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

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

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

lulus pada tahun 1990. . 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. 30 Maret 2004). penulis menjadi anggota Perhimpunan Teknik Pertanian. Beasiswa pendidikan pascasarjana diperoleh dari Direktorat Jenderal Pendidikan Tinggi. Kesempatan untuk melanjutkan ke program doktor pada program studi dan perguruan tinggi yang sama diperoleh pada tahun 1999. Pendidikan sarjana ditempuh di Jurusan Mekanisasi Pertanian. 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. Fakultas Teknologi Pertanian UGM. Penulis menikah dengan Sukarni. Departemen Pendidikan Nasional Republik Indonesia. Selama mengikuti program S3. Penulis bekerja sebagai tenaga pengajar di Program Studi Teknik Pertanian.Pt. 26 November 1997) dan Khansa Pinka Daniswara (Yogyakarta. Fakultas Pertanian. Pada tahun 1995. Bidang keahlian yang menjadi tanggung jawab penulis adalah sistem dan manajemen mekanisasi pertanian. pada tanggal 11 Februari 1997 dan telah dikaruniai dua anak perempuan bernama Tresti Wikan Ayu Prabawarni (Yogyakarta. Universitas Lampung sejak tahun 1990 sampai dengan tahun 1999. penulis diterima untuk program magister di Program Studi Ilmu Keteknikan Pertanian pada Program Pascasarjana IPB dan menamatkannya pada tahun 1998. Karya ilmiah tersebut merupakan bagian dari program S3 penulis. S.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).

256 ....... 152 ... 94 ...... xx ....... 152 .... 274 LAMPIRAN ..... 1 ... 251 .... 232 .. 85 87 .. 54 64 ... 164 ........ 19 .. 8 . 221 ... 50 . 8 ......... 94 ... 277 ........ 93 . ........ 193 ........... 159 ...... 97 .. 1 8 ......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 ....... 111 .. xiv . 9 9 .... 93 ...... 35 ... 259 UCAPAN TERIMA KASIH .......

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

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

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

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

.... ... 138 81 Ringkasan diagram alir tata laksana penelitian 143 82 Peta lokasi PT Gula Putih Mataram .. 187 84 Semi-variogram kandungan N top soil tebu umur 3 bulan pada Plot Percobaan A-PF sebelum pemupukan kedua .... 197 100 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan A-PF . 136 78 Pengamatan persentase penutupan gulma 137 79 Pengamatan hama dan penyakit tanaman tebu 137 80 Pengambilan sampel biomassa tanaman tebu ..19 74 Pengamatan jumlah anakan dan persentase gap tebu ..5 bulan pada Plot Percobaan C-DS . 201 108 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan D-DS . 133 76 Pengambilan sampel daun 134 77 Pengambilan sampel batang untuk analisa kemasakan dan taksasi ...... 187 85 Semi-variogram kandungan P top soil tebu umur 1 minggu pada Plot Percobaan A-PF sebelum pemupukan pertama .. 200 107 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan C-DS .. 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 .5 bulan pada Plot Percobaan A-PF ........ 188 86 Semi-variogram kandungan P top soil tebu umur 3 bulan pada Plot Percobaan A-PF sebelum pemupukan kedua . 190 90 Semi-variogram kandungan P top soil tebu umur 3 bulan pada Plot Percobaan C-DS sebelum pemupukan kedua . .. 133 75 Tanaman tebu varietas GP 94-2027 umur 1 bulan . 188 87 Semi-variogram kandungan N top soil tebu umur 1 minggu pada Plot Percobaan C-DS sebelum pemupukan pertama ... 192 94 Semi-variogram Taksasi Akhir tebu umur 9........ 191 93 Semi-variogram Taksasi Awal tebu umur 6.... 196 99 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan E-PF ....... .. 199 105 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan A-PF . 202 .. 190 91 Semi-variogram Taksasi Awal tebu umur 6. 153 83 Semi-variogram kandungan N top soil tebu umur 1 minggu pada Plot Percobaan A-PF sebelum pemupukan pertama .....5 bulan pada Plot Percobaan A-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 ....... 201 109 Perbedaan kebutuhan pupuk KCl pada P lot Percobaan E-PF . 191 92 Semi-variogram Taksasi Akhir tebu umur 9. 197 101 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan B-PF .. 189 89 Semi-variogram kandungan P top soil tebu umur 1 minggu pada Plot Percobaan C-DS sebelum pemupukan pertama ... 200 106 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan B-PF ........ 198 102 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan C-DS ..... ..... 198 103 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan D-DS 199 104 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan E-PF .

. 212 130 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan B-PF . 212 129 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan A-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 ... 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 . 202 111 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan B-PF ... 210 126 Peta spasial kelebihan pupuk Urea pada pemupukan pertama 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 .. 207 121 Deviasi pupuk per sel Plot Percobaan D-DS .. 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 .20 110 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan A-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 . 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 .... 208 122 Deviasi pupuk Plot Percobaan D-DS ..

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.

untuk menegaskan pertanian yang ramah lingkungan. Antara periode pertengahan tahun 1970 dan awal 1980 dikembangkan pengetahuan tentang tanah dengan survei tanah. Tujuan dari penelitian tersebut adalah (1) menjaga tingkat hara pada hasil yang optimum dengan keragaman spasial yang rendah. dan (3) membuat peta informasi lahan untuk sistem pendukung keputusan (Lee. Di Korea. Di Belanda.. Lebih dari 400 mesin panen dengan yield monitor dioperasikan pada tahun 1999. Pada tahun 1990. 1999). survei tahun 1996 pada pertanian jagung menunjukkan bahwa petani yang menerapkan PF mencapai 9% yang sama dengan 20% luas lahan pertanian yang ada.000 ha areal pertanian yang sama dengan 1% lahan sawah di Korea. dan variable rate fertilizer applicator . Angka ini dapat meningkat sampai 10% area tanam yang sama dengan 2 juta rumah tangga petani pada tahun 2005. Pengambilan sampel tanah dengan grid dan pemetaan hasil dengan yield monitor merupakan teknik yang paling banyak diadopsi (Robert. Hasil (yield) dan informasi lain dipetakan dengan . Mesin panen dengan yield monitor dikenalkan pada 12 tahun yang lalu. petani terlalu banyak menggunakan pestisida. 1999). PF diadopsi pada 10. Di Amerika serikat. Pemerintah Belanda menyatakan bahwa untuk mencapai pertanian berkelanjutan maka jumlah pestisida pada tahun 2000 harus kurang dari 50% yang digunakan pada tahun 1990. remote sensor. Di Eropa. penginderaan jauh. survei tahun 1998 pada area pertanian menunjukkan bahwa area pertanian yang mengadopsi PF mencapai 3%. dan pemantauan tanaman. penelitian PF dimulai pada tahun 1998 dengan tujuan seperti penelitian PF yang dilakukan di Jepang (Park et al. Pada periode yang sama. bahan kimia pertanian dikurangi sampai 20% dalam 5 tahun dan sampai 10% dalam 10 tahun (Shibusawa. Di Denmark. PF merupakan revolusi dalam pengelolaan sumber daya alam berbasis teknologi informasi. sedangkan untuk lahan kering dimulai pada tahun 1998. aplikasi pupuk harus seimbang dengan yang dibutuhkan oleh tanaman. (2) mengembangkan yield sensor.Precision Farming mempunyai banyak tantangan sebagai sistem produksi tanaman sehingga memerlukan banyak teknologi yang harus dikembangkan agar dapat diadopsi oleh petani. 2000). Di Jepang. 2001). penelitian PF pada lahan sawah dimulai pada tahun 1997.

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

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

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

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

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

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

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

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

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

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

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

Pertumbuhan awal tanaman sebagian besar terbatas untuk perkembangan daun dan akar yang merupakan peralatan produksi tanaman.6% 4. 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 9.2% 24.0% 49. Tetapi ketika organ asimilasi dan absorbsi telah berkembang. 1952).Gambar 3 menunjukkan bahwa pada waktu penanaman. . tanaman hanya berupa potongan bibit (cutting). maka pembentukan batang dimulai dengan laju yang lebih cepat dibanding organ lain. Pembentukan batang belum terjadi sepanjang organ asimilasi dan absorbsi belum berkembang sampai tingkat tertentu.7% Gambar 1 Komposisi vege tatif tanaman tebu umur 12 bulan varietas 37-1933 (Dillewijn.5% 12.

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

. yaitu: a) varietas genjah (masak awal). kecuali beberapa ruas di bagian pucuk. dan c) varietas dalam (masak akhir) mencapai masak optimal pada umur lebih dari 14 bulan. Proses pertumbuhan tunas baru ini menggunakan gula yang sudah terbentuk di dalam batang. Oleh karena itu. faktor-faktor yang mempengaruhi proses kemasakan tanaman tebu adalah: 1) Varietas Varietas tebu pada garis besarnya dibedakan menjadi tiga.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. tebu dikatakan sudah mencapai masak optimal apabila kadar gula di sepanjang batang telah seragam. Menurut Supriyadi (1992). demikian seterunya sampai ruas bagian pucuk. mencapai masak optimal kurang dari 12 bulan. 1952) Proses terbentuknya rendemen gula di dalam batang tebu berjalan dari ruas ke ruas. Ruas di bawah (lebih tua) lebih banyak tingkat kandungan gulanya dibandingkan dengan ruas di atasnya (lebih muda). sehingga gula di dalam batang akan terurai kembali. Pemupukan nitrogen yang berlebihan juga akan merangsang pertumbuhan tunas baru. 2) Pemberian pupuk nitrogen yang berlebihan Pemupukan tebu dengan pupuk nitrogen secara berlebihan sangat merugikan karena proses pembentukan rendemen optimal akan terlambat. b) varietas sedang (masak tengahan) mencapai masak optimal pada umur 12 14 bulan.

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

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

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

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

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

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

Tabel 2 Kandungan hara daun standar Kategori N Kandungan hara daun (%) P2O5 K2O Berlebih Optimum Kurang > 1.75 0.15 0. . 1964) Menurut Jones et al. waktu yang baik untuk pengambilan sampel daun adalah pada umur tanaman 3 5 bulan. 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.60 > 0. 1991) Sementara itu menurut Samuels (1955. dalam Muhali 1979).80 (Sumber: Jones et al.10 1.30 1.00 Cukup 2. termasuk daun. .55 0.00 2. maka penambahan unsur hara dalam bentuk pemupukan dapat kurang atau mungkin tidak perlu ditambah.90 1. Cope.55 0.35 0.dari tanah dan hara tersebut akan didistribusikan ke seluruh bagian tanaman.60 1.26 (Sumber: Barnes.90 0. Konsentrasi hara daun standar menurut Barnes (1964) disajikan pada Tabel 2.26 1.80 Tinggi > 2.75 1.45 1.85 1.45 > 1.45 0. 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.18 0. (1991) disajikan pada Tabel 3. Nilai hara daun standar menurut Samuels (1955. bila keadaan kebun tidak mengalami kekurangan air. Jika hara berada dalam kondisi berlebih.30 > 1.60 0. (1991).66 1.66 > 0. Analisa jaringan tanaman dimaksudkan untuk mengetahui banyaknya unsur hara yang diperlukan dan dapat diambil oleh tanaman.75 1.17 0.85 1. Kandungan hara daun standar menurut Jones et al. Tabel 3 Kandungan hara daun standar Kandungan hara daun (%) Kategori NPK Rendah 1. Whitney. Daun yang dianalisa adalah daun ke tiga dari pucuk se banyak 15 lembar. disajikan pada Tabel 4.

.

10 0. 5. maka harus dipakai faktor koreksi (dalam persen) yang ditambahkan pada hasil analisa daunnya agar didapatkan nilai untuk umur tiga bulan.30 1. dan 6 dihitung dari daun yang belum membuka pertama sebagai daun nomor 1.25 0. 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 .65 1.00 2.50 Cukup rendah Cukup Tinggi Sangat tinggi 1.00 1.15 0.50 2. 1955.40 < 1.50 > 2.Tabel 4 Kandungan hara daun standar Kategori N Kandungan hara daun (%) P K Sangat rendah Rendah < 1.50 0.25 0.00 (Sumber: Samuels.00 > 3.00 1.40 1.00 2. Umumnya dalam analisa daun dipakai daun yang membuka sepenuhnya yang ke tiga yang dihitung dari daun yang tidak menggulung tertinggi sebagai daun nomor 1.00 1. dalam Muhali 1979) Contoh daun yang diambil adalah daun-daun nomor 4.50 1.15 < 1.18 0.00 2.50 1.65 2.00 3.30 > 0.00 1.18 0. Kalau sampel daun tebu diambil pada umur lebih dari pada tiga bulan.00 0. Makin jauh waktu pengambilan sampel daun dari umur tiga bulan maka makin besar nilai faktor koreksinya (Tabel 5).

015 0.15 0. 1959.24 0.08 0.30 0.016 Ratoon Plant cane K 0.45 0.12 0.22 0.15 0. dalam De Geus.56 0.74 0.015 0.33 Plant P cane 0.008 0.23 Ratoon 0.015 0 0. 1973) .24 0.11 0.6 bulan 4 bulan 5 bulan 6 bulan N Plant cane 0.24 0.36 Ratoon (Sumber: Samuels.24 0.28 0.

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

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

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

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

dan kondisi perakaran yang buruk. Kalium menyusun 0. Fungsi fisiologis akar untuk menyerap nutrisi menjadi berkurang.0% bobot kering tanaman. jumlah K yang terdapat dalam tanah. 1992). dan efisiensi penggunaan K oleh tanah dan tanaman. Cara yang dapat digunakan untuk menekan kejenuhan Al yang tinggi adalah dengan menggunakan pupuk P dosis tinggi. Pemberian pupuk P yang terlambat akan berakibat tanaman tumbuh kerdil. terutama pada tanah yang kahat P. Tanaman-tanaman yang mengangkut K dalam jumlah besar menurunkan tingkat K tersedia dalam tanah dan meningkatkan kebutuhan akan K. Fungsi pupuk K adalah mempercepat sintesis (pembentukan) zat karbohidrat dalam tanaman dan mempertinggi daya tahan terhadap hama penyakit. sehingga K yang dapat diserap oleh tanaman cukup banyak.Efisiensi pemupukan P dari pupuk buatan sangat rendah. pemberian pupuk P pada saat tanam sangat diperlukan. Pupuk K diaplikasikan pada saat pemupukan kedua (tanaman berumur 1. jika K diberikan dalam baris pada saat penanaman. Pupuk P diaplikasikan pada saat penanaman bersamaan dengan pupuk N.5 4. dan Dancy dalam Engelstad (1997). masa pembungaan terlambat. 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. sedangkan tanah mengandung 0.5% K dalam lapisan 15 cm teratas. anakan berkurang.. Menurut Soeminto (1996).5 2. Jumlah pupuk K yang diperlukan oleh tanaman tertentu tergantung pada kebutuhan tanaman. Jumlah K yang harus ditambahkan untuk mempertahankan tanah pada tingkat tertentu akan tergantung pada tingkat awal dan derajat penyematan K oleh tanah. Menurut Barber. maka K yang ditambahkan bersentuhan dengan perakaran yang terlalu sedikit sehingga serapan K tidak tinggi. Penerapan pemupukan dengan dosis tinggi bertujuan untuk penjenuhan penyematan P dalam tanah dan pemenuhan kebutuhan hara P pada tanaman tebu (Djojonegoro et al. Cara penempatan pupuk P sangat berpengaruh terhadap efisiensi penyerapan oleh tanaman.5 2 bulan). . P yang terlarut akan segera dijerap menjadi Fe-P dan Al-P. Robert.

1980). ada kecenderungan interaksi antara unsur hara P2O5 dan K2O dapat memperbaiki rendemen. Di sini tampak adanya kemungkinan reaksi katalisis. 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 . N P K Gambar 7 Hubungan dan interaksi antara hara N. P2O5 . Walaupun tidak nyata. P2O5 . Di sini ada suatu kemungkinan sinergisme antara hara P2O5 dan K2O. Pemberian hara N yang tinggi perlu diikuti pemberian P2O5 yang tinggi pula dan sebaliknya. Hubungan dan interaksi antara hara N..Peningkatan pemberian sesuatu unsur hara kepada tanaman tidak selalu diikuti dengan peningkatan kandungan unsur hara tersebut di dalam daun dan peningkatan hasilnya.dan K2O dalam daun disajikan pada Gambar 7.dan K2O dalam daun (Pawirosemadi. 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. Kandungan hara N daun yang rendah selalu diikuti dengan hara K2O daun yang tinggi. Tetapi dalam keadaan kandungan hara N daun yang tinggi melampaui jenjang normalnya. 1990). maka peningkatan kandungan hara N daun diikuti dengan meningkatnya kandungan K2O.

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

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

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

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

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

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

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.

1997). yang selanjutnya dapat dibuat peta hasil (yield map) seperti disajikan pada Gambar 11. Sedangkan untuk dapat menghasilkan peta yang sesuai dengan lokasi diperlukan GPS receiver (Gambar 12). . 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. Gambar 11 Transfer data dalam pemantauan hasil dan sistem pemetaan (Kuhar.

lahan dibagi dalam sel-sel jaringan (grid cells). 1997). Oleh karena itu diperlukan informasi spasial. Pada pengambilan sampel berdasarkan grid.Gambar 12 Mesin pemanen pengumpul data hasil untuk pemetaan (Kuhar. selanjutnya diubah menjadi peta digital (digital map) yang digunakan untuk mengelola aplikasi pupuk (Kuhar.4646 ha).5 dan 3. pengujian tanah dan aplikasi pemupukan diarahkan pada ukuran yang relatif besar. ukuran sel-sel jaringan yang paling umum adalah 2. diantaranya adalah stratifikasi geografis dan pengambilan sampel spasial yang sistematis. Dengan precision farming. lahan dibagi menjadi sel-sel berbentuk bujur sangkar atau empa t persegi panjang berukuran beberapa acre atau lebih kecil (Gambar 13).3 acre (1 acre = 0. . 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). Pada saat ini. yang mana lokasinya ditentukan dengan GPS. 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.

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

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

Pada pengambilan sampel tanah berdasarkan jenis tanah. 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. yang mana keragaman spasial (spatial variability ) sebelumnya sudah dijabarkan. 1997) Variable Rate Application Setelah sampel tanah diambil kemudian dianalisa di laboratorium. dan (3) operasi yang tepat pada waktunya pada tempat yang membutuhkan. dan diperoleh digital soil fertility map. 1997). (2) informasi yang tepat pada lokasi. Sistem dengan metode ini harus mampu menentukan posisi mesin di dalam lahan dan . VRA adalah satu-satunya pendekatan manajemen untuk pemusatan perhatian di dalam lahan. maka hasil analisa dapat diaplikasikan dal am variable rate application (VRA). 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. 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.

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

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

1997). laju aplikasi diukur dengan katup solenoid. SOILECTION digunakan untuk aplikasi bahan kering dan cair (Kuhar. kandungan lengas tanah. sementara yang lain mengontrol aplikasi kapur. 1997). Potensial antara coulter pada Soil Doctor menimbulkan medan listrik. dan sasaran hasil untuk menentukan laju aplikasi pupuk nitrogen pada tempat tertentu secara real-time. Satu peta dapat digunakan untuk mengontrol laju pupuk P. kapasitas tukar kation. dan sebagainya. peta yang lain mengontrol pupuk K. 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 . Sifat tanah antara coulter tersebut mempengaruhi karakteristik medan listrik dan menimbulkan sinyal untuk controller sehingga menghasilkan bermacam jumlah pupuk/bahan kimia yang dapat diaplikasikan. Sifat-sifat tanah yang mempengaruhi keluaran sensor adalah jenis tanah. Untuk pupuk cair seperti larutan N 28%. petunjuk agronomis. Algoritma kontrol menggunakan masukan sensor.Gambar 18 Soil Doctor dengan coulter pengindera (Kuhar. dan kandungan nitrogen nitrat (NO3-). kandungan bahan organik. Proses penyusunan peta digunakan untuk memilih dan mengontrol bermacam pupuk dan herbisida selama alat melintas di lahan.

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

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

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

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

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). perangkat lunak (set of application modules). 2001). yaitu perangkat keras (computer hardware). Komponen SIG dapat dibagi menjadi tiga bagian utama. perangkat otak/manajemen ( a proper organizational context). Gambar 22 Konsep Sistem Informasi Geografis (ESRI. dan data-informasi geografi. . 1990). Gambar 23 Komponen Sistem Informasi Geografis (Prahasta.

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

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

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

. 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.

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

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

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

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

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. mencakup penyesuaian dan adaptasi melalui lintasan waktu. 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. Hal ini sesuai fakta bahwa pendekatan sistem dalam suatu lingkungan dinamik adalah proses yang berkesinambungan. Pada kasus tertentu. . pengulangan itu bisa hanya mengubah asumsi model namun pada hal lain dapat juga berarti merancang suatu model abstrak yang baru sama sekali.

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

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

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

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

sampel-sampel ditempatkan pada grid yang berbentuk lingkaran/polar grids (Gambar 28). Semua pasanganpasangan sampel yang mungkin biasanya dikelompokkan dalam kelas-kelas (lags) dari jarak dan arah yang kira-kira sama. 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. 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. . Ambang dari semi-variogram seringkali dicirikan sama dengan keseluruhan perbedaan rata-rata dari semua data sampel dari keseluruhan lahan.Semi-variogram khusus umumnya meningkat dengan bertambahnya jarak antara sampel-sampel. kemudian berubah-ubah hingga nilai konstan yang disebut ambang (sill). Jumlah pasangan sampel yang diperoleh dari sejumlah sampel yang ada dirumuskan dengan Persamaan 1.. 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 ). tetapi ini hanya tepat untuk lahan berukuran sedang (Wallace and Hawkins. Nilai ambang (sill) ini menunjukkan tingkat keragaman (variability ) yang ada. Nilai ambang yang sangat tinggi berarti data berubah banyak melintasi lahan. Pada pembuatan semi-variogram. 2002) . (1) yang mana P adalah jumlah pasangan sampel dan N adalah jumlah sampel. P = N (N-1) / 2 (GS. 1994). Nilai ambang rendah berarti data tidak berubah banyak dari titik ke titik.

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

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

1) Z(1. lag distance.3) Z(p.q) Z(1. Model SemiCurve Experimental Semivar iogram Curve Pairs Range (A) Scale (C) Nugget Effect (Co) Sill ã(h) -variogram Z(p.j+1) Z(i+1.3) Z(i+1. dan arah semi-variogram.3) Z(3.2) Z(1.j+1) Z(3.q) Z(2.1) Z(2.2) Z(p.3) Z(1. q) Z(3.3) Z(2.q) Z(i+1.1) Z(3.j+1) Z(p.2) Z(3.2) Z(i+1.j+1) Z(2. 2002).1) Z(i+1.122 Gambar 29 Ilustrasi semi -variogram (GS.1) Z(p.j+1) Z(1. .2) Z(2.q) Gambar 30 Ilustrasi plot data.

q-3)-Z(2.4)]2 + [Z(2.5)]2 + [Z(2. 2.1)-Z(1.2)]2 + [Z(p.3)]2 + [Z(2.6)]2 + + [Z(1. maka semi -variogram berdasarkan jumlah nilai semi-variance pada lag distance yang sama pada masing-masing arah semi-variogram.4)]2 + + [Z(3. perhitungan semi-variance pada arah sumbu x adalah : Semi-variance untuk lag distance a = 1 satuan ½{[Z(1.1)-Z(2.q-2)-Z(1.q)]2 +[Z(3.2)]2 + [Z(3.5)]2 + + [Z(p.q-2)-Z(2. 3.1)-Z(2.2)-Z(3.2)-Z(p.5)]2 + + [Z(2.Keterangan Gambar 30 Z(i.q)]2 +[Z(p. (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 .q)]2 +[Z(2.3)-Z(2.1)-Z(p.2)]2 + [Z(2.2)-Z(1.4)]2 + [Z(1.4)]2 + [Z(3. Menurut Clark dan Harper (2000).4)]2 + [Z(2.3)]2 + [Z(3. (6) Semi-variance untuk lag distance a = 3 satuan ½{[Z(1.2)-Z(p. p j = 1.2)]2 + [Z(1.3)-Z(p.q-3)-Z(p.3)-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.1)-Z(3.5)]2 + + [Z(3..2)-Z(2.q)]2}/ n(b) .5)]2 + [Z(p.1)-Z(1.2)-Z(3.q)]2 +[Z(3.q-1)-Z(p.3)]2 + [Z(2..1)-Z(2.5)]2 + + [Z(1..q)]2 +[Z(p. 3.3)]2 + [Z(3.q-1)-Z(3.2)-Z(2.q-2)-Z(3.q-2)-Z(p.4)]2 + [Z(p.4)]2 + [Z(p.q-1)-Z(1.1)-Z(p.2)-Z(p.1)-Z(1. .4)]2 + [Z(3.4)]2 + + [Z(p.4)]2 + + [Z(1.3)-Z(p.q)]2 +[Z(2.q)]2 +[Z(2.3)-Z(2.3)-Z(1.3)-Z(1.2)-Z(2.4)]2 + + [Z(2.q)]2 +[Z(p.q)]2}/ n(c) yang n(a) n(b) n(c) .3)-Z(3.j) : nilai regionalized variable pada baris i dan kolom j i = 1.1)-Z(3.6)]2 + + [Z(p.2)-Z(1.q-3)-Z(3.1)-Z(p.q-1)-Z(2.q)]2 +[Z(3. (5) Semi-variance untuk lag distance b = 2 satuan ½{[Z(1.3)]2 + [Z(1.3)-Z(1.1)-Z(3..4)]2 + [Z(1.q-3)-Z(1.3)]2 + [Z(p.5)]2 + [Z(1.. .3)-Z(3.6)]2 + + [Z(3.3)]2 + [Z(1.6)]2 + + [Z(2.2)-Z(1.3)-Z(3.3)-Z(2.q)]2}/ n(a) .5)]2 + [Z(3.2)-Z(3.3)]2 + [Z(p. 2.

