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

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

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

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

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

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

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

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

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

.. 136 78 Pengamatan persentase penutupan gulma 137 79 Pengamatan hama dan penyakit tanaman tebu 137 80 Pengambilan sampel biomassa tanaman tebu .. . 189 89 Semi-variogram kandungan P top soil tebu umur 1 minggu pada Plot Percobaan C-DS sebelum pemupukan pertama .... 188 87 Semi-variogram kandungan N top soil tebu umur 1 minggu pada Plot Percobaan C-DS sebelum pemupukan pertama . 201 108 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan D-DS ...... 187 84 Semi-variogram kandungan N top soil tebu umur 3 bulan pada Plot Percobaan A-PF sebelum pemupukan kedua .......5 bulan pada Plot Percobaan A-PF .. 189 88 Semi-variogram kandungan N top soil tebu umur 3 bulan pada Plot Percobaan C-DS sebelum pemupukan kedua ..5 bulan pada Plot Percobaan C-DS ... 191 92 Semi-variogram Taksasi Akhir tebu umur 9..... 197 101 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan B-PF ...... 198 103 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan D-DS 199 104 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan E-PF .. 197 100 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan A-PF ..... 196 99 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan E-PF .. 201 109 Perbedaan kebutuhan pupuk KCl pada P lot Percobaan E-PF . 191 93 Semi-variogram Taksasi Awal tebu umur 6. 198 102 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan C-DS . 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 ..... .. 199 105 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan A-PF . 202 .. 200 106 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan B-PF ....... 190 91 Semi-variogram Taksasi Awal tebu umur 6.5 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 .. 138 81 Ringkasan diagram alir tata laksana penelitian 143 82 Peta lokasi PT Gula Putih Mataram . 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 .... 133 76 Pengambilan sampel daun 134 77 Pengambilan sampel batang untuk analisa kemasakan dan taksasi ........ 153 83 Semi-variogram kandungan N top soil tebu umur 1 minggu pada Plot Percobaan A-PF sebelum pemupukan pertama ......... 192 94 Semi-variogram Taksasi Akhir tebu umur 9... ...19 74 Pengamatan jumlah anakan dan persentase gap tebu . 192 95 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan A-PF 195 96 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan B-PF 195 97 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan C-DS 196 98 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan D-DS .

207 121 Deviasi pupuk per sel Plot Percobaan D-DS .. 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 .. 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 ... 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 . 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 . 214 133 Peta spasial kelebihan/kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan B-PF .... 212 129 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan A-PF . 208 122 Deviasi pupuk Plot Percobaan D-DS . 210 126 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan A-PF . 204 115 Deviasi pupuk per sel Plot Percobaan A-PF 205 116 Deviasi pupuk Plot Percobaan A-PF 205 117 Deviasi pupuk per sel Plot Percobaan B-PF 206 118 Deviasi pupuk Plot Percobaan B-PF 206 119 Deviasi pupuk per sel Plot Percobaan C-DS 207 120 Deviasi pupuk Plot Percobaan C-DS . 212 130 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan B-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 .20 110 Perbedaan kebutuhan pupuk antara precision farming dan dosis seragam pada Plot Percobaan A-PF ..

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

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.

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

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

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

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

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

khususnya: a variable rate application (VRA) pemupuk. 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. g meningkatkan keuntungan. dan b mesin panen tebu dengan sensor hasil (yield sensor).

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

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

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

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

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

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

0% 49. 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.5% 12.Gambar 3 menunjukkan bahwa pada waktu penanaman. . Tetapi ketika organ asimilasi dan absorbsi telah berkembang. Pertumbuhan awal tanaman sebagian besar terbatas untuk perkembangan daun dan akar yang merupakan peralatan produksi tanaman. 1952). tanaman hanya berupa potongan bibit (cutting). 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% 24.7% Gambar 1 Komposisi vege tatif tanaman tebu umur 12 bulan varietas 37-1933 (Dillewijn.6% 4.

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

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

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

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

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

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

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

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

30 1. (1991).45 0.85 1.45 > 1. Konsentrasi hara daun standar menurut Barnes (1964) disajikan pada Tabel 2.dari tanah dan hara tersebut akan didistribusikan ke seluruh bagian tanaman.75 0. Tabel 3 Kandungan hara daun standar Kandungan hara daun (%) Kategori NPK Rendah 1.00 2.17 0.55 0. waktu yang baik untuk pengambilan sampel daun adalah pada umur tanaman 3 5 bulan. 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. disajikan pada Tabel 4. bila keadaan kebun tidak mengalami kekurangan air.80 (Sumber: Jones et al. Daun yang dianalisa adalah daun ke tiga dari pucuk se banyak 15 lembar. Whitney.90 1. termasuk daun.60 > 0. 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.90 0.60 0.45 1. 1991) Sementara itu menurut Samuels (1955.60 1.26 (Sumber: Barnes. Kandungan hara daun standar menurut Jones et al.80 Tinggi > 2. .66 > 0.35 0. Nilai hara daun standar menurut Samuels (1955.55 0. Analisa jaringan tanaman dimaksudkan untuk mengetahui banyaknya unsur hara yang diperlukan dan dapat diambil oleh tanaman.75 1. maka penambahan unsur hara dalam bentuk pemupukan dapat kurang atau mungkin tidak perlu ditambah. Cope.85 1.66 1. dalam Muhali 1979).15 0.00 Cukup 2. 1964) Menurut Jones et al.10 1. . Tabel 2 Kandungan hara daun standar Kategori N Kandungan hara daun (%) P2O5 K2O Berlebih Optimum Kurang > 1. (1991) disajikan pada Tabel 3.30 > 1. Jika hara berada dalam kondisi berlebih.26 1.75 1.

.

15 0.30 > 0.50 > 2.50 2.40 1. Makin jauh waktu pengambilan sampel daun dari umur tiga bulan maka makin besar nilai faktor koreksinya (Tabel 5).00 (Sumber: Samuels.00 1.65 1.10 0. 5.65 2.25 0.00 2.00 0.00 3.50 0. 1955.15 < 1.40 < 1.00 1.30 1. Kalau sampel daun tebu diambil pada umur lebih dari pada tiga bulan. dan 6 dihitung dari daun yang belum membuka pertama sebagai daun nomor 1.25 0.00 1.50 1.50 1. 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 .18 0. dalam Muhali 1979) Contoh daun yang diambil adalah daun-daun nomor 4.00 2. maka harus dipakai faktor koreksi (dalam persen) yang ditambahkan pada hasil analisa daunnya agar didapatkan nilai untuk umur tiga bulan.00 2.Tabel 4 Kandungan hara daun standar Kategori N Kandungan hara daun (%) P K Sangat rendah Rendah < 1.00 1.18 0. 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 > 3.50 Cukup rendah Cukup Tinggi Sangat tinggi 1.

30 0.008 0.74 0.24 0.016 Ratoon Plant cane K 0.36 Ratoon (Sumber: Samuels.23 Ratoon 0. 1959.28 0.24 0. dalam De Geus.22 0.08 0.15 0.33 Plant P cane 0.24 0. 1973) .24 0.56 0.45 0.6 bulan 4 bulan 5 bulan 6 bulan N Plant cane 0.015 0.12 0.015 0 0.11 0.015 0.15 0.

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

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

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

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

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

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

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

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

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

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

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

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

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 .

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

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.Gambar 10 Siklus proses dalam precision farming (Kuhar. 1997). 1997). yang selanjutnya dapat dibuat peta hasil (yield map) seperti disajikan pada Gambar 11. Gambar 11 Transfer data dalam pemantauan hasil dan sistem pemetaan (Kuhar. .

Oleh karena itu diperlukan informasi spasial. yang mana lokasinya ditentukan dengan GPS.Gambar 12 Mesin pemanen pengumpul data hasil untuk pemetaan (Kuhar. Pengambilan sampel tanah dalam precision farming harus mendapat perhatian yang serius agar diperoleh analisa keragaman yang memadai dan pengambilan sampel yang efisien. . Dengan precision farming. Metode pengambilan sampel tanah yang umum digunakan adalah pengambilan sampel berdasarkan grid (grid sampling) dan pengambilan sampel berdasarkan jenis tanah (soil type sampling). 1997). lahan dibagi menjadi sel-sel berbentuk bujur sangkar atau empa t persegi panjang berukuran beberapa acre atau lebih kecil (Gambar 13). Bahan sampel tanah dari setiap sel jaringan dikirim ke laboratorium pengujian tanah.4646 ha). Pada pengambilan sampel berdasarkan grid. ukuran sel-sel jaringan yang paling umum adalah 2.5 dan 3. lahan dibagi dalam sel-sel jaringan (grid cells). diantaranya adalah stratifikasi geografis dan pengambilan sampel spasial yang sistematis.3 acre (1 acre = 0. 1997) Soil Testing dan Data Analysis Dalam praktek tradisional. pengujian tanah dan aplikasi pemupukan diarahkan pada ukuran yang relatif besar. Pada saat ini. selanjutnya diubah menjadi peta digital (digital map) yang digunakan untuk mengelola aplikasi pupuk (Kuhar.

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

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

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

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

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

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

2000). Iida. 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. -Penanaman (planting ) Lengas tanah diperlukan oleh bibit yang ditanam untuk menjamin perkecambahan. 1997). 1997). Umeda. dan Khilael dengan sistem VRA seperti pada Gambar 19.. Gambar 20 Sensor lengas tanah pada variable -depth planter (Kuhar.Selain kedua aplikator tersebut juga terdapat aplikasi VRT untuk pupuk butiran pada budidaya padi. . 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.

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

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

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

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

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

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

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

.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. 1977).

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

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

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

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

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

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

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

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

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

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

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

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

1) Z(1.j+1) 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+1.1) Z(2.q) Gambar 30 Ilustrasi plot data.q) Z(i+1.1) Z(3.1) Z(p.2) Z(p.j+1) Z(2.122 Gambar 29 Ilustrasi semi -variogram (GS. .3) Z(1. q) Z(3.1) Z(i+1.3) Z(2.3) Z(i+1. lag distance.3) Z(p.2) Z(i+1.2) Z(2.q) Z(2.2) Z(3.q) Z(1. 2002).3) Z(3.j+1) Z(p.j+1) Z(3. dan arah semi-variogram.2) Z(1.

4)]2 + [Z(p.q-3)-Z(1.1)-Z(2.q)]2}/ n(b) .3)-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 .3)]2 + [Z(2.q)]2}/ n(a) .3)-Z(p.5)]2 + [Z(p.2)-Z(2.q-2)-Z(3.2)-Z(3.1)-Z(1.q-3)-Z(3.q)]2}/ n(c) yang n(a) n(b) n(c) . perhitungan semi-variance pada arah sumbu x adalah : Semi-variance untuk lag distance a = 1 satuan ½{[Z(1.2)]2 + [Z(1. maka semi -variogram berdasarkan jumlah nilai semi-variance pada lag distance yang sama pada masing-masing arah semi-variogram.2)-Z(p.5)]2 + + [Z(2.1)-Z(3.4)]2 + + [Z(2.2)]2 + [Z(p.1)-Z(1.q-1)-Z(1.4)]2 + [Z(3.q)]2 +[Z(p.2)-Z(1...3)]2 + [Z(p.3)]2 + [Z(3.q)]2 +[Z(p.3)-Z(p. (5) Semi-variance untuk lag distance b = 2 satuan ½{[Z(1.q-1)-Z(3.5)]2 + [Z(1. .1)-Z(2.2)-Z(p..1)-Z(1. 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.4)]2 + [Z(2.3)-Z(3.q)]2 +[Z(3.q-2)-Z(p.q-1)-Z(p. 3.3)]2 + [Z(1.1)-Z(p.3)-Z(1. 3.3)-Z(3.q-3)-Z(p.1)-Z(2.q)]2 +[Z(2.3)-Z(3.6)]2 + + [Z(3.6)]2 + + [Z(1.2)-Z(1.2)-Z(3.2)-Z(3.4)]2 + [Z(p.2)-Z(2.3)-Z(2.1)-Z(3.5)]2 + [Z(2.q)]2 +[Z(2.3)]2 + [Z(3.Keterangan Gambar 30 Z(i.q-2)-Z(2.5)]2 + + [Z(p.q)]2 +[Z(3.3)-Z(1.1)-Z(p.j) : nilai regionalized variable pada baris i dan kolom j i = 1.5)]2 + + [Z(1..4)]2 + + [Z(p.4)]2 + [Z(2.4)]2 + [Z(3.4)]2 + [Z(1.3)-Z(2.4)]2 + + [Z(3.1)-Z(3.3)]2 + [Z(1.q-2)-Z(1.1)-Z(p.5)]2 + + [Z(3.6)]2 + + [Z(p.6)]2 + + [Z(2. (6) Semi-variance untuk lag distance a = 3 satuan ½{[Z(1.q)]2 +[Z(p.q-1)-Z(2. .2)-Z(1. 2. 2.3)-Z(1.2)-Z(2.2)]2 + [Z(2.q)]2 +[Z(2. Menurut Clark dan Harper (2000).3)]2 + [Z(p.5)]2 + [Z(3.4)]2 + [Z(1.3)-Z(2. p j = 1.3)]2 + [Z(2.2)-Z(p.2)]2 + [Z(3.4)]2 + + [Z(1.q-3)-Z(2.q)]2 +[Z(3.

