi awal dan akhir (ton/ha) 827 32 beda nyata Taksasi awal dan akhir (ton/ha) 4.134 16 beda nyata dan taksasi akhir (%) Plot -12.900 32 beda nyata dan taksasi akhir (%) Plot -24.7975 0.14815 Rendemen pada taksasi awal Percobaan B -PF 32 -2.00453 Plot Percobaan C-DS 16 8.33819 1.63717 0. Error t df Keterangan Deviation Mean Rendemen pada taksasi awal Percobaan A -PF 33 -0.87064 4.15412 dan taksasi akhir (%) Plot -0.08264 0.Lampiran 53 Uji beda nyata antara rata-rata rendemen pada taksasi awal dan akhir setiap plot percobaan dengan metode paired-sample t test pada taraf kepercayaan 95% Paired Diffrerences Parameter N Mean Std.33932 2.212 31 beda nyata Taksasi awal dan akhir (ton/ha) 774 15 beda nyata Taksasi awal dan akhir (ton/ha) 0.539 45 beda nyata Lampiran 54 Uji beda nyata antara rata -rata taksasi awal dan akhir setiap plot percobaan dengan metode paired-sample t test pada taraf kepercayaan 95% Paired Diffrerences Parameter N Mean Std.463 14 tidak beda nyata Taksasi awal dan akhir (ton/ha) 3.8444 0.7527 6.9507 8.15929 Rendemen pada taksasi awal Percobaan D -DS 15 -3.27954 Rendemen pada taksasi awal Percobaan E-PF 45 -4.742 15 beda nyata dan taksasi akhir (%) Plot -29.14802 Rendemen pada taksasi awal Percobaan C -DS 16 -3.9312 7. Plot Percobaan D-DS 15 -0.30010 1.45149 6.762 44 beda nyata Plot Percobaan A-PF 33 9. Std.48256 1.83731 0.5620 1. Plot Percobaan B -PF 32 8.

Dosis Urea Susulan (kg/ha) Plot Percobaan 1 2 Tukey HSD(a.000 1.4800 Plot Percobaan D-DS 15 543.3900 .3900 15 217. The harmonic mean of the group sizes is used.481. 1.0000 32 8.481. Typ e I error levels are not guaranteed. a Uses Harmonic Mean Sample Size = 23.000 1.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.05 Plot A-PF E-PF C-DS D-DS Percobaan B-PF 32 27.7375 Plot Percobaan C-DS 16 543.3906 33 418.7667 45 116. b The group sizes are unequal.b) Plot Percobaan A-PF 33 140.000 Means for groups in homogeneous subsets are displayed. a Uses Harmonic Mean Sample Size = 23.823 N Subset for alpha = . Dosis TSP (kg/ha) Plot Percobaan 1 2 3 Tukey HSD(a.0000 15 .5022 Means for groups in homogeneous subsets are displayed.921 .4375 33 32.05 Plot Percobaan N 1234 Tukey HSD(a. b The group sizes are unequal.000 1.1333 Plot Percobaan B-PF 32 345.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan N Subset for alpha = . Typ e I error levels are not guaranteed. The harmonic mean of the group sizes is used.7727 Plot Percobaan E-PF 45 198.7091 45 429. .Lampiran 55 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA Dosis Urea Dasar (kg/ha) Subset for alpha = .4800 Sig.05 Plot D-DS B-PF A-PF E-PF Percobaan C-DS 16 .2756 16 217.

a Uses Harmonic Mean Sample Size = 23. Typ e I error levels are not guaranteed. b The group sizes are unequal.481.000 Means for groups in homogeneous subsets are displayed. .999 1. .000 1. The harmonic mean of the group sizes is used.Sig.