5)]2 + [Z(1.q)]2 [Z(3.2)]2 [Z(p-3.2)-Z(4.2)-Z(5.3)]2 + [Z(2.4)]2 + [Z(2.q)-Z(2.2)-Z(4.2)-Z(1.q)-Z(3.2)-Z(3.q)]2 [Z(p.6)]2 + +[Z(3.q-3)-Z(3.2)-Z(3.3)-Z(p.1)-Z(3.q-3)-Z(2.3)]2 + [Z(3.q-1)-Z(3.q)-Z(5.3)-Z(1.2)-Z(2.3)]2 [Z(p-1.2)-Z(2.q)]2 + [Z(2.2)]2 + [Z(3.3)]2 + [Z(1.q)]2 + [Z(3.1)-Z(p.q)]2}/ .5)]2 + +[Z(2.4)]2 + +[Z(p.1)-Z(2..q)]2 [Z(p-1.q-2)-Z(2.2)]2 + [Z(1.3)]2 + [Z(3.q-2)-Z(p.q)]2 + [Z(3.q)-Z(p.2)]2 + +[Z(1. maka semi -variogram berdasarkan jumlah nilai semi -variance pada lag distance yang sama pada semua arah semi-variogram.1)]2 [Z(p-3.3)]2 + [Z(3.q-1)-Z(2.3)]2 + [Z(p.3)]2 + [Z(p.q-1)-Z(p.1)-Z(4.5)]2 + +[Z(p.1)]2 + [Z(2.1)-Z(2.q)-Z(3.1)]2 + [Z(3.5)]2 + [Z(3.6)]2 + +[Z(1.3)]2 + +[Z(1.q)]2 [Z(3.q)-Z(p.3)-Z(4.3)]2 + [Z(2.q)]2 + n(a) .2)-Z(p.3)]2 + [Z(3.2)]2 + [Z(2.3)-Z(p.2)-Z(1.1)-Z(p.4)]2 + [Z(p.2)-Z(p.3)-Z(6.2)]2 + [Z(3.1)-Z(p.3)-Z(2.2)]2 [Z(p-1.3)]2 + +[Z(1.2)-Z(p.1)-Z(2.3)-Z(4. (8) + + + + + + + + [Z(1.q)]2 [Z(2.q)-Z(6.1)-Z(4.1)-Z(2.3)-Z(p.q)]2 + [Z(2.3)]2 [Z(p-3.q)-Z(4.3)-Z(1..q)]2 [Z(p-2.1)]2 + [Z(3.2)]2 + +[Z(1.q)-Z(4.q)]2 [Z(2.2)]2 + [Z(3.2)]2 + [Z(3.3)]2 + [Z(2.q-3)-Z(p.1)]2 + +[Z(1.q)]2 + [Z(3.3)-Z(3.3)-Z(4.3)-Z(2.q-2)-Z(1.3)]2 + [Z(1.4)]2 + [Z(2.4)]2 + +[Z(1.1)-Z(3.2)]2 + [Z(p.1)-Z(5.3)-Z(5.q)-Z(p.1)-Z(p.q)]2}/ Semi-variance untuk lag distance c = 3 satuan ½{[Z(1.3)]2 + [Z(3.1)-Z(3.2)-Z(p.q)]2 + [Z(2.2)-Z(4.1)-Z(3.1)-Z(1.3)-Z(p.5)]2 + +[Z(3.q)]2 [Z(p.q)-Z(4. (10) + + + + + + + + [Z(1.2)-Z(6.2)-Z(3.4)]2 + [Z(3.q)]2 [Z(3.q)]2 + n(c) .3)]2 [Z(p-2.5)]2 + [Z(2.5)]2 + [Z(p.2)-Z(5.q-2)-Z(3.4)]2 + [Z(p.3)]2 + +[Z(1.q)]2}/ Semi-variance untuk lag distance b = 2 satuan ½{[Z(1.1)-Z(1.2)-Z(p.4)]2 + [Z(1.4)]2 + +[Z(3.4)]2 + +[Z(2.1)]2 + +[Z(1..1)-Z(3.1)-Z(6.q)]2 [Z(p-3.3)-Z(2.1)-Z(5.q)]2 + n(b) .1)]2 + [Z(2.3)-Z(p.1)-Z(4.1)]2 + +[Z(1. Semi-variance untuk lag distance a = 1 satuan ½{[Z(1.2)]2 + +[Z(1.3)]2 + [Z(2.q-1)-Z(1.3)-Z(3.1)]2 + [Z(2.q)-Z(5.3)-Z(3.2)-Z(p.2)]2 + [Z(2.3)-Z(3.2)-Z(3.2)-Z(2.q)]2 [Z(p.2)]2 + [Z(2.2)-Z(3.3)-Z(1.2)]2 [Z(p-2.Jika semi -variogram pada Gambar 29 bersifat isotropic .q)]2 [Z(2.1)-Z(p.3)-Z(3.4)]2 + [Z(1.1)]2 [Z(p-1.3)-Z(2.1)-Z(p.3)]2 + [Z(2.q-3)-Z(1.1)-Z(1.4)]2 + [Z(3.2)-Z(1.3)-Z(p.1)]2 + [Z(3.2)-Z(2.6)]2 + +[Z(2. (9) + + + + + + + + [Z(1.3)-Z(5.6)]2 + +[Z(p.2)]2 + [Z(2.5)]2 + +[Z(1.1)]2 [Z(p-2.

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

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

2000). Ilustrasi untuk masalah tersebut disajikan pada Gambar 33.624 MJ dan standar deviasi 2. Nilai T diestimasi berdasarkan nilai-nilai di sekitarnya. Pada plot tersebut terdapat satu lokasi yang tidak diambil sampelnya dengan notasi T. Gambar 33 Plot data nilai kalor (Clark dan Harper. Jarak grid pada plot tersebut adalah 150 m.0016h1. 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.458. Gambar 32 menunjukkan plot dari pengamatan nilai kalor yang mempunyai sebaran normal dengan nilai rata-rata 24.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. Untuk menyederhanakan pembahasan tersebut . Bentuk semi-variogram yang dihasilkan adalah linear tanpa nugget effect dengan bentuk persamaan ã(h)=0.25.

(14) . . bobot. + wmgm . (15) 17. Ilustrasi kriging dengan 5 sampel untuk estimasi.61w3 + 26.76w5 di mana w1 + w2 + w3 + w4 + w5 = 1 ...maka diambil lokasi tanpa sampel (T) dengan lima sampel yang mengelilinginya sebagai sampel untuk estimasi (Gambar 34). Nilai estimasi untuk T adalah T* = w1g1 + w2g2 + w3g3 + w4g4 + w5g5 = 21...62w2 + 25.86w1 + 25... .. 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 .80w4 + 23. (13) (12) Clark dan Harper (2000) secara umum merumuskan nilai estimasi. (a) nilai-nilai sampel (b) notasi umum Gambar 34.

T) + . g2) + w3w3ã(g3. 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. gm) +w3w1ã(g3..T) atau secara ringkas (16) + wmwmã(gm. g2) + wmw3ã(gm. . gm) +w2w1ã(g2. g1) + w2w2ã(g2.T) + 2w3ã(g3. g1) + w3w2ã(g3. g1) + w1w2ã(g1. g3) + + w1wmã(g1. gm) m mm óº 2 = 2 Ó wiã(gi. g3) + ã(T. g3) + + w3wmã(g3.T) Ó Ó wiwjã(gi . g1) + wmw2ã(gm. lokasi.T) + 2w2ã(g2. +wmw1ã(gm. gj) : nilai semi-variance pasangan sampel gi dan gj ã(T. Bobot dipilih untuk memberikan estimasi yang tidak bias dan untuk meminimalkan varian estimasi.T) .T) : nilai semi-variance pasangan sampel gi dan T ã(gi.T) w1w1ã(g1.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.. . g2) + w2w3ã(g2. (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. gm) . dengan nilai bobot diturunkan dari solusi sekumpulan persamaan yang ditentukan oleh semi-variogram.óº 2 = 2w1ã(g1. g2) + w1w3ã(g1. g3) + + w2wmã(g2. + 2wmã(gm. Sebagai penjelasan terhadap bobot selanjutnya dicontohkan estimasi lokasi tanpa sampel berdasarkan tiga sampel terdekat di sekitarnya sebagai sampel untuk estimasi (Gambar 35).

. 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) .Gambar 35 Ilustrasi kriging dengan 3 sampel untuk estimasi.T) + 2w3ã(g3..T) . g1) + w3w2ã(g3. g2) + w2w3ã(g2. g2) + w1w3ã(g1.62w2 + 25.T) + 2w2ã(g2.61w3 di mana w1 + w2 + w3 = 1 (18) (19) óº 2 = 2w1ã(g1. (22) Substitusi pada Persamaan 21 dari nilai semi-variance yang dihitung dengan Persamaan 22 untuk setiap pasangan sampel menghasilkan .86w1 + 25. g3) +w2w1ã(g2. g1) + w1w2ã(g1. (20) +w3w1ã(g3.T) w1w1ã(g1. g3) ã(T. (21) +w3w1ã(335) + w3w2ã(150) +w3w3ã(0) Semi-variogram dari Gambar 33 mempunyai persamaan sebagai berikut ã(h)=0.25 . g2.0016h1. Substitusi nilai g1. g2) + w3w3ã(g3. g1) + w2w2ã(g2. dan g3 pada Persamaan 14 menghasilkan nilai estimator T* = w1g1 + w2g2 + w3g3 = 21.

4204w3 = 0.131 óº 2 = 2 x 1.6798w3 = 0 ...8399w2w3 0 .5932w3 = 2...9954 w1w2 4.9954w2 + 4.4204w3 = 0.6798w2 = 1.6798w3 = 2.9954 maka diperoleh w1 + 0.5932w1 1.2966w3w1 + 0... (30) 3... w2.5932 maka diperoleh w1 + 0.5932w1 + 1.5906w2 + 1.6798 ¶w3 Selanjutnya 3..8399w3w2 + w3w3 x 0 óº = 2...6484 .2966w1w3 + 1. (27) Jika Persamaan (29) dibagi dengan 3.5932w3 = 0 . (26) 3.. (29) . (28) .9954w1 1.5906 3..6798 .5932 w1w3 1.5906w1 + 2..3657w2 = 0.2953w2 + 2 x 0. (31) Jika Persamaan (30) dibagi dengan 4.8399w3 2 w1w1 x0 + 1.3657 .3657w2 0.5906 4.5906 ¶w1 ¶óº 2 ¾¾ = 2.9977w1w2 2.9954w2 4.2953w1 + 2 x 1. (25) 4. (32) Eliminasi w1 antara Persamaan (32) dan (31) menghasilkan 0.2827 ..5906 ¶w2 ¶óº 2 ¾¾ = 1.6798w2w3 (24) Jika Persamaan 24 diturunkan terhadap w1. dan w3 maka diperoleh ¶óº 2 ¾¾ = 2..6798w2 = 0 .9954w1 + 1.6798w3 3. (23) + 2.9977w2w1 + w2w2 x 0 + 0. (33) .

4214 w3 = 0.3885 + ( 0.0623) + 0.1496w3 = +0.6484 0. dengan demikian nilai harapan untuk kesalahan estimasi menjadi E{0.6484 0.6484 0.0623 Substitusi w3 pada Persamaan 31 menghasilkan w1 + 0.4204w3 = 0.3657 maka diperoleh w2 1.7730) Substitusi w3 pada Persamaan 35 menghasilkan w2 w2 w2 w2 + = = = 1.6182 ( 0. dan w3 dijumlahkan maka diperoleh w1 + w2 + w3 = 0.3885 Jika w1.0556m . .6484 1.9954 maka diperoleh w2 + 1..6484 w1 = 0.7107 0.1496w3 ( 1.6182 = 0.4204w3 w1 = 0.1496w3 = 0.1496w3 = +0.1496w3) = +0.9444 Hasil penentuan bobot menunjukkan terdapat satu bobot bernilai negatif yaitu w2 ( 0.Jika Persamaan (33) dibagi dengan 0..1496 w3 0.6484 2. (36) .7730 (34) Jika Persamaan (22) dibagi dengan 3..9444m m} = 0. w2.2992w3 = 1. Hal ini dapat diinterpretasikan bahwa g2 tidak dikehendaki sebagai sampel estimator. (35) Eliminasi w2 antara Persamaan (35) dan (34) menghasilkan +1.6484 .0623) sehingga jika keseluruhan bobot dijumlahkan maka tidak sama dengan satu..

0556m = 0. dan arah semi variogr am berpengaruh pada bobot optimal dari estimator kriging (Issaks dan Srivastava.3885 + 2.9954 w1w2 4.62.6798w2w3 = 2. range.3885 x 21.36 = 22.5906 x 0.0556m = 22.0556m (38) Nilai m adalah rata-rata dari tiga sampel estimator (21.6182 3.36 sehingga diperoleh nilai estimasi untuk lokasi yang tidak diambil sampelnya adalah T* = 22. 25.0623 x 25.6182 1.0556 x 24.5906w2 + 1.6798 x ( 0.5932 x 0. (37) Selanjutnya estimator dikoreksi dengan + 0. bentuk semi-variogram.86 0. 1989).62 0.5906w1 + 2.61) yaitu 24. .86w1 + 25.73 + 0.3885 x ( 0.6798w3 3. Ilustrasi untuk hal tersebut disajikan pada Gambar 36 45. nugget effect.0623) x 0.09 MJ óº 2 = 2.61w3 + 0.73 + 1. Parameter semi-variogram seperti sill.5932 w1w3 1.6182 x 25.0556m untuk menjadikannya tidak bias sehingga diperoleh T* = 21.6182 = 0.0623) + 1.6798 x 0. 25.3885 x 0.73 + 0.133 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 .61 + 0.36 = 24.9177 óº = 0.0623) 4.96 MJ Setelah semi-variogram dibangun dan parameter-parameternya ditentukan. maka hasilnya dapat digunakan dalam kriging.5906 x ( 0.62w2 + 25.9954 x 0.86.

1989). 1989). 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. Gambar 38 Ilustrasi dua semi-variogram dengan bentuk berbeda (Isaaks dan Srivastava. .

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

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

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

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

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. 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. 1994).12 0. tetapi sama jika dibandingkan dengan nilai ratarata keempat kriging titik. walaupun peta-peta berbeda dalam tujuan dan penampilan.11 0.07 0.03 0. peta kontur yang dihasilkan kriging blok akan lebih halus dibanding yang dihasilkan kriging titik (Wallace dan Hawkins.60 0.14 0.05 0.03 0.14 0.08 45(a) 337 0.22 0.11 0. Menurut Maureen Caudill dalam Nelson dan Illingworth (1991).60 0.03 0. Neural network dikenal juga dengan nama-nama lain yaitu parallel distributed .12 0.07 0.09 0.56 0.62 0. Terutama sekali dimana ada substantial nugget effect.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 0.07 0.11 0. 3 Change of support Bagian ketiga dari geostatistika ini umumnya kurang digunakan dibanding semi-variogram dan kriging namun demikian penting. Neural Network Neural network merupakan bentuk baru perhitungan yang terinspirasi dari model biologis.17 0.11 0. Kedua jenis kriging tersebut dapat digunakan untuk memproduksi peta kontur. neural network adalah sistem perhitungan dari sejumlah elemen yang terhubung dengan baik yang mana memproses informasi dengan tanggapan dinamis terhadap masukan dari luar.12 337 0. 1991).17 0.60 0.03 0.61 0.08 (Sumber: Isaaks dan Srivastava.

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

Inc. Kajian tersebut tidak dapat dibandingkan karena bermacamnya perbedaan asumsi dan metode penghitungan biaya. Amerika Serikat merupakan negara yang telah banyak menerapkan teknologi precision farming . Diungkapkan bahwa precision farming tidak menguntungkan pada 5 kajian. Didapatkan bahwa average net return/acre pada pertanian konvensional adalah $146. Lowenberg-DeBoar dan Swinton (dalam UMN.000.000 -£15. menguntungkan pada 6 kajian. diantaranya Centre for Precision Farming (Inggris)... gambaran investasi awal dalam teknologi precision farming berkisar antara £10. sedangkan pada precision farming . dan Precision Agriculture Center (USA). Penelitian tentang precision farming telah banyak dilakukan di luar negeri. diantaranya KINZE Manufacturing. Pada tahun 1997. 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. Australian Centre for Precision Agriculture (Australia). Lembaga -lembaga studi dan pengkajian tentang precision farming juga banyak terdapat di luar negeri. Pada kajian yang lain. diantaranya adalah penelitian tentang keakuratan mesin pemupuk untuk precision agriculture (Goense. Tetapi jika yang menjadi target hanya pemupukan.Penelitian Terdahulu Teknologi precision farming telah berkembang dan banyak digunakan di luar negeri.93. Perusahaan yang memproduksi alat dan mesin untuk precision farming juga telah banyak berkembang di luar negeri. sedangkan Jepang dan Australia sedang dalam taraf penelitian dan pengkajian. dan Farmscan. maka titik impas menjadi lima tahun. Menurut Blackmore (1994). Precision Farming Institute (USA). Inc. 1997). 2005) mempublikasikan kajian ekonomi precision farming sebagai usaha menjawab pertanyaan apakah precision farming lebih menguntungkan dibanding pertanian konvensional. Agsco. Jika dengan teknologi precision farming semua masukan dapat dikurangi 10% maka titik impas untuk 200 ha lahan pertanian dapat dicapai dalam satu tahun.

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

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

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

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

neural network . SIG.pada bulan Agustus tahun 2006 di Sydney. dan SPK sebagai satu kajian menyeluruh. . Berdasarkan uraian-uraian di atas maka dapat diamati bahwa belum terdapat penelitian berkaitan dengan precision farming yang menggabungkan geostatistika. 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.

optimasi serta dapat diaplikasikan dengan komputer. Pendekatan sistem dicirikan oleh adanya suatu metodologi perencanaan atau pengelolaan. 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 . Langkah-langkah yang dilakukan dalam pendekatan sistem meliputi analisa kebutuhan. Pemerintah / Lembaga Standardisasi -mendorong tingkat produksi -mendorong kualitas gula -mendorong efisiensi dan efektivitas pemupukan -mendorong kelestarian lingkungan 2. formulasi permasalahan. Analisa Kebutuhan 1. Pendekatan sistem menggunakan model suatu abstraksi keadaan nyata ataupun penyederhanaan sistem nyata untuk pengkajian suatu masalah.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. Dalam penelitian ini digunakan pendekatan sistem karena sistem pemupukan dalam budidaya tebu terdiri dari berbagai gugus yang sangat kompleks. bersifat multidisiplin terorganisir. berpikir secara kualitatif. adanya penggunaan model matematis.

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

P. P. dan K) dan tanaman (N dan K) Kelebihan hara N. dan K dalam tanah Harga gula _ _+ _ + ++ _ _ _ + + _ _ _ + . 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.+ _ _+ _ + ++ _ _ _ + + _ _ _ + + DOSIS PUPUK N.

dan K dalam tanah Harga gula Batas Sistem Harga pupuk Gambar 48 Diagram lingkar sebab-akibat pendekatan precision farming dalam pemupukan N. P.+ DOSIS PUPUK N. P. 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. dan K) dan tanaman (N dan K) Kelebihan hara N. P. dan K pada budidaya tebu. . P. dan K dalam tanah Manfaat (benefit) Rendemen tebu Kadar gula Kekurangan hara N.

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

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

Selanjutnya hal tersebut dikemas dalam suatu Sistem Pendukung Keputusan agar pengambilan keputusan dapat efektif. P. Konfigurasi Sistem Pendukung Keputusan untuk pendekatan precision farming dalam pemupukan N. dan K pada budidaya tebu yang diteliti disajikan pada Gambar 50. Sistem Informasi Geografis Data tanaman dan Data tanah Sistem Pendukung Keputusan PENDEKATAN PRECISION FARMING DALAM PEMUPUKAN N.Pemodelan Kerangka pendekatan precision farming dalam pemupukan N. dan K pada budidaya tebu disajikan pada Gambar 51. 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. dan K pada budidaya tebu. P. P. . P.

P. 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. manfaat hasil gula. 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. 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. biaya produksi gula.MODEL HASIL TEBU Produktivitas Lahan MODEL GEOSTATISTIKA -Semi-variance -Nugget -Range -Variability (sill) -Kriging MODEL PEMUPUKAN Penentuan dosis pupuk N. keuntungan. P. dan K DATA TANAH .

manfaat hasil gula. dan K pada budidaya tebu. biaya produksi gula.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. . 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. 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. P. keuntungan.

yaitu data tebu. mode l geostatistika. dan data tanaman... 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. Z(x)]2 . . Sistem ini terdiri dari tiga model utama yaitu model hasil tebu. Model hasil tebu Pada penelitian ini tidak dimungkinkan dilakukan kegiatan penebangan. 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. (40) . dan model pemupukan. Sistem Manajemen Basis Model Sistem manajemen basis model terdiri dari model-model yang berfungsi mengolah data hingga akhirnya diperoleh informasi untuk mendukung pembuatan keputusan. (39) .Sistem Manajemen Basis Data Sistem manajemen basis data berfungsi untuk mengelola data yang diperlukan model. data tanah.

4) Z(1.3) Z(1.Z(4.Z(4.1) Z(2.3)}.4) Z(3.2). {Z(1. Jika semi-variogramdilakukan menurut arah sumbu x maka jalur/arah i dan jarak h pada Gambar 53 mengikuti baris q.4) merupakan regionalized variable yang secara geografis berada pada posisi baris 4 dan kolom 4.1)}.1). Sedangkan Z(4.2) Z(3. Jika suatu hamparan lahan digambarkan sebagai bidang yang dibagi dalam grid dengan p baris dan q kolom.2) Z(4.4) Z(2.Z(4. yaitu arah sumbu x. Gambar 53 Arah semi-variogram.1) q Gambar 52 Ilustrasi plot regionalized variable.3) Z(3. {Z(1. dan {Z(1.2)}.4) Z(4.4).4)}. p Z(1. n(h) = n(4). sumbu y. Semi-variogram dilakukan menurut 4 arah (Gambar 53).1) Z(4.2) Z(2.3).1) merupakan regionalized variable yang secara geografis berada pada posisi baris 1 dan kolom 1. dan diagonal.2) Z(1. Jumlah pasangan sampel dengan jarak 4 satuan.Ilustrasi regionalized variable secara sederhana dapat dijelaskan dengan Gambar 52.1) Z(3.3) Z(2.3) Z(4.Z(4. 2 . maka Z(1. adalah 4 pasang yaitu {Z(1. Semi-variance dihitung untuk setiap pasangan sampel pada masing-masing jarak 1 satuan.

Gambar 54 Semi-variogram (White et al. Jika semi-variogram dipengaruhi oleh jarak dan arah maka disebut bersifat anisotropic. sedangkan jika semi -variogram hanya dipengaruhi oleh jarak maka disebut bersifat isotropic.... 1997). dan 4 satuan.. 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 . (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) .. Pdt = Pdb hP Pt keterangan . Pembuatan plot antara semi-variance pasangan sampel dan jarak yang bersangkutan menghasilkan semivariogram (Gambar 54). Pada penelitian ini diasumsikan semi-variogram bersifat isotropic dan tidak dikaji interaksi hara (multivariate geostatistics )... (41) .satuan. 3 satuan.