6)]2 + +[Z(1.4)]2 + [Z(1.2)-Z(3.q)]2 [Z(2.2)-Z(2.q)-Z(4.3)]2 + [Z(3.3)]2 [Z(p-3.1)-Z(4.2)]2 + [Z(p.q-1)-Z(2.2)-Z(2.6)]2 + +[Z(3.q-2)-Z(3.2)]2 + +[Z(1.2)]2 + [Z(1.1)]2 [Z(p-3.3)-Z(p.1)-Z(6.q)]2 [Z(2.1)]2 + [Z(2.3)-Z(1.1)]2 [Z(p-2.q)]2}/ Semi-variance untuk lag distance b = 2 satuan ½{[Z(1.3)-Z(p.3)-Z(1.2)]2 + [Z(2.3)]2 + +[Z(1..1)]2 + [Z(3.q-3)-Z(1.q)]2}/ Semi-variance untuk lag distance c = 3 satuan ½{[Z(1.1)]2 + [Z(2.2)-Z(2.3)-Z(1.5)]2 + +[Z(1.q)]2}/ .q)]2 [Z(3.2)-Z(2.q)-Z(4.q-2)-Z(1. maka semi -variogram berdasarkan jumlah nilai semi -variance pada lag distance yang sama pada semua arah semi-variogram.3)]2 + +[Z(1.3)-Z(3.2)-Z(4.q)]2 + n(a) . (8) + + + + + + + + [Z(1.3)]2 + [Z(3.1)-Z(5.1)-Z(1.1)-Z(2..1)-Z(3.3)-Z(3.1)-Z(p.3)-Z(3.2)]2 + [Z(3.q)]2 + n(c) .3)]2 + [Z(3.4)]2 + [Z(p.q)-Z(3.3)]2 + [Z(2.3)]2 + [Z(3.2)-Z(1.1)-Z(p.2)]2 + [Z(3.q)]2 [Z(p.3)]2 + [Z(1.3)-Z(3.2)-Z(1.1)-Z(5.q-1)-Z(1.q)]2 [Z(3.q)-Z(5.q-1)-Z(p.2)-Z(p. (10) + + + + + + + + [Z(1.1)]2 + +[Z(1.2)-Z(5.2)]2 + [Z(2.q)]2 [Z(2.q)-Z(p.3)]2 + [Z(2.4)]2 + [Z(p.4)]2 + [Z(2.4)]2 + [Z(3.1)-Z(3.3)-Z(4.1)-Z(4.1)-Z(p.2)-Z(1.3)-Z(5.4)]2 + [Z(2.1)]2 + [Z(3.q-1)-Z(3.3)]2 + [Z(2. Semi-variance untuk lag distance a = 1 satuan ½{[Z(1.3)-Z(5.Jika semi -variogram pada Gambar 29 bersifat isotropic .2)-Z(3.q)-Z(4.6)]2 + +[Z(2.1)]2 + [Z(3.2)-Z(p.3)-Z(p.2)-Z(3.1)-Z(p.q)]2 + [Z(2.3)]2 + [Z(1.4)]2 + +[Z(2.1)-Z(1.2)-Z(3.1)]2 + [Z(2.2)-Z(p.2)]2 + [Z(2.2)]2 [Z(p-3.4)]2 + +[Z(3.3)]2 [Z(p-1.2)-Z(4.2)]2 + +[Z(1.4)]2 + +[Z(1.1)-Z(3.1)-Z(2.3)-Z(p.2)-Z(p.2)]2 + [Z(3.3)-Z(6.3)]2 + [Z(2.5)]2 + [Z(3.2)-Z(3.3)]2 + [Z(p.q)]2 + [Z(2.q-2)-Z(p.1)-Z(3.3)-Z(2.3)]2 + [Z(2.q)]2 [Z(p-3.q-3)-Z(3.3)-Z(4.2)]2 + +[Z(1.6)]2 + +[Z(p.q)-Z(3..q)]2 [Z(3.2)]2 [Z(p-2.2)]2 [Z(p-1.5)]2 + [Z(p.2)-Z(6.q)]2 [Z(p-2.3)-Z(4.4)]2 + +[Z(p.1)]2 + +[Z(1.3)-Z(p.3)]2 + +[Z(1.3)-Z(2.2)-Z(5.q)]2 + [Z(3.q)-Z(p.3)]2 [Z(p-2.q-3)-Z(p.1)-Z(2.1)-Z(3.q)]2 + [Z(2.2)]2 + [Z(3.3)]2 + [Z(3.1)-Z(1.5)]2 + +[Z(2.q)-Z(5.q)-Z(6.3)-Z(p.1)]2 + +[Z(1.1)-Z(p.q)]2 + [Z(3.3)-Z(2.1)-Z(2.4)]2 + [Z(1.q)]2 [Z(p.5)]2 + [Z(2.3)-Z(2.5)]2 + +[Z(3.2)]2 + [Z(2.2)-Z(p.5)]2 + [Z(1.q-3)-Z(2.1)]2 [Z(p-1.q)]2 [Z(p.2)-Z(4.3)]2 + [Z(p. (9) + + + + + + + + [Z(1.5)]2 + +[Z(p.q)-Z(2.q)-Z(p.q)]2 [Z(p-1.q-2)-Z(2.1)-Z(4.4)]2 + [Z(3.2)-Z(p.q)]2 + n(b) .3)-Z(3.1)-Z(p.q)]2 + [Z(3.

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

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

Pada plot tersebut terdapat satu lokasi yang tidak diambil sampelnya dengan notasi T. Nilai T diestimasi berdasarkan nilai-nilai di sekitarnya.458.624 MJ dan standar deviasi 2. Gambar 33 Plot data nilai kalor (Clark dan Harper.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. Jarak grid pada plot tersebut adalah 150 m. Gambar 32 menunjukkan plot dari pengamatan nilai kalor yang mempunyai sebaran normal dengan nilai rata-rata 24. Bentuk semi-variogram yang dihasilkan adalah linear tanpa nugget effect dengan bentuk persamaan ã(h)=0.0016h1. Untuk menyederhanakan pembahasan tersebut . 2000).25. 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. Ilustrasi untuk masalah tersebut disajikan pada Gambar 33.

.. Nilai estimasi untuk T adalah T* = w1g1 + w2g2 + w3g3 + w4g4 + w5g5 = 21.62w2 + 25..86w1 + 25. (13) (12) Clark dan Harper (2000) secara umum merumuskan nilai estimasi.61w3 + 26.maka diambil lokasi tanpa sampel (T) dengan lima sampel yang mengelilinginya sebagai sampel untuk estimasi (Gambar 34). bobot..80w4 + 23. .. + wmgm . Ilustrasi kriging dengan 5 sampel untuk estimasi. (15) 17. 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 . (a) nilai-nilai sampel (b) notasi umum Gambar 34. . (14) ...76w5 di mana w1 + w2 + w3 + w4 + w5 = 1 .

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

. g2) + w2w3ã(g2. dan g3 pada Persamaan 14 menghasilkan nilai estimator T* = w1g1 + w2g2 + w3g3 = 21.62w2 + 25. g3) Selanjutnya substitusi jarak pasangan sampel (lag distance) pada Persamaan 20 menghasilkan óº 2 = 2w1ã(212) + 2w2ã(212) + 2w3ã(150) w1w1ã(0) +w1w2ã(300) +w1w3ã(335) +w2w1ã(300) + w2w2ã(0) +w2w3ã(150) ã(0) . g1) + w1w2ã(g1..T) w1w1ã(g1. (22) Substitusi pada Persamaan 21 dari nilai semi-variance yang dihitung dengan Persamaan 22 untuk setiap pasangan sampel menghasilkan .Gambar 35 Ilustrasi kriging dengan 3 sampel untuk estimasi. (20) +w3w1ã(g3.T) + 2w2ã(g2. g3) +w2w1ã(g2. g1) + w3w2ã(g3. g2) + w1w3ã(g1.T) + 2w3ã(g3.T) .25 . g2. g1) + w2w2ã(g2. Substitusi nilai g1. g3) ã(T.0016h1.86w1 + 25.61w3 di mana w1 + w2 + w3 = 1 (18) (19) óº 2 = 2w1ã(g1. (21) +w3w1ã(335) + w3w2ã(150) +w3w3ã(0) Semi-variogram dari Gambar 33 mempunyai persamaan sebagai berikut ã(h)=0. g2) + w3w3ã(g3.

.5906 3.9954w1 1..2966w1w3 + 1..9954w2 + 4.9954w1 + 1.8399w3 2 w1w1 x0 + 1.6798w2 = 0 .5906 ¶w2 ¶óº 2 ¾¾ = 1.9977w1w2 2. w2.3657w2 0.2827 . (31) Jika Persamaan (30) dibagi dengan 4. (30) 3... (32) Eliminasi w1 antara Persamaan (32) dan (31) menghasilkan 0.3657 ...4204w3 = 0.6798w2w3 (24) Jika Persamaan 24 diturunkan terhadap w1..8399w2w3 0 . (27) Jika Persamaan (29) dibagi dengan 3.5932w1 + 1.6798w3 = 0 .5932w3 = 2.5932w3 = 0 . (25) 4.2953w1 + 2 x 1.2966w3w1 + 0. dan w3 maka diperoleh ¶óº 2 ¾¾ = 2.2953w2 + 2 x 0.5932 w1w3 1.9954 w1w2 4.5906w2 + 1.6798w2 = 1.8399w3w2 + w3w3 x 0 óº = 2..5906 4.3657w2 = 0.6798 . (33) .9954w2 4.. (23) + 2.. (29) ...6798 ¶w3 Selanjutnya 3.9954 maka diperoleh w1 + 0.5932w1 1.6798w3 3..131 óº 2 = 2 x 1.9977w2w1 + w2w2 x 0 + 0.6484 .4204w3 = 0. (28) .5932 maka diperoleh w1 + 0.5906w1 + 2. (26) 3..6798w3 = 2..5906 ¶w1 ¶óº 2 ¾¾ = 2.

w2.6484 . .0623) + 0.0623 Substitusi w3 pada Persamaan 31 menghasilkan w1 + 0.1496w3 = +0.. dan w3 dijumlahkan maka diperoleh w1 + w2 + w3 = 0.7730) Substitusi w3 pada Persamaan 35 menghasilkan w2 w2 w2 w2 + = = = 1.3885 Jika w1.7730 (34) Jika Persamaan (22) dibagi dengan 3.4204w3 = 0..9954 maka diperoleh w2 + 1.6484 w1 = 0. (36) .6484 0.2992w3 = 1.3657 maka diperoleh w2 1.6182 = 0.3885 + ( 0.0556m ..1496w3 = 0.Jika Persamaan (33) dibagi dengan 0.1496w3) = +0.6484 1.7107 0.4204w3 w1 = 0. Hal ini dapat diinterpretasikan bahwa g2 tidak dikehendaki sebagai sampel estimator.6182 ( 0.1496w3 = +0.1496w3 ( 1. dengan demikian nilai harapan untuk kesalahan estimasi menjadi E{0.6484 0.6484 2.9444m m} = 0.4214 w3 = 0. (35) Eliminasi w2 antara Persamaan (35) dan (34) menghasilkan +1.1496 w3 0.0623) sehingga jika keseluruhan bobot dijumlahkan maka tidak sama dengan satu.6484 0.9444 Hasil penentuan bobot menunjukkan terdapat satu bobot bernilai negatif yaitu w2 ( 0..

62 0. 25. range.9954 w1w2 4.5906w1 + 2.36 = 22.0623) 4.5906w2 + 1.6182 = 0.61 + 0.6798w3 3. nugget effect.3885 x ( 0.86 0. (37) Selanjutnya estimator dikoreksi dengan + 0.61) yaitu 24.73 + 1.62w2 + 25.36 sehingga diperoleh nilai estimasi untuk lokasi yang tidak diambil sampelnya adalah T* = 22.6798 x 0.5906 x ( 0. 1989). Parameter semi-variogram seperti sill.5906 x 0.3885 x 0.96 MJ Setelah semi-variogram dibangun dan parameter-parameternya ditentukan. maka hasilnya dapat digunakan dalam kriging.5932 w1w3 1.6798w2w3 = 2.6182 x 25.6182 1. dan arah semi variogr am berpengaruh pada bobot optimal dari estimator kriging (Issaks dan Srivastava.0556m (38) Nilai m adalah rata-rata dari tiga sampel estimator (21.61w3 + 0. 25.133 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 .62.0623) + 1.0556m untuk menjadikannya tidak bias sehingga diperoleh T* = 21.9954 x 0.86w1 + 25.9177 óº = 0.86.3885 + 2.3885 x 21.6182 3.36 = 24.0556m = 0.73 + 0. bentuk semi-variogram.6798 x ( 0.09 MJ óº 2 = 2.0623 x 25.5932 x 0.0556 x 24. .0556m = 22. Ilustrasi untuk hal tersebut disajikan pada Gambar 36 45.0623) x 0.73 + 0.

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

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

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

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

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

22 0.03 0.03 0.62 0.12 337 0.Tabel 7 Tabulasi nilai estimator dan bobot kriging dari Gambar 45 Bobot kriging setiap sampel Gambar Estimator 12 3 45 45(b) 336 45(c) 361 45(d) 313 45(e) 339 Rata-rata 0. Menurut Maureen Caudill dalam Nelson dan Illingworth (1991). 3 Change of support Bagian ketiga dari geostatistika ini umumnya kurang digunakan dibanding semi-variogram dan kriging namun demikian penting.61 0. Definisi lain menyatakan bahwa neural network merupakan model matematis yang terdiri dari elemen-elemen dalam jumlah yang besar yang diorganisir dalam lapisan-lapisan (Nelson dan Illingworth.11 0. 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. 1991). Neural Network Neural network merupakan bentuk baru perhitungan yang terinspirasi dari model biologis.11 0.05 0.60 0.14 0.09 0.03 0. 1994).17 0.07 0. tetapi sama jika dibandingkan dengan nilai ratarata keempat kriging titik.14 0.60 0.11 0. Kedua jenis kriging tersebut dapat digunakan untuk memproduksi peta kontur.60 0. walaupun peta-peta berbeda dalam tujuan dan penampilan.17 0.12 0.07 0.14 0.03 0.12 0.11 0. Terutama sekali dimana ada substantial nugget effect.56 0. Neural network dikenal juga dengan nama-nama lain yaitu parallel distributed . peta kontur yang dihasilkan kriging blok akan lebih halus dibanding yang dihasilkan kriging titik (Wallace dan Hawkins.08 45(a) 337 0. neural network adalah sistem perhitungan dari sejumlah elemen yang terhubung dengan baik yang mana memproses informasi dengan tanggapan dinamis terhadap masukan dari luar.08 (Sumber: Isaaks dan Srivastava.07 0.