000 1. .4750 Plot Percobaan A-PF 33 639.0938 45 96.699 . a Uses Harmonic Mean Sample Size = 23. 1.5778 15 102. a Uses Harmonic Mean Sample Size = 23. Typ e I error levels are not guaranteed.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig. Ty pe I error levels are not guaranteed.05 Plot Percobaan N 1 2 3 4 Tukey HSD(a.0000 33 67.9375 33 78.05 Plot Percobaan 1 Tukey HSD(a.1711 Sig.481.601 N Plot A-PF E-PF B-PF D-DS Percobaan C-DS 16 66. Typ e I error levels are not guaranteed. . b The group sizes are unequal.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.000 1.05 Plot A-PF B-PF E-PF D-DS Percobaan C-DS 16 74. The harmonic mean of the group sizes is used. The harmonic mean of the group sizes is used.000 1.2091 Plot Percobaan E-PF 45 666. Populasi Tebu pada Taksasi Awal (dalam ribuan) Plot Percobaan 1 2 Tukey HSD(a.1556 32 68.6700 Plot Percobaan D-DS 15 416.6700 Plot Percobaan B-PF 32 494. Populasi Tebu pada Taksasi Akhir (dalam ribuan) Subset for alpha = .481. . The harmonic mean of the group sizes is used.000 Means for groups in homogeneous subsets are displayed.0909 45 67.481.449 N Subset for alpha = .4688 15 69.0000 Means for groups in homogeneous subsets are displayed.0000 32 79. b T he group sizes are unequal. b The group sizes are unequal.2000 Means for groups in homogeneous subsets are displayed.b) Plot Percobaan C-DS 16 416.Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Dosis KCl (kg/ha) Subset for alpha = . a Uses Harmonic Mean Sample Size = 23.

.

0113 Plot Percobaan A-PF 33 5. a Uses Harmonic Mean Sample Size = 23.7500 32 248.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.9697 Means for groups in homogeneous subsets are displayed. T y pe I error levels are not guaranteed.998 .05 Plot E-PF C-DS B-PF A-PF .561 Percobaan D-DS 15 178. Typ e I error levels are not guaranteed. Tinggi Tebu pada Taksasi Akhir (cm) Plot Percobaan 1 2 3 Tukey HSD(a.Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Tinggi Tebu pada Taksasi Awal (cm) Subset for alpha = . b The group sizes are unequal.228 Means for groups in homogeneous subsets are displayed. The harmonic mean of the group sizes is used.000 1.481.093 N Subset for alpha = .3125 Plot Percobaan B-PF 32 188.505 . 1.9688 188.2100 Plot Percobaan C-DS 16 6.0222 Plot Percobaan D-DS 15 107.9564 Plot Percobaan B-PF 32 6.2667 Plot Percobaan C-DS 16 185.481.05 Plot Percobaan N 123 Tukey HSD(a.9688 Plot Percobaan A-PF 33 197.b) Plot Percobaan E-PF 45 106.05 1 2 3 Tukey HSD(a. . Rendemen pada Taksasi Awal (%) Plot Percobaan N Subset for alpha = .0671 Plot Percobaan D-DS 15 4.0313 248. a Uses Harmonic Mean Sample Size = 23.000 .2344 Sig.6667 45 184.900 . .820 .3333 16 234. The harmonic mean of the group sizes is used.b) Plot Percobaan E-PF 45 3. b The group sizes are unequal.0313 33 255.5758 Sig.

b The group sizes are unequal. . Typ e I error levels are not guaranteed. The harmonic mean of the group sizes is used. a Uses Harmonic Mean Sample Size = 23.481.Means for groups in homogeneous subsets are displayed.