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. Dari Gambar 55 dapat dipahami bahwa pemberian hara dapat meningkatkan atau menurunkan hasil tebu dan kadar gula. dan 240 kg/ha K2O yang mana N dan P2O5 diberikan pada pemupukan pertama. 80 kg/ha P2O5. . Sedangkan penentuan Ndb dan Pdb berdasarkan target hasil menggunakan model neural network . 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. 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. Untuk mencapai maksud tersebut maka dibuat model neural network dengan metode back propagation seperti disajikan pada Gambar 56. Asumsi untuk model ini adalah pemupukan kedua optimal dan lahan seragam. Pemikiran model pemupukan untuk pemupukan pertama didasarkan pada hubungan input-output seperti disajikan pada Gambar 55. 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. Pada penelitian ini tidak dikaji interaksi hara.

(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 .. Pdb ) (43) .... (45) .. Pdb ) rt = f ( Ndb .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.. Setelah diperoleh hubungan dari Gambar 56 maka target yang diharapkan dapat dinyatakan dengan persamaan : yt = f ( Ndb ..

Pemikiran model pemupukan untuk pemupukan kedua didasarkan pada hubungan hara yang diberikan dan hasil tebu yang diperoleh seperti disajikan pada Gambar 57. 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.Kdt = Kdb Kdn hK keterangan Kt . 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. (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. 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. Sedangkan penentuan Ndb dan Kdb berdasarkan target hasil menggunakan model neural network. Dengan . 80 kg/ha P2O5.

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.. Asumsi untuk model ini adalah pemupukan pertama optimal dan lahan seragam....... 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 ... (47) .. Untuk mencapai maksud tersebut maka dibuat model neural network dengan metode back propagation seperti disajikan pada Gambar 58. (48) .. Kdb ) rt = f ( Ndb . 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 ..

... (51) (52) n n n BJP= Ó JUreai * HUrea + Ó JTSPi * HTSP + Ó JKCli * HKCl i=1 i=1 i=1 LTS = JS * LS . (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) . (49) 55.Model Biaya 1 Biaya pemupukan Biaya (cost) pemupukan dihitung dengan menggunakan Persamaan 49 BP= (BAL+ BPS + BJP) / LTS . (53) n BPTaw = BP / {( Ó RTawi * Tawi ) / n} i=1 n BPTak = BP / {( Ó RTaki * Taki ) / n} i=1 keterangan . BAL= (HATN1 + HATN2 + HATP + HATK + HADN2 + HADK) * JS (50) BPS = (UPST + UPSD) * JS .

Sedangkan biaya di luar itu seperti upah tenaga pemupukan dan lain sebagainya dianggap sama untuk semua plot percobaan.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). biaya pengambilan sampel (BPS). sedangkan biaya lain di luar itu diabaikan. dan biaya jumlah pupuk yang digunakan (BJP). Fakultas Pertanian IPB yang mulai berlaku sejak tanggal 2 Februari 2006 yang dikutip dan disajikan sesuai kebutuhan penelitian ini seperti disajikan pada Tabel 8. Departemen Ilmu Tanah dan Sumber Daya Lahan. Biaya pengambilan sampel (BPS) hanya terdiri dari upah pengambilan sampel. Biaya jumlah pupuk (BJP) hanya terdiri dari biaya jumlah pupuk yang digunakan. sedangkan biaya lain di luar itu diabaikan. . sedangkan biaya lain di luar itu diabaikan. Biaya analisa laboratorium (BAL) hanya terdiri dari biaya analisa tanah dan daun. Harga analisa laboratorium untuk sampel tanah dan daun yang digunakan untuk perhitungan bersumber dari Laboratorium Kimia dan Kesuburan Tanah.

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 20.400.00).000.400.Tabel 8 Harga analisa laboratorium Jenis analisa Harga analisa per sampel (Rp) N 13. Luas satu blok diasumsikan 80 ha.00 Analisa tanah P 10.00 K 6.500.500.00 KCl kg 2.000. 2006) Upah pengambilan sampel diasumsikan Rp 280. TSP.000. Tabel 9 Harga pupuk Harga pada tanggal 9 Maret 2006 Jenis pupuk Satuan (Rp) Urea kg 1.00 (Sumber : PDKG.00 N 13. 2006) Harga pupuk Urea. PT GPM mendasarkan pengambilan 6 sampel/ha masing-masing untuk sampel tanah dan daun pada 3 petak yang mewakili tiap blok.00 TSP kg 1. 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 .000.00 Analisa daun K 6.800. Untuk itu jumlah sampel tanah dan daun (JS) masing-masing adalah 144 sampel pada Plot Percobaan C dan D. dan KCL yang digunakan untuk perhitungan bersumber dari internet seperti disajikan pada Tabel 9.00 (Sumber : Laboratorium Kimia dan Kesuburan Tanah Departemen Ilmu Tanah dan Sumber Daya La han Fakultas Pertanian IPB. Luas tiap petak yang mewakili blok diasumsikan 8 ha.

.98/kg).500.018.585.00 Rp 4.00/kg pada tahun 2005-2006 masih relevan dengan referensi bahwa biaya produksi gula di dalam negeri rata-rata Rp 3.200.2 Biaya produksi gula Biaya produksi gula dihitung dengan Persamaan 56 dan 57. . berdasarkan data sekunder produktivitas gula PT GPM pada tahun 2002 yaitu 6.170. 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 3.74 ton/ha). (56) (57) keterangan MHGTaw : manfaat dari perolehan gula pada taksasi awal (Rp/ton) .100.217.68/ton hasil gula (=Rp 329.000. Angka tersebut diperoleh dari asumsi bahwa biaya produksi gula secara keseluruhan adalah Rp 3.00/kg (Hidayati.981.170.02/kg.00/kg (keterangan dari PT GPM pada tanggal 8 April 2006 bahwa biaya produksi gula berkisar antara Rp 3. Asumsi biaya produksi gula sebesar Rp 3.91/ha atau Rp 329. MHGTaw = HG * 1000 MHGTak = HG * 1000 (58) (59) .500.00 Rp 3.000.32/ton gula yang dihasilkan (=Rp 3. 3 Manfaat hasil gula Manfaat (benefit) dari perolehan gula dihitung dengan Persamaan 58 dan 59.00/kg) dan kemudian dikurangi biaya pemupukan dengan dosis seragam yang diperoleh dari penelitian ini yaitu Rp Rp 2. 2004).

000.00/kg berdasarkan keterangan Direktur Bina Pasar Departemen Perdagangan RI (Gunaryo) yaitu bahwa pemerintah kemungkinan akan membuat harga patokan naik dari Rp 5.000. 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 ..0/kg tetapi masih di bawah Rp 6.500. 2006).MHGTak : manfaat dari perolehan gula pada taksasi akhir (Rp/ton) HG : harga gula (Rp/kg) Asumsi yang digunakan adalah harga gula sebesar Rp 6.00/kg (Sumber : Dtc-33. (60) (61) 5 B/C ratio B/C ratio dihitung dengan menggunakan Persamaan 62 dan 63. 4 Keuntungan yang diperoleh Keuntungan (profit) yang diperoleh dihitung dengan Persamaan 60 dan 61. 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) .

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

.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.

manual Plot Percobaan B-PF: dosis N dan P pendekatan precision farming dengan target produktivitas. mekanis PENGAMATAN PERTUMBUHAN VEGETATIF I B Gambar 59 Diagram alir tata laksana penelitian. 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.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. (lanjutan) . manual Plot Percobaan D-DS: dosis N dan P seragam rekomendasi dari PT Gula Putih Mataram. manual Plot Percobaan C-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.

HAMA. taksasi awal. manual Plot Percobaan E-PF: dosis N dan K pendekatan precision dengan rekomendasi pustaka. TAKSASI AKHIR. PENYAKIT. TAKSASI AKHIR. KADAR AIR TANAH. manual Plot Percobaan B-PF: dosis N dan K pendekatan precision dengan target produktivitas. kadar air tanah. TAKSASI AWAL. manual Plot Percobaan D-DS: dosis K seragam rekomendasi dari PT Gula Putih Mataram. manual Plot Percobaan D-DS: dosis K seragam rekomendasi dari PT Gula Putih Mataram.PENGAMATAN PERTUMBUHAN VEGETATIF II. hasil analisa kemasakan. manual Plot Percobaan B-PF: dosis N dan K pendekatan precision dengan target produktivitas. manual Plot Percobaan C-DS: dosis K seragam rekomendasi dari PT Gula Putih Mataram. gulma. dan biomassa tebu PENGAMATAN PERTUMBUHAN VEGETATIF II. BIOMASSA TEBU APLIKASI DOSIS PUPUK KEDUA Plot Percobaan A-PF: dosis N dan K pendekatan precision dengan rekomendasi pustaka. KADAR AIR TANAH. dan biomassa tebu C farming farming farming farming farming farming . 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. 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. taksasi akhir. kadar air tanah. BIOMASSA TEBU APLIKASI DOSIS PUPUK KEDUA Plot Percobaan A-PF: dosis N dan K pendekatan precision dengan rekomendasi pustaka. GULMA. TAKSASI AWAL. manual Plot Percobaan E-PF: dosis N dan K pendekatan precision dengan rekomendasi pustaka. taksasi awal. PENYAKIT. gulma. manual Plot Percobaan C-DS: dosis K seragam rekomendasi dari PT Gula Putih Mataram. HAMA. taksasi akhir. hasil analisa kemasakan. GULMA.

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

taksasi awal. jumlah anakan. kadar air tanah. pertumbuhan vegetatif. gulma. 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. taksasi akhir. 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. (lanjutan) . dan B/C ratio Gambar 59 Diagram alir tata laksana penelitian. tinggi batang. keuntungan yang diperoleh.C PEMBUATAN PETA INFORMASI LAHAN untuk mengetahui gambaran sebaran spasial hara tanah. manfaat hasil gula berdasarkan taksasi. biaya produsi gula. hara daun.

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

.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.

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.58 ha 3.07 ha 9.11 ha 5. 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 4.2 ha Kategori Ratoon 1 Ratoon 1 Ratoon 1 Ratoon 3 Ratoon 3 Varietas Tanggal kepras Perlakuan pemupukan GP 94-2027 26 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 .

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. .

B-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.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. C-DS) dan 2 bulan (Plot Percobaan D-DS dan E-PF). Setiap plot dibagi dalam sel-sel (grid sampling). Pengambilan sampel tanah I diambil pada umur tebu 1 Percobaan A-PF. ± 2m ± 2m : titik : titik pengambilan Gambar 70 Titik pengambilan sampel tanah pada setiap sel. . Gambar 69 Alur tanam ganda (double row planting). Pengambilan sampel tanah dilakukan dengan metode grid center. Sampel tanah diambil pada kedalaman 0-30cm (top soil ) dan soil).

. Analisa hara tanah I dilakukan untuk mengetahui jumlah hara N dan P yang tersedia di dalam tanah. JK) . sill. bentuk semi-variogram. (65) . dan cahaya matahari pada semi-variogram.. Sugar Group Company di wilayah PT Gula Putih Mataram. i = 1 . 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. JK (66) 1 ) . (64) keterangan Zi : nilai regionalized variable ke-i pada pengurutan i : nomor urutan (1 .. Analisa dilakukan berdasarkan model isotropik dengan asumsi tidak ada pengaruh kelerengan. Pada penenlitian ini tidak dikaji interaksi hara ( multivariate geostatistics). angin. Untuk dapat mengetahui tingkat keragaman spasial hasil analisa semivariogram maka dibuat klasifikasi keragaman spasia l dengan menggunakan Persamaan 64 68. nilai Q.. dan r2. effective range.4 Analisa hara tanah I Sampel tanah yang sudah diperoleh kemudian dianalisa di Group Agro Laboratory Division . 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 ) .

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

Rekomendasi tersebut sebagai hasil dari percobaan pemupukan . Rekomendasi pustaka yang digunakan adalah dari De Geus (1973) yaitu bahwa untuk menghasilkan 100 ton tebu per hektar diperlukan 200 kg/ha N. Dosis pupuk yang ditentukan meliputi dosis seragam (Plot Percobaan C-DS dan D-DS) dan dosis dengan konsep precision farming (Plot Percobaan A-PF. dan 240 kg/ha K2O. dan E-PF). Dosis seragam untuk Plot Percobaan C dan D ditentukan berdasarkan rekomendasi dari PT Gula Putih Mataram.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). Penentuan dosis pupuk dengan konsep precision farming dibedakan menjadi dua. 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). 80 kg/ha P2O5. B-PF.

27 46 63 92 180 GPM 1999 86.56 46 108 92 180 SIL 1997 73.20 18.60 73 69 58 180 GPM 1998 75.2 (Sumber: Thompson.28 16.40 54 108 92 150 SIL 2001 101.24 46 138 92 180 SIL 1996 81.25 18.55 15. Bulk density diketahui berdasarkan hubungannya dengan tekstur tanah seperti disajikan pada Tabel 14.64 16.4 Silt loam 1. Program ANN yang dipakai adalah Backpro2N yang telah dibuat oleh Rudiyanto dan Budi Indra Setiawan (2003).31 14.5 Loam 1.55 54 138 69 180 SIL 1998 75. 1957) .25 119 69 0 150 GPM 2000 64.78 18. Perhitungan dosis pupuk pertama untuk target produktivitas dengan program Artificial Neural Network (ANN) ber dasarkan data sekunder pada Tabel 13.06 46 108 69 150 SIL 2000 75. Tabel 14 Hubungan antara tekstur tanah dan bulk density Tekstur tanah Bulk density (g/cm3) Sand 1.26 123 138 0 150 SIL 1995 72.82 18.6 Sandy loam 1. Akurasi dari program ANN tersebut disajikan pada Lampiran 1.3 Clay loam 1.25 54 138 69 150 Perhitungan dosis pupuk pertama yang ditambahkan dilakukan dengan Persamaan 43 dan 44. Pupuk N yang dibutuhkan pada pemupukan pertama adalah setengah dari rekomendasi yaitu 100 kg/ha sedangkan setengahnya lagi diaplikasikan pada pemupukan kedua.30 18.45 46 63 92 180 SIL 1999 81.182 pada lahan tebu di Hawai dengan konsep pemupukan konvensional (dosis seragam) karena belum adanya konsep precision farming.60 15.32 17. 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.

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

8 Pengamatan pertumbuhan vegetatif I Pengamatan pertumbuhan vegetatif yang dilakukan meliputi pengamatan jumlah anakan.5 bulan untuk Plot Percobaan D-DS dan E-PF. Karena cara tanam pada penelitian ini adalah double row maka panjang juringan pengamatan adalah (10. B-PF. diameter batang. Pada setiap sel dalam plot percobaan. dan C-DS dan umur tebu 2.000m2 : 1. jumlah daun. . Pengamatan pertumbuhan vegetatif setelah pemupukan pertama dilakukan pada umur tebu 2 bulan untuk Plot Percobaan A-PF. dan C-DS dan umur tebu 2 bulan untuk Plot Percobaan D dan E.5 m. dan persentase gap. Pengamatan pertumbuhan vegetatif sebelum pemupukan pertama dilakukan pada umur tebu 1 bulan untuk Plot Percobaan A-PF. Gambar 72 Juringan pengamatan pertumbuhan vegetatif pada setiap sel. 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). B-PF. tinggi tanaman.8m) x 1000 = 5.

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

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

Gambar 76 Pengambilan sampel daun. C-DS) serta 4. Daun yang yang diambil adalah daun keempat sejumlah 40 helai daun (Gambar 76). 9½ bulan (Plot Percobaan D-DS dan E-PF). 10 Analisa hara tanah II dan hara daun Sampel tanah dan daun yang sudah diperoleh kemudian dianalisa di Laboratorium Analisis Tanah dan Tanaman. Sampel tanah II diambil pada umur tebu 3 bulan (Plot Percobaan A-PF. B-PF. Bandar Lampung karena kerusakan peralatan laboratorium . Sampel daun diambil pa da umur tebu 3. dan 9½ bulan (Plot Percobaan A-PF. Sementara itu untuk sampel daun diambil di bagian tengah sel. Jurusan Tanah. C-DS) dan 4 bulan (Plot Percobaan D-DS dan E-PF). B-PF. Universitas Lampung. yaitu di sekitar juringan pengamatan kedua. Fakultas Pertanian.9 Pengambilan sampel tanah II dan daun Cara dan lokasi pengambilan sampel tanah II sama dengan pengambilan sampel tanah I. 6. 6½.

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

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

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

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

03 awal dan akhir pada Plot Percobaan ton tebu/ha dan produktivitas Plot ton tebu/ha). biaya produksi gula dengan Persamaan 54 57. tinggi batang. dan diameter batang) terhadap waktu untuk menganalisa pengaruh pemupukan terhadap kecenderungan pertumbuhan vegetatif.17 Analisa biaya Analisa biaya dilakukan untuk menghitung biaya pemupukan dengan Persamaan 49 53. model spasial.0. awal dan akhir pada Plot Percobaan ton tebu/ha dan produktivitas Plot ton tebu/ha). 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 (75.57 ton tebu/ha). jumlah anakan. manfaat hasil gula dengan Persamaan 58 59. Program komputer dibuat dengan bahasa Delphi 7. B-PF terhadap target Percobaan B-PF pada C-DS terhadap target Percobaan C-DS pada . keuntungan yang diperoleh dengan Persamaan 60 61. Pembuatan program komputer yang dapat mengolah secara terpadu model hasil tebu. 19 Analisa pertumbuhan vegetatif Pembuatan grafik hubungan respon perlakuan pemupukan terhadap pertumbuhan vegetatif (jumlah daun. 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. model pemupukan. b Rata-rata taksasi produktivitas 110 tahun 2002 (85. model geostatistika.42 Rata-rata taksasi produktivitas 100 tahun 2002 (78. dan model biaya. dan B/C ratio dengan Persamaan 62 18 Pembuatan program terpadu 63.

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. maka Ho ditolak dan Ha diterima Nilai ttabel dicari pada tabel distribusi t.5%). B-PF. 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. 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. maka Ho diterima dan H a ditolak -jika a < 0.05. h Rata-rata kadar gula awal dan akhir pada Plot Percobaan D-DS dan E-PF terhadap target kadar gula 20%. D-DS.05. C-DS. i Rata-rata rendemen awal dan akhir pada Plot Percobaan A-PF. maka Ho diterima dan H a ditolak -jika ± thitung > ± ttabel. tetapi karena uji t bersifat dua sisi maka nilai a yang dirujuk pada tabel t . 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. yaitu pada taraf kepercayaan 95% (a = 5%. 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 (16.5%). dan E-PF terhadap nilai rendemen 10%.5%).

145 E-PF 45 44 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. B-PF.025 2.040 C-DS 16 15 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.adalah a /2= 0.05/2= 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. C-DS. Berdasarkan pencarian pada tabel distribusi t dan interpolasi yang dilakukan maka diperoleh nilai t tabel seperti disajikan pada Tabel 15.025 2.025) dan derajat bebas (df) = n-1. 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. D-DS.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 2.025 2.131 D-DS 15 14 0.025 2.

05. maka Ho ditolak dan Ha diterima b nilai F -jika Fhitung < Ftabel. maka Ho diterima dan Ha ditolak -jika probabilitas < 0.05. maka Ho diterima dan Ha ditolak -jika probabilitas < 0. Uji lanjut One Way ANOVA Pengambilan keputusan berdasarkan nilai probabilitas -jika probabilitas ³ 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. maka Ho diterima dan Ha ditolak -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 2.0. . Ringkasan diagram alir tata laksana penelitian disajikan pada Gambar 81.4356 (hasil interpolasi).05. maka Ho ditolak dan Ha diterima Analisa dan interpretasi keluaran dari ketiga metode di muka dilakukan dengan menggunakan piranti lunak SPSS 13. Jika asumsi homogenitas varian terpenuhi maka uji One Way ANOVA dapat dilanjutkan.05. sedangkan tabulasi analisa data disajikan pada Tabel 16.

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. .

r2 dari masingmasing peubah keragaman spasial hara tanah. 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. 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.Tabel 16 Tabulasi analisa data Keluaran No. hara daun. effective range. hara daun. Q. bentuk. sill. dan pertumbuhan vegetatif Persentase penutupan gulma (%) Kadar air (%) .

hara daun. hara daun. Tujuan Peubah / Parameter Model Analisa Metode yang Tujuan umum diharapkan Menentukan klasifikasi keragaman 1b spasial hara tanah.Tabel 16 Tabulasi analisa data (lanjutan) Keluaran No. dan pertumbuhan vegetatif Jumlah tebu roboh Persentase penutupan Kadar air (%) gr tanah) kering) kering) gulma (%) . 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.

hara daun.0 Peta kontur dari masing-masing parameter hara tanah. 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. dosis pupuk. 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. hara 1c daun.

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

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

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 .Tabel 16 Tabulasi analisa data (lanjutan) No.

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 .

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.Tabel 16 Tabulasi analisa data (lanjutan) Keluaran No. 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 .

Produktivitas HASIL TEBU lahan SPASIAL Peta Biaya BIAYA pemupukan (fertilizer cost) Analitis Overlaypeta kontur dan spasial dengan ArcView 3.3 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 .

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 .Tabel 16 Tabulasi analisa data (lanjutan) No.

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 .

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 gula. kadar air. rendemen. dan taksasi .Tabel 16 Tabulasi analisa data (lanjutan) Keluaran Peubah No.

03 . 85.Tabel 16 Tabulasi analisa data (lanjutan) Keluaran Peubah No. Taksasi (ton/ha) .42 perbedaan rata taksasi. 110 . 100 rata setiap peubah ---dan rendemen Kadar gula (%) Uji beda nyata -ton/ha terhadap nilai terhadap nilai Rendemen (%) Kadar gula= 16. Tujuan Model Analisa Metode yang Tujuan umum Parameter diharapkan One sample t-test Melakukan uji beda Pembanding : Signifikansi nyata rata-rata Taksasi=75.5 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 . kadar gula.57 . 78.

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 .

Kabupaten Lampung Tengah. dan (4) mampu menunjang dan mewujudkan upaya peningkatan kondisi sosial ekonomi masyarakat sekitar lingkungan perusahaan. Batas-batas areal PT GPM di sebelah Selatan dan Timur adalah areal perkebunan tebu milik PT Gunung Madu Plantations dan areal milik Inhutani. dengan penanaman tebu pada keseluruhan areal efektif sampai Juli 2002 seluas ± 25. Letak geografis PT GPM adalah 105°26 18 -105°30 22 dan 4°42 5 LS. Propinsi Lampung dengan kantor pusat di Jakarta. dan di sebelah Barat bagian Selatan adalah areal perkebunan milik PT Indo Lampung Perkasa (Gambar 82). SH. (3) ikut serta menggali potensi pengalaman dan pengetahuan tentang budidaya tebu di lahan kering. 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. (2) berusaha mendayagunakan lahan yang kurang produktif menjadi lahan produktif. Areal berbentuk Site (Remote Area) berjarak ± 144 km dari Bandar Lampung. di sebelah Barat bagian Utara dan Utara adalah Sungai Way terusan dan areal perkebunan tebu milik PT Sweet Indo Lampung. PT GPM didirikan dengan akta notaris Imas Fatimah. Kecamatan Seputih Mataram. berbe ntuk perseroan terbatas (PT) swasta penuh dengan status penanaman modal dalam negeri (PMDN). Keadaan topografi areal PT GPM mulai dari datar sampai bergelombang dengan kemiringan 0 8 %°. Pembangunan pabrik PT GPM dimulai pada bulan Juni 1986 dan selesai pada . Ketinggian tempat antara 32 37 meter di atas permukaan laut. PT GPM terletak di Wilayah Mataram Udik. nomor 33 tanggal 21 April 1988 dan surat izin nomor 064/SITU/BKPMD/II/1988. Perkebunan tebu PT GPM mulai dibangun tahun 1983.000 hektar.HASIL DAN PEMBAHASAN Keadaan Umum Lokasi Penelitian PT Gula Putih Mataram (PT GPM) merupakan perusahaan yang mengelola perkebunan tebu dan pabrik gula.