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

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

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

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

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

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

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

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

P. P. Diagram yang digunakan adalah diagram lingkar sebab akibat (causal loop diagram. Identifikasi Sistem Identifikasi sistem bertujuan untuk memberikan gambaran terhadap sistem yang dikaji dalam bentuk diagram. dan K. dan K pada budidaya tebu harus dilakukan dengan tepat. 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. Selama ini pemberian pupuk diberikan dengan dosis yang seragam untuk seluruh bagian lahan tanpa memperhatikan keragaman kesuburan tanah di dalam lahan. . Gambar 48) dan diagram masukan keluaran ( input-outputdiagram. yang mana pemupukan diberikan sesuai kebutuhan dari setiap bagian lahan pada skala mikro. sehingga pemberian pupuk tidak berlebihan atau kekurangan. 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. efektif. dan efisien. Hal tersebut dapat dicapai melalui pendekata n precision farming dalam pemupukan N. Gambar 49).

dan K) dan tanaman (N dan K) Kelebihan hara N. dan K dalam tanah Harga gula _ _+ _ + ++ _ _ _ + + _ _ _ + . P. P. 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 dalam tanah Manfaat (benefit) Rendemen tebu Kadar gula Kekurangan hara N.+ _ _+ _ + ++ _ _ _ + + _ _ _ + + DOSIS PUPUK N.

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

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

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

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

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

P. . P. dan K pada budidaya tebu. biaya produksi gula. DAN K PADA BUDIDAYA TEBU SISTEM MANAJEMEN DIALOG PENGGUNA DATA GEOGRAFIS Peta Dasar Peta Kontur MODEL SPASIAL Visualisasi dengan Sistem Informasi Geografis MODEL BIAYA Biaya pemupukan. manfaat hasil 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. 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. keuntungan.

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

1) q Gambar 52 Ilustrasi plot regionalized variable. 2 .Ilustrasi regionalized variable secara sederhana dapat dijelaskan dengan Gambar 52.1) Z(2.1) Z(4. sumbu y.3) Z(1. Gambar 53 Arah semi-variogram. p Z(1.2)}.4).Z(4.4) merupakan regionalized variable yang secara geografis berada pada posisi baris 4 dan kolom 4.3). Sedangkan Z(4.3) Z(4.4) Z(4. {Z(1.3) Z(2. Jika semi-variogramdilakukan menurut arah sumbu x maka jalur/arah i dan jarak h pada Gambar 53 mengikuti baris q. {Z(1. yaitu arah sumbu x. Semi-variogram dilakukan menurut 4 arah (Gambar 53).Z(4.1) Z(3. adalah 4 pasang yaitu {Z(1.4) Z(1. dan {Z(1. maka Z(1.2) Z(3. dan diagonal.2) Z(1. Semi-variance dihitung untuk setiap pasangan sampel pada masing-masing jarak 1 satuan.3) Z(3. n(h) = n(4).Z(4.2) Z(4. Jumlah pasangan sampel dengan jarak 4 satuan. Jika suatu hamparan lahan digambarkan sebagai bidang yang dibagi dalam grid dengan p baris dan q kolom.1)}.Z(4.4) Z(2.1).2).2) Z(2.1) merupakan regionalized variable yang secara geografis berada pada posisi baris 1 dan kolom 1.4)}.3)}.4) Z(3.

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

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

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

Kdt = Kdb Kdn hK keterangan Kt . 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. 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. Dari Gambar 57 dapat dipahami bahwa pemberian hara dapat meningkatkan atau menurunkan hasil tebu dan kadar gula. Dengan . Pemikiran model pemupukan untuk pemupukan kedua didasarkan pada hubungan hara yang diberikan dan hasil tebu yang diperoleh seperti disajikan pada Gambar 57. 80 kg/ha P2O5. Sedangkan penentuan Ndb dan Kdb berdasarkan target hasil menggunakan model neural network.. dan 240 kg/ha K2O yang mana N dan K2O diberikan pada pemupukan kedua. (46) Ndt : jumlah hara N yang ditambahkan untuk pupuk kedua (kg/ha) Ndb : jumlah hara N yang dibutuhkan untuk pupuk kedua (kg/ha) Ndn : jumlah hara N pada tanaman (kg/ha) Nt : jumlah hara N total di dalam tanah (kg/ha) hN : efisiensi penyerapan hara N oleh tanaman (%) (30 70%) Kdt : jumlah hara K yang ditambahkan untuk pupuk kedua (kg/ha) Kdb : jumlah hara K yang dibutuhkan untuk pupuk kedua (kg/ha) Kdn : jumlah hara K pada tanaman (kg/ha) Kt : jumlah hara K total di dalam tanah (kg/ha) hK : efisiensi penyerapan hara K oleh tanaman (%) (50 80%) Ndb dan Kdb ditentukan berdasarkan rekomendasi pustaka dan target hasil.

.. Kdb ) rt = f ( Ndb . Untuk mencapai maksud tersebut maka dibuat model neural network dengan metode back propagation seperti disajikan pada Gambar 58... 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) .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. Pada penelitian ini tidak dikaji interaksi hara. Kdb ) keterangan yt : target hasil tebu/yield (ton tebu/ha) rt : target kadar gula (%) Ndb : jumlah hara N yang dibutuhkan untuk pupuk kedua (kg/ha) Kdb : jumlah hara K yang dibutuhkan untuk pupuk kedua (kg/ha ... Asumsi untuk model ini adalah pemupukan pertama optimal dan lahan seragam..... (48) ...

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

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

TSP. Tabel 9 Harga pupuk Harga pada tanggal 9 Maret 2006 Jenis pupuk Satuan (Rp) Urea kg 1.000.00 K 6.000. 2006) Upah pengambilan sampel diasumsikan Rp 280.00 Analisa tanah P 10.00/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 20.000.00 Analisa daun K 6. Untuk itu jumlah sampel tanah dan daun (JS) masing-masing adalah 144 sampel pada Plot Percobaan C dan D.00 N 13. Luas tiap petak yang mewakili blok diasumsikan 8 ha.00).400.500.00 (Sumber : PDKG.00 TSP kg 1.000.500.400.00 (Sumber : Laboratorium Kimia dan Kesuburan Tanah Departemen Ilmu Tanah dan Sumber Daya La han Fakultas Pertanian IPB.Tabel 8 Harga analisa laboratorium Jenis analisa Harga analisa per sampel (Rp) N 13. 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 . Luas satu blok diasumsikan 80 ha. dan KCL yang digunakan untuk perhitungan bersumber dari internet seperti disajikan pada Tabel 9.00 KCl kg 2. PT GPM mendasarkan pengambilan 6 sampel/ha masing-masing untuk sampel tanah dan daun pada 3 petak yang mewakili tiap blok. 2006) Harga pupuk Urea.800.

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 3.100. 2004).170.02/kg.2 Biaya produksi gula Biaya produksi gula dihitung dengan Persamaan 56 dan 57.217.170. .981.68/ton hasil gula (=Rp 329.98/kg). berdasarkan data sekunder produktivitas gula PT GPM pada tahun 2002 yaitu 6.000.00/kg pada tahun 2005-2006 masih relevan dengan referensi bahwa biaya produksi gula di dalam negeri rata-rata Rp 3.200. (56) (57) keterangan MHGTaw : manfaat dari perolehan gula pada taksasi awal (Rp/ton) .585.32/ton gula yang dihasilkan (=Rp 3. 3 Manfaat hasil gula Manfaat (benefit) dari perolehan gula dihitung dengan Persamaan 58 dan 59.00/kg (Hidayati.00 Rp 4. Angka tersebut diperoleh dari asumsi bahwa biaya produksi gula secara keseluruhan adalah Rp 3.500.. MHGTaw = HG * 1000 MHGTak = HG * 1000 (58) (59) .74 ton/ha).00/kg) dan kemudian dikurangi biaya pemupukan dengan dosis seragam yang diperoleh dari penelitian ini yaitu Rp Rp 2.018. 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 3.000.00 Rp 3.500.91/ha atau Rp 329.

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) ..000.00/kg (Sumber : Dtc-33. 4 Keuntungan yang diperoleh Keuntungan (profit) yang diperoleh dihitung dengan Persamaan 60 dan 61.0/kg tetapi masih di bawah Rp 6.500.000.00/kg berdasarkan keterangan Direktur Bina Pasar Departemen Perdagangan RI (Gunaryo) yaitu bahwa pemerintah kemungkinan akan membuat harga patokan naik dari Rp 5. 2006). 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 .MHGTak : manfaat dari perolehan gula pada taksasi akhir (Rp/ton) HG : harga gula (Rp/kg) Asumsi yang digunakan adalah harga gula sebesar Rp 6. (60) (61) 5 B/C ratio B/C ratio dihitung dengan menggunakan Persamaan 62 dan 63.

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

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

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

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

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

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

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

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

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

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 3.11 ha 5.2 ha Kategori Ratoon 1 Ratoon 1 Ratoon 1 Ratoon 3 Ratoon 3 Varietas Tanggal kepras Perlakuan pemupukan GP 94-2027 26 9 .82 ha 3. 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 4.07 ha 9.2002 Precision farming dengan rekomendasi pustaka GP 94-2027 24 9 2002 Precision farming dengan target produktivitas GP 94-2027 26 9 2002 Dosis seragam dari PT GPM P 3 9 2002 Dosis seragam dari PT GPM P 3 9 2002 Precision farming dengan rekomendasi .

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.

± 2m ± 2m : titik : titik pengambilan Gambar 70 Titik pengambilan sampel tanah pada setiap sel. Sampel tanah diambil pada kedalaman 0-30cm (top soil ) dan soil). Setiap plot dibagi dalam sel-sel (grid sampling). C-DS) dan 2 bulan (Plot Percobaan D-DS dan E-PF). Pengambilan sampel tanah dilakukan dengan metode grid center. .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. Sampel tanah Gambar 68 di 30-60cm (sub minggu (Plot diambil pada lokasi yang ditunjukkan oleh anak panah pada atas. 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. Gambar 69 Alur tanam ganda (double row planting). Pengambilan sampel tanah I diambil pada umur tebu 1 Percobaan A-PF.

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

. (68) yang mana ãi adalah nilai semivarian ke-i yang menunjukkan batas interval nilai keragaman spasial. . i ãi ã < ãi+1 . (67) atau ( Zmaks Zi )2 ãi = ¾¾¾¾¾ 2 . 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 ..ãi = ( Zmin Zi )2 ¾ ¾ ¾ ¾ ¾ 2 .. . . JK 1 ãJK-1 ã < ãJK JK ã = ãJK .

Dosis seragam untuk Plot Percobaan C dan D ditentukan berdasarkan rekomendasi dari PT Gula Putih Mataram. Rekomendasi tersebut sebagai hasil dari percobaan pemupukan . 80 kg/ha P2O5. Dosis pupuk yang ditentukan meliputi dosis seragam (Plot Percobaan C-DS dan D-DS) dan dosis dengan konsep precision farming (Plot Percobaan A-PF. Rekomendasi pustaka yang digunakan adalah dari De Geus (1973) yaitu bahwa untuk menghasilkan 100 ton tebu per hektar diperlukan 200 kg/ha N.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). yaitu berdasarkan rekomendasi pustaka (Plot Percobaan A-PF dan E-PF) dan berdasarkan target produktivitas (Plot Percobaan B-PF). dan E-PF). dan 240 kg/ha K2O. B-PF. yaitu 543 kg/ha Urea (250 kg/ha N) dan 217 kg/ha TSP (100 kg/ha P2O5). Penentuan dosis pupuk dengan konsep precision farming dibedakan menjadi dua.

25 119 69 0 150 GPM 2000 64.06 46 108 69 150 SIL 2000 75.4 Silt loam 1. Bulk density diketahui berdasarkan hubungannya dengan tekstur tanah seperti disajikan pada Tabel 14. Program ANN yang dipakai adalah Backpro2N yang telah dibuat oleh Rudiyanto dan Budi Indra Setiawan (2003).55 54 138 69 180 SIL 1998 75.25 18.30 18. 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 88.32 17.45 46 63 92 180 SIL 1999 81. Tabel 14 Hubungan antara tekstur tanah dan bulk density Tekstur tanah Bulk density (g/cm3) Sand 1.6 Sandy loam 1.56 46 108 92 180 SIL 1997 73.3 Clay loam 1.40 54 108 92 150 SIL 2001 101.27 46 63 92 180 GPM 1999 86.20 18.82 18.5 Loam 1.182 pada lahan tebu di Hawai dengan konsep pemupukan konvensional (dosis seragam) karena belum adanya konsep precision farming.60 15. Akurasi dari program ANN tersebut disajikan pada Lampiran 1.60 73 69 58 180 GPM 1998 75. 1957) .55 15.26 123 138 0 150 SIL 1995 72.25 54 138 69 150 Perhitungan dosis pupuk pertama yang ditambahkan dilakukan dengan Persamaan 43 dan 44.31 14.64 16. Perhitungan dosis pupuk pertama untuk target produktivitas dengan program Artificial Neural Network (ANN) ber dasarkan data sekunder pada Tabel 13.24 46 138 92 180 SIL 1996 81.28 16.2 (Sumber: Thompson. Pupuk N yang dibutuhkan pada pemupukan pertama adalah setengah dari rekomendasi yaitu 100 kg/ha sedangkan setengahnya lagi diaplikasikan pada pemupukan kedua.78 18.