b The group sizes are unequal. b The group sizes are unequal.05 Plot D-DS C-DS B-PF A-PF .b) Plot Percobaan D-DS 15 57.05 1 2 Tukey HSD(a.3006 32 87. a Uses Harmonic Mean Sample Size = 23.b) Plot Percobaan A-PF 33 6. Typ e I error levels are not guaranteed. 1.05 Plot Percobaan N 1234 Tukey HSD(a.000 1.166 N Subset for alpha = . .2667 Plot Percobaan E-PF 45 57.887 Percobaan E-PF 45 52.665 .060 .5733 Plot Percobaan E-PF 45 7.1018 Sig.6198 Plot Percobaan B-PF 32 9.000 .5140 16 81.0372 Plot Percobaan A-PF 33 80.4809 33 90. 1.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.999 1.0788 Sig.0973 Plot Percobaan D-DS 15 7. a Uses Harmonic Mean Sample Size = 23.8340 15 56.0075 Plot Percobaan C-DS 16 10.0109 Means for groups in homogeneous subsets are displayed. The harmonic mean of the group sizes is used.481.Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Rendemen pada Taksasi Akhir (%) Subset for alpha = .481.7847 Plot Percobaan C-DS 16 72. Taksasi Akhir (ton tebu/ha) Plot Percobaan N Subset for alpha = . Typ e I error levels are not guaranteed. Taksasi Awal (ton tebu/ha) Plot Percobaan 1 2 3 Tukey HSD(a.000 .4809 87.3694 Plot Percobaan B-PF 32 79. The harmonic mean of the group sizes is used.000 Means for groups in homogeneous subsets are displayed.

a Uses Harmonic Mean Sample Size = 23. Typ e I error levels are not guaranteed. . b The group sizes are unequal.Means for groups in homogeneous subsets are displayed. The harmonic mean of the group sizes is used.481.

68 7.39 92.84 60.08 0.42 6.84 3.11 3.41 14.57 3.49 6.87 0.34 29.5 A-PF 104 20.10 0.06 0.09 6. Daun I II TB SB 4.97 0.97 17.90 1.07 67.85 Keterangan: KPR = kutu perisai PB = Int.06 0.16 5.08 0.67 84.5 D-DS dan E-PF 80 2.10 0.68 8. KPR N.45 5.54 9.08 1.16 -73.04 0.17 12.46 5.39 27.5 D-DS dan E-PF 83 1.01 34.23 2.11 0.24 0.01 40.50 0.06 1.89 8.25 48.01 0.12 3.5 A-PF 93 6.63 84.30 8.74 0.48 35.5 B-PF 99 2.07 0.82 89.68 4.05 0.74 10.14 7.5 C-DS 111 18.20 penyakit batang .74 4.Lampiran 56 P engamatan hama dan penyakit Umur tebu (bulan) Plot Jumlah batang Kutu Perisai Intensitas luas serangan % serangan PB % serangan Intensitas seranganKPR Int.42 0.84 0.25 7.19 -63.40 0.22 2.5 A-PF 90 1. Cincin K.70 7.33 82.04 7.07 -91.01 3.94 12.52 1.15 0.34 0.10 2.06 1.5 D-DS dan E-PF 87 0.5 A-PF 93 2.16 15.63 28.12 14.18 0.18 0.23 2.87 0.12 10.5 B-PF 103 1. Kuning N.23 0.47 8.70 8.12 13.00 91.65 0.14 3.40 34.35 1.5 A-PF 84 0.50 0.10 86.63 53.21 9.5 B-PF 95 1.35 0.5 C-DS 95 3.24 0.09 0.18 97.51 0.47 0.01 2.5 C-DS 97 5.55 0.01 0.33 0.26 0.39 38.40 2.01 3.10 3.61 9.12 64.5 B-PF 101 6.51 1.34 0.38 9.5 C-DS 91 3.97 0.07 84.45 0.32 1.02 0.95 0.5 B-PF 113 18.89 9.14 6.03 0.17 0.5 C-DS 94 4.17 2. = intensitas TB = top borer N = noda SB = stem borer K = karat 26.11 -0.67 12.16 -1.44 0.32 12.30 2.18 6.03 -13.5 D-DS dan E-PF 87 0.28 45.37 4.04 7.54 0.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->