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

893 1.072.063.960.321 79.307 1.21 17.008 1.402 80.5 17.305 1. Sejak tahun 1994.78 8.1 17.2 6.953 77.377 83.2 16.9 4.30 23.0 16.780.53 4.260.938 72.1 17.0 113.80 22.954 13.2 .20 23.0 4.8 5.926.8 5.425 65.898.998 21.8 60.142 90.077 111.548.808.900.5 5.788.0 12.5 8.278 22. Pada bulan Agustus 1987 mulai dilakukan percobaan giling tanpa beban.846 1.152 1.711 103.172 221.774 15.373 76.1 8.113 89.792 73.70 24.621 21.6 110.2 18.959.38 18.83 23.613.029.500.216 20.7 12.7 6.084.2 65. 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 --1.371.14 16.3 66.131 2.572 81.888 16.427 92.7 6.290 22. Pabrik dioperasikan secara penuh dan memproduksi gula untuk pertama kalinya pada bulan Desember 1987 dengan kapasitas giling 8000 ton tebu perhari.266 88.945 1.034 182.245 80.4 4.0 6.3 6.7 5.97 13.354 1.153 17.450.04 17.72 2.1 26.38 6.00 22.339 69. Luas areal tanam dan produksi PT GPM tahun 1984 2002 disajikan pada Tabel 17.885.4 16.0 10.893 1.108 1.961 1.612.747 1.227 80.512 17.33 24.693 16.060 1.bulan Juli 1987.000 ton tebu perhari.3 4.8 5. kapasitas giling pabrik ditingkatkan menjadi 10.703.5 13.2 18.254 481.529 1.389 20.275 1.150 82.77 17.021.000 12.8 6.2 7.070.165.6 66.197 3.2 4.278 21.189 16.151 6.19 18.6 4.

65 10. 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 .1 9.18 11.794.0 164.5 4.5 162.82 16.686.1 7.0 7.4 184.9 8.2 6.0 8.2 151.97.5 (Sumber: Divisi PAS Plantation Department GPM.8 157.992. 2003) Kebun di PT GPM terdiri atas blok-blok dengan luas 70-80 ha perblok yang dibagi menjadi 10 petak.66 14.39 11.2 5.53 12.612.387.8 6.0 6.6 9.043.8 8.4 100.0 7.9 8. luas satu petak rata-rata 7-8 ha.4 6.46 10.74 11.768.127.8 9.3 135.

454 mm.49 Mg-dd me/100g 0.07 0. Replanting Cane (RPC).17 4.37 H-dd me/100g 0.76 5.4 km/jam.70 5.56 50.08 0.0 ). 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 -5.79 11.1° C.46 5.16 0.78 0.00 12.57 10.30 5.08 0.09 C/N -11.16 0.24 9.93 0.16 0.97 1. Replanting Cane adalah tanaman tebu yang ditanam pada areal tanaman tebu 2001 . Berdasarkan hasil analisis tanah tahun 1998 2001.79 -TS = topsoil . SS = subsoil (Sumber: Soil & Plant Laboratory -R&D GPM Group .16 0.19 Al-dd me/100g 0. Divis i 5 (Inti dan Plasma).68 4.48 0.89 0.16 0.93 0.29 0. 2003) PT GPM beriklim tropis yang memiliki dua musim.29 56. Suhu rata-rata bulanan 29.45 0. Riset dan Pengembangan (R & D).5 jam/hari.08 0.07 4.82 -N % 0.84 9.37 C-Organik % 1.92 56.00 1.89 0.08 0.25 4. tanah memiliki keasaman yang tinggi (pH < 5. Kecepatan angin rata-rata 3.72 1.28 0. Pada umumnya tanah di PT GPM didominasi oleh tanah Ultisol yang memiliki sifat kimia kurang baik.96 0. yaitu musim hujan dan musim kemarau.09 Ca-dd me/100g 0.92 0.91 13.92 K-dd me/100g 0. dan Ratoon Cane (RC). dan miskin unsur hara (Tabel 18).39 0.5).92 0. Divisi 3.88 0. Areal tanam dibagi menjadi Divisi 1. Tipe iklim di PT GPM menurut Schmidt dan Ferguson termasuk tipe B dengan curah hujan bulanan 204.25 4.17 0. Kelembaban relatif rata -rata bulanan 75%.84 0. Divisi 2. bahan organik rendah ( < 2.27 0.54 0.76 0.saluran drainase yang dalam.46 0.71 4.22 0.98 8. Divisi 4.15 0.47 0.81 8. Antar blok maupun antar petak dipisahkan oleh jalan.36 0.62 4. Lama penyinaran rata-rata 5. Tanaman tebu yang dibudidayakan di PT GPM terdiri atas tiga kategori yaitu Plant Cane (PC).53 9.98 0.30 0.28 0.39 0.78 0.10 4. dan areal perencanaan.15 0.00 6.44 10.69 4.47 13.11 0.5 mm dan curah hujan rata -rata tahunan 2.88 KTK -9.14 0.29 4. Plant Cane adalah tanaman tebu yang pertama kali ditanam di areal yang baru dibuka.32 0.25 -P-Total ppm 50.37 4.85 pH KCl -4.17 0.80 5.

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

43 13.62 PolKualitas --17.89 14.37 14.36 Bobot/batang (kg)Agronomi --1.92 85.17 Jumlah anakan tiap rumpun 3 4 4 5 ------Jumlah daun tiap batang 8 10 8 9 ------Kerobohan (%) --42.94 97.06 85.78 16.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) 2.22 94.80 89.40 15.68 1.96 11.00 1.04 Rendement 8 9.60 13.19 8.44 87.36 2.56 17.64 17.02 116.5 2.13 8.09 7.66 2.88 1.5 2.13 146.47 Purity --89.50 10.26 9.66 2.75 3.88 -Karat Daun (%) Noda Cincin (%) Hama dan Penyakit - .12 Ton tebu per hektar (TCH)Produksi Ton gula per hektar (TSH) 86 102 8 10.70 140.43 9.50 Pembungaan --43.69 1.75 1.30 160.49 9.68 16.13 14.02 9.98 81.00 12.6 19.46 1.7 2.50 78.69 2.23 83.77 --0.55 Ketahanan Sedang Sedang ------Ringkai Daun (%) --0.32 8.15 8.92 7.3 2.06 132.54 1.00 -94.00 -0.00 -Brix --19.49 9.45 19.13 4.35 18.38 1.62 2.60 9.36 2.46 17.19 88.95 10.

70 0. 2003) Catatan: GP = Gula Putih Mataram .24 Stem Borer (%) ---37.76 0.94 3. TC = Tebu Cuping Ma laysia .33 0.75 (Sumber: R&D PT Gula Putih Mataram.51 Noda Kuning (%) --0.22 --3.20 31.1.13 1.16 0.44 1.76 2. ROC = Republic of China .89 0.80 --14.74 3.79 Top Borer (%) ---1.

158 Tabel 20 Data produksi beberapa petak lahan tebu di PT Gula Putih Mataram.67 15.70 19.89 ROC 15 RPc .91 17.55 18.42 -1996 84.14707 R2 99.56 PS 84 .50 85.14 707 R2 1997 95.95 15.24 86.42 19.66 19.36 17.39 89.19 87.03 19.72 18.35 18.89 ROC 15 RPc 64. dan PT Indo Lampung Perkasa Tahun 1993 2002 PT Gula Putih Mataram Tahun Petak 56 TU 3 .27 86. luas 4.69 16.09 19.78 18.24 86.28 19.71 16.93 ROC 11 R2 2000 71.55 17.71 16.55 17.36 17.89 ROC 15 RPc 2001 65.35 ROC 11 R1 75.82 ha Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori 1993 -----------1994 -----------1995 -17.45 GP 94-2027 RPc 85.58 ha Petak 58 TU 3 .64 19.35 ROC 11 R1 64.56 PS 84 .69 16.50 85.05 18.19 87.57 88.42 ---17. luas 3.14707 R2 110.55 17.67 15.82 ROC 11 RPc 88.24 86. PT Sweet Indo Lampung.82 ROC 11 RPc 1998 56.91 19.32 85.42 -68.27 86.71 16.31 16.27 86.36 17.85 ROC 15 R1 66.11 ha Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori -----------17.69 16.85 ROC 15 R1 2002 78.39 19.45 17.32 85.31 16.45 GP 94-2027 R Pc Petak 60 TU 3 .57 88.39 89.19 87.92 87.39 89.26 16.82 ROC 11 RPc 85.93 ROC 11 R2 62. luas 5.31 17.32 85.57 88.95 15.02 19.56 PS 84 .35 ROC 11 R1 1999 61.93 ROC 11 R2 86.67 15.26 16.95 15.72 18.92 87.

42 88.89 88.29 16. 99 88.43 17.17 19.88 17.40 88.65 ROC 15 R2 78. luas 7.84 ROC 11 2002 -----------(Sumber: R&D PT Gula Putih Mataram.40 ---ROC 11 R1 -----1995 72.60 16.08 ROC 22 RPc 96.09 ha 1993 92.45 89.92 87.31 16.02 16.05 ROC 11 2000 75.13 19.20 19. R&D PT Sweet Indo Lampung. 2002) .26 16.18 17.68.08 89.86 ROC 15 RPc -----1999 81.78 19.32 18.50 88.05 ROC 11 R2 -----1996 81. dan R&D PT Indo L ampung Perkasa.80 Sil 03 RPc -----1997 73.85 17.30 ---ROC 11 PC -----1994 85.57 19.19 88.66 87.45 GP 94-2027 RPc Tahun PT Sweet Indo Lampung PT Indo Lampung Perkasa Petak 44 E 45 .49 16.25 19.27 19.50 85.64 14.29 ROC 11 2001 101.60 19.80 ROC 15 R1 133. luas 9.30 19.85 ROC 15 R1 75.12 84.81 Sil 03 R1 -----1998 75.39 17.41 17.82 19.36 ha Petak 259 A 24 .

13 132TU007 R1 TC 04 98. ketersediaan pupuk di pasaran. dan lebih mempertimbangkan faktor efisiensi.68 133TU003 R1 TC 04 89. Aplikasi pupuk di PT GPM dikenal dua cara yaitu pemupukan sekali dan bertahap.31 132TU004 R1 TC 04 86.41 ton/ha dengan koefisien variansi 14. 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 86.79 132TU010 R1 TC 04 103.65 133TU001 R1 TC 04 90.64 134TU002 R1 TC 04 101.04 133TU002 R1 TC 04 91.97 134TU010 R1 TC 04 92. dilaksanakan karena adanya keterbatasan alat. Pemupukan sekali lebih .14 133TU005 R1 TC 04 69.82 133TU004 R1 TC 04 84.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. Jenis tana h pada keseluruhan lahan tebu adalah seragam yaitu Podsolik Merah Kuning (Ultisol).45 133TU007 R1 TC 04 68.33 133TU006 R1 TC 04 84.10 (Sumber: Departemen Tanaman PT Gula Putih Mataram. 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.41 Koefisien Variansi (%) 14.00 Rata-rata produktivitas lahan tebu (ton/ha) 86.78 133TU010 R1 TC 04 85. Pemupukan sekali merupakan pemberian pupuk dengan sekali penambahan.1%).

0 bulan. SP 36(36% P2O5). dilaksanakan setelah penggemburan (± satu minggu setelah tebang) dengan dosis pupuk seragam untuk keseluruhan petak lahan tebu. Pupuk yang digunakan di PT GPM terdiri atas beberapa jenis. . pemupukan kedua dilaksanakan setelah penggemburan. 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. tetapi yang paling banyak digunakan adalah Urea (45% N). Analisa tanah dimulai dengan pengambilan sampel tanah sebanyak enam lubang perhektar pada tiga petak yang mewakili setiap blok. Standar hara tanah yang digunakan di PT GPM disajikan pada Tabel 22. Pada tanaman baru. Untuk masing-masing sampel dilakukan pencampuran dan diambil 1. Penentuan dosis pupuk di PT GPM didasarkan pada analisa tanah dan daun. Pemupukan bertahap merupakan penambahan pupuk secara bertahap berdasarkan pertimbangan sifat dari pupuk yang diberikan dan faktor-faktor lain seperti iklim dan cara kerja peralatan. sedangkan untuk tanaman ratoon dilaksanakan setelah pengendalian gulma pra tumbuh dengan cara ditempatkan di dalam larikan di antara barisan tanaman tebu. dilaksanakan pada awal penanaman (pemupukan pertama) dan pemupukan kedua dengan dosis pupuk yang juga seragam untuk keseluruhan petak lahan tebu. Kedalaman sampel dibedakan menjadi 0-25 cm untuk lapisan top soil dan 25-50 cm untuk lapisan sub soil.banyak diterapkan pada tanaman ratoon. Sedangkan pemupukan kedua dilaksanakan pada saat tanaman berumur 1.5 kg.5 2. Sampel tanah tersebut dikeringkan dan dihaluskan untuk dianalisa. dan KCl (60% K2O). Pemupukan pertama dilaksanakan setelah pembuatan alur tanaman dan sebelum penanaman bibit dengan cara sebar di sepanjang alur tanam dan kedalaman 5 10 cm.

P (ppm) -< 17 17 34 > 34 -Bray I tanah asam) (NH4F + HCl) Brooker Tropical So il Manual. B (ppm) 0 0.1 0.15 0. 1991 4.55 0. Wolf) Soil Testin g.5 > 8.2 1. Al/CEC (%) -< 30 60 85 > 85 -Calculation Brooker Tropical Soil Manual. 1984 9.50 0. 1991 (Sumber: Soil & Plant Laboratory R&D GPM Group.9 10 20 > 20 NaOAC.51 1. Wolf) Soil Test ing.0 > 0. 1991 14.Tabel 22 Standar penggolongan kandungan hara tanah di PT Gula Putih Mataram No. 1984 11.2 0.55 1.5 0.30 0. Unsur hara Sangat rendah (kurang) Rendah (miskin) Sedang (cukup) Tinggi Sangat tinggi (Berlebih) Metode analisis Sumber acuan 1. Wolf) Soil Tes ting. Exch.0 1.5 > 0.25 > 1.9 10 20 > 20 NaOAC.5 -NH4 OAC 1N pH = 7 Brooker Tropical Soil Ma nual.2 1. DTPA (Morgan.1 Kjedahl Brooker Tropical Soil Ma nual. DTPA (Morgan.50 > 0. Cu (ppm) 0 0.50 -NH4 OAC 1N pH = 7 Brooker Trop ical Soil Manual. DTPA (Morgan.3 5 5.2 0. 2003) .5 7 7 8. 1991 6. 1991 3. Mn (ppm) 0 1. Wolf) Soil Tes ting.25 -NH4 OAC 1N pH = 7 Australian Sugar Can e Nutrition Manual 5.2 1.6 1. C-org (%) < 2 2 4 4 10 10 20 > 20 Walkley & Black 12.9 1.5 9.4 2.15 0.1 0.2 0. DTPA (Morgan. 1984 7. Na?CEC (ESP) (%) 2 10 10 20 20 40 40 60 -Calculation Brooker Tropical Soil Manual. CEC (me/100g) < 5 5 15 15 25 25 40 > 40 NH4 OAC 1N pH = 7 13.9 10 20 > 20 NaOAC.5 5. 1991 15.5 PH Meter Brooker Tropical Soil Manual. Ca (me/100g) -< 0. 1984 10. DTPA (Morgan.31 0.4 2. Exch. pH -< 5.5 9.21 0.4 2. Zn (ppm) 0 1. K (me/100g) < 0.5 9.3 2. 1991 2.2 1. 1984 8. N (%) < 0. Fe (ppm) 0 1.3 2.5 0. Wolf) Soil Tes ting.3 2. Mg (me/100g) -< 0.4 0.1 10 > 10 NaOAC.9 2 4 > 4 NaOAC.

60 4.21 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. Sampel dikeringkan dan dihaluskan untuk dianalisa. Sampel daun diambil dari petak yang mewakili blok secara zig-zag.60 1. dengan demikian pada penelitian ini akan dikaji lebih lanjut keragaman di dalam petak (within-field variability ). Mn (ppm) 20 200 -10. Setiap lembar daun sampel dilipat dua.30 0. dan tulang daun dihilangkan. dipotong 10 cm.20 -5. K (%) ODM 1. Tabel 23 Standar hara daun di PT Gula Putih Mataram Nilai Optimum pada umur (bulan) No.30 0. Keragaman yang terdapat pada Tabel 17 di muka merupakan keragaman antar petak (between-field variability).2 2.35 -6.21 1.65 2. P (%) ODM 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 0. Standar hara daun yang digunakan di PT GPM disajikan pada Tabel 23.60 1.18 0. N (%) ODM 2. Fe (ppm) 80 100 -7.08 0. Setiap sampel membutuhkan 40-50 lembar daun plus satu.0 2. Cu (ppm) 4 15 -8.21 0. .21 0.30 3.6 2. Mg (%) ODM 0.2 1. Zn (ppm) 15 50 -9. B (ppm) 6 29 -( Sumber: Soil & Plant Laborator y R&D PT GPM.20 1.21 1.Analisa daun dilaksanakan setiap bulan mulai tanaman berumur dua bulan sampai menjelang panen. Unsur hara 3 4 6 10 1. Ca (%) ODM 0. Sedangkan dosis pupuk yang diterapkan di PT GPM disajikan pada Tabel 24.

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.Tabel 24 Dosis pupuk yang diterapkan di PT Gula Putih Mataram.

Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF yaitu 0. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF dengan nilai Q tertinggi yaitu 0. Beberapa hasil ilustrasi semi-variogram ditampilkan pada Gambar 83 94.087. 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. C-DS. Implikasi dari hal ini adalah bahwa pengamatan selanjutnya dapat dilakukan secara acak. 0. sedangkan tingkat keragaman Plot Percobaan A-PF paling jelek yaitu sedang. Tingk at keragaman spasial Plot Percobaan A-PF menunjukkan yang paling baik yaitu cukup rendah. Implikasi dari hal ini adalah bahwa ukuran pengamatan selanjutnya dapat dibuat lebih besar dari 25 m. Sementara itu jika dilihat pada pada pengamatan akhir N top soil diketahui Plot Percobaan B-PF. dan C-DS menunjukkan ketergantungan spasial dengan R2 yang besar. .Keragaman Spasial Analisa keragaman spasial menghasilkan parameter semi-variogram dan klasifikasi keragaman spasial yang disajikan pada Tabel 24 42. Berdasarkan keterangan di atas. Sementara itu Plot Percobaan A-PF. dan 0.96. B-PF. Tingkat keragaman spasial Plot Percobaan B-PF menunjukkan yang paling baik yaitu cukup rendah. Ukuran efektif pengamatan untuk Plot Percobaan A-PF. dan C-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). dan D-DS tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0. B-PF.161.246 dan 0. Ukuran efektif pengamatan untuk Plot Percobaan A-PF dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m).943. 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 0.239.

Tingkat keragaman spasial Plot Percobaan B PF menunjukkan yang paling baik yaitu cukup rendah. Struktur spasial Plot Percobaan B-PF tinggi yaitu 0. Ukuran efektif pengamatan untuk Plot Percobaan B-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Struktur spasial yang paling kuat ditunjukkan ole h Plot Percobaan A-PF yaitu 1. Ukuran efektif pengamatan untuk Plot Percobaan A-PF.032 dan 0.064. Struktur . Unsur hara daun Pengamatan awal hara daun N pada Tabel 26 menunjukkan bahwa pada Plot Percobaan A-PF.928. B-PF. 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. 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. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). 0. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF yaitu 1.143.046.139 dan 0. D-DS. D-DS. Tingkat keragaman spasial Plot Percobaan A-PF dan E-PF menunjukkan yang paling baik yaitu agak rendah. 0. dan E-PF diketahui tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0.4 m menjadi 96. dan D-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). 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. Berdasarkan keterangan di ata s.115. tetapi hal ini masih lebih baik karena meningkatkan ukuran efektif pengamatan dari 81.7 m. C-DS. Ukuran efektif pengamatan untuk Plot Percobaan APF. Tingkat keragaman spasial Plot Percobaan B PF menunjukkan rendah. dan 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 0.003 dan 0.

C-DS. Ukuran efektif pengamatan untuk semua plot percobaan yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). 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. dan D-DS yang diperoleh lebih besar dari yang dila kukan pada penelitian ini (25 m). Struktur spasial yang paling kuat ditunjukkan o leh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0. Ukuran efektif pengamatan untuk Plot Percobaan A-PF.999.3 m menjadi 150. tetapi hal ini masih lebih baik kare na meningkatkan ukuran efektif pengamatan dari 86.077. 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 . 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. Berdasarkan keterangan di atas. Ukuran efektif pengamatan untuk Plot Percobaan B-PF. Sementara itu pengamatan jumlah anakan tebu sesudah pemupukan pertama pada Tabel 27 (periode pengamatan II untuk Plot Percobaan A-PF. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan C-DS dengan nilai Q tertinggi yaitu 0.spasial yang paling kuat ditunjukkan oleh Plot Percobaan C yaitu 0.4 m. Berdasarkan keterangan di atas. 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.999. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). B-PF. B-PF. Tingkat keragaman spasial Plot Percobaan C-DS menunjukkan yang paling baik yaitu rendah. B-PF.89. Jumlah anakan tebu (populasi tebu) Pengamatan jumlah anakan tebu sebelum pemupukan pertama pada Tabel 27 (periode pengamatan I untuk Plot Percobaan A-PF. Tingkat keragaman spasial Plot Percobaan C-DS menunjukkan yang paling baik yaitu amat sangat rendah.

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

. dan C-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m).072. Di samping itu jika dibandingkan dengan produktivitas Plot Percobaan B-PF pada tahun 2002 dengan dosis seragam dihasilkan 85.999. Tingkat keragaman spasial Plot Percobaan B-PF menunjukkan yang paling baik yaitu rendah. 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. Ukuran efektif pengamatan untuk Plot Percobaan A-PF. 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. dan EPF menunjukkan tingkat keragaman cukup rendah. B-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. B-PF. Ukura n efektif pengamatan untuk Plot Percobaan A-PF. Tingkat keragaman spasial Plot Percobaan A-PF.5 ton tebu/ha. sedangkan dengan pendekatan precision farming dihasilkan 87.Percobaan A-PF dengan nilai Q tertinggi yaitu 0. B-PF.42 ton tebu/ha (Tabel 24). Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0. B-PF. Tingkat keragaman spasial Plot Percobaan A-PF dan C-DS menunjukkan tingkat keragaman agak rendah. Ukuran efektif pengamatan untuk semua plot percobaan yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Berdasarkan keterangan di atas.999.008 dan 0. 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 0.164. C-DS. Sementara itu pengamatan tinggi tebu sesudah pemupukan kedua pada Tabel 30 (periode pengamatan IV untuk Plot Percobaan A-PF.786. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF dengan nilai Q tertinggi yaitu 0. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m).

933 6 sedang E-PF 0.545 5 agak rendah sub soil Awal A-PF 0.38 4 cukup rendah B-PF 0.438 6 sedang C-DS 0.00033 0.715 Exponential 0.514 Exponential 0.00005 0.1 0.00014 0.00001 0.2 0.00022 24.667 6 sedang (%) B-PF 0.0003 46.00045 0.853 Exponential 0.973 Spherical 0.00003 0.3 0.00014 130.00082 40.00034 0.00016 171.00071 0.00002 0.246 5 agak rendah E-PF 0 0. P.872 Spherical 0.873 Spherical 0 4 cukup rendah B-PF 0.00009 0.842 Spherical 0.00045 152 0 Linear 0.806 4 cukup rendah D-DS 0.00021 52 0.96 Spherical 0.00031 45.998 Exponential 0.3 1 Spherical 0 4 cukup rendah Akhir A-PF 0.5 0.00006 0.3 0 Linear 0.00145 935.00207 1167.00053 58 0.525 4 cukup rendah .807 4 cukup rendah D-DS 0.00024 25.00042 113.239 4 cukup rendah E-PF 0.9 0.7 0.943 Exponential 0.057 5 agak rendah E-PF 0.043 4 cukup rendah Akhir A-PF 0.3 0.017 4 cukup rendah C-DS 0 0.7 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 top soil Awal A-PF 0.00013 51 0.841 Exponential 0.161 4 cukup rendah C-DS 0 0.998 Spherical 0.1 0.087 5 agak rendah D-DS 0 0.89 Spherical 0.00099 316.757 Exponential 0.00003 0.00004 0.9 0.00031 0.00022 0.00108 1525.7 0 Linear 0.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.6 0.901 5 agak rendah D-DS 0.00042 86.00045 310 0.00016 0.00138 2065.584 4 cukup rendah B-PF 0.999 Linear 0.637 Spherical 0.3 0.0006 277.899 4 cukup rendah C-DS 0.