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

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

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

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

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

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

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

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

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

awal dan akhir pada Plot Percobaan ton tebu/ha dan produktivitas Plot ton tebu/ha). dan model biaya. dan B/C ratio dengan Persamaan 62 18 Pembuatan program terpadu 63. 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.17 Analisa biaya Analisa biaya dilakukan untuk menghitung biaya pemupukan dengan Persamaan 49 53. Program komputer dibuat dengan bahasa Delphi 7. keuntungan yang diperoleh dengan Persamaan 60 61.42 Rata-rata taksasi produktivitas 100 tahun 2002 (78. 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. biaya produksi gula dengan Persamaan 54 57. model spasial. tinggi batang. yaitu a Rata-rata taksasi awal dan akhir pada Plot Percobaan A-PF terhadap target produktivitas 100 ton tebu/ha dan produktivitas Plot Percobaan A -PF pada tahun 2002 (75. model pemupukan. b Rata-rata taksasi produktivitas 110 tahun 2002 (85.57 ton tebu/ha). manfaat hasil gula dengan Persamaan 58 59. dan diameter batang) terhadap waktu untuk menganalisa pengaruh pemupukan terhadap kecenderungan pertumbuhan vegetatif. B-PF terhadap target Percobaan B-PF pada C-DS terhadap target Percobaan C-DS pada .03 awal dan akhir pada Plot Percobaan ton tebu/ha dan produktivitas Plot ton tebu/ha).0. jumlah anakan. model geostatistika.

maka Ho ditolak dan Ha diterima b angka signifikansi (a ) -jika a³ 0.05. maka Ho diterima dan H a ditolak -jika ± thitung > ± ttabel. B-PF. maka Ho ditolak dan Ha diterima Nilai ttabel dicari pada tabel distribusi t. D-DS. maka Ho diterima dan H a ditolak -jika a < 0. h Rata-rata kadar gula awal dan akhir pada Plot Percobaan D-DS dan E-PF terhadap target kadar gula 20%. 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. yaitu pada taraf kepercayaan 95% (a = 5%. tetapi karena uji t bersifat dua sisi maka nilai a yang dirujuk pada tabel t .5%).5%). g Rata-rata kadar gula awal dan akhir pada Plot Percobaan C-DS terhadap target kadar gula 20% dan kadar gula Plot Percobaan C-DS pada tahun 2002 (16.05.5%). C-DS. dan E-PF terhadap nilai rendemen 10%. Rumusan hipotesanya adalah: Ho : rata -rata kelompok sampel pada setiap Plot Percobaan adalah sama dengan nilai pembanding yang ditetapkan Ha : rata-rata kelompok sampel pada setiap Plot Percobaan adalah tidak sama dengan nilai pembanding yang ditetapkan Pengambilan keputusan dilakukan berdasarkan a nilai t -jika ± thitung < ± ttabel. i Rata-rata rendemen awal dan akhir pada Plot Percobaan A-PF.193 d Rata-rata taksasi awal dan akhir pada Plot Percobaan D-DS dan E-PF terhadap target produktivitas 100 ton tebu/ha. 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.

040 C-DS 16 15 0.05/2= 0.145 E-PF 45 44 0.131 D-DS 15 14 0.025) dan derajat bebas (df) = n-1. C One Way ANOVA dengan uji lanjut Metode ini dilakukan untuk menguji signifikansi perbedaan rata -rata antar varian dari lima plot percobaan (A-PF.adalah a /2= 0. Berdasarkan pencarian pada tabel distribusi t dan interpolasi yang dilakukan maka diperoleh nilai t tabel seperti disajikan pada Tabel 15.025 2.025 2.025 2.025 2.038 B-P F 32 31 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. 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. 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 .025 2.017 B Paired Sample t-test Metode ini dilakukan untuk menguji signifikansi perbedaan rata -rata antara taksasi awal dan akhir pada setiap plot percobaan. C-DS. D-DS.

Uji lanjut One Way ANOVA Pengambilan keputusan berdasarkan nilai probabilitas -jika probabilitas ³ 0. maka Ho diterima dan Ha ditolak -jika probabilitas < 0. Jika asumsi homogenitas varian terpenuhi maka uji One Way ANOVA dapat dilanjutkan.05.Pada metode ini dila kukan uji homogenitas sebelum dilakukan uji lanjut Uji Homogenitas Rumusan hipotesanya adalah: Ho : kelima varian populasi adalah homogen Ha : kelima varian populasi adalah tidak homogen Pengambilan keputusan berdasarkan a nilai probabilitas -jika probabilitas ³ 0.05. maka Ho ditolak dan Ha diterima Analisa dan interpretasi keluaran dari ketiga metode di muka dilakukan dengan menggunakan piranti lunak SPSS 13. maka Ho diterima dan Ha ditolak -jika Fhitung > Ftabel. maka Ho ditolak dan Ha diterima b nilai F -jika Fhitung < Ftabel. maka Ho diterima dan Ha ditolak -jika probabilitas < 0.05. Ringkasan diagram alir tata laksana penelitian disajikan pada Gambar 81. 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. sedangkan tabulasi analisa data disajikan pada Tabel 16. .05.4356 (hasil interpolasi).0.

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

sill. 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. hara daun. hara daun. effective range. dan pertumbuhan vegetatif Persentase penutupan gulma (%) Kadar air (%) . Q. 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. bentuk.

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

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

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

Kontur Kriging Surfer 8.0 Peta kontur dari masing-masing parameter .

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

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

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 .

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

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 . 110 . kadar gula. 78.03 .57 .Tabel 16 Tabulasi analisa data (lanjutan) Keluaran Peubah No.42 perbedaan rata taksasi. Taksasi (ton/ha) . 85. 100 rata setiap peubah ---dan rendemen Kadar gula (%) Uji beda nyata -ton/ha terhadap nilai terhadap nilai Rendemen (%) Kadar gula= 16.

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 .

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

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

898.2 65.bulan Juli 1987.1 17.38 6.7 6.165.21 17.354 1.077 111.938 72.893 1.3 4.8 60.307 1.216 20.6 110.2 18.9 4.2 16.33 24.321 79.0 4.959.189 16.953 77.893 1.113 89. 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 --1.613.72 2.377 83.008 1.961 1. Sejak tahun 1994.548.846 1.7 6.5 13.227 80.8 5.885.8 5.774 15.151 6.2 .0 12.5 5.4 16.2 7. Pabrik dioperasikan secara penuh dan memproduksi gula untuk pertama kalinya pada bulan Desember 1987 dengan kapasitas giling 8000 ton tebu perhari.275 1.072.278 21.1 17.2 4.926.30 23.000 12.0 10.278 22.371.954 13.373 76.5 17.7 5.152 1.78 8.693 16.6 66.425 65.305 1.14 16.1 26.6 4.131 2.70 24.04 17.060 1.150 82.8 6.788.00 22.780.38 18.339 69.960.998 21.142 90.945 1.711 103.3 66. kapasitas giling pabrik ditingkatkan menjadi 10.084.070.4 4.5 8.703.612.2 6.3 6.402 80.747 1.572 81.621 21.0 16.77 17.8 5.500.029. Luas areal tanam dan produksi PT GPM tahun 1984 2002 disajikan pada Tabel 17.80 22.808.450.172 221.000 ton tebu perhari.108 1.512 17.0 113.245 80.7 12.53 4.0 6.888 16. Pada bulan Agustus 1987 mulai dilakukan percobaan giling tanpa beban.254 481.260.034 182.900.529 1.197 3.389 20.427 92.063.2 18.792 73.021.153 17.290 22.1 8.20 23.19 18.83 23.266 88.97 13.

2 151.992.9 8.4 6.4 100.8 9.686.0 164.794.3 135. 2003) Kebun di PT GPM terdiri atas blok-blok dengan luas 70-80 ha perblok yang dibagi menjadi 10 petak.8 157.0 7.18 11.39 11.1 7.0 8.9 8.82 16.6 9.2 6.0 7. 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 .8 8. luas satu petak rata-rata 7-8 ha.97.043.612.66 14.74 11.5 162.387.53 12.46 10.2 5.768.8 6.65 10.127.5 4.1 9.5 (Sumber: Divisi PAS Plantation Department GPM.4 184.0 6.

98 0.25 4.30 0.76 5.93 0. Divisi 4. Pada umumnya tanah di PT GPM didominasi oleh tanah Ultisol yang memiliki sifat kimia kurang baik.89 0.49 Mg-dd me/100g 0.47 0.71 4.76 0. Tanaman tebu yang dibudidayakan di PT GPM terdiri atas tiga kategori yaitu Plant Cane (PC).24 9.17 0.82 -N % 0.15 0.16 0.32 0.07 4.37 C-Organik % 1.79 -TS = topsoil .19 Al-dd me/100g 0.10 4. SS = subsoil (Sumber: Soil & Plant Laboratory -R&D GPM Group .25 4.88 KTK -9. dan Ratoon Cane (RC).48 0.17 0.5 mm dan curah hujan rata -rata tahunan 2.79 11. Antar blok maupun antar petak dipisahkan oleh jalan. Riset dan Pengembangan (R & D).0 ).57 10.98 8.62 4.29 0.53 9.92 K-dd me/100g 0.39 0.29 56.11 0. Areal tanam dibagi menjadi Divisi 1. 2003) PT GPM beriklim tropis yang memiliki dua musim.81 8.17 4.14 0.93 0.16 0.88 0.46 0.28 0.96 0.56 50.44 10.69 4.454 mm.72 1. Tipe iklim di PT GPM menurut Schmidt dan Ferguson termasuk tipe B dengan curah hujan bulanan 204.07 0.92 56. Kelembaban relatif rata -rata bulanan 75%.54 0.saluran drainase yang dalam.00 6.78 0.15 0.78 0.00 12.4 km/jam.37 H-dd me/100g 0. Replanting Cane (RPC).45 0.08 0.00 1.30 5.85 pH KCl -4. Divisi 3.80 5. Lama penyinaran rata-rata 5.46 5.37 4.84 0.22 0.92 0.16 0. Plant Cane adalah tanaman tebu yang pertama kali ditanam di areal yang baru dibuka. Suhu rata-rata bulanan 29.27 0.08 0. yaitu musim hujan dan musim kemarau. Berdasarkan hasil analisis tanah tahun 1998 2001.70 5.25 -P-Total ppm 50.09 Ca-dd me/100g 0.29 4. Divisi 2.89 0.16 0.1° C.16 0.92 0.08 0.08 0.28 0.91 13.36 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 -5.5 jam/hari.09 C/N -11. Divis i 5 (Inti dan Plasma). bahan organik rendah ( < 2.39 0. Replanting Cane adalah tanaman tebu yang ditanam pada areal tanaman tebu 2001 . Kecepatan angin rata-rata 3.5).84 9.68 4. tanah memiliki keasaman yang tinggi (pH < 5. dan miskin unsur hara (Tabel 18). dan areal perencanaan.47 13.97 1.

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

64 17.7 2.40 15.37 14.32 8.80 89.49 9.98 81.77 --0.06 85.50 78.19 88.66 2.22 94.54 1.38 1.02 9.96 11.13 4.17 Jumlah anakan tiap rumpun 3 4 4 5 ------Jumlah daun tiap batang 8 10 8 9 ------Kerobohan (%) --42.00 12.13 8.35 18.68 16.12 Ton tebu per hektar (TCH)Produksi Ton gula per hektar (TSH) 86 102 8 10.30 160.19 8.94 97.69 1.06 132.00 -0.60 9.00 -Brix --19.68 1.09 7.62 PolKualitas --17.88 1.95 10.44 87.49 9.5 2.36 2.92 85.46 1.36 2.13 146.02 116.6 19.70 140.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) 2.43 9.00 1.60 13.88 -Karat Daun (%) Noda Cincin (%) Hama dan Penyakit - .50 10.13 14.55 Ketahanan Sedang Sedang ------Ringkai Daun (%) --0.92 7.75 1.43 13.36 Bobot/batang (kg)Agronomi --1.26 9.56 17.15 8.69 2.75 3.50 Pembungaan --43.89 14.5 2.62 2.04 Rendement 8 9.46 17.66 2.23 83.00 -94.45 19.47 Purity --89.78 16.3 2.

70 0.76 2.16 0.13 1.80 --14. ROC = Republic of China .22 --3.33 0. TC = Tebu Cuping Ma laysia .75 (Sumber: R&D PT Gula Putih Mataram.79 Top Borer (%) ---1.94 3.44 1.24 Stem Borer (%) ---37.20 31.74 3. 2003) Catatan: GP = Gula Putih Mataram .89 0.1.51 Noda Kuning (%) --0.76 0.

26 16.56 PS 84 .14 707 R2 1997 95.19 87.95 15.36 17.82 ROC 11 RPc 1998 56.27 86.39 89.92 87.92 87.35 ROC 11 R1 1999 61.82 ha Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori 1993 -----------1994 -----------1995 -17. luas 4.70 19.31 17.09 19.03 19.95 15.11 ha Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori -----------17.02 19.89 ROC 15 RPc 64.67 15.67 15.14707 R2 99.31 16.85 ROC 15 R1 66.55 18.45 GP 94-2027 RPc 85.93 ROC 11 R2 62.26 16.58 ha Petak 58 TU 3 .93 ROC 11 R2 2000 71.35 ROC 11 R1 75.57 88.35 18.42 -68.32 85.31 16.36 17.36 17.55 17.72 18.55 17.57 88.78 18.50 85.28 19.19 87.27 86.14707 R2 110.42 19.39 19.71 16.91 17.71 16.89 ROC 15 RPc 2001 65. luas 3.69 16. PT Sweet Indo Lampung.85 ROC 15 R1 2002 78.82 ROC 11 RPc 85.45 17.69 16.158 Tabel 20 Data produksi beberapa petak lahan tebu di PT Gula Putih Mataram.71 16.56 PS 84 .91 19.42 -1996 84.39 89.72 18. luas 5.05 18.56 PS 84 .27 86.24 86. dan PT Indo Lampung Perkasa Tahun 1993 2002 PT Gula Putih Mataram Tahun Petak 56 TU 3 .24 86.69 16.66 19.67 15.39 89.45 GP 94-2027 R Pc Petak 60 TU 3 .89 ROC 15 RPc .42 ---17.19 87.93 ROC 11 R2 86.82 ROC 11 RPc 88.57 88.24 86.32 85.50 85.95 15.55 17.35 ROC 11 R1 64.64 19.32 85.