484 5 agak rendah (ppm) B-PF 0.305 4 cukup rendah E-PF 31 156 963.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.046 6 sedang D-DS 126 705.998 Spherical 0.8 0.92 4 cukup rendah B-PF 405.801 Exponential 0.5 43.1 889 291.028 3 rendah Akhir A-PF 51. 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 1 549.2 254.689 Linear 0.3 0 Linear 0.9 720.9 0.003 4 cukup rendah C-DS 172.4 0.522 7 agak tinggi Akhir E-PF A-PF 83 0.833 4 cukup rendah .939 3 5 rendah agak rendah B-PF 146.01 6.02 171.7 79.4 0.8 49.81 57 130.85 214.395 5 agak rendah sub soil Awal A-PF 74.396 4 cukup rendah C-DS 0.7 48. P.9 81.133 6 sedang D-DS 33.1 200.47 405.7 0.008 5 agak rendah C-DS 1 616.416 8 cukup tinggi D-DS 29.75 108.7 0.447 Linear 0.998 Spherical 0.885 7 agak tinggi E-PF 89 419.196 Linear 0.1 315.423 4 cukup rendah B-PF 0.2 1 Spherical 0.44 130.788 Exponential 0.1 1 Spherical 0.998 Spherical 0.47 171.372 4 cukup rendah C-DS 124 558.2 42 96.3 0 Linear 0.778 Exponential 0.999 Spherical 0.9 0.032 5 agak rendah D-DS 123 1689 627.5 285 0.777 Exponential 0.593 Exponential 0.538 41.8 0.1 199.5 0.4 34.907 1 Spherical Spherical 0.88 152 0.9 0.732 6 sedang E-PF 0.6 126.7 0.2 0.927 Exponential 0.02 146.3 0.115 0.7 335.9 1039.821 Spherical 0.

997 Exponential 0 4 cukup rendah D-DS 0.00001 0.856 6 sedang 66.666 Exponential 0.672 Exponential 0.00062 0.00013 40.908 Spherical 0 4 cukup rendah tanah) C-DS 0 0.0003 0.821 Exponential 0.1 0.0009 2040.4 0. P.993 Exponential 0.00043 0.162 4 cukup rendah C-DS 0 0.226 5 agak rendah B-PF 0.805 7 agak tinggi B-PF 0.99 Spherical 0.307 4 cukup rendah 259 0 Linear 0.987 Exponential 0.2 0.00015 E-PF 0.00047 93.191 5 agak rendah D-DS 0.00031 B-PF 0.4 0.00239 47.3 0.00005 0.00044 319.881 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.101 5 agak rendah 60.00086 344. B-PF.226 5 agak rendah 250.999 Spherical 0.00001 0.00127 83.3 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 .Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.00035 16.7 Linear 0 7 agak tinggi E-PF 0.00011 0.00038 863.7 130.00041 55.4 0.742 Exponential 0.244 3 rendah Akhir A-PF 0.418 5 agak rendah E-PF 0.783 4 cukup rendah (me/100g B-PF 0.2 0.00016 476.479 4 cukup rendah sub soil Awal A-PF 0.4 0 Linear 0.00149 30.00001 0.00009 0.913 Spherical .904 Spherical 0.00237 182.9 0.159 3 rendah Akhir A-PF 0.008 4 cukup rendah D-DS 0 0.00237 0.2 0.3 0 Linear 0.794 Spherical 0.00002 0.607 5 agak rendah C-DS 0.999 Exponential 0.2 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 0.00031 0.82 Exponential 0.782 8 cukup tinggi E-PF 0.00005 0.00019 0.9 0.0021 18 0.3 0.2 0.1 0.00015 0.00002 130.712 Exponential 0.00085 D-DS 0.00003 0.00119 C-DS 0.00043 171.

983 Exponential 0.3 0.4 0.00026 59.514 4 cukup rendah .00001 0.00366 25.01104 0.00048 406.01612 25.00134 0.00867 0.00064 456.00704 0.045 1 amat sangat rendah D-DS 0 0.693 Exponential 0.00057 206.00059 402.00008 0.803 1 amat sangat rendah D-DS 0.782 Spherical 0.139 4 cukup rendah B-PF 0.00208 0.945 Spherical 0.4 0.0022 47.834 Spherical 0.4 0.121 3 rendah B-PF 0.043 1 amat sangat rendah C-DS 0.5 0.064 1 amat sangat rendah D-DS 0.00027 34.956 Spherical 0.865 Spherical 0.9 0.89 Spherical 0.587 1 amat sangat rendah D-DS 0.03598 2078.00044 36.994 Spherical 0.00072 0.00028 0.7 0.849 Spherical 0 4 cukup rendah Akhir A-PF 0.402 1 amat sangat rendah D-DS 0.00026 0.00788 290.00017 63.00704 182.8 0.95 1 amat sangat rendah C-DS 0.00118 152 0 Linear 0.00036 0.00001 0.099 5 agak rendah E-PF 0.00087 0.00118 0.7 0.00267 35.984 Spherical 0 4 cukup rendah E-PF 0.928 Spherical 0.01388 24.00988 24.00433 198 0.4 0.7 0 Linear 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 0.828 3 rendah C-DS 0.00867 130.051 5 agak rendah E-PF 0.3 0.996 Spherical 0.973 Spherical 0.01172 304.2 0.4 0 Linear 0.6 0.6 0.991 Spherical 0.761 8 cukup tinggi (%) B-PF 0.00046 39.00016 0.8 0. P.189 1 amat sangat rendah C-DS 0 0.561 Exponential 0.143 4 cukup rendah (%) B-PF 0.829 5 agak rendah Tengah A-PF 0.00014 0.669 Spherical 0.9 0.00256 0.498 5 agak rendah E-PF 0.746 Spherical 0.902 Exponential 0.00016 0.2 0.00047 0.903 Spherical 0 4 cukup rendah Tengah A-PF 0.926 Spherical 0.583 3 rendah C-DS 0.7 0.8 0.4 0.00001 0.Tabel 26 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara d aun N.3 0.00105 462.82 6 sedang B-PF 0.00003 0.00629 150.00655 86.667 Spherical 0.696 6 sedang P Awal A-PF 0.00002 0.664 5 agak rendah E-PF 0.00149 0.

Tabel 26 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara d aun N.997 Spherical 0 3 rendah (%) B-PF 0.6 0.4 0 Linear 0.03044 1803.3 0.00001 0.848 Spherical 0.00887 0.0389 0.2 0.802 Exponential 0.5 bulan Tengah = pada umur tebu 6.43 7 agak tinggi D-DS 0.00007 28.062 1 amat sangat rendah D-DS 0.00024 0.7 0 Linear 0.585 5 agak rendah E-PF 0.02122 105.00011 0.688 Spherical 0.9 1 Spherical 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 0.0001 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 6.575 6 sedang Catatan: Periode pengamatan plot percobaan A-PF.3 0.00527 0.579 1 amat sangat rendah C-DS 0.174 3 rendah C-DS 0.00007 0.00001 0.00011 182.03474 277.1478 1440.00026 250.4 0.589 Exponential 0.807 Spherical 0.112 4 cukup rendah B-PF 0.683 4 cukup rendah AkhirA-PF-------BPF-------CDS-------DDS 0.0343 25.0005 130.5 bulan Akhir = pada umur tebu 9.5 bulan .2 0.9 0. B-PF.739 Exponential 0.4 0.5 bulan Akhir = pada umur tebu 9.5 0. P.042 44.0005 0.0081 0.942 6 sedang E-PF 0.00077 255.709 Exponential 0.1094 869.737 Exponential 0.687 5 agak rendah E-PF 0.886 4 cukup rendah K Awal A-PF 0.045 0.

2 54 0.828 Exponential 0.9 0.077 6 sedang 201.9 0.6 391 0.9 661.49 171.5 0.442 4 cukup rendah 46.3 0 Linear 0.4 0.8 51 0.6 37.375 4 cukup rendah 58 426.806 Exponential 0.999 Spherical 0.2 0.555 4 cukup rendah 110.109 4 cukup rendah 118 159.853 5 agak rendah C-DS 0.29 67.1 50.174 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 63.399 4 cukup rendah 141.7 0 Linear 0.336 6 sedang 166.9 0.073 4 cukup rendah 382.5 248.42 41.5 Exponential 0.1 99.645 Spherical 0.812 4 cukup rendah .4 402.2 317.749 4 cukup rendah B-PF 66.7 0 Linear 0.46 37.617 4 cukup rendah 15.931 Spherical 0.29 171.7 0 Linear 0.08 178.46 171.3 0 Linear 0.508 5 agak rendah 439 2004 2088.6 753.8 179.7 0.735 5 agak rendah 0.23 867.94 5 agak rendah 9.8 116.94 142 0.79 4 cukup rendah 42.444 6 sedang 515.2 341.33 130.2 60.999 Linear 0.93 5 agak rendah VI A-PF 4.833 Spherical 0.7 132.7 0 Linear 0.9 468.597 Exponential 0.93 130.5 0.9 400.818 Exponential 0.66 142.849 Exponential 0.931 Spherical 0.843 5 agak rendah 87 384.261 Linear 0.3 101.6 152 0.93 382.5 225.3 0 Linear 0.7 0.2 0.64 166.27 4 cukup rendah 67.774 Exponential 0.66 130.9 0.1 68.72 4 cukup rendah 37.781 Exponential 0.646 Spherical 0.64 130.7 0.4 82.9 113.3 193.33 515.972 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 32.388 6 sedang 142.49 110.864 Spherical 0.681 3 rendah 2.

03 130.5 bulan .B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 37.71 97.5 bulan VI = pada umur tebu 6.7 374.5 bulan VII = pada umur tebu 9.2 68.5 bulan IV = pada umur tebu 4.6 241.5 bulan IV = pada umur tebu 4.5 bulan V = pada umur tebu 5.836 Spherical 0 3 rendah Catatan: Periode pengamatan plot percobaan A-PF.929 Spherical 0.07 130.5 0.7 0.8 0.5 148.5 bulan Periode pengamatan plot percobaan D-DS dan E-PF I = tidak diamati II = pada umur tebu 2 bulan III = pada umur tebu 2.9 68.7 0.5 bulan VI = pada umur tebu 6.03 153.7 0 Linear 0.1 1005.5 228.963 Spherical 0.4 24.309 3 rendah 5.693 Exponential 0.836 Exponential 0.998 Exponential 0. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.5 0.4 265.839 8 cukup tinggi 92.009 4 cukup rendah 11.881 4 cukup rendah 3.5 bulan V = pada umur tebu 5.3 0.045 Linear 0.787 4 cukup rendah 0.46 167.04 740.1 0. B-PF.5 bulan VII = pada umur tebu 9.001 4 cukup rendah 118.1 44.17 48.2 45.509 Exponential 0.742 5 agak rendah 20.466 6 sedang 153.3 0.

103 4 cukup rendah 2.794 Exponential 0.2 0.785 56.9 0.281 0.906 Spherical 0.893 Spherical 0.9 Spherical 0.956 Spherical 0.7 0.5 0.788 5 agak rendah 0.636 58.001 0.131 0.422 62.931 0.875 Spherical 0.321 4 cukup rendah 0.54 4.999 Linear 0.001 2.4 0 Linear 0.931 0.147 4 cukup rendah 152 0 Linear 0.3 0.364 4 cukup rendah 0.913 0.368 122.152 1.999 Spherical 0.06 4 cukup rendah .096 4 cukup rendah 133.232 80.116 4 cukup rendah 0.326 190.999 Spherical 0.8 1 Exponential 0.3 0.2 0.847 5 agak rendah 0.3 0 Linear 0.6 0.701 Exponential 0.9 Exponential 0.001 1.269 558.913 0.839 5 agak rendah 0.142 5 agak rendah 130.352 84.08 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 0.793 35.447 46.928 0.24 7.5 0.001 1.035 0.1 0.489 1335 0.742 1.392 4 cukup rendah 0.413 76 0.561 276.8 0.63 6.329 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 0.38 3 rendah 0.977 78.655 Spherical 0.045 0.931 0.941 51 0.54 7.466 1.074 0.712 Spherical 0.783 3 rendah 0.337 35.2 0.251 1.9 0.15 5 agak rendah 0.7 0 Linear 0.3 0.811 Exponential 0.999 Spherical 0.792 3 rendah 0.788 4 cukup rendah C-DS 0.001 1.383 182.095 3 rendah B-PF 0.892 Exponential 0 3 rendah 0.141 1.819 4 cukup rendah 0.015 100.383 0.28 5 agak rendah 171.929 Spherical 0.928 0.2 0.517 8 cukup tinggi 0.952 Exponential 0.

2 0.8 0.5 bulan VII = pada umur tebu 9.481 7 agak tinggi 0.865 Spherical 0 4 cukup rendah 0.4 0.142 0.098 0.325 1.239 1.811 Exponential 0.74 71.551 3 rend ah 0.3 0. B-PF.917 Spherical 0.145 1.107 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.5 bulan V = pada umur tebu 5.5 bulan IV = pada umur tebu 4.769 24.5 bulan V = pada umur tebu 5.5 bulan VII = pada umur tebu 9.723 4 cukup rendah 1.5 bulan IV = pada umur tebu 4.274 98.104 0.651 57 0.722 348.1 0.803 Exponential 0.5 bulan .4 0.999 Spherical 0.2 796.812 Exponential 0.223 24.384 56.519 49.828 Spherical 0.5 bulan VI = pada umur tebu 6.4 0.4 0.822 9 tinggi 0.81 4.068 4 cukup rendah 0. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.5 bulan VI = pada umur tebu 6.1 5.001 1.026 1.788 Exponential 0.896 4 cukup rendah 0.979 Spherical 0 4 cukup rendah 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.VI A-PF B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 0.81 46 0.825 Spherical 0.683 5 agak rendah 0.

751 46.887 Exponential 0.521 2.922 146.333 0.199 1.883 Exponential 0.047 4 cukup rendah 1.4 1 Spherical 0.728 5 agak rendah 0.835 33.831 Spherical 0.01 4.3 0.521 130.811 Spherical 0.094 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 0.333 2.35 2.757 2.883 5 agak rendah 0.793 1.85 5.228 1.024 4 cukup rendah B-PF 0.965 Exponential 0.377 2.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 0.18 5.993 Exponential 0.173 4 cukup rendah 49.6 0.019 0.87 4 cukup rendah 152 0 Linear 0.2 0.793 152 0 Linear 0.6 0.931 Spherical 0.001 2.289 5 agak rendah 259 0 Linear 0.17 111.881 6 sedang 0.903 Spherical 0.045 1.441 4 cukup rendah 0.121 303.599 3.795 Spherical 0.837 4 cukup rendah VI A-PF 0.634 5 agak rendah C-DS 1.778 4 cukup rendah .4 0.806 4 cukup rendah 94.932 219.976 127.9 0.9 0.03 61.3 0.5 0.137 1.2 0.873 Spherical 0.

2 0.769 4 cukup rendah 4.998 Spherical 0.937 4 cukup rendah 14.5 bulan IV = pada umur tebu 4.01 0.892 Exponential 0.22 47.85 0.1 0.207 4 cukup rendah 1.023 626.28 6.609 4 cukup rendah 0.6 0.061 56.007 5 agak rendah 5.999 Exponential 0.8 0.53 0.997 Spherical 0.583 51.718 3.802 4 cukup rendah 0.224 4 cukup rendah 7.01 4. B-PF.01 6.5 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 2.5 bulan .5 bulan VII = pada umur tebu 9.998 Linear 0.999 Spherical 0.01 0.3 0. 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 3.472 5 agak rendah 1.857 110.2 0.5 bulan VI = pada umur tebu 6.5 bulan IV = pada umur tebu 4.5 bulan VI = pada umur tebu 6.787 Exponential 0.897 79.7 0.5 bulan VII = pada umur tebu 9.B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 0.848 105.5 bulan V = pada umur tebu 5.815 Exponential 0.3 0.928 28.555 Spherical 0.17 106.5 bulan V = pada umur tebu 5.1 0.6 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.01 3.

7 0.206 5 agak rendah D-DS -------E-PF -------III A-PF 0.61 130.806 Exponential 0.89 4 cukup rendah C-DS 60.912 Spherical 0.5 bulan V = pada umur tebu 5.6 0.4 142.759 4 cukup rendah D-DS 111.966 171.008 4 cukup rendah C-DS 50.999 Spherical 0.2 337.474 Linear 0.1 89.4 121.966 5.5 bulan .7 63 0.2 108.496 Linear 0.6 6.73 115.7 0 Linear 0.51 130.5 bulan V = pada umur tebu 5.3 0.954 Spherical 0.7 0 Linear 0.812 Spherical 0.8 37.6 1359 0.1 186.5 bulan IV = pada umur tebu 4.749 4 cukup rendah V A-PF 96.199 4 cukup rendah C-DS 0.89 152 0.8 9.103 Linear 0.747 5 agak rendah B-PF 73.528 4 cukup rendah C-DS 38.68 82.739 4 cukup rendah B-PF 12.685 5 agak rendah E-PF 40.6 0.1 0.786 Exponential 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 0.1 259.07 100.3 0.63 76.61 96.3 0.53 4 cukup rendah B-PF 0.4 1 Spherical 0.835 Exponential 0.999 Linear 0.282 4 cukup rendah B-PF 2.2 214 37.9 63.069 4 cukup rendah B-PF 5.187 4 cukup rendah E-PF 18.965 Spherical 0.28 483 0.8 51 0.3 0 Linear 0.5 bulan IV = pada umur tebu 4.6 241 1316.679 Spherical 0.5 0.164 4 cukup rendah VI A-PF 93 342.47 23. B-PF.1 186.1 73.9 0.5 0.823 36.2 141.15 4 cukup rendah E-PF 7.436 Linear 0.854 5 agak rendah IV A-PF 51.9 0.12 171.7 0 Linear 0.999 Linear 0.52 103.697 4 cukup rendah B-PF 80.728 4 cukup rendah E-PF 288 669.572 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.5 bulan III = pada umur tebu 2.07 130.455 5 agak rendah D-DS 96.44 171.999 Spherical 0.87 152.57 Exponential 0.1 198.365 Linear 0.5 55.726 3 rendah D-DS 215.2 0.34 88.108 4 cukup rendah VII A-PF 0.3 0.6 51 0.53 182.642 6 sedang D-DS 1.8 0.51 111.49 152 0.21 215.21 130.94 5.774 Spherical 0.32 99.4 53.27 510. 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 3.7 0 Linear 0.5 71.3 79.728 Spherical 0.833 Spherical 0.122 4 cukup rendah C-DS 0.4 0.454 4 cukup rendah E-PF 9.768 4 cukup rendah C-DS 0.404 5 agak rendah D-DS 100.683 Exponential 0.

5 bulan VII = pada umur tebu 9.VI = pada umur tebu 6.5 bulan VII = pada umur tebu 9.5 bulan Tinggi tebu dalam cm .5 bulan VI = pada umur tebu 6.

001 1.493 111.963 7 agak tinggi E-PF 0.957 Exponential 0.868 70.616 3.6 0.04 24.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 1.704 Exponential 0.784 Spherical 0.228 4 cukup rendah E-PF 0.5 bulan V = pada umur tebu 5.032 143.589 51.25 0 Linear 0.258 1.2 0.894 5 agak rendah C-DS 0.365 50 0.95 5 agak rendah IV A-PF 0.9 0.572 171.934 6 sedang D-DS 1.835 5 agak rendah B-PF 0.7 0.83 Spherical 0.495 2.163 282.3 0.01 6.735 Exponential 0.2 0.5 0.067 4 cukup rendah B-PF 2.2 6.276 4 cukup rendah D-DS -------E-PF -------III A-PF 0.364 48.528 75.868 173 0.27 7.885 Spherical 0.747 4 cukup rendah B-PF 0.572 2. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.033 93.001 2.999 Spherical 0.5 Spherical 0.432 2.527 4 cukup rendah C-DS 0. B-PF.1 0.542 4 cukup rendah V A-PF 0.811 42.439 9 tinggi E-PF 1.754 67.809 Exponential 0.861 Spherical 0.644 145.376 4 cukup rendah B-PF 9.158 1.92 4.965 3.754 1.952 84.647 5 agak rendah D-DS 2.8 1 Spherical 0.718 3.721 3.5 bulan .14 8.797 Exponential 0.816 2.01 7.779 Exponential 0.3 3.89 729.549 238.832 Spherical 0.4 0.818 Spherical 0.968 348.969 Spherical 0.95 21.524 4 cukup rendah B-PF 0.208 1.3 0.296 171.552 3.3 0.296 9.902 Spherical 0.7 0 Linear 0.18 233.687 5 agak rendah E-PF 0.3 0.303 3 rendah E-PF 0.6 0.6 0.158 152 0 Linear 0.764 Spherical 0 4 cukup rendah VI A-PF 0.329 4 cukup rendah D-DS 0.219 4 cukup rendah C-DS 1.469 318.3 0 Linear 0.21 50.728 3 rendah C-DS 1.73 7.159 5 agak rendah D-DS 0.811 Spherical 0.913 3 rendah VII A-PF 0.754 152 0 Linear 0.853 3.575 4 cukup rendah B-PF 0.7 0 Linear 0.432 130.443 89.1 0.123 5 agak rendah D-DS 3.726 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.999 Spherical 0.3 0.5 bulan VI = pada umur tebu 6.001 2.999 Exponential 0.113 4 cukup rendah C-DS 0.5 bulan IV = pada umur tebu 4.3 130.017 4 cukup rendah C-DS 1 5.3 0.2 1 Spherical 0.8 0.

5 bulan VI = pada umur tebu 6.VII = pada umur tebu 9.5 bulan IV = pada umur tebu 4.5 bulan .5 bulan VII = pada umur tebu 9.5 bulan V = pada umur tebu 5.5 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.

71 220.7 0.624 Spherical 0.19 Linear 0.8 130.552 Exponential 0.5 124 1222.37 130.266 4 cukup rendah V A-PF 7.92 25.349 Linear 0.935 Linear 0.2 0.81 Exponential 0.7 Exponential 0.631 7 agak tinggi D-DS 72.219 5 agak rendah D-DS 91.7 0.831 Exponential 0.68 62.8 0.997 Spherical 0.5 bulan IV = pada umur tebu 4.63 47.77 Exponential 0.05 37.33 130.06 98.766 6 sedang D-DS 88.7 0 Linear 0.28 94.37 72.17 4 cukup rendah E-PF 90.72 20.2 0.004 5 agak rendah E-PF 78.3 1543.875 Spherical 0.279 4 cukup rendah B-PF 3.59 23.891 Spherical 0 4 cukup rendah B-PF 23.2 0.8 0.5 30 0.026 4 cukup rendah C-DS 7.148 5 agak rendah E-PF 30.597 Exponential 0.998 Spherical 0.465 4 cukup rendah B-PF 0.9 Spherical 0.2 280.9 158.1 72.1 0.3 54.26 182 0.1 36.15 30.27 Linear 0.999 Spherical 0.3 0.92 49.3 0.895 Spherical 0.38 32.1 120.311 Linear 0.6 1640.14 667.9 209.5 0.033 4 cukup rendah B-PF 0.5 bulan .554 4 cukup rendah C-DS 36.087 5 agak rendah B-PF 9.7 114.01 29.828 Exponential 0.7 0.526 4 cukup rendah C-DS 29.3 0.92 121.1 72.36 36.111 4 cukup rendah B-PF 0.35 34.8 112.706 Exponential 0.49 48 0.1 62.905 Spherical 0.3 0 Linear 0.14 20.6 0. B-PF.12 89.17 130.511 5 agak rendah C-DS 4.08 40.925 6 sedang D-DS -------E-PF -------II A-PF 0.709 4 cukup rendah VI A-PF 5.5 bulan VII = pada umur tebu 9.7 37.171 4 cukup rendah D-DS 58.003 4 cukup rendah E-PF 84.4 0.9 0.038 Linear 0.9 1 Spherical 0.089 4 cukup rendah B-PF 36.3 0 Linear 0.59 171.905 Spherical 0.706 5 agak rendah IV A-PF 7.8 152 0.564 4 cukup rendah C-DS 20.405 4 cukup rendah E-PF 70. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.84 39.16 38.6 485.211 5 agak rendah D-DS 112.7 0 Linear 0.607 4 cukup rendah VII A-PF 39.8 0.61 33.35 112.512 4 cukup rendah E-PF 90 231.24 5 agak rendah C-DS 2.298 4 cukup rendah C-DS 10.3 43.84 259 0.72 152 0 Linear 0.49 36.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 4.5 bulan VI = pada umur tebu 6.3 0.731 Exponential 0.1 753.984 Spherical 0.5 110.84 130.8 50.49 171.71 4 cukup rendah III A-PF 3.14 28.611 Exponential 0.728 5 agak rendah Catatan: Periode pengamatan plot percobaan A-PF.47 42.9 0.7 42.2 0.7 0.8 30.321 7 agak tinggi D-DS 0.5 bulan V = pada umur tebu 5.1 0.84 130.

5 bulan .5 bulan IV = pada umur tebu 4.5 bulan V = pada umur tebu 5.5 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 VII = pada umur tebu 9.

564 171.798 971.999 Spherical 0.854 4 cukup rendah Akhir A-PF 0.2 0.689 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.1142 50.9 Spherical 0.999 Spherical 0.79 3 rendah C-DS 0.894 3.6 0.854 Spherical 0.884 87.32 5.765 Exponential 0.2 1 Spherical 0.837 Exponential 0.979 5 agak rendah B-PF 0.147 2.001 2.0114 0.746 Exponential 0.369 130.001 1.059 5 agak rendah D-DS 0.001 2.951 78.199 195 0.626 31.276 1.087 197.3 0.001 1.402 4 cukup rendah E-PF 0.998 Spherical 0.5 bulan Kadar air tanah dalam % periode pengamatan akhir pada umur tebu 9.612 Spherical 0.808 105 0.85 4 cukup rendah D-DS 1.716 4 cukup rendah Sub soil Awal A-PF 0.1138 29.95 Spherical 0.772 120.3 1 Linear 0.0001 0.3 0 Linear 0.7 0.4 0.983 4 cukup rendah B-PF 0.369 1.999 Linear 0.777 4 cukup rendah B-PF 0.909 169 0.7 0.172 0.126 177.993 47.047 0.01 4.999 Linear 0.632 Spherical 0.857 5 agak rendah D-DS 0.0001 0.4 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 0.512 1 amat sangat rendah C-DS 0.999 Exponential 0.7 0.025 5 agak rendah E-PF 0.363 6 sedang C-DS 0.72 1.18 4.753 24.797 5 agak rendah .1132 76.5 0.811 Spherical 0.001 0.582 Exponential 0.001 1.951 Exponential 0.622 5 agak rendah E-PF 0.952 4 cukup rendah E-PF 0.965 188.965 3 rendah C-DS 0.11 0.089 4 cukup rendah C-DS 0.14 112.882 60.962 Spherical 0 5 agak rendah E-PF 1.7 0.003 5 agak rendah B-PF 0.4 1 Spherical 0.999 Spherical 0.7 0 Linear 0.607 1.564 0.564 139 0.998 Spherical 0.011 5 agak rendah D-DS 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 0.4 1.7 0.8 0.922 4 cukup rendah B-PF 0.029 208.001 2.1 0.712 51 0.902 4 cukup rendah Akhir A-PF 0.7 0.723 742.675 65.1 0.001 0.22 5 agak rendah D-DS 0.

377 3 rendah B-PF 0.945 Exponential 0.918 Spherical 0.6 0.5 bulan .438 2.44 1047.746 Exponential 0.4 0.79 58.019 59.853 Spherical 0.857 Spherical 0.591 7 agak tinggi E-PF 5.19 20.Akhir A-PF 0.4 37.7 0.355 7 agak tinggi D-DS 6 73 300.165 3.975 48 0.583 4 cukup rendah Catatan : periode pengamatan awal pada umur tebu 6.25 4 cukup rendah C-DS 5.5 bulan periode pengamatan akhir pada umur tebu 9.1 0.

01 181.7 0.087 4 cukup rendah D-DS 444 2813 24.581 84.611 7 agak tinggi E-PF 2590 18920 72.1 177.423 4 cukup rendah D-DS 11.42 3.43 Linear 0.2 0.7 0 Linear 0.2 38.86 115.769 Exponential 0.5 0.991 Spherical 0 4 cukup rendah kering B-PF 151 758.616 4 cukup rendah C-DS 1 2010 40.917 Exponential 0.1 706.4 0.351 4 cukup rendah C-DS 535 569 152 0.059 Linear 0.4 50.22 7.1 139.87 81 0.175 4 cukup rendah kering B-PF 0.998 Exponential 0.9 0.092 3 rendah basah B-PF 100 43000 54.906 5 agak rendah basah B-PF 3.69 74.998 Spherical 0.98 152 0 Linear 0.45 113.3 0.3 0.7 0 Linear 0.028 4 cukup rendah D-DS 924 924 130.839 Exponential 0.999 Spherical 0.735 Exponential 0.889 Exponential 0.463 3 rendah kering B-PF 0.87 11.5 0.25 20.002 4 cukup rendah D-DS 129 129 130.5 Exponential 0.775 Spherical 0.367 3 rendah kering B-PF 10 3955 86.688 Spherical 0.8 0.3 304.413 4 cukup rendah BATANG Bobot A-PF 3000 22860 38.344 5 agak rendah basah B-PF 58.4 0.705 Exponential 0.7 0 Linear 0.69 106.997 Exponential 0.869 Spherical 0.446 9 tinggi C-DS 16.401 4 cukup rendah E-PF 4.512 5 agak rendah C-DS 3 1468 71.672 878.679 4 cukup rendah C-DS 2.4 0.559 5 agak rendah C-DS 5000 16050 118 0.68 152 0 Linear 0.801 Exponential 0.5 1 Exponential 0.1 0.9 0.676 4 cukup rendah E-PF 139.12 140.5 159 0.36 38.842 Spherical 0 5 agak rendah E-PF 259 2141 46 0.446 4 cukup rendah E-PF 82.3 0.576 5 agak rendah Bobot A-PF 5.19 171.863 Spherical 0.548 Linear 0.879 Spherical 0.245 4 cukup rendah C-DS 9.827 4 cukup rendah E-PF 34.466 4 cukup rendah D-DS 1.26 2081.514 4 cukup rendah D-DS 115.587 Spherical 0.6 Linear 0.01 13.1 0.86 130.33 8.5 0.776 4 cukup rendah E-PF 334 1481 25.3 0.961 4.7 0.324 5 agak rendah DAUN Bobot A-PF 876 2717 889.678 Exponential 0.687 7 agak tinggi TUNGGUL Bobot A-PF 99.1 6.533 2 sangat rendah Bobot A-PF 54 654.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 8 105.581 4 cukup rendah Bobot A-PF 160 2294 44.68 2.99 9.324 4 cukup rendah D-DS 15200 51500 795.8 72.5 244.48 4 cukup rendah E-PF 2.1 130.167 3 rendah .9 0.7 0 Linear 0.054 67.7 0.75 771.3 0.924 Spherical 0.808 Spherical 0.763 Exponential 0.112 174.1 0.3 0.576 4 cukup rendah D-DS 6.4 0.01 182.93 Spherical 0.661 6 sedang basah B-PF 1 1316 53.803 3 rendah C-DS 1.501 Exponential 0.81 14.5 0.999 Spherical 0.542 Exponential 0.31 259 0.774 Spherical 0 3 rendah Bobot A-PF 1 352 25.3 0.5 0.

24 400.911 Spherical 0.998 Spherical 0.4 0 Linear 0.7 0 Linear 0.6 0 Linear 0.408 4 cukup rendah E-PF 7.8 0.3 87.8 0.233 5 agak rendah E-PF 82.57 366.008 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 5.36 18.02 152 0.01 7.677 4 cukup rendah C-DS 0.999 Spherical 0.737 Exponential 0.84 4.79 21.863 Linear 0.084 4 cukup rendah E-PF 1 563.2 0.11 5 agak rendah D-DS 366.7 0 Linear 0.742 Spherical 0.04 16.71 294.647 6 sedang D-DS 38 361.998 Spherical 0.8 1 Spherical 0.012 4 cukup rendah basah B-PF 1 653.5 15.24 182.5 0.463 3 rendah ruas B-PF 0.2 52.6 0.6 82.527 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.888 Spherical 0.4 0.42 152 0.834 4 cukup rendah C-DS 138.79 23.821 Exponential 0.2 38.783 Spherical 0.76 193.7 0.3 0.71 33.895 Spherical 0.734 4 cukup rendah C-DS 0.714 33.4 0.69 6.2 378.016 6 sedang D-DS 0.557 29.49 152 0.05 4.999 Spherical 0 5 agak rendah D-DS 18.7 132.07 64.01 3.932 5 agak rendah Akhir A-PF 8.48 142.038 4 cukup rendah kering B-PF 0.176 53.9 0.6 0.735 Exponential 0.001 4 cukup rendah Bobot A-PF 16.62 4 cukup rendah C-DS 19.99 Spherical 0.11 98.8 46.74 65.6 67.1 75.01 31.58 28.35 227.5 61.01 6.796 72.805 Spherical 0.816 Spherical 0.1 0.779 5 agak rendah C-DS 36.3 0.8 998 Spherical 0.855 4 cukup rendah B-PF 10.289 4 cukup rendah B-PF 0.633 Linear 0.1 0.016 3 rendah Jumlah A-PF 0.3 0.281 Linear 0.04 182.628 4 cukup rendah E-PF 0.5 bulan periode pengamatan akhir pada umur tebu 9.997 Spherical 0.36 130.5 bulan .512 5 agak rendah D-DS 75 418.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 400.314 4 cukup rendah E-PF 155 585.4 0.1 161.57 130.

6 0.9 0.758 Exponential 0.7 0.0224 0.994 Spherical 0.025 0.2738 42.962 5 agak rendah B-PF 0.2016 152 0 Linear 0.0001 0.9 0.953 5 agak rendah B-PF 0.948 4 cukup rendah D-DS 0.2922 82.835 Spherical 0.1552 50.834 Spherical 0.0305 0.0001 0.9 0.987 Spherical 0.5 0.999 Linear 0.9 1 Spherical 0.5 bulan Bobot nira dalam gram periode pengamatan akhir pada umur tebu 9.1892 68 0.0001 0.8 0.831 4 cukup rendah C-DS 0.1 1 Spherical 0.502 Exponential 0.8 0.834 5 agak rendah E-PF 0.0514 0.875 Spherical 0.2336 56.5 bulan .226 35.0518 51.886 Exponential 0.523 241.325 1.5 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 0.1559 0.007 0.5 0.001 0.6 0.329 5 agak rendah E-PF 0.999 Spherical 0.0001 0.812 Spherical 0.0432 0.625 5 agak rendah E-PF 0.2562 83.2396 49.7 0.0286 0.743 Exponential 0.082 5 agak rendah D-DS 0.1322 50.267 1649.909 Spherical 0.185 63.0205 0.188 5 agak rendah E-PF 0.874 4 cukup rendah C-DS 0.191 4 cukup rendah B-PF 0.998 Spherical 0.999 Linear 0.2282 37.999 Spherical 0.092 5 agak rendah D-DS 0.151 42.96 4 cukup rendah D-DS 0.9 0.0003 0.06 4 cukup rendah B-PF 0.0001 0.954 Spherical 0.1784 60.57 290.1 0.157 3 rendah Akhir A-PF 0.20157 0.853 5 agak rendah C-DS 0.38 4 cukup rendah C-DS 0.1968 46.358 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.0108 0.5 bulan Bobot tebu dalam gram periode pengamatan akhir pada umur tebu 9.0003 0.652 5 agak rendah Akhir A-PF 0.7 0.3128 633.697 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.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 0.6 0.9 0.

7 0.997 Linear 0.72 4 cukup rendah B-PF 0.4 0.681 1337.9985 130.048 4 cukup rendah C-DS 0.881 Exponential 0.083 48.5 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 0.277 1.001 0.522 4 cukup rendah C-DS 0.804 4 cukup rendah D-DS 0.6 0.323 59 0.647 5 agak rendah B-PF 0.424 4 cukup rendah Akhir A-PF 0.494 186 0.569 4 cukup rendah Akhir A-PF 0.065 4 cukup rendah E-PF 0.483 2.289 4 cukup rendah E-PF 0.9 0.5 bulan Brixdalam % periode pengamatan akhir pada umur tebu 9.925 4 cukup rendah D-DS 0.126 0.317 1.059 0.684 51 0.407 1.7 0 Linear 0.813 Exponential 0.56 344.99853 0.8 0.067 925.055 42 0.001 0.876 Spherical 0.3 0 Linear 0.493 4 cukup rendah C-DS 0.3 0.5 bulan .519 6 sedang C-DS 0.998 Linear 0.42707 1.931 Spherical 0.82 Exponential 0.682 4 cukup rendah B-PF 1.775 4 cukup rendah B-PF 0.173 0.8 0.696 7 agak tinggi D-DS 1.38 4 cukup rendah E-PF 0.229 4 cukup rendah E-PF 0.842 Spherical 0.476 3 rendah Catatan: periode pengamatan awal pada umur tebu 6.063 0.5 bulan Kadar gula dalam %Pol periode pengamatan akhir pada umur tebu 9.809 Exponential 0.391 51 0.926 87.7 0 Linear 0.7 0 Linear 0.171 1.829 Spherical 0.142 0.001 0.4 0.4271 130.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 0.213 984.2868 1.999 Spherical 0.995 76.997 Spherical 0.497 2.745 69.535 51 0.999 Linear 0.3 0.317 130.917 73.76 Exponential 0.7 0.737 45.884 4 cukup rendah D-DS 1.193 1.737 Exponential 0.389 3 rendah Catatan: periode pengamatan awal pada umur tebu 6.2868 171.001 0.001 0.664 Exponential 0.

607 6 sedang B-PF 1.3 0.554 4 cukup rendah D-DS 4.701 4 cukup rendah C-DS 0.3484 37.1161 18.171 1.0367 0.2 1 Spherical 0.915 Spherical 0 4 cukup rendah B-PF 8.476 6 sedang Catatan: periode pengamatan awal pada umur tebu 6.097 4 cukup rendah B-PF 0.5 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 0.926 87.347 26.559 4 cukup rendah Akhir A-PF 0.2167 171.569 4 cukup rendah Akhir A-PF 0.813 Exponential 0.172 4 cukup rendah E-PF 0.813 Exponential 0.657 Exponential 0.925 4 cukup rendah D-DS 0.3 0.7 0.2 1 Exponential 0.083 48.314 4 cukup rendah E-PF 0.80991 1.204 25.1049 0.0001 0.258 1353.311 3 rendah E-PF 0.7 0 Linear 0.6 0.789 923.2167 8.595 9 tinggi D-DS 0.6371 130.843 Exponential 0.54007 0.0606 0.84 1388.3 0.7 0.754 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.63713 0.7 0 Linear 0.3242 93.487 7 agak tinggi E-PF 0.842 Spherical 0.079 4 cukup rendah C-DS 0.5 bulan Rendemen dalam % periode pengamatan akhir pada umur tebu 9.173 0.2492 76.2572 50.5 bulan Purity dalam % periode pengamatan akhir pada umur tebu 9.46479 0.118 8.3 0.484 993.4648 130.5401 171.816 Exponential 0.6 0.505 1.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 3.169 4 cukup rendah C-DS 1.001 5 agak rendah D-DS 18.2 0.599 Exponential 0.741 Exponential 0.7 0 Linear 0.001 2.9 1 Linear 0.853 Spherical 0.4048 55.3 0 Linear 0.089 0.59 22.116 130.746 6 sedang C-DS 0.0001 0.895 Spherical 0.3 0 Linear 0.6 0.39 12.8099 152 0 Linear 0.188 2.046 341.5 bulan .248 4 cukup rendah B-PF 0.4 0.

904 Spherical 0.1 83.7 0 Linear 0.84 152.796 5 agak rendah B-PF 0.8 51 0.651 4 cukup rendah C-DS 0.7 90.017 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.7 0 Linear 0.57 4 cukup rendah E-PF 105.7 0.7 70.031 Linear 0.2 44.48 56.763 4 cukup rendah D-DS 56.63 108.5 bulan Taksasi dalam ton/ha periode pengamatan akhir pada umur tebu 9.01 0.63 81.94 134.03 288.254 4 cukup rendah Akhir A-PF 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 20.99 130.999 Linear 0.48 130.999 Spherical 0.072 4 cukup rendah E-PF 81.855 4 cukup rendah B-PF 6.9 0.98 259 0.565 5 agak rendah D-DS 43.3 0.1 149.6 0.1 105.4 84.5 bulan .63 259 0 Linear 0.99 43.13 45.77 Exponential 0.51 3 rendah C-DS 22.999 Spherical 0.83 Linear 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 88 Semi-variogram kandungan N top soil (ppm) tebu umur 3 bulan pada Plot Percobaan C-DS 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 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.Gambar 91 Semi-variogram nilai Taksasi Awal (ton/ha) tebu umur 6. .5 bulan pada Plot Percobaan A-PF. Gambar 92 Semi-variogram nilai Taksasi Akhir (ton/ha) tebu umur 9.

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

yang dalam hal ini tidak dapat disimpulkan jumlah kebutuhan pupuk dengan konsep precision farming lebih banyak atau lebih sedikit dari pada dosis seragam. Lampiran 2 19 menunjukkan dosis pupuk yang diaplikasikan dengan diwakili warna dari setiap sel. Walaupun dengan pendekatan precision farming . 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. tetapi kalau hara yang tersedia sedikit sementara yang dibutuhkan banyak maka tentunya pupuk yang ditambahkan akan banyak dan sebaliknya. Hal ini disebabkan kebutuhan pupuk tergantung pada tingkat ketersediaan hara yang ada. Sebagai hasil keterangan yang serinci mungkin terhadap interval kontur yang ditentukan. Informasi dari gambar-gambar tersebut menunjukkan bahwa aplikasi pupuk dengan dosis seragam tidak sesuai dengan kebutuhan spesifik lokasi (precision farming). Perbedaan jumlah kebutuhan pupuk setiap plot percobaan disajikan pada Gambar 101 106. Semakin teliti informasi yang dihasilkan. Deviasi pupuk ditentukan berdasarkan selisih dosis antara . 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. Perbedaan kebutuhan pupuk per sel pada setiap plot percobaan antara pendekatan precision farming dan dosis seragam disajikan pada Gambar 87 101. menambah ketelitian kriging. Penggabungan peta kontur memperjelas dan informasi yang diperlukan. Deviasi pupuk (kelebihan/kekurangan) setiap plot percobaan disajikan pada Gambar 107 116 dalam bentuk grafik dan Gambar 118 137 dalam bentuk peta spasial.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.

96%). B-PF. Kekurangan pupuk di satu sisi menghemat biaya dan mengurangi dampak lingkungan tetapi di sisi lain berpengaruh negatif terhadap pertumbuhan tebu dan hasil yang diperoleh. . Pemborosan pupuk TSP pada Plot Percobaan E-PF menunjukkan tingkat berlebihan (86. Sementara Plot Percobaan CDS yang memang menggunakan pupuk dengan dosis seragam menunjukkan pemborosan pupuk TSP dan KCL yang amat sangat berlebihan. Tingkat inefisiensi disajikan pada Gambar 117. sedangkan tingkat inefisiensi lebih dari 0 menunjukkan pemborosan penggunaan pupuk. Dari Gambar 118 137 dapat diketahui bahwa semakin gelap warna pada sel maka semakin banyak kelebihan/kekurangan pupuk yang terjadi.37%). Sementara pemborosan pupuk tidak menghemat biaya. Selain itu penggunaan pupuk KCl pada Plot Percobaan C-DS menunjukkan pemborosan pada tingkat amat sangat berlebihan. dan E-PF diterapkan penggunaan pupuk dengan dosis seragam maka terjadi pemborosan pupuk TSP. menambah dampak lingkungan. sedangkan Plot Percobaan A-PF dan B-PF sangat berlebihan (563.perhitungan dengan pendekatan precision farming dan dosis seragam.47% dan 692. serta berpengaruh negatif terhadap pertumbuhan tebu dan hasil yang diperoleh. Hasil penelitian menunjukkan bahwa jika pada Plot Percobaan A-PF. Tingkat inefisiensi kurang dari 0 menunjukkan kekurangan penggunaan pupuk. Pemborosan juga terjadi pada penggunaan pupuk Urea untuk Plot Percobaan B-PF yang menunjukkan tingkat berlebihan jika diterapkan dosis seragam.

00 60.00 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 40. 0.00 80.00 10.00 10.00 80.00 10.00 20.00 20.00 30.00 80.00 40.00 70.00 60.0.00 30.00 50.00 50.00 40.00 50.00 20.00 70.00 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 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 30.00 60.

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

00 70.00 20.00 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 30.00 80.00 40.00 10.00 20.00 80.00 80.00 20.00 60. 0.00 40.00 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 70.00 120.00 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 50. .0.00 40.00 100.00 60.00 30.00 10.00 50.00 60.

00 20.00 15.00 20.00 20.00 60.00 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 60.0.00 25.00 120.00 10.00 5. .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 0.00 100.00 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 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.00 120.00 100.00 40.00 30.00 40. 0.

00 10.00 30.00 .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 15.00 5. 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.00 20.00 25. 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 25.00 10.00 20.5.00 15.00 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 30.

00 80.00 30.00 90.00 30.00 50.00 20.00 20.00 60.00 10. 0.00 40.00 .00 10.00 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.Kebutuhan pupuk TSP/sel (kg) 100.00 70.00 0.

00 60.00 90.00 70.00 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 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.40.00 50. .

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 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 30.00 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 40.00 20.00 90.0.00 30.00 20.00 20.00 70.00 10.00 50.00 60.00 10.00 50. 0.00 70.00 40.00 10.00 80.00 40.00 50.00 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 60.00 60.00 30.00 90.00 70.00 80.

00 160.00 20.00 20.00 40.00 10.00 30.00 40.00 140.00 50.00 120.00 100.00 60.00 40.00 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.00 30.00 60.0.00 50.00 10.00 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 60.00 20. 0.00 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.

.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.

16 896.00 20.00 60.00 2000.00 1000.00 160.00 100.00 140.00 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 1500.00 40.00 80. Perbedaan Kebutuhan Pupuk Plot Percobaan A 2307.00 3000.85 135.74 2636.00 160.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming Dosis Seragam Urea TSP KCl .00 500.00 60.00 20.75 0.00 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.88 2241.00 140.72 1718.0.00 80.00 100.00 2500.00 40.00 120.00 120.

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

91 0.96 0.00 1000.00 2500.57 1977.00 500.00 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.90 1666.00 1000.78 0.00 434.00 1400.Perbedaan Kebutuhan Pupuk Plot Percobaan B 1416.74 869.00 400.00 200.35 0.00 1500.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming .33 1270.67 2173.00 2000. Perbedaan Kebutuhan Pupuk Plot Percobaan C 1086.00 1200.00 600.00 800.00 833.47 109.

.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.

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 1964.49 1250.01 1630.43 740.00 2000.00 2500.49 1250.17 652.00 1000.17 1929.00 500.17 1929. Perbedaan Kebutuhan Pupuk Plot Percobaan E .00 1000.00 0.00 2000.00 1500.00 1500.00 2500.Perbedaan Kebutuhan Pupuk Plot Percobaan D 1964.17 652.43 740.00 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.00 500.00 0.01 1630.

00 1000.00 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 7000.5648.00 6000.74 4891.30 1046.52 5995.00 2000. .00 0.50 1956.58 3750.00 4000.00 3000.00 5000.

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 per sel Plot Percobaan A -80. Deviasi Pupuk per sel Plot Percobaan A -80.0 -40.0 -20.0 80.0 0.0 -40.0 -20.0 60.0 -60.0 40.0 80.0 40.58 .0 20.Gambar 115 Deviasi pupuk per sel Plot Percobaan A-PF.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 20.0 60.0 0.

.00 2000.97 -1727.-917.00 -1500.00 1500.00 -500.00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 116 Deviasi pupuk Plot Percobaan A-PF.00 0.00 1000.17 -2000.00 -1000.20 1661.00 500.

0 30.0 20.0 -10.02 759.0 10.82 -311.00 -200.Gambar 117 Deviasi pupuk per sel Plot Percobaan B-PF.52 -400.0 0.0 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 10.0 30.0 40.0 50.0 -10.0 0.0 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 Plot Percobaan B 791.0 40.00 .23 131.0 50. Deviasi Pupuk per sel Plot Percobaan B -20.

.0.00 600.00 800.00 1000.00 400.00 200.00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 118 Deviasi pupuk Plot Percobaan B-PF.

00 .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 -80.00 0.75 -932.00 -600.0 -20.0 40.0 -20.0 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 748.33 -1200. Deviasi Pupuk per sel Plot Percobaan C -80.0 -40.00 -800.0 0.0 20.15 434.0 -40.0 -60.0 0.00 -200.78 833.0 80.0 60.0 40.Gambar 119 Deviasi pupuk per sel Plot Percobaan C-DS.0 -60.0 80.00 -1000.00 -400.0 20.0 60.