80 Sil 03 RPc -----1997 73. R&D PT Sweet Indo Lampung.65 ROC 15 R2 78.42 88.49 16.85 17.17 19.45 GP 94-2027 RPc Tahun PT Sweet Indo Lampung PT Indo Lampung Perkasa Petak 44 E 45 .25 19.86 ROC 15 RPc -----1999 81.32 18. luas 7.40 ---ROC 11 R1 -----1995 72. 2002) .13 19.40 88.64 14.60 16.27 19.45 89.12 84.30 ---ROC 11 PC -----1994 85.08 ROC 22 RPc 96.78 19.09 ha 1993 92.43 17.30 19.89 88.05 ROC 11 2000 75.41 17.57 19.81 Sil 03 R1 -----1998 75.82 19.05 ROC 11 R2 -----1996 81.19 88.84 ROC 11 2002 -----------(Sumber: R&D PT Gula Putih Mataram.20 19.92 87.88 17.68.85 ROC 15 R1 75. dan R&D PT Indo L ampung Perkasa.60 19.31 16. 99 88.50 85.26 16.66 87.08 89.29 ROC 11 2001 101.80 ROC 15 R1 133.50 88.36 ha Petak 259 A 24 .39 17.29 16.18 17.02 16. luas 9.

82 133TU004 R1 TC 04 84.10 (Sumber: Departemen Tanaman PT Gula Putih Mataram. 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 86.68 133TU003 R1 TC 04 89.13 132TU007 R1 TC 04 98.00 Rata-rata produktivitas lahan tebu (ton/ha) 86. Pemupukan sekali merupakan pemberian pupuk dengan sekali penambahan. Pemupukan sekali lebih . kondisi lingkungan yang tidak mendukung pelaksanaan pemupukan bertahap.1%).04 133TU002 R1 TC 04 91.65 133TU001 R1 TC 04 90.33 133TU006 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 21.41 ton/ha dengan koefisien variansi 14.78 133TU010 R1 TC 04 85. dan lebih mempertimbangkan faktor efisiensi.64 134TU002 R1 TC 04 101. Jenis tana h pada keseluruhan lahan tebu adalah seragam yaitu Podsolik Merah Kuning (Ultisol).14 133TU005 R1 TC 04 69. dilaksanakan karena adanya keterbatasan alat. Aplikasi pupuk di PT GPM dikenal dua cara yaitu pemupukan sekali dan bertahap.31 132TU004 R1 TC 04 86. ketersediaan pupuk di pasaran.45 133TU007 R1 TC 04 68.97 134TU010 R1 TC 04 92.79 132TU010 R1 TC 04 103. 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 63.41 Koefisien Variansi (%) 14.

Kedalaman sampel dibedakan menjadi 0-25 cm untuk lapisan top soil dan 25-50 cm untuk lapisan sub soil. SP 36(36% P2O5). Pemupukan bertahap merupakan penambahan pupuk secara bertahap berdasarkan pertimbangan sifat dari pupuk yang diberikan dan faktor-faktor lain seperti iklim dan cara kerja peralatan. 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. . dilaksanakan setelah penggemburan (± satu minggu setelah tebang) dengan dosis pupuk seragam untuk keseluruhan petak lahan tebu.5 kg. Untuk masing-masing sampel dilakukan pencampuran dan diambil 1.5 2. dilaksanakan pada awal penanaman (pemupukan pertama) dan pemupukan kedua dengan dosis pupuk yang juga seragam untuk keseluruhan petak lahan tebu. Sampel tanah tersebut dikeringkan dan dihaluskan untuk dianalisa. Sedangkan pemupukan kedua dilaksanakan pada saat tanaman berumur 1. Standar hara tanah yang digunakan di PT GPM disajikan pada Tabel 22.0 bulan. Penentuan dosis pupuk di PT GPM didasarkan pada analisa tanah dan daun. dan KCl (60% K2O). Pupuk yang digunakan di PT GPM terdiri atas beberapa jenis. Analisa tanah dimulai dengan pengambilan sampel tanah sebanyak enam lubang perhektar pada tiga petak yang mewakili setiap blok. Pemupukan pertama dilaksanakan setelah pembuatan alur tanaman dan sebelum penanaman bibit dengan cara sebar di sepanjang alur tanam dan kedalaman 5 10 cm.banyak diterapkan pada tanaman ratoon. Pada tanaman baru. sedangkan untuk tanaman ratoon dilaksanakan setelah pengendalian gulma pra tumbuh dengan cara ditempatkan di dalam larikan di antara barisan tanaman tebu. tetapi yang paling banyak digunakan adalah Urea (45% N).

2003) . Exch.3 2.25 -NH4 OAC 1N pH = 7 Australian Sugar Can e Nutrition Manual 5.5 9. Exch. P (ppm) -< 17 17 34 > 34 -Bray I tanah asam) (NH4F + HCl) Brooker Tropical So il Manual.51 1. DTPA (Morgan. 1991 3.2 1.50 0.0 1.3 2. 1991 6. Fe (ppm) 0 1. 1991 (Sumber: Soil & Plant Laboratory R&D GPM Group.4 2.1 0. 1984 11.5 9. Wolf) Soil Test ing. K (me/100g) < 0.4 0. Na?CEC (ESP) (%) 2 10 10 20 20 40 40 60 -Calculation Brooker Tropical Soil Manual.6 1.21 0. Wolf) Soil Testin g. Al/CEC (%) -< 30 60 85 > 85 -Calculation Brooker Tropical Soil Manual.4 2. 1984 9.2 0.1 10 > 10 NaOAC.5 PH Meter Brooker Tropical Soil Manual.5 9. DTPA (Morgan.50 > 0. Ca (me/100g) -< 0. 1991 15.5 > 0.2 1. 1984 8. DTPA (Morgan.30 0.5 > 8. B (ppm) 0 0. DTPA (Morgan. Cu (ppm) 0 0.9 10 20 > 20 NaOAC. Mg (me/100g) -< 0.5 7 7 8.2 1.2 0.0 > 0. 1991 14. 1991 4.9 10 20 > 20 NaOAC. 1984 10.50 -NH4 OAC 1N pH = 7 Brooker Trop ical Soil Manual.5 -NH4 OAC 1N pH = 7 Brooker Tropical Soil Ma nual. 1984 7. 1991 2.4 2. C-org (%) < 2 2 4 4 10 10 20 > 20 Walkley & Black 12.15 0.Tabel 22 Standar penggolongan kandungan hara tanah di PT Gula Putih Mataram No. DTPA (Morgan.3 5 5. pH -< 5. N (%) < 0. Wolf) Soil Tes ting.2 1.9 10 20 > 20 NaOAC.1 0.31 0. CEC (me/100g) < 5 5 15 15 25 25 40 > 40 NH4 OAC 1N pH = 7 13.55 0.15 0. Zn (ppm) 0 1.55 1.9 2 4 > 4 NaOAC. Unsur hara Sangat rendah (kurang) Rendah (miskin) Sedang (cukup) Tinggi Sangat tinggi (Berlebih) Metode analisis Sumber acuan 1.5 5. Wolf) Soil Tes ting. Wolf) Soil Tes ting.1 Kjedahl Brooker Tropical Soil Ma nual.9 1.25 > 1.5 0. Mn (ppm) 0 1.3 2.5 0.2 0.

N (%) ODM 2. dipotong 10 cm. Tabel 23 Standar hara daun di PT Gula Putih Mataram Nilai Optimum pada umur (bulan) No.35 -6. 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.18 0. dengan demikian pada penelitian ini akan dikaji lebih lanjut keragaman di dalam petak (within-field variability ). Setiap lembar daun sampel dilipat dua.21 0. Setiap sampel membutuhkan 40-50 lembar daun plus satu. dan tulang daun dihilangkan. Standar hara daun yang digunakan di PT GPM disajikan pada Tabel 23. Ca (%) ODM 0.21 0.65 2. . Sampel dikeringkan dan dihaluskan untuk dianalisa.2 2.20 -5. Zn (ppm) 15 50 -9. Sedangkan dosis pupuk yang diterapkan di PT GPM disajikan pada Tabel 24.Analisa daun dilaksanakan setiap bulan mulai tanaman berumur dua bulan sampai menjelang panen.21 1.30 0.21 0. Sampel daun diambil dari petak yang mewakili blok secara zig-zag.30 0. B (ppm) 6 29 -( Sumber: Soil & Plant Laborator y R&D PT GPM. Unsur hara 3 4 6 10 1. P (%) ODM 0.30 3. Fe (ppm) 80 100 -7. Keragaman yang terdapat pada Tabel 17 di muka merupakan keragaman antar petak (between-field variability). Mn (ppm) 20 200 -10. Cu (ppm) 4 15 -8. Mg (%) ODM 0.20 1.0 2.08 0.60 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.2 1.6 2.21 1.60 4.60 1. K (%) ODM 1.21 1.

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

C-DS.087.Keragaman Spasial Analisa keragaman spasial menghasilkan parameter semi-variogram dan klasifikasi keragaman spasial yang disajikan pada Tabel 24 42. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF dengan nilai Q tertinggi yaitu 0.96. dan C-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Tingkat keragaman spasial Plot Percobaan B-PF menunjukkan yang paling baik yaitu cukup rendah. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF yaitu 0.161. Beberapa hasil ilustrasi semi-variogram ditampilkan pada Gambar 83 94.239. B-PF. . dan D-DS tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0.246 dan 0. dan 0. sedangkan tingkat keragaman Plot Percobaan A-PF paling jelek yaitu sedang. jika pengamatan awal N top soil dan penga matan akhir N top soil dikaitkan maka dapat diketahui bahwa perlakuan pemupukan pertama Urea dengan pendekatan precision farming pada Plot Percobaan A-PF dapat menurunkan tingkat keragaman spasial yaitu dari sedang menjadi cukup rendah. Sementara itu Plot Percobaan A-PF. Berdasarkan keterangan di atas. Ukuran efektif pengamatan untuk Plot Percobaan A-PF dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Ukuran efektif pengamatan untuk Plot Percobaan A-PF. 0. 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. 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. Tingk at keragaman spasial Plot Percobaan A-PF menunjukkan yang paling baik yaitu cukup rendah. dan C-DS menunjukkan ketergantungan spasial dengan R2 yang besar. Implikasi dari hal ini adalah bahwa pengamatan selanjutnya dapat dilakukan secara acak.943. B-PF.

064.4 m menjadi 96. 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 0.032 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. Tingkat keragaman spasial Plot Percobaan A-PF dan E-PF menunjukkan yang paling baik yaitu agak rendah. 0. Ukuran efektif pengamatan untuk Plot Percobaan APF. B-PF. Unsur hara daun Pengamatan awal hara daun N pada Tabel 26 menunjukkan bahwa pada Plot Percobaan A-PF. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). dan E-PF diketahui tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0. dan D-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Sementara itu jika dilihat pada pengamatan tengah hara daun N diketahui bahwa Plot Percobaan A-PF dan E-PF tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0. D-DS.115. 0.046. dan 0.139 dan 0. Ukuran efektif pengamatan untuk Plot Percobaan A-PF. 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 oleh Plot Percobaan B-PF yaitu 1.7 m. tetapi hal ini masih lebih baik karena meningkatkan ukuran efektif pengamatan dari 81.143.928.003 dan 0. Struktur spasial Plot Percobaan B-PF tinggi yaitu 0. Tingkat keragaman spasial Plot Percobaan B PF menunjukkan yang paling baik yaitu cukup rendah. C-DS. D-DS. Struktur . Berdasarkan keterangan di ata s. Tingkat keragaman spasial Plot Percobaan B PF menunjukkan rendah. 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. Struktur spasial yang paling kuat ditunjukkan ole h Plot Percobaan A-PF yaitu 1.

B-PF. C-DS dan periode pengamatan III untuk Plot Percobaan D-DS dan E-PF) menunjukkan bahwa Plot Percobaan D-DS tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang kecil yaitu 0. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan C-DS dengan nilai Q tertinggi yaitu 0. B-PF. 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. Struktur spasial yang paling kuat ditunjukkan o leh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0. Berdasarkan keterangan di atas.3 m menjadi 150.spasial yang paling kuat ditunjukkan oleh Plot Percobaan C yaitu 0.077. Tingkat keragaman spasial Plot Percobaan C-DS menunjukkan yang paling baik yaitu rendah.89. Ukuran efektif pengamatan untuk semua plot percobaan yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m).4 m. Ukuran efektif pengamatan untuk Plot Percobaan B-PF. Ukuran efektif pengamatan untuk Plot Percobaan A-PF. jika pengamatan jumlah anakan tebu sebelum dan sesudah pemupukan pertama dikaitkan maka diketahui bahwa pemupukan dengan pendekatan precision farming pada Plot Percobaan E-PF dapat . Jumlah anakan tebu (populasi tebu) Pengamatan jumlah anakan tebu sebelum pemupukan pertama pada Tabel 27 (periode pengamatan I untuk Plot Percobaan A-PF. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). B-PF. C-DS.999. dan D-DS yang diperoleh lebih besar dari yang dila kukan pada penelitian ini (25 m). Berdasarkan keterangan di atas. C-DS. Tingkat keraga man spasial Plot Percobaan E-PF menunjukkan yang paling baik yaitu rendah. Sementara itu pengamatan jumlah anakan tebu sesudah pemupukan pertama pada Tabel 27 (periode pengamatan II untuk Plot Percobaan A-PF.999. 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 keragaman spasial Plot Percobaan C-DS menunjukkan yang paling baik yaitu amat sangat rendah. tetapi hal ini masih lebih baik kare na meningkatkan ukuran efektif pengamatan dari 86.

Tingkat keragaman spasial Plot Percobaan A-PF menunjukkan yang paling baik yaitu cukup rendah. B-PF. 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. C-DS. Struktur spasial yang pali ng kuat ditunjukkan oleh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0. Pengamatan jumlah anakan tebu sebelum pemupukan kedua pada Tabel 27 (periode pengamatan III untuk Plot Percobaan A-PF. Berdasarkan keterangan di atas.2 m. B-PF.187.menekan tingkat keragaman dari agak rendah menjadi rendah. Ukuran efektif pengamatan untuk semua plot percobaan yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Tinggi tanaman tebu Pengamatan tinggi tanaman tebu sebelum pemupukan kedua pada Tabel 30 (periode pengamatan III untuk Plot Percobaan A-PF. 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. Sementara pemupukan dengan dosis seragam pada Plot Percobaan C-DS menambah tingkat keragaman dari rendah menjadi sedang. C-DS dan periode pengamatan IV untuk Plot Percobaan D-DS dan E-PF) menunjukkan bahwa Plot Percobaan D-DS tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu 0.999.073. 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. Sementara itu pengamatan jumlah anakan tebu sesudah pemupukan kedua pada Tabel 27 (periode pengamatan IV untuk Plot Percobaan A-PF.109 dan 0. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0.931.7 m menjadi 178. B-PF. tetapi meningkatkan ukuran efektif pengamatan dari 41. Struktur spasial yang paling kuat ditunjukkan oleh Plot . Tingkat keragaman spasial Plot Percobaan A PF menunjukkan yang paling baik yaitu cukup rendah. B-PF. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Ukuran efektif pengamatan untuk Plot Percobaan A-PF.

42 ton tebu/ha (Tabel 24). dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Ukuran efektif pengamatan untuk semua plot percobaan yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Ukuran efektif pengamatan untuk Plot Percobaan A-PF. B-PF.5 ton tebu/ha. dan C-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). sedangkan dengan pendekatan precision farming dihasilkan 87. 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. 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. Tingkat keragaman spasial Plot Percobaan B-PF menunjukkan yang paling baik yaitu rendah.786. B-PF. B-PF. Di samping itu jika dibandingkan dengan produktivitas Plot Percobaan B-PF pada tahun 2002 dengan dosis seragam dihasilkan 85. Ukura n efektif pengamatan untuk Plot Percobaan A-PF. Berdasarkan keterangan di atas. Tingkat keragaman spasial Plot Percobaan A-PF dan C-DS menunjukkan tingkat keragaman agak rendah. C-DS. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0.072.999.164. 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. Sementara itu pengamatan tinggi tebu sesudah pemupukan kedua pada Tabel 30 (periode pengamatan IV untuk Plot Percobaan A-PF. Tingkat keragaman spasial Plot Percobaan A-PF.008 dan 0. dan EPF menunjukkan tingkat keragaman cukup rendah.999. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF dengan nilai Q tertinggi yaitu 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. . B-PF.Percobaan A-PF dengan nilai Q tertinggi yaitu 0.

00001 0.00006 0.00042 113.998 Spherical 0.545 5 agak rendah sub soil Awal A-PF 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 0.0003 46.667 6 sedang (%) B-PF 0.841 Exponential 0.807 4 cukup rendah D-DS 0.087 5 agak rendah D-DS 0 0.00016 0.00005 0.00021 52 0.00031 0.0006 277.2 0.00004 0.943 Exponential 0.3 1 Spherical 0 4 cukup rendah Akhir A-PF 0.7 0.525 4 cukup rendah .584 4 cukup rendah B-PF 0.438 6 sedang C-DS 0.00033 0.3 0 Linear 0.161 4 cukup rendah C-DS 0 0.00014 130.00022 24.933 6 sedang E-PF 0.3 0.00024 25.00138 2065.00003 0.00022 0.637 Spherical 0.901 5 agak rendah D-DS 0.00002 0.00034 0.00045 0.00099 316.3 0.998 Exponential 0. P.5 0.017 4 cukup rendah C-DS 0 0.873 Spherical 0 4 cukup rendah B-PF 0.96 Spherical 0.1 0.842 Spherical 0.00071 0.00108 1525.973 Spherical 0.6 0.00009 0.38 4 cukup rendah B-PF 0.246 5 agak rendah E-PF 0 0.239 4 cukup rendah E-PF 0.00045 152 0 Linear 0.00016 171.00031 45.3 0.00014 0.899 4 cukup rendah C-DS 0.00013 51 0.872 Spherical 0.00003 0.00045 310 0.9 0.514 Exponential 0.9 0.00145 935.757 Exponential 0.89 Spherical 0.853 Exponential 0.7 0 Linear 0.806 4 cukup rendah D-DS 0.057 5 agak rendah E-PF 0.043 4 cukup rendah Akhir A-PF 0.1 0.00053 58 0.7 0.00042 86.00082 40.999 Linear 0.00207 1167.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.715 Exponential 0.

4 34.85 214.593 Exponential 0.395 5 agak rendah sub soil Awal A-PF 74.008 5 agak rendah C-DS 1 616.305 4 cukup rendah E-PF 31 156 963.423 4 cukup rendah B-PF 0.88 152 0.4 0.777 Exponential 0.3 0.821 Spherical 0.2 42 96.9 720.447 Linear 0.885 7 agak tinggi E-PF 89 419.484 5 agak rendah (ppm) B-PF 0.47 405.7 79.9 0. P. 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 1 549.939 3 5 rendah agak rendah B-PF 146.003 4 cukup rendah C-DS 172.833 4 cukup rendah .4 0.998 Spherical 0.732 6 sedang E-PF 0.02 146.046 6 sedang D-DS 126 705.9 0.92 4 cukup rendah B-PF 405.689 Linear 0.396 4 cukup rendah C-DS 0.133 6 sedang D-DS 33.998 Spherical 0.7 0.372 4 cukup rendah C-DS 124 558.801 Exponential 0.47 171.5 43.2 1 Spherical 0.998 Spherical 0.6 126.1 199.9 1039.032 5 agak rendah D-DS 123 1689 627.8 0.999 Spherical 0.2 254.1 200.81 57 130.9 81.196 Linear 0.1 315.7 48.1 1 Spherical 0.01 6.028 3 rendah Akhir A-PF 51.2 0.538 41.44 130.788 Exponential 0.522 7 agak tinggi Akhir E-PF A-PF 83 0.02 171.115 0.7 0.778 Exponential 0.1 889 291.5 285 0.7 0.416 8 cukup tinggi D-DS 29.7 335.5 0.3 0 Linear 0.3 0 Linear 0.8 49.75 108.907 1 Spherical Spherical 0.8 0.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.9 0.927 Exponential 0.

999 Spherical 0.00002 130.607 5 agak rendah C-DS 0.997 Exponential 0 4 cukup rendah D-DS 0.987 Exponential 0.0021 18 0.782 8 cukup tinggi E-PF 0.4 0.1 0.783 4 cukup rendah (me/100g B-PF 0.00149 30.159 3 rendah Akhir A-PF 0.99 Spherical 0.742 Exponential 0.712 Exponential 0.00009 0.00043 0.908 Spherical 0 4 cukup rendah tanah) C-DS 0 0.4 0 Linear 0.7 Linear 0 7 agak tinggi E-PF 0.00031 0.0003 0.00047 93.3 0.00127 83.00237 182.4 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 .0009 2040.1 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 0.805 7 agak tinggi B-PF 0.00038 863.3 0.00239 47.008 4 cukup rendah D-DS 0 0.4 0.00005 0.9 0.00015 E-PF 0.881 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.904 Spherical 0.993 Exponential 0.479 4 cukup rendah sub soil Awal A-PF 0.999 Exponential 0.00011 0.226 5 agak rendah B-PF 0.00002 0.191 5 agak rendah D-DS 0.9 0.82 Exponential 0.666 Exponential 0.00043 171.00031 B-PF 0.226 5 agak rendah 250.2 0.794 Spherical 0.00085 D-DS 0.00062 0.00001 0.00001 0. P.913 Spherical .00044 319.00001 0.162 4 cukup rendah C-DS 0 0.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.2 0.307 4 cukup rendah 259 0 Linear 0.00035 16.00005 0. B-PF.672 Exponential 0.3 0 Linear 0.00119 C-DS 0.00016 476.2 0.101 5 agak rendah 60.00086 344.244 3 rendah Akhir A-PF 0.3 0.856 6 sedang 66.00019 0.418 5 agak rendah E-PF 0.00041 55.2 0.00013 40.2 0.821 Exponential 0.7 130.00015 0.00003 0.00237 0.

P.00016 0.121 3 rendah B-PF 0.984 Spherical 0 4 cukup rendah E-PF 0.00105 462.3 0.00134 0.669 Spherical 0.7 0.6 0.01104 0.8 0.561 Exponential 0.00867 0.00027 34.4 0 Linear 0.00046 39.139 4 cukup rendah B-PF 0.996 Spherical 0.03598 2078.00001 0.8 0.00267 35.994 Spherical 0.945 Spherical 0.664 5 agak rendah E-PF 0.00036 0.00059 402.829 5 agak rendah Tengah A-PF 0.00867 130.00988 24.2 0.9 0.189 1 amat sangat rendah C-DS 0 0.928 Spherical 0.00433 198 0.00016 0.043 1 amat sangat rendah C-DS 0.991 Spherical 0.498 5 agak rendah E-PF 0.00002 0.761 8 cukup tinggi (%) B-PF 0.402 1 amat sangat rendah D-DS 0.95 1 amat sangat rendah C-DS 0.4 0.045 1 amat sangat rendah D-DS 0 0.00064 456.902 Exponential 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 0.00008 0.514 4 cukup rendah .849 Spherical 0 4 cukup rendah Akhir A-PF 0.00048 406.00118 152 0 Linear 0.00208 0.696 6 sedang P Awal A-PF 0.926 Spherical 0.903 Spherical 0 4 cukup rendah Tengah A-PF 0.00028 0.865 Spherical 0.Tabel 26 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara d aun N.803 1 amat sangat rendah D-DS 0.01172 304.00057 206.973 Spherical 0.00256 0.00704 182.693 Exponential 0.00044 36.00072 0.7 0.051 5 agak rendah E-PF 0.3 0.667 Spherical 0.00788 290.834 Spherical 0.4 0.00026 0.00003 0.00087 0.956 Spherical 0.82 6 sedang B-PF 0.7 0.00001 0.00118 0.782 Spherical 0.9 0.064 1 amat sangat rendah D-DS 0.099 5 agak rendah E-PF 0.6 0.00001 0.01612 25.0022 47.00017 63.2 0.8 0.00149 0.00704 0.00047 0.746 Spherical 0.828 3 rendah C-DS 0.143 4 cukup rendah (%) B-PF 0.00014 0.00655 86.983 Exponential 0.5 0.00026 59.7 0 Linear 0.00629 150.4 0.587 1 amat sangat rendah D-DS 0.4 0.3 0.01388 24.00366 25.4 0.583 3 rendah C-DS 0.89 Spherical 0.

0001 0.5 bulan Akhir = pada umur tebu 9.00001 0.6 0. B-PF.589 Exponential 0.9 0.688 Spherical 0.1478 1440.848 Spherical 0.00527 0.9 1 Spherical 0. P.03044 1803.737 Exponential 0.807 Spherical 0.2 0.802 Exponential 0.575 6 sedang Catatan: Periode pengamatan plot percobaan A-PF.174 3 rendah C-DS 0.00001 0.0005 130.5 bulan .Tabel 26 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara d aun N.112 4 cukup rendah B-PF 0.0343 25.683 4 cukup rendah AkhirA-PF-------BPF-------CDS-------DDS 0.02122 105.00887 0.00011 182.585 5 agak rendah E-PF 0.739 Exponential 0.042 44.00077 255.03474 277. 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 6.00011 0.1094 869.5 bulan Tengah = pada umur tebu 6. 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 0.997 Spherical 0 3 rendah (%) B-PF 0.4 0.00007 0.0005 0.00026 250.5 bulan Akhir = pada umur tebu 9.687 5 agak rendah E-PF 0.4 0.43 7 agak tinggi D-DS 0.0389 0.5 0.886 4 cukup rendah K Awal A-PF 0.942 6 sedang E-PF 0.3 0.579 1 amat sangat rendah C-DS 0.062 1 amat sangat rendah D-DS 0.4 0 Linear 0.3 0.2 0.00024 0.00007 28.045 0.0081 0.709 Exponential 0.7 0 Linear 0.

66 142.7 0.109 4 cukup rendah 118 159.6 152 0.66 130.931 Spherical 0.64 166.444 6 sedang 515.79 4 cukup rendah 42.7 0 Linear 0.3 193.843 5 agak rendah 87 384.774 Exponential 0.6 753.2 317.64 130.7 0 Linear 0.1 50.833 Spherical 0.7 0 Linear 0.735 5 agak rendah 0.46 37.749 4 cukup rendah B-PF 66.3 0 Linear 0.27 4 cukup rendah 67.2 341.9 113.781 Exponential 0.33 515.3 0 Linear 0.336 6 sedang 166.828 Exponential 0.46 171.3 0 Linear 0.806 Exponential 0.5 225.29 171.93 5 agak rendah VI A-PF 4.646 Spherical 0.9 0.9 468.5 Exponential 0.6 391 0.29 67.077 6 sedang 201.5 248.5 0.864 Spherical 0.2 60.94 5 agak rendah 9.681 3 rendah 2.818 Exponential 0.4 0.6 37.999 Linear 0.972 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 32.1 68.9 0.2 54 0.23 867.375 4 cukup rendah 58 426.49 110.853 5 agak rendah C-DS 0.999 Spherical 0.597 Exponential 0.9 400.617 4 cukup rendah 15.4 82.8 116.073 4 cukup rendah 382.7 132.08 178.4 402.645 Spherical 0.2 0.42 41.812 4 cukup rendah .33 130.2 0.9 661.555 4 cukup rendah 110.94 142 0.72 4 cukup rendah 37.9 0.8 51 0.49 171.5 0.93 130.442 4 cukup rendah 46.261 Linear 0.3 101.1 99.399 4 cukup rendah 141.174 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 63.7 0 Linear 0.93 382.508 5 agak rendah 439 2004 2088.849 Exponential 0.931 Spherical 0.9 0.7 0.7 0.388 6 sedang 142.8 179.