00 600.00 1000. .00 400.200.00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 120 Deviasi pupuk Plot Percobaan C-DS.00 800.

0 40.0 -60.0 -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 Gambar 121 Deviasi pupuk per sel Plot Percobaan D-DS.0 -80.0 -80.0 -20.0 0.0 -60.0 100.0 -20.0 40. Deviasi Pupuk Plot Percobaan D Jumlah pupuk (kg) 1500.0 -40.0 80.00 .0 -100.0 20.0 100.0 60.0 20.Deviasi Pupuk per sel Plot Percobaan D -120.0 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 Deviasi Pupuk per sel Plot Percobaan D -120.0 80.0 -40.00 1000.0 60.

00 -1000.99 -1262.73 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Gambar 122 Deviasi pupuk Plot Percobaan D-DS.00 -500.49 -87.15 -679.00 0.500. .00 929.00 -1500.

0 -80.0 -40.0 -20.00 3000.00 1000.0 -100. Deviasi Pupuk Plot Percobaan E 4000.00 -5000.0 100.0 0.0 100.0 80.0 40.0 20.00 -1000.0 80.Deviasi Pupuk per sel Plot Percobaan E -120.0 -40.0 60.00 -3000.0 40.0 20.0 -20.0 -100.0 -60.00 .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 -80.0 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 60.0 0.00 0.00 -2000.00 -4000.0 -60.00 2000.

58 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Gambar 124 Deviasi pupuk Plot Percobaan E-PF.3108.07 -3865.02 -2245. Jumlah pupuk (kg) .50 910.

98 -11.75 1977.96 -37.72 1718.00 .89 -35.41 86.91 1086.74 0.74 -14.96 1630.00 833.00 740.47 -34.67 0.88 1416.00 Inefisiensi (%) Urea TSP KCl -2.16 109.22 -13.49 1250.74 Dosis Seragam 2241.17 1046.74 869.43 4891.300 Tabel 44 Perbedaan kebutuhan pupuk dan tingkat inefisiensi pemupukan Plot Percobaan A-PF B-PF C-DS D-DS E-PF Urea Precision Farming 2307.33 1929.47 1270.37 -15.35 1964.52 (kg) KCl Precision Farming Dosis Se ragam 2636.30 Jumlah Precision Farming 135.57 434.01 5648.17 1956.00 700.81 53.00 5995.45 Inefisiensi (%) Tingkat Inefisiensi Pemupukan 800.50 TSP pupuk Dosis Seragam 896.78 652.58 3750.44 berlebihan berlebihan -16.90 1666.47 692.85 2173.86 563.

00 563.00 ABCD E Plot Percobaan Gambar 125 Tingkat inefisiensi pemupukan setiap plot percobaan.00 500.98-14.00 100.00 0.600.41 53.81 Urea TSP 300.44 -13. .86 -11.96 -16.74 -35.00 KCl 200.00 -100.00 400.45-34.89-15.47 -2.47 692.37 86.22 -37.

5 53.7 44.060.7 51.9 53.4 51.0 58.3 42.3 42.7 49.0 56.0 44.9 53.7 49.44.4 49.0 46.4 49.8 .0 46.3 46.3 49.0 49.3 PETA SPASIAL 44.8 44.0 53.3 58.0 49.4 56.8 42.1 44.9 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 46.8 51.8 51.3 53.0 60.5 49.060.4 51.1 49.0 49.

3 27.4 51.7 44.0 58.4 4.1 44.3 PETA SPASIAL Gambar 126 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan A-PF.3 46.7 51.4 56.4 49.8 51.44.0 3.0 49.3 49.2 27.0 46.4 51. 9.0 56. 2 27.1 49.8 42.0 60.8 51.5 53.0 44. 2 .2 27.9 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) ____ 44.7 3.0 53.5 49.3 58.4 49.4 6.3 53.

2 27. . 2 27.2 27. 2 27. 2 27. 2 27.2 27.2 14.8 27.27. 2 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 27.2 27.2 27.2 27.2 27.2 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. 2 27.5 27. 2 13.

8 60.6 -42.6 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 60.2 56.1 -46.3 51.51.8 60.1 55.1 52.1 56.6 50. 1 -47.2 52.6 54.0 53.1 .6 50.1 -44.4 49.3 55.0 53.2 54.1 54.9 48.4 49.254.5 60.6 49.7 57.8 -47. 1 -47.0 53.1 52.8 52.4 53.254.1 49.0 54.3 52.4 -47.

6 54.6 49. 430.4 53.2 52.9 48.2 56.4 27.6 50.4 -47.2 29.7 57.1 56. -24.1 -44.5 60.0 53.-46.1 49.8 52.2 54.3 Gambar 128 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan A-PF.3 52.2 27.3 55.6 29.8 -47.6 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 -42.1 54.0 54.6 60.1 55.1 27.9 31.5 -24.6 -24.3 .6 50.

9 29.2 27.26.8 29. 5 28.1 -24.4 32.5 32. .6 26. 3 25. 3 31. 6 30. 8 25. 2 25.9 25. 8 30. 1 27. 4 26.1 Gambar 129 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan A-PF.3 26.6 -24.7 26.4 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 -24.0 28.3 30.

5 26.2 19.6 19.9 21. 9 24. 6 .6 31.3 23.9 26.6 21.9 29.0 21.0 26.2 21.0 33. 6 21.6 29.0 24.6 18.3 21.3 31.0 21.4 19.7 24.3 21.2 23.9 26.26.9 31.3 29.5 26.5 21.6 38.9 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.

9 21.9 31.21.3 29.9 12. 9 24.9 26.0 33.6 38.5 26.2 23.9 29.3 31.2 19.5 26.2 21.0 24. .5 21.6 18.6 31.0 21.0 Gambar 130 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan B-PF.0 21.9 26.3 21.3 23.6 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 12.3 21.6 21.4 19.6 29.7 24.

6 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 27.8 20.2 27.2 27.7 27.2 27.9 19.3 27.2 24.2 27.2 27.2 27.2 27.2 27.2 27.9 27.2 27.2 27.2 27.2 27.2 13.9 27.3.2 10.6 15.2 27.8 Gambar 131 Peta spasial kelebihan pupuk TSP pada pemupukan pertama .2 10.2 27.2 27.2 15.

.Plot Percobaan B-PF.

0 11.3 8.8 3.6 10.4 4.5 -0.1 4.4 2.7 2. 3 2.2 10.2 22. 1 -1.2 7.1 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) yang tidak diamati batas sel yang diamati____ Keterangan : U .7 7.9 3.8 8.0 1.3 3.5 2.1 17.9 6.9 12.8 5.0 6.4 3.8 16.0 -0.2 3.2 0.5.

9 5.0 1.2 22.0 6. 1 -1.1 3.8 3.8 16.3 0.3 8.8 8.9 3.7 7. 3 2.6 10.1 17.PETA SPASIAL jum lah kelebihan pupuk Urea pada seti ap sel (dalam kg) -0.4 3.2 10. 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) .5 -0.7 2.9 6.9 12.2 3.4 2.3 3.5 2.0 -0.0 11.1 4.2 0.4 4.8 5.2 7.

9 11.3 7.3 0.3 8. 6 8. 4 16.2 -4.8 0.1 12.7 -0.4 14. 7 11.2 11.9 Gambar 132 Peta spasial kelebihan/kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan B-PF. 0.6 13.3 9.0 7.yang tidak diamati batas sel yang diamati____ Keterangan : U PETA SPASIAL jum lah kelebihan pupuk Urea pada seti ap sel (dalam kg) -0.6 16. 1 15. 2 -6.7 11.4 8.2 -6. 8 14.5 14.8 11.6 13.8 8.2 9. 9 -5. 3 -6.1 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 .5 13. 3 13.

.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.

3 43.2 43.7 46.8 44.4 55.8 46.4 55.8 46.3 43.1 44.8 46.4 53.4 50.8 48.8 46.7 46.8 48.1 43.1 37.8 46.1 43.8 44.4 53.3 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 37.51.2 43.3 0 0 50 .4 50.7 46.1 44.7 46.8 46.1 37.2 51.

2 27.2 27. 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 37.2 27.2 Gambar 134 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan C-DS.2 27.2 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.

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.

3 73.1 70.1 0 0 50 50 100 100 150 150 200 200 250 250 .9 81.3 62.1 62.1 74.1 66.6 67.6 70.7 70.U batas sel Keterangan : jumlah kelebihan pupuk Ure a pada setiap sel (da lam kg) ____ 50 0 50 Meters 70.7 62.9 70.3 67.2 67.8 74.1 70.2 63.1 70.1 70.9 70.1 67.9 66.9 70.1 55.9 70.6 62.6 70.781.5 62.9 67.3 66.2 74.1 70.3 70.6 63.1 78.1 74.1 70.6 62.2 70.1 67.9 81.9 58.7 67.

2 67.1 55.5 62.9 U batas sel Keterangan : jumlah kelebihan pupuk Ure a pada setiap sel (da lam kg) ____ 50 0 50 Meters 70.2 70.3 62.1 74.9 81.1 70.1 70.1 67.2 74.7 70.7 67.1 62.6 70.9 58.9 70.6 62.1 70.1 70.3 73.9 66.1 74.6 70.8 74.9 70.3 70.6 62.9 70.3 67.9 67.2 63.150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL 58.781.1 66.1 70.1 78.6 63.6 67.1 0 0 50 50 .1 70.9 81.3 66.9 70.7 62.1 67.

4 30 . KELEBIHAN / KEKURANGAN PUPUK TSP Plot Percobaan E U batassel Ketera ngan: jumlah kekurangan pupuk TSP padasetiapsel (dalam kg) ____ 50 0 50 Meters 1. 512.3 6.0 12 . 3 29.2 43 .3 43 . 5 43.5 10 .5 41 .2 21 .5 -9.6 0.5 43.100 100 150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL 58.5 43. 5 43.5 22 .6 43 .2 43 .4 32.2 17.9 Gambar 142 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan E-PF.5 20.5 43.2 14 . 5 43. 6 11.7 1.5 43.5 43.2 43 .5 17. 5 43.5 43.5 42.5 .3 28.6 34. 2 43.

7 Gambar 143 Peta spasial kelebihan/kekurangan pupuk TSP pada pemupukan pertama Plot Percobaan E-PF.3 0.5 39.5 -13 .1 -22.8 -19 . .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) -9.2 -24.5 39 .-2 5.

7 9 1.6 -8 9.7 9 3.5 -89.3 92.2 98.2 -8 6.4 9 1.5 -47.3 93.2 0 0 50 50 100 100 150 150 200 200 250 250 150 150 .5 -89.5 -85.5-70.1 91.8 -7 7.8 -87.2 -66.1 92.4 -87.3 -88.9 -80.5 -7 6.9 -67.U batas sel Ke terangan : jumlahkekuranganpupukUrea pada setiap sel (da lam kg) ____ 50 0 50 Meters -7 7.2 95.2 92.7 -81.8 -88 .0 -81.5 -80.6 -86.0 100.2 9 1.5 94.3 -86.0 1 00.8 97.6 -78.3 -8 5.3 -85.2 9 3.3 -7 1.6 -8 8.9 -87.6 -8 7.

2 -66.6 -78.6 -86.0 1 00.8 -7 7.5 -89.8 97.9 -87.5 -7 6.8 -87.2 9 3.3 -7 1.9 -80.4 9 1.7 9 3.0 100.5-70.3 -88.8 -88 .0 -81.2 -8 6.2 98.3 -85.3 93.9 -67.2 95.5 -47.2 U batas sel Ke terangan : jumlahkekuranganpupukUrea pada setiap sel (da lam kg) ____ 50 0 50 Meters -7 7.3 92.5 -89.200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -47.2 92.3 -8 5.7 9 1.7 -81.6 -8 9.2 9 1.5 94.4 -87.3 -86.2 0 0 50 50 100 100 .5 -85.1 91.6 -8 7.6 -8 8.5 -80.1 92.

KEKURANGAN PUPUK KCl Plot Percobaan E U batas sel Keterangan : jumlahkekuranganpupuk KCl pada setiap sel (da lam kg) ____ 50 0 50 Meters -36.7 47.2 Gambar 144 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan E-PF.9 54.8 52.0 55 .2 49.150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -47.5 47.0 46.6 59.2 53.343.5 .5 56.6 56.5 54.0 53.9 52.9 48.8 56.5 45.8 50.4 -30.4 55.1 49.8 51.9 54.5 50.7 52.0 54.4 42.1 -49.0 40.6 49.5 49.6 -49.9 46.

4 -56.42.0 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 -30.6 Gambar 145 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan E-PF.1 48.2 44.1 56.4 52.2 44. .7 57.951.2 45.

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

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

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

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

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 149 Tampilan menu program Artificial Neural Network (ANN). . Gambar 150 Tampilan menu Model Pemupukan untuk pupuk pertama dengan target produktivitas melalui 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 157 Tampilan pembuatan kontur dengan Surfer 8. . Gambar 156 Tampilan contoh keluaran analisa keragaman spasial.Gambar 155 Tampilan analisa keragaman spasial dengan GS+ for Windows.

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

.Gambar 160 Tampilan menu Help.

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

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

0. .6 1.8 1 1.6 0.8 2 K hara daun (%) Plot A Plot B Plot C Plot D Plot E 3 bulan 4 bulan 9.5 bulan Umur tebu Gambar 166 Kecenderungan pertumbuhan hara daun K.4 1.2 1.2 0.4 0.

5 bulan 9.5 bulan 6.5 bulan 6.5 bulan 9. .5 bulan 4.5 bulan Umur tebu Jumlah AnakanPlot D Plot E ( b ) Gambar 167 Kecenderungan pertumbuhan jumlah anakan tebu.5 bulan 4.5 bulan 5.5 bulan Umur tebu Jumlah AnakanPlot A Plot B Plot C ( a ) 60 80 100 120 140 160 180 2 bulan 2.5 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 5.50 60 70 80 90 100 110 120 1 bulan 2 bulan 3.5 bulan 9.5 bulan 5.5 bulan 4.

6 8 10 12 14 16 18 20 1 bulan 2 bulan 3.5 bulan 6.5 bulan 4.5 bulan 9.5 bulan 4.5 bulan 5.5 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 5.5 bulan 6.5 bulan 5.5 bulan 4.5 bulan 6.5 bulan Umur tebu Jumlah daun hijau tebuPlot D Plot E ( b ) Gambar 168 Kecenderungan pertumbuhan jumlah daun hijau tebu.5 bulan 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 9.5 bulan 9.

5 bulan 6.5 bulan 9.5 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 4.5 bulan 9.5 bulan 6.0 5 10 15 20 25 1 bulan 2 bulan 3.5 bulan 5.5 bulan 4.5 bulan 6.5 bulan 5.5 bulan 5. .5 bulan 9.5 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 Umur tebu Jumlah daun kering tebuPlot D Plot E ( b ) Gambar 169 Kecenderungan pertumbuhan jumlah daun kering tebu.5 bulan 4.

5 bulan 6.5 bulan 4.5 bulan 6.5 bulan 4.14 16 18 20 22 24 26 28 2 bulan 3.5 bulan 5.5 bulan 9. .5 bulan 4.5 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 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 9.5 bulan 9.5 bulan 6.5 bulan 5.5 bulan 5.

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

5 bulan 5.5 bulan Umur tebu Gap tebu (%) Plot D Plot E ( b ) Gambar 172 Kecenderungan pertumbuhan persentase gap tebu.5 bulan 6.5 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 bulan 5.5 bulan 9. .5 bulan 4.5 bulan 6.5 bulan 9.5 10 15 20 25 30 1 bulan 2 bulan 3.5 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 9.5 bulan 4.5 bulan 6.

5 bulan Umur tebu Gambar 173 Kecenderungan pertumbuhan jumlah tebu roboh. Gambar 174 Kecenderungan pertumbuhan penutupan gulma.12 10 8 6 4 2 0 Jumlah tebu roboh 0 10 20 30 40 50 60 6.5 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 9.5 bulan 9. .

4 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 .4 3.8 4 4.2 3.5 bulan 9.6 6.5 bulan Umur tebu Pol (%) Plot A Plot B Plot C Plot D Plot E 3 3.5 bulan 9.8 4 4.4 4. 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 6.6 3.2 4.4 4.2 3.Gambar 175 Kecenderungan pertumbuhan bobot tebu.2 4.6 6.6 3.5 bulan 9.

5 bulan Umur tebu Pol (%) Plot A Plot B Plot C Plot D Plot E Gambar 176 Kecenderungan pertumbuhan nilai Pol.5 bulan 9. .6.

.5 bulan 9.5 bulan 9.5 bulan Umur tebu Gambar 178 Kecenderungan pertumbuhan nilai taksasi. 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 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.

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 6.12 14 16 18 20 22 24 6.5 bulan 9.5 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 6.5 bulan 9.5 bulan 9.5 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. .

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. 0 200 400 600 800 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. .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 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 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 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. .

42 6.07 0.66 6.99 55.56 90.74 a = nilaió terendah pada masing-masing peubah Distribusi frekuensi 70% 60% 50% 40% 30% 20% 10% 0% HISTOGRAM RENDEMEN pada TAKSASI AWAL 2 .73 61.43 9.01 118.04 4.46 7.Tabel 45 Deskripsi statistik rendemen dan taksasi setiap plot percobaan Peubah Plot Percobaan N Min Max Mean (m) Std.9 9 .83 8.40 3.48 7.47 87.27 Rendemen pada B 32 5.15 awal (%) A 33 4.11 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.4 4 .3 3 .59 9.95 (%) C 16 65.15 52.69 106.97 11.7 7 .94 13.88 4.27 Taksasi A 33 73.23 0.56 B 32 60. Deviation (ó) CV P(m ±a) C 16 5.92 D 15 2.96 0.5 5 . .18 32.03 53.8 8 .98 56.65 41.35 awal E 45 39.96 51.21 81.23 101.01 25.24 78.55 17.51 6.48 11.89 6.10 10 .01 1.83 53.71 68.37 56.23 5.05 6.17 69.30 8.11 D 15 45.61 taksasi E 45 2.21 0.56 11.10 7.89 16.6 6 .01 8.61 68.71 6.

80 80 . Tabel 46 menunjukkan bahwa biaya pemupukan dengan pendekatan precision farming (Plot Percobaan A-PF. dan E-PF) lebih besar dari biaya pemupukan dengan dosis seragam (Plot Percobaan C-DS dan D-DS).40 40 .HISTOGRAM TAKSASI AWAL 0% 10% 20% 30% 40% 50% 60% 30 .100 100 110 A . kecuali biaya pemupukan pada Plot Percobaan B-PF berdasarkan taksasi awal. Analisa Biaya .50 50 . 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). Pada tingkat kesuburan tanah yang sangat rendah maka penentuan dosis pupuk dengan pendekatan precision farming tentunya merekomendasikan kebutuhan .90 90 .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).80 80 .40 40 .90 90 . B-PF.60 60 .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. Sedangkan biaya jumlah pupuk tergantung pada kondisi kesuburan tanah.100 100 110 A Hasil analisa biaya disajikan pada Tabel 46 dan Gambar 188 190.60 60 .50 50 .

78 3.583.000.66 2.164.581.484.21 681.864.47 (Rp/ton) TAk 2.188.650.67 B/C ratio TAk 1.842.93 Manfaat hasil TAw 6.00 6.707.342.40 590.00 6.44 1.81 2.00 Keuntungan TAw 2.691.61 TAw 3.62 1.238.761.34 3.416.815.19 3.00 6.56 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 3.46 412.562.835.63 1.86 1.316.852.22 2.368.72 3.000.035.54 438.14 4.710. Semakin banyak pupuk digunakan maka semakin besar biaya jumlah pupuk yang dikeluarkan. 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 536.123.00 6.000.515.089.32/ton .147.476.683.833.00 6.60 1.390.169.87 1.pupuk yang banyak sehingga biaya jumlah pupuk menjadi besar dan sebaliknya.000.676.609.85 5.981.00 gula (Rp/ton) TAk 6.53 512.817.00 6.72 Keterangan: TAw = Taksasi TAk = Taksasi 1. Biaya jumlah pupuk merupakan biaya yang timbul akibat jumlah pupuk yang digunakan.28 2.15 964.14 2.000.798.108.53 Biaya produksi gula (Rp/ton) TAk 3.142.52 3.73 1.657.00 6.201.02 313.20 993.170.000.000.631.157.437.000.910.000.86 3. 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).000.175.66 1.184.292.00 6.48 2.830.308.19 1.07 TAw 1.876.523.82 305.

B-PF. Jumlah gula yang dihasilkan berkaitan dengan rendemen dan taksasi (Gambar 177 dan 178). Biaya produksi gula berkaitan dengan jumlah gula yang dihasilkan. dan E-PF (precision farming) lebih besar dari Plot Percobaan C-DS dan D-DS (dosis seragam). B-PF.000.00/kg Tabel 46 juga menunjukkan bahwa biaya produksi gula berdasarkan taksasi awal untuk Plot Percobaan A-PF.Harga gula = Rp 6. Gambar 177 menunjukkan bahwa rendemen untuk Plot Percobaan A-PF. dan C-DS tidak berbeda nyata (Lampiran 53) tetapi nilai taksasinya (Gambar 178) berbeda nyata . kecuali biaya produksi gula pada Plot Percobaan B-PF berdasarkan taksasi awal.

000.00 1. 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.500.00 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.44 92.98 1.84 192.000. Nilai rendemen dan taksasi awal Plot Percobaan D-DS lebih rendah dari Plot Percobaan A-PF.418.608.805.00 100.000.36 69.000.72 70.598.00 250. B-PF.00 2.668.07 0.65 14.645.618.00 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 1.00 50.21 954.252.00 200.22 208.000. Biaya Analisa Sampel 91.000.377.21 677.758.48 101.01 299.00 500. dan C-DS.419.00 2.618.500. .35 349.71 0.000.00 150.(Lampiran 53).481.05 28.87 1.000.00 3.18 2.67 12.559.241.44 943. Biaya Pengambilan Sampel 1.

668.000.00 1.00 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.892.000.800.000.088.000.000.939.25 296.889.00 1.49 243.61 487.600.65 610.836.939.86 443.000.00 1.000.836.34 425.00 1.00 200.082.000.56 963.892.00 600.889.00 1.00 1.567.00 1.000.00 200.89 497.000. 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.51 1.400.068.00 600.668.00 800.336.49 243.51 0.068.000.000.00 1.86 443.200.600. .00 1.000.25 296.34 425.088.400.00 400.56 963.00 800.61 487.082.336.89 497.800. Biaya produksi gula pada taksasi akhir untuk Plot Percobaan C-DS paling rendah karena gula yang dihasilkan paling banyak.00 400.000.65 610.00 1.096.000.567.000.000.096.000.Biaya Jumlah Pupuk 319.51 0.200.000.00 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 319.000.51 1.

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. B-PF. dan E-PF) lebih kecil dari keuntungan yang dihasilkan pemupukan dengan dosis seragam (Plot Percobaan C-DS dan D-DS). kecuali Plot Percobaan B-PF (precision farming) pada taksasi awal yang lebih besar dari pada Plot Percobaan C-DS (dosis . keuntungan yang dihasilkan pemupukan dengan pendekatan precision farming (Plot Percobaan A-PF. 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.

ketelitian pemupukan yang masih kurang baik dengan fertilizer maupun tenaga manusia. pelaksanaan pemupukan harus teliti (mekanis maupun manual).5 bulan sehingga taksasi akhir lebih rendah. Hal ini karena rendemen Plot Percobaan A-PF. Rendahnya rendemen tersebut disebabkan keterlambatan pemupukan. serta kegiatan budidaya di luar pemupukan seperti irigasi. Oleh karena itu agar pendekatan precision farming dalam pemupukan N. P. 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) .seragam).09%. B-PF. Perhitungan berdasarkan taksasi akhir tidak dapat dihandalkan karena faktor serangan hama dan penyakit yang semakin parah pada umur tebu 9. dan K pada Plot Percobaan B-PF berdasarkan taksasi awal hanya dapat meningkatkan keuntungan 1. dan K lebih menguntungkan maka pemupukan harus tepat pada waktunya. B-PF. dan E-PF lebih kecil dari pada Plot Percobaan C-DS dan D-DS. P. Pendekatan precision farming dalam pemupukan N. pemeliharaan tanaman yang kurang. . serta tidak adanya pemberantasan hama dan penyakit. pemberantasan hama dan penyakit harus mendapat perhatian yang baik. pemeliharaan tanaman. Namun demikian baik berdasarkan taksasi awal maupun akhir ternyata pendekatan precision farming pada Plot Percobaan A-PF. dan E-PF masih menguntungkan (B/C ratio > 1). irigasi yang tidak memadai.