4 24.7 0.5 bulan IV = pada umur tebu 4.7 374.009 4 cukup rendah 11.5 bulan VI = pada umur tebu 6.17 48.839 8 cukup tinggi 92.4 265.881 4 cukup rendah 3.787 4 cukup rendah 0.509 Exponential 0.963 Spherical 0.5 bulan .71 97.5 bulan V = pada umur tebu 5.001 4 cukup rendah 118.1 1005.5 0.7 0 Linear 0.8 0.5 bulan IV = pada umur tebu 4.693 Exponential 0.5 228.03 130.03 153.07 130.2 68.5 bulan VII = pada umur tebu 9.46 167.5 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. B-PF.5 bulan VII = pada umur tebu 9.5 148.742 5 agak rendah 20.045 Linear 0.836 Exponential 0.3 0.836 Spherical 0 3 rendah Catatan: Periode pengamatan plot percobaan A-PF.6 241.1 44.9 68.B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 37.466 6 sedang 153.3 0.309 3 rendah 5.1 0.7 0.5 bulan VI = pada umur tebu 6.2 45.5 bulan V = pada umur tebu 5.04 740. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.929 Spherical 0.998 Exponential 0.

015 100.811 Exponential 0.7 0 Linear 0.906 Spherical 0.001 1.001 1.9 Exponential 0.074 0.977 78.2 0.928 0.9 0.232 80.701 Exponential 0.352 84.63 6.466 1.712 Spherical 0.742 1.893 Spherical 0.364 4 cukup rendah 0.24 7.999 Linear 0.931 0.793 35.147 4 cukup rendah 152 0 Linear 0.9 0.251 1.794 Exponential 0.06 4 cukup rendah .045 0.1 0.326 190.131 0.999 Spherical 0.3 0.28 5 agak rendah 171.929 Spherical 0.3 0.54 7.001 1.321 4 cukup rendah 0.116 4 cukup rendah 0.281 0.875 Spherical 0.636 58.928 0.413 76 0.001 0.095 3 rendah B-PF 0.561 276.142 5 agak rendah 130.329 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 0.141 1.368 122.2 0.783 3 rendah 0.8 0.913 0.913 0.839 5 agak rendah 0.103 4 cukup rendah 2.5 0.3 0.655 Spherical 0.422 62.517 8 cukup tinggi 0.38 3 rendah 0.999 Spherical 0.337 35.931 0.2 0.788 5 agak rendah 0.7 0.956 Spherical 0.892 Exponential 0 3 rendah 0.819 4 cukup rendah 0.792 3 rendah 0.08 0.489 1335 0.941 51 0.999 Spherical 0.4 0 Linear 0.9 Spherical 0.788 4 cukup rendah C-DS 0.096 4 cukup rendah 133.6 0.785 56.5 0.2 0.001 2.175 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 0.952 Exponential 0.3 0 Linear 0.447 46.269 558.15 5 agak rendah 0.931 0.847 5 agak rendah 0.383 182.035 0.392 4 cukup rendah 0.54 4.383 0.152 1.8 1 Exponential 0.

4 0.4 0.5 bulan V = pada umur tebu 5.142 0.VI A-PF B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 0.098 0.8 0.81 46 0.5 bulan VII = pada umur tebu 9.722 348.2 0.865 Spherical 0 4 cukup rendah 0.683 5 agak rendah 0.5 bulan .896 4 cukup rendah 0.551 3 rend ah 0.788 Exponential 0.145 1.999 Spherical 0.481 7 agak tinggi 0.1 0.825 Spherical 0.325 1.81 4.5 bulan VI = pada umur tebu 6.384 56.068 4 cukup rendah 0.651 57 0. B-PF.5 bulan VI = pada umur tebu 6.979 Spherical 0 4 cukup rendah 0.917 Spherical 0.723 4 cukup rendah 1.4 0.4 0.769 24.3 0.822 9 tinggi 0.1 5.107 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.001 1.803 Exponential 0. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.74 71.5 bulan IV = pada umur tebu 4.5 bulan V = pada umur tebu 5.239 1.223 24.828 Spherical 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 2.519 49.811 Exponential 0.2 796.274 98.026 1.5 bulan IV = pada umur tebu 4.104 0.5 bulan VII = pada umur tebu 9.812 Exponential 0.

01 4.903 Spherical 0.121 303.2 0.85 5.03 61.199 1.35 2.835 33.9 0.873 Spherical 0.228 1.521 2.795 Spherical 0.837 4 cukup rendah VI A-PF 0.441 4 cukup rendah 0.976 127.4 0.173 4 cukup rendah 49.333 0.811 Spherical 0.4 1 Spherical 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 0.757 2.024 4 cukup rendah B-PF 0.333 2.137 1.881 6 sedang 0.751 46.045 1.993 Exponential 0.778 4 cukup rendah .6 0.001 2.883 Exponential 0.094 0.634 5 agak rendah C-DS 1.3 0.521 130.047 4 cukup rendah 1.793 152 0 Linear 0.9 0.599 3.931 Spherical 0.932 219.18 5.377 2.87 4 cukup rendah 152 0 Linear 0.883 5 agak rendah 0.6 0.806 4 cukup rendah 94.728 5 agak rendah 0.965 Exponential 0.887 Exponential 0.922 146.5 0.831 Spherical 0.793 1.3 0.2 0.289 5 agak rendah 259 0 Linear 0.17 111.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 0.019 0.

061 56. 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 3.999 Spherical 0.997 Spherical 0.897 79.1 0.01 0.6 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.892 Exponential 0.2 0.937 4 cukup rendah 14.007 5 agak rendah 5.207 4 cukup rendah 1.28 6.998 Linear 0.5 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 2.583 51.787 Exponential 0.769 4 cukup rendah 4.5 bulan V = pada umur tebu 5.01 3.85 0.22 47.998 Spherical 0.B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 0.17 106.3 0.8 0.928 28.2 0.472 5 agak rendah 1.1 0.5 bulan IV = pada umur tebu 4.5 bulan IV = pada umur tebu 4.3 0.023 626.5 bulan VII = pada umur tebu 9.01 6.5 bulan V = pada umur tebu 5. B-PF.53 0.6 0.5 bulan VII = pada umur tebu 9.718 3.609 4 cukup rendah 0.7 0.857 110.01 4.01 0.815 Exponential 0.5 bulan VI = pada umur tebu 6.848 105.224 4 cukup rendah 7.555 Spherical 0.802 4 cukup rendah 0.5 bulan VI = pada umur tebu 6.5 bulan .999 Exponential 0.

94 5.2 141.683 Exponential 0.68 82.2 337.823 36.999 Spherical 0.6 6.206 5 agak rendah D-DS -------E-PF -------III A-PF 0.5 bulan V = pada umur tebu 5.008 4 cukup rendah C-DS 50.7 0 Linear 0.965 Spherical 0.728 Spherical 0.7 0. 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 3.768 4 cukup rendah C-DS 0.89 4 cukup rendah C-DS 60.07 130.1 73.3 0.32 99.455 5 agak rendah D-DS 96.954 Spherical 0.749 4 cukup rendah V A-PF 96.833 Spherical 0.4 121.2 214 37.999 Linear 0.7 0 Linear 0.7 0 Linear 0.069 4 cukup rendah B-PF 5.52 103.966 171.774 Spherical 0.73 115.3 0.103 Linear 0.5 71.5 bulan IV = pada umur tebu 4.122 4 cukup rendah C-DS 0.786 Exponential 0.5 bulan III = pada umur tebu 2.806 Exponential 0.164 4 cukup rendah VI A-PF 93 342.108 4 cukup rendah VII A-PF 0.5 bulan V = pada umur tebu 5.5 55.8 0.3 0.365 Linear 0.1 198.747 5 agak rendah B-PF 73.53 182.4 0.4 1 Spherical 0.1 0.5 0.999 Linear 0.9 0.4 53.912 Spherical 0. B-PF.8 9.1 186.87 152.49 152 0.5 0.4 142.6 241 1316.8 37.9 0.812 Spherical 0.474 Linear 0.51 130.1 89.2 0.47 23.572 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.728 4 cukup rendah E-PF 288 669.63 76.51 111.1 259.6 1359 0.44 171.3 0.27 510.642 6 sedang D-DS 1.61 130.6 51 0.2 108.12 171.1 186.3 0 Linear 0.21 130.187 4 cukup rendah E-PF 18.7 63 0.9 63.404 5 agak rendah D-DS 100.07 100.454 4 cukup rendah E-PF 9.726 3 rendah D-DS 215.7 0 Linear 0.15 4 cukup rendah E-PF 7.697 4 cukup rendah B-PF 80.528 4 cukup rendah C-DS 38.53 4 cukup rendah B-PF 0.5 bulan IV = pada umur tebu 4.6 0.835 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 0.854 5 agak rendah IV A-PF 51.57 Exponential 0.436 Linear 0.3 79.61 96.759 4 cukup rendah D-DS 111.282 4 cukup rendah B-PF 2.685 5 agak rendah E-PF 40.5 bulan .199 4 cukup rendah C-DS 0.966 5.679 Spherical 0.28 483 0.21 215.999 Spherical 0.739 4 cukup rendah B-PF 12.496 Linear 0.8 51 0.6 0.34 88.89 152 0.

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

208 1.365 50 0.95 21.861 Spherical 0.14 8. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.754 152 0 Linear 0.835 5 agak rendah B-PF 0.8 1 Spherical 0.27 7.163 282.01 7.219 4 cukup rendah C-DS 1.957 Exponential 0.832 Spherical 0.113 4 cukup rendah C-DS 0.303 3 rendah E-PF 0.542 4 cukup rendah V A-PF 0.001 1.92 4.687 5 agak rendah E-PF 0.6 0.726 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.493 111.158 152 0 Linear 0.469 318.01 6.3 0.704 Exponential 0.5 bulan V = pada umur tebu 5.228 4 cukup rendah E-PF 0.527 4 cukup rendah C-DS 0.296 9.718 3.868 173 0.868 70.4 0.816 2.589 51.616 3.5 bulan VI = pada umur tebu 6.999 Exponential 0.123 5 agak rendah D-DS 3.853 3.001 2.73 7.3 0.952 84.999 Spherical 0.439 9 tinggi E-PF 1.754 1.6 0.811 Spherical 0.033 93.818 Spherical 0.9 0.524 4 cukup rendah B-PF 0.258 1.3 0.001 2.364 48.3 0 Linear 0.784 Spherical 0.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 1.7 0 Linear 0.1 0.04 24.913 3 rendah VII A-PF 0.779 Exponential 0.296 171.5 Spherical 0.7 0.728 3 rendah C-DS 1.528 75.2 1 Spherical 0.432 130.747 4 cukup rendah B-PF 0.963 7 agak tinggi E-PF 0.735 Exponential 0.032 143.934 6 sedang D-DS 1.894 5 agak rendah C-DS 0.811 42.7 0 Linear 0.329 4 cukup rendah D-DS 0.721 3.3 0.89 729.3 3.3 130.3 0.25 0 Linear 0.647 5 agak rendah D-DS 2.754 67.2 6.2 0.549 238.432 2.1 0.999 Spherical 0. B-PF.572 171.5 bulan .575 4 cukup rendah B-PF 0.797 Exponential 0.83 Spherical 0.276 4 cukup rendah D-DS -------E-PF -------III A-PF 0.8 0.376 4 cukup rendah B-PF 9.902 Spherical 0.965 3.969 Spherical 0.443 89.18 233.95 5 agak rendah IV A-PF 0.017 4 cukup rendah C-DS 1 5.552 3.159 5 agak rendah D-DS 0.158 1.6 0.5 bulan IV = pada umur tebu 4.067 4 cukup rendah B-PF 2.2 0.644 145.809 Exponential 0.5 0.572 2.968 348.495 2.885 Spherical 0.764 Spherical 0 4 cukup rendah VI A-PF 0.3 0.21 50.

5 bulan VI = pada umur tebu 6.5 bulan VII = pada umur tebu 9.5 bulan IV = pada umur tebu 4.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 2.5 bulan .

766 6 sedang D-DS 88.71 4 cukup rendah III A-PF 3.895 Spherical 0.71 220.607 4 cukup rendah VII A-PF 39.511 5 agak rendah C-DS 4.92 25.06 98.935 Linear 0.405 4 cukup rendah E-PF 70.512 4 cukup rendah E-PF 90 231.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 4.3 54.997 Spherical 0.84 39.3 0.92 121.552 Exponential 0.706 5 agak rendah IV A-PF 7.7 0.1 753.1 120.925 6 sedang D-DS -------E-PF -------II A-PF 0.8 30.905 Spherical 0.831 Exponential 0.6 485.92 49.59 171.828 Exponential 0.1 72.5 124 1222.731 Exponential 0.8 0.298 4 cukup rendah C-DS 10.148 5 agak rendah E-PF 30.2 0.5 0.611 Exponential 0.84 130.4 0.28 94.9 209.3 0.72 20.631 7 agak tinggi D-DS 72.12 89.01 29.77 Exponential 0.875 Spherical 0.311 Linear 0.24 5 agak rendah C-DS 2.564 4 cukup rendah C-DS 20.526 4 cukup rendah C-DS 29.3 1543.7 0.321 7 agak tinggi D-DS 0.3 0 Linear 0.68 62.171 4 cukup rendah D-DS 58.891 Spherical 0 4 cukup rendah B-PF 23.998 Spherical 0.5 bulan VI = pada umur tebu 6.37 130.8 112.37 72.003 4 cukup rendah E-PF 84.7 0 Linear 0.8 50.5 bulan V = pada umur tebu 5.7 37.14 28.7 42.728 5 agak rendah Catatan: Periode pengamatan plot percobaan A-PF.026 4 cukup rendah C-DS 7.1 36.8 0.3 0.9 0.709 4 cukup rendah VI A-PF 5.72 152 0 Linear 0.84 259 0.984 Spherical 0.1 72.5 30 0.8 0.7 0.905 Spherical 0.59 23.26 182 0.33 130.08 40.15 30.219 5 agak rendah D-DS 91.8 130.211 5 agak rendah D-DS 112.2 0.087 5 agak rendah B-PF 9.111 4 cukup rendah B-PF 0.266 4 cukup rendah V A-PF 7.47 42.63 47.49 36.1 0.597 Exponential 0.27 Linear 0.49 171.6 1640.004 5 agak rendah E-PF 78.7 0 Linear 0.49 48 0.9 Spherical 0.1 0.2 0. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.279 4 cukup rendah B-PF 3.5 110.35 34.84 130.2 0.9 1 Spherical 0.8 152 0.5 bulan IV = pada umur tebu 4.17 130.9 158.554 4 cukup rendah C-DS 36.61 33.465 4 cukup rendah B-PF 0.3 43.17 4 cukup rendah E-PF 90.14 20.81 Exponential 0.14 667.05 37.38 32.36 36.5 bulan VII = pada umur tebu 9.35 112.3 0 Linear 0.033 4 cukup rendah B-PF 0.706 Exponential 0.5 bulan .3 0.7 114.9 0.999 Spherical 0.6 0. B-PF.624 Spherical 0.2 280.19 Linear 0.089 4 cukup rendah B-PF 36.038 Linear 0.1 62.16 38.7 0.7 Exponential 0.349 Linear 0.