2065. sedang untuk N. cukup rendah cukup dengan rincian cukup rendah tinggi untuk P dan K. dan K sub soil tidak menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya dapat dilakukan secara acak. e tingkat keragaman spasial yang terjadi berkisar dari agak rendah sampai cukup tinggi berdasarkan 11 kelas keragaman spasial yang digunakan.4 .5 m untuk P. dan P top soil menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya perlu diperhatikan pola keragaman yang terjadi. 44.3 m untuk Plot Percobaan A-PF. dan 60. dengan rincian 51 . dan K dapat menekan tingkat keragaman spasial kandungan hara N. 41.3 m untuk K. P. c unsur hara P sub soil K top soil.2040. dan K.1039. 2 Keragaman spasial produktivitas lahan a pendekatan precision farming dalam pemupukan N. dan K dapat menekan tingkat keragaman spasial produktivitas lahan. dengan rincian 288. d agar lebih efisien maka ukuran pengambilan contoh (sampling size) pengamatan tanah dapat diperbesar dari 25 m menjadi minimal 40 m.3 . b produktivitas lahan menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya perlu diperhatikan pola keragaman yang terjadi. P. N sub soil.7 m . 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.5 m untuk N. b unsur hara N top soil. c agar lebih efisien maka ukuran pengambilan contoh (sampling size) pengamatan produktivitas lahan dapat diperbesar dari 25 m menjadi minimal 40 m.

dan melakukan analisa biaya. P. R2=0.93 untuk pupuk pertama N.9 10. dan 259 m untuk Plot Percobaan E-PF.347 untuk Plot Percobaan B-PF. Dibandingkan dengan penentuan dosis pupuk berdasarkan rekomendasi pustaka. 152 m untuk Plot Percobaan C-DS.09%. P. dan meningkatkan keuntungan 1. 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. dan K pada budidaya tebu telah dibangun dengan nama STRAFERT-PF yang mempunyai kemampuan untuk menentukan taksasi tebu. penentuan dosis pupuk berdasarkan target produksi dan kadar gula dengan model ANN memberikan hasil yang lebih baik. d tingkat keragaman spasial yang terjadi berkisar dari rendah sampai cukup rendah berdasarkan 11 kelas keragaman spasial yang digunakan.88 untuk pupuk kedua N. 5 Pendekatan precision framing dalam pemupukan dapat menekan pemborosan penggunaan pupuk 53. dan cukup rendah pada Plot Percobaan E. denga n rincian agak rendah pada Plot Percobaan A-PF. menentukan dosis pupuk. membuat peta informasi lahan. agak rendah pada Plot Percobaan C-DS.88 untuk pupuk pertama P. dan R2=0. cukup rendah pada Plot Percobaan D-DS. Saran Untuk mendapatkan hasil yang baik pada penerapan precision farming pada pemupukan maka perlu diperhatikan tersedianya jumlah data untuk training . 4 Sistem Pendudukung Keputusan untuk pendekatan precision farming dalam pemupukan N. meningkatkan produktivitas 0. R2=0. minimal 86. melakukan analisa keragaman spasial. meningkatkan pertumbuhan vegetatif tanaman. dan K untuk pemupukan pada target produktivitas dan kadar gula yang diharapkan.47% untuk Urea.92 untuk pupuk kedua K. rendah pada Plot Percobaan B-PF. berlebihan untuk KCl. acak untuk Plot Percobaan D-DS. menentukan kebutuhan jumlah hara N.7%.96% untuk TSP.

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

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

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

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

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

Oozer Y. Illingworth WT. Chung SO. Agroteknologi Tebu Lahan Kering. Florida. Sixth Edition. Di dalam: Intelligent Control for Agricultural Application. hlm. Nelson MM. Miller RW. Agricultural mechanization system for precision farming. Gula : Kajian Sosial dan Ekonomi . Tanah-tanah Utama Indonesia : Karakterisitik. 1996. Klasifikasi. P. 1991. . Jakarta : PT Elex Media Komputindo. Matsushita Y. The potential for site-specific management of cotton farming systems. Kim YK. 1. Soils : An Introduction to Soils and Plant Growth. Bali: IFAC-CIGR. 2000.McBratney A. 1995. Inc. 2001.3 untuk Pemula. Suhwon Academic Press.htm [5 Mei 2006] Munir M. 1979. Co-operative Research Center for Sustainable Cotton Production. Muhali I. Precision technology for controlling soil moisture with plug seedlings. 2005.uk/catalog/210abs. 1968.org. Yogyakarta : Lembaga Pendidikan Perkebunan. Australia. Surabaya: BPUPPN Gula Inspeksi VI. Analisa N. Nuarsa IW. Application of Precision Agricultural Techniques to Florida s Mineral Soils. Daryanti. Notojoewono AW. Proceeding of 2nd IFAC-CIGR Workshop on. 1997. Muraka mi K. Florida Cooperative Extension Service. University of Florida. Mulla DJ [abstrak]. 2001. Bali Indonesia 22-24 August 2001. Geostatistics. Mubyarto. Discussion Paper No. http://www.novartisfound. Institute of Food and Agricultural Sciences. New Jersey: Prentice Hall. Sung JH. Kim HJ. St. Jakarta: AMC. Berkebun Tebu Lengkap. 1990.Paul: University of Minnesota. Djilid 2. dan Pemanfaatannya. Belajar Sendiri Menganalisis Data Spasial dengan ArcView 3. Murase H. Metode Hara Berimbang Optimum dalam Analisis Daun untuk Petunjuk Saran-Saran Pemupukan Tanaman Tebu di Indonesia [disertasi]. Yogyakarta: Aditya Media. Yogyakarta: Pascasarjana Universitas Gadjah Mada. Whelan BM. 1991. 49-52. Jakarta: Pustaka Jaya. dan K dari Daun Tebu dan Pupuk. Donahue RL. Pawirosemadi M. Englewood Cliffs. USA: Addison-Wesley Publishing Company. Muchovej RM. Park WK. 1980. A Practical Guide to Neural Nets. 1993. remote sensing and precision farming.

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

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

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

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

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

.

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

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

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

L A M P I R A N .

Lampiran 1 Akurasi program Artificial Neural Network (ANN) pada penentuan jumlah hara yang dibutuhkan No.9253 0 40 80 120 160 Pupuk Pertama N model ANN (kg/ha) . 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.

8836 0 20 40 60 80 100Pupuk Kedua N 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) 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.

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) .

2 132.3 94.3 -132.5 56.8 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 .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 -170 170-207.5 -94.

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 .3 145.5 -190.5 163.4 107.3 -163.

3 -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 .3 379 .1 406 .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 .3 425 .1 -425.3 -457 457 -484.

2 -661.7 616.2 -645.2 645.8 661.2 0 -616.2 629.5 0 50 100 150 (dalam kg/ha) .8 -676.2 -629.640 630 620 660 670 640 630 620 650 630 650 650 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 -392 392 -447.1 -311.1 236.8 354.7 -354.7 311.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 236.7 Lampiran 7 Peta dosis per sel dan kontur teoritis dosis TSP Plot Percobaan B-PF 0 20 406080 .

8 131.8 -187.8 -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 -108.8 108.4 .

3 -10.7 -24.7 10.5 -63.3 3.5 24.7 -88.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 Lampiran 9 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan B-PF 480 460 500 .

8 494.1 419.7 -494.1 -466.8 -524 524 -550.9 -419.9 .7 466.440420 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.

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 .

2 193.5 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 .7 211.1 -174 .6 -193 .7 -267 .300 30 0 350 35 0 400 40 0 450 45 0 137.4 -151 .6 174.1 151.2 -211 .

6 109.80 240 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 -109.8 .3 184.3 -285 285 -414.3 11.6 -184.

8 -356.2 356.7 409.6 .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 0 235.2 -409.7 -446.

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 9.3 477.446.3 .3 -501.6 -477.9 -598 .7 59 8.7 -646 .

9 -690 .1 -714 .64 6.3 -671 .9 67 1.4 .1 69 0.

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 .

51 -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) ____ 73.56 Lampiran 41 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan A-PF 76 72 8064 .69 -75.84 75.31 97.31 -106.11 91.11 -97.84 -84.51 84.

97 -73.97 66.99 -66.45 81.11 -101.84 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 .81 -81.45 -89.81 73.11 89.

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 .

93 -97.01 -73.16 -82.16 73.93 87.98 -118.17 -87.17 82.batas sel yang dia mati____ Ke terangan : U 60.47 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 .98 97.

81 sel yang diamati____ -66.65 -76.batas U 62.11 -82.81 -101.11 88.65 76.63 66.11 -88.52 .11 82.

73 -85.26 85.43 -76.35 76.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 65.43 70.35 -80.21 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 .26 -101 .73 80.23 -70.

58 -5 0.77 50 .71 -7 6.32 76 .86 -7 2.32 -8 9.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 .77 -6 6.71 72 .86 66 .81 .

78 55.78 -59.66 -64.17 -50.07 -55.17 -69.07 50.66 59.17 64.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 45.98 (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 .

88 -62.12 -58.58 .64 47.64 -56.04 -71.04 62.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 40.69 -47.12 56.88 58.

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 .

28 -57.81 44.15 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 57.15 -63.28 50.89 63.24 -44.89 -78.200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 39.81 -50.

05 -87.46 .01 -53.44 -61.01 46.44 53.64 61.64 -74.0 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 39.05 74.04 -46.

16666 2.6338 0.162 32 16.82993 0.02140 0.6850 0. Deviation Std.31852 -18.937 32 16.2367 1.4933 0.17299 -23.094 14 20 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan E-PF 45 7.15304 -38.24080 8.20748 -15.1964 0.367 44 20 beda nyata .99373 0.13988 -91.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.861 15 16.02661 0.93834 0. Error Mean t df Nilai Pembanding Keterangan Kadar gula pada taksasi awal (% Pol) Plot Percobaan A-PF 33 12.609 14 20 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan D-DS 15 14.5 tidak beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan C-DS 16 13.638 31 16.62304 0.1284 1.5 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan D-DS 15 8.39290 0.8431 1.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan B-PF 32 16.11014 -34.35965 -31.18056 1.2975 0.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan A-PF 33 16.95738 0.96319 0.900 31 16.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan C-DS 16 18.5 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan B-PF 32 12.23360 0.533 44 20 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan E-PF 45 14.435 15 16.9894 0.6320 1.

311 44 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan E-PF 45 7.08223 -84. Deviation Std.11513 -8.169 32 10 beda nayata Rendemen pada taksasi akhir (%) Plot Percobaan A-PF 33 6.59304 0.16360 0.84917 0.2100 0.55162 0.65441 0.48009 0.2344 0.257 32 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan B-PF 32 6.41807 0.10452 -36.10323 -39.65130 0.0113 1.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.00997 0.10475 -37.620 31 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan C-DS 16 6.12659 -18.0075 0.68751 0.17751 -13.9564 0.26077 -22.0671 0.028 15 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan C-DS 16 10.5733 0.08487 -44.0788 0. Error Mean t df Nilai Pembanding Keterangan Rendemen pada taksasi awal (%) Plot Percobaan A-PF 33 5.481 15 10 tidak beda nyata Rendemen pada taksasi awal (%) Plot Percobaan D-DS 15 4.965 14 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan D-DS 15 7.670 14 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan E-PF 45 3.657 31 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan B-PF 32 9.0973 0.6198 0.60175 0.803 44 10 beda nyata .

93968 2.08947 -20.11066 -10.69409 -25.0109 8.976 31 8 5.05899 1.11066 0.5140 6.65080 1.88937 1.3006 8.43290 1.589 4 4 100 beda nyata .32515 -35.59 15 78.4809 11.669 31 110 beda nyata Taksasi awal (ton/ha) Plot Percobaan B-PF 32 87.75105 -11.341 15 1 00 beda nyata Taksasi awal (ton/ha) Plot Percobaan C-DS 16 81.669 14 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan D-DS 15 57.43290 1.24178 -8.93968 2.56120 1.4809 11.46798 9.96711 2.85687 2.837 32 75 .05899 1.0372 8.086 15 78.1018 10.180 1 5 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan C-DS 16 72.58773 -26.3006 8.52222 1.52222 1.71422 -2.552 31 110 beda nyata Taksasi akhir (ton/ha) Plot Percobaan B-PF 32 79.57 beda nyata Taksasi akhir (ton/ha) Plot Percobaan A-PF 33 80.50653 -4.2667 8.96711 2.0109 8.1018 10.3694 10.0372 8.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.71422 -10.452 14 100 beda nyata Taksasi awal (ton/ha) Plot Percobaan E-PF 45 52.09247 2.805 32 1 00 beda nyata Taksasi awal (ton/ha) Plot Percobaan A-PF 33 90.42 tidak beda nyata Taksasi akhir (ton/ha) Plot Percobaan B-PF 32 79.46798 -6.42 beda nyata Taksasi awal (ton/ha) Plot Percobaan C-DS 16 81.85687 2.364 3 2 100 beda nyata Taksasi akhir (ton/ha) Plot Per cobaan A-PF 33 80.3694 10.50653 -20.588 32 75.593 44 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan E-PF 45 57.57 beda nyata Taksasi awal (ton/ha) Plot Percobaan B-PF 32 87.8340 8. Deviation Std. 03 tidak beda nyata Taksasi akhir (ton/ha) Plot Percobaan C-DS 16 72.237 31 85.7847 10.75105 2. Error Mean t df Nilai Pembanding Keterangan Taksasi awal (ton/ha) Plot Percobaan A-PF 33 90.24178 1.03 tidak beda nyata Taksasi awal (ton/ha) Plot Percobaan D-DS 15 56.

212 31 beda nyata Taksasi awal dan akhir (ton/ha) 774 15 beda nyata Taksasi awal dan akhir (ton/ha) 0.85108 0.15412 dan taksasi akhir (%) Plot -0.14802 Rendemen pada taksasi awal Percobaan C -DS 16 -3.8444 0.4438 11.31605 - . Plot Percobaan D-DS 15 -0.9507 8.33932 2.539 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.900 32 beda nyata dan taksasi akhir (%) Plot -24.30010 1.5527 1.9312 7.33819 1. Std.463 14 tidak beda nyata Taksasi awal dan akhir (ton/ha) 3.48256 1. Plot Percobaan B -PF 32 8.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.62668 Plot Percobaan E-PF 45 -4.27954 Rendemen pada taksasi awal Percobaan E-PF 45 -4.1409 0.83731 0.14815 Rendemen pada taksasi awal Percobaan B -PF 32 -2.08264 0.87064 4.63717 0.9091 8.00453 Plot Percobaan C-DS 16 8.134 16 beda nyata dan taksasi akhir (%) Plot -12.45149 6.951 33 tidak beda nyata dan taksasi akhir (%) Plot -18.7975 0.762 44 beda nyata Plot Percobaan A-PF 33 9.82832 1.15929 Rendemen pada taksasi awal Percobaan D -DS 15 -3.7527 6. Error t df Keterangan Deviation Mean Taksasi awal dan akhir (ton/ha) 827 32 beda nyata Taksasi awal dan akhir (ton/ha) 4. Error t df Keterangan Deviation Mean Rendemen pada taksasi awal Percobaan A -PF 33 -0.5620 1. Std.742 15 beda nyata dan taksasi akhir (%) Plot -29.03388 0.

a Uses Harmonic Mean Sample Size = 23.1333 Plot Percobaan B-PF 32 345.481. .4800 Sig.823 N Subset for alpha = .000 1. a Uses Harmonic Mean Sample Size = 23.7091 45 429.7727 Plot Percobaan E-PF 45 198. Dosis TSP (kg/ha) Plot Percobaan 1 2 3 Tukey HSD(a.05 Plot D-DS B-PF A-PF E-PF Percobaan C-DS 16 . The harmonic mean of the group sizes is used.000 1.3900 15 217.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig. Typ e I error levels are not guaranteed.3900 . Typ e I error levels are not guaranteed.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan N Subset for alpha = . b The group sizes are unequal.000 1.4800 Plot Percobaan D-DS 15 543. b The group sizes are unequal. The harmonic mean of the group sizes is used.Lampiran 55 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA Dosis Urea Dasar (kg/ha) Subset for alpha = .7667 45 116.b) Plot Percobaan A-PF 33 140.3906 33 418. 1. Dosis Urea Susulan (kg/ha) Plot Percobaan 1 2 Tukey HSD(a.4375 33 32.921 .0000 32 8.7375 Plot Percobaan C-DS 16 543.05 Plot Percobaan N 1234 Tukey HSD(a.5022 Means for groups in homogeneous subsets are displayed.0000 15 .000 Means for groups in homogeneous subsets are displayed.2756 16 217.05 Plot A-PF E-PF C-DS D-DS Percobaan B-PF 32 27.481.

000 1. The harmonic mean of the group sizes is used. b The group sizes are unequal. .000 Means for groups in homogeneous subsets are displayed. a Uses Harmonic Mean Sample Size = 23. .481. Typ e I error levels are not guaranteed.999 1.Sig.

The harmonic mean of the group sizes is used. The harmonic mean of the group sizes is used.4688 15 69.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig. b The group sizes are unequal.05 Plot Percobaan N 1 2 3 4 Tukey HSD(a.Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Dosis KCl (kg/ha) Subset for alpha = .481.0000 33 67.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.481.9375 33 78.6700 Plot Percobaan B-PF 32 494. Typ e I error levels are not guaranteed.0000 Means for groups in homogeneous subsets are displayed. 1.601 N Plot A-PF E-PF B-PF D-DS Percobaan C-DS 16 66. Populasi Tebu pada Taksasi Awal (dalam ribuan) Plot Percobaan 1 2 Tukey HSD(a. The harmonic mean of the group sizes is used.449 N Subset for alpha = . Populasi Tebu pada Taksasi Akhir (dalam ribuan) Subset for alpha = .000 1. a Uses Harmonic Mean Sample Size = 23. Ty pe I error levels are not guaranteed.0909 45 67.b) Plot Percobaan C-DS 16 416.1556 32 68.6700 Plot Percobaan D-DS 15 416.4750 Plot Percobaan A-PF 33 639.000 Means for groups in homogeneous subsets are displayed. .0000 32 79. .05 Plot Percobaan 1 Tukey HSD(a.2000 Means for groups in homogeneous subsets are displayed. Typ e I error levels are not guaranteed.1711 Sig. b T he group sizes are unequal.699 . b The group sizes are unequal.5778 15 102. a Uses Harmonic Mean Sample Size = 23.0938 45 96. . a Uses Harmonic Mean Sample Size = 23.2091 Plot Percobaan E-PF 45 666.05 Plot A-PF B-PF E-PF D-DS Percobaan C-DS 16 74.000 1.000 1.481.

.

000 .05 Plot E-PF C-DS B-PF A-PF .6667 45 184.9697 Means for groups in homogeneous subsets are displayed.9688 Plot Percobaan A-PF 33 197.b) Plot Percobaan E-PF 45 106.0113 Plot Percobaan A-PF 33 5.05 1 2 3 Tukey HSD(a.481.228 Means for groups in homogeneous subsets are displayed. b The group sizes are unequal.561 Percobaan D-DS 15 178.0313 248.9688 188.05 Plot Percobaan N 123 Tukey HSD(a. Tinggi Tebu pada Taksasi Akhir (cm) Plot Percobaan 1 2 3 Tukey HSD(a.0222 Plot Percobaan D-DS 15 107.b) Plot Percobaan E-PF 45 3. The harmonic mean of the group sizes is used.3125 Plot Percobaan B-PF 32 188.505 .3333 16 234. T y pe I error levels are not guaranteed.0671 Plot Percobaan D-DS 15 4. b The group sizes are unequal.5758 Sig. Typ e I error levels are not guaranteed.2100 Plot Percobaan C-DS 16 6.900 .2344 Sig. Rendemen pada Taksasi Awal (%) Plot Percobaan N Subset for alpha = . The harmonic mean of the group sizes is used.820 .7500 32 248. .093 N Subset for alpha = .b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig. a Uses Harmonic Mean Sample Size = 23.998 .9564 Plot Percobaan B-PF 32 6. a Uses Harmonic Mean Sample Size = 23.2667 Plot Percobaan C-DS 16 185.Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Tinggi Tebu pada Taksasi Awal (cm) Subset for alpha = . 1.481.0313 33 255.000 1. .

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

7847 Plot Percobaan C-DS 16 72.665 . 1.0372 Plot Percobaan A-PF 33 80. .0109 Means for groups in homogeneous subsets are displayed. Taksasi Awal (ton tebu/ha) Plot Percobaan 1 2 3 Tukey HSD(a. Typ e I error levels are not guaranteed. b The group sizes are unequal.6198 Plot Percobaan B-PF 32 9.b) Plot Percobaan D-DS 15 57.05 1 2 Tukey HSD(a.887 Percobaan E-PF 45 52. Taksasi Akhir (ton tebu/ha) Plot Percobaan N Subset for alpha = .060 .b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.b) Plot Percobaan A-PF 33 6. a Uses Harmonic Mean Sample Size = 23.999 1.3006 32 87.166 N Subset for alpha = .1018 Sig.4809 33 90. b The group sizes are unequal.5733 Plot Percobaan E-PF 45 7.000 1. 1.0973 Plot Percobaan D-DS 15 7.05 Plot Percobaan N 1234 Tukey HSD(a.3694 Plot Percobaan B-PF 32 79. The harmonic mean of the group sizes is used.000 . Typ e I error levels are not guaranteed.0788 Sig.0075 Plot Percobaan C-DS 16 10.000 .481.5140 16 81.481.2667 Plot Percobaan E-PF 45 57.8340 15 56. a Uses Harmonic Mean Sample Size = 23.4809 87.000 Means for groups in homogeneous subsets are displayed. The harmonic mean of the group sizes is used.05 Plot D-DS C-DS B-PF A-PF .Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Rendemen pada Taksasi Akhir (%) Subset for alpha = .

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

07 0.15 0.05 0.5 D-DS dan E-PF 87 0.12 10.32 1.5 A-PF 93 6.04 7.45 0.95 0.09 0.00 91.17 12.68 4.5 D-DS dan E-PF 80 2.14 6.30 8.12 64. KPR N.26 0.5 B-PF 103 1.45 5.37 4.70 8.5 A-PF 90 1.42 0.5 C-DS 94 4.17 0.16 15.38 9. Cincin K.01 40.67 12.22 2.35 1.97 0.89 9.82 89.33 82.18 6.03 -13.67 84.25 7.08 1.12 13.11 3.14 7.02 0.5 A-PF 104 20.21 9.5 A-PF 93 2.68 8.18 97.16 -73.14 3.01 0.06 0.68 7.12 3.49 6.30 2.28 45.74 4.34 0.01 3.18 0.17 2.34 29.5 B-PF 101 6.25 48.20 penyakit batang .51 1.84 60.63 84.74 0.47 8.10 0.11 -0.84 3.63 28.23 2.5 C-DS 95 3.39 38. Daun I II TB SB 4.42 6.5 C-DS 111 18.40 34.10 2.07 67.32 12.70 7.39 27.19 -63.50 0.46 5.11 0. Kuning N.10 3.52 1.16 -1.09 6.10 86.07 -91.87 0.63 53.Lampiran 56 P engamatan hama dan penyakit Umur tebu (bulan) Plot Jumlah batang Kutu Perisai Intensitas luas serangan % serangan PB % serangan Intensitas seranganKPR Int.97 0.12 14.10 0.94 12.54 9.5 D-DS dan E-PF 83 1.24 0.54 0.23 2.40 2.50 0.07 84.74 10.03 0.97 17.33 0.01 34.5 A-PF 84 0.06 1.01 0.35 0. = intensitas TB = top borer N = noda SB = stem borer K = karat 26.89 8.41 14.47 0.87 0.04 7.5 B-PF 99 2.01 3.16 5.18 0.01 2.40 0.5 B-PF 95 1.5 C-DS 91 3.34 0.24 0.65 0.39 92.08 0.5 C-DS 97 5.5 B-PF 113 18.85 Keterangan: KPR = kutu perisai PB = Int.84 0.06 0.04 0.44 0.90 1.57 3.48 35.61 9.5 D-DS dan E-PF 87 0.08 0.23 0.06 1.55 0.51 0.

Sign up to vote on this title
UsefulNot useful