5 bulan VI = pada umur tebu 6.5 bulan .5 bulan V = pada umur tebu 5.5 bulan IV = pada umur tebu 4.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.

22 5 agak rendah D-DS 0.753 24.999 Linear 0.1 0.089 4 cukup rendah C-DS 0.854 Spherical 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 0.001 2.5 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 0.402 4 cukup rendah E-PF 0.7 0.369 130.001 1.7 0.4 1.7 0.059 5 agak rendah D-DS 0.811 Spherical 0.1132 76.4 1 Spherical 0.001 0.087 197.369 1.011 5 agak rendah D-DS 0.95 Spherical 0.001 1.884 87.765 Exponential 0.2 0.564 171.512 1 amat sangat rendah C-DS 0.126 177.147 2.993 47.894 3.979 5 agak rendah B-PF 0.607 1.85 4 cukup rendah D-DS 1.199 195 0.612 Spherical 0.626 31.029 208.798 971.7 0.772 120.2 1 Spherical 0.689 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.999 Exponential 0.0114 0.3 0.001 1.8 0.5 0.32 5.909 169 0.0001 0.998 Spherical 0.965 188.951 78.952 4 cukup rendah E-PF 0.962 Spherical 0 5 agak rendah E-PF 1.9 Spherical 0.999 Spherical 0.79 3 rendah C-DS 0.564 139 0.6 0.723 742.01 4.902 4 cukup rendah Akhir A-PF 0.003 5 agak rendah B-PF 0.854 4 cukup rendah Akhir A-PF 0.882 60.7 0.999 Spherical 0.716 4 cukup rendah Sub soil Awal A-PF 0.001 0.999 Linear 0.4 0.5 bulan Kadar air tanah dalam % periode pengamatan akhir pada umur tebu 9.951 Exponential 0.363 6 sedang C-DS 0.857 5 agak rendah D-DS 0.11 0.3 0 Linear 0.1138 29.999 Spherical 0.047 0.7 0.998 Spherical 0.564 0.1142 50.172 0.72 1.7 0 Linear 0.808 105 0.582 Exponential 0.837 Exponential 0.001 2.983 4 cukup rendah B-PF 0.0001 0.18 4.965 3 rendah C-DS 0.001 2.746 Exponential 0.797 5 agak rendah .14 112.4 0.025 5 agak rendah E-PF 0.675 65.922 4 cukup rendah B-PF 0.777 4 cukup rendah B-PF 0.276 1.3 1 Linear 0.632 Spherical 0.622 5 agak rendah E-PF 0.712 51 0.1 0.

591 7 agak tinggi E-PF 5.019 59.1 0.5 bulan .Akhir A-PF 0.25 4 cukup rendah C-DS 5.857 Spherical 0.975 48 0.5 bulan periode pengamatan akhir pada umur tebu 9.4 0.7 0.79 58.19 20.355 7 agak tinggi D-DS 6 73 300.165 3.44 1047.438 2.853 Spherical 0.6 0.583 4 cukup rendah Catatan : periode pengamatan awal pada umur tebu 6.377 3 rendah B-PF 0.746 Exponential 0.945 Exponential 0.4 37.918 Spherical 0.

512 5 agak rendah C-DS 3 1468 71.3 0.769 Exponential 0.1 6.827 4 cukup rendah E-PF 34.4 0.924 Spherical 0.98 152 0 Linear 0.36 38.245 4 cukup rendah C-DS 9.559 5 agak rendah C-DS 5000 16050 118 0.68 152 0 Linear 0.092 3 rendah basah B-PF 100 43000 54.99 9.87 11.466 4 cukup rendah D-DS 1.774 Spherical 0 3 rendah Bobot A-PF 1 352 25.167 3 rendah .576 5 agak rendah Bobot A-PF 5.763 Exponential 0.1 177.7 0.4 0.998 Spherical 0.5 0.75 771.059 Linear 0.324 4 cukup rendah D-DS 15200 51500 795.889 Exponential 0.42 3.991 Spherical 0 4 cukup rendah kering B-PF 151 758.542 Exponential 0.01 181.69 74.3 0.8 0.808 Spherical 0.413 4 cukup rendah BATANG Bobot A-PF 3000 22860 38.735 Exponential 0.054 67.581 4 cukup rendah Bobot A-PF 160 2294 44.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 8 105.678 Exponential 0.3 0.1 139.351 4 cukup rendah C-DS 535 569 152 0.401 4 cukup rendah E-PF 4.3 0.7 0 Linear 0.917 Exponential 0.002 4 cukup rendah D-DS 129 129 130.2 38.687 7 agak tinggi TUNGGUL Bobot A-PF 99.1 0.01 13.9 0.548 Linear 0.1 706.803 3 rendah C-DS 1.5 244.5 Exponential 0.5 159 0.616 4 cukup rendah C-DS 1 2010 40.9 0.801 Exponential 0.1 0.587 Spherical 0.9 0.087 4 cukup rendah D-DS 444 2813 24.6 Linear 0.1 130.906 5 agak rendah basah B-PF 3.863 Spherical 0.8 72.998 Exponential 0.997 Exponential 0.661 6 sedang basah B-PF 1 1316 53.33 8.028 4 cukup rendah D-DS 924 924 130.776 4 cukup rendah E-PF 334 1481 25.86 115.3 0.5 0.463 3 rendah kering B-PF 0.324 5 agak rendah DAUN Bobot A-PF 876 2717 889.501 Exponential 0.3 0.4 0.19 171.48 4 cukup rendah E-PF 2.839 Exponential 0.68 2.4 50.45 113.581 84.7 0.4 0.7 0 Linear 0.576 4 cukup rendah D-DS 6.43 Linear 0.999 Spherical 0.611 7 agak tinggi E-PF 2590 18920 72.672 878.869 Spherical 0.112 174.87 81 0.01 182.533 2 sangat rendah Bobot A-PF 54 654.367 3 rendah kering B-PF 10 3955 86.26 2081.175 4 cukup rendah kering B-PF 0.81 14.7 0.344 5 agak rendah basah B-PF 58.7 0 Linear 0.961 4.5 0.423 4 cukup rendah D-DS 11.705 Exponential 0.446 4 cukup rendah E-PF 82.999 Spherical 0.86 130.2 0.12 140.676 4 cukup rendah E-PF 139.22 7.514 4 cukup rendah D-DS 115.879 Spherical 0.93 Spherical 0.5 0.5 1 Exponential 0.3 0.688 Spherical 0.842 Spherical 0 5 agak rendah E-PF 259 2141 46 0.446 9 tinggi C-DS 16.679 4 cukup rendah C-DS 2.7 0 Linear 0.775 Spherical 0.69 106.25 20.1 0.3 304.5 0.31 259 0.

999 Spherical 0.932 5 agak rendah Akhir A-PF 8.834 4 cukup rendah C-DS 138.997 Spherical 0.734 4 cukup rendah C-DS 0.895 Spherical 0.79 23.5 bulan periode pengamatan akhir pada umur tebu 9.4 0.62 4 cukup rendah C-DS 19.863 Linear 0.805 Spherical 0.1 75.57 366.36 18.11 5 agak rendah D-DS 366.001 4 cukup rendah Bobot A-PF 16.42 152 0.9 0.99 Spherical 0.2 52.633 Linear 0.3 0.3 0.5 bulan .8 998 Spherical 0.911 Spherical 0.012 4 cukup rendah basah B-PF 1 653.1 161.289 4 cukup rendah B-PF 0.57 130.36 130.998 Spherical 0.1 0.04 16.79 21.01 6.71 294.01 7.512 5 agak rendah D-DS 75 418.24 400.796 72.5 0.408 4 cukup rendah E-PF 7.463 3 rendah ruas B-PF 0.48 142.816 Spherical 0.5 61.628 4 cukup rendah E-PF 0.016 3 rendah Jumlah A-PF 0.2 0.74 65.3 0.176 53.04 182.4 0.6 82.742 Spherical 0.1 0.6 0.016 6 sedang D-DS 0.01 31.8 0.76 193.714 33.49 152 0.5 15.84 4.01 3.855 4 cukup rendah B-PF 10.281 Linear 0.35 227.71 33.233 5 agak rendah E-PF 82.821 Exponential 0.737 Exponential 0.58 28.998 Spherical 0.6 67.02 152 0.07 64.8 46.6 0 Linear 0.735 Exponential 0.783 Spherical 0.11 98.7 0 Linear 0.677 4 cukup rendah C-DS 0.4 0 Linear 0.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 400.2 38.7 132.527 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.7 0 Linear 0.7 0.2 378.557 29.8 0.05 4.008 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 5.647 6 sedang D-DS 38 361.6 0.8 1 Spherical 0.69 6.084 4 cukup rendah E-PF 1 563.999 Spherical 0 5 agak rendah D-DS 18.24 182.314 4 cukup rendah E-PF 155 585.888 Spherical 0.3 87.779 5 agak rendah C-DS 36.038 4 cukup rendah kering B-PF 0.4 0.

9 0.0305 0.7 0.0001 0.092 5 agak rendah D-DS 0.998 Spherical 0.1968 46.38 4 cukup rendah C-DS 0.001 0.0001 0.874 4 cukup rendah C-DS 0.1892 68 0.502 Exponential 0.2738 42.954 Spherical 0.1 1 Spherical 0.9 1 Spherical 0.999 Spherical 0.267 1649.5 bulan Bobot tebu dalam gram periode pengamatan akhir pada umur tebu 9.151 42.0286 0.0518 51.2016 152 0 Linear 0.987 Spherical 0.2396 49.1552 50.0514 0.743 Exponential 0.1 0.5 bulan .697 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.0224 0.Tabel 37 Parameter semi-variogram dan klasifikasi keragaman spasial bobot tebu Parameter semi -variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 0.6 0.7 0.188 5 agak rendah E-PF 0.909 Spherical 0.6 0.886 Exponential 0.5 0.0108 0.0432 0.1784 60.523 241.625 5 agak rendah E-PF 0.157 3 rendah Akhir A-PF 0.9 0.853 5 agak rendah C-DS 0.834 Spherical 0.6 0.0001 0.5 0.999 Spherical 0.8 0.2282 37.7 0.2922 82.758 Exponential 0.325 1.329 5 agak rendah E-PF 0.9 0.082 5 agak rendah D-DS 0.191 4 cukup rendah B-PF 0.5 bulan Tabel 38 Parameter semi-variogram dan klasifikasi keragaman spasial bobot nira Parameter semi-variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 0.2336 56.06 4 cukup rendah B-PF 0.226 35.57 290.962 5 agak rendah B-PF 0.652 5 agak rendah Akhir A-PF 0.96 4 cukup rendah D-DS 0.8 0.5 bulan Bobot nira dalam gram periode pengamatan akhir pada umur tebu 9.999 Linear 0.1559 0.994 Spherical 0.875 Spherical 0.834 5 agak rendah E-PF 0.0001 0.812 Spherical 0.20157 0.9 0.358 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.835 Spherical 0.185 63.0205 0.3128 633.948 4 cukup rendah D-DS 0.9 0.007 0.999 Linear 0.025 0.831 4 cukup rendah C-DS 0.0003 0.0001 0.953 5 agak rendah B-PF 0.1322 50.2562 83.0003 0.

059 0.876 Spherical 0.881 Exponential 0.4271 130.483 2.681 1337.407 1.72 4 cukup rendah B-PF 0.213 984.476 3 rendah Catatan: periode pengamatan awal pada umur tebu 6.389 3 rendah Catatan: periode pengamatan awal pada umur tebu 6.3 0 Linear 0.7 0 Linear 0.998 Linear 0.3 0.289 4 cukup rendah E-PF 0.171 1.931 Spherical 0.048 4 cukup rendah C-DS 0.535 51 0.2868 171.001 0.684 51 0.7 0.323 59 0.682 4 cukup rendah B-PF 1.56 344.9 0.391 51 0.569 4 cukup rendah Akhir A-PF 0.8 0.804 4 cukup rendah D-DS 0.5 bulan Brixdalam % periode pengamatan akhir pada umur tebu 9.063 0.317 130.925 4 cukup rendah D-DS 0.522 4 cukup rendah C-DS 0.277 1.001 0.917 73.4 0.5 bulan .497 2.745 69.7 0.229 4 cukup rendah E-PF 0.001 0.5 bulan Kadar gula dalam %Pol periode pengamatan akhir pada umur tebu 9.001 0.737 Exponential 0.173 0.494 186 0.4 0.001 0.424 4 cukup rendah Akhir A-PF 0.664 Exponential 0.193 1.3 0.999 Spherical 0.82 Exponential 0.055 42 0.519 6 sedang C-DS 0.9985 130.813 Exponential 0.842 Spherical 0.997 Linear 0.493 4 cukup rendah C-DS 0.696 7 agak tinggi D-DS 1.8 0.6 0.775 4 cukup rendah B-PF 0.317 1.737 45.995 76.7 0 Linear 0.126 0.067 925.997 Spherical 0.999 Linear 0.2868 1.083 48.142 0.884 4 cukup rendah D-DS 1.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 0.809 Exponential 0.42707 1.5 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 0.99853 0.647 5 agak rendah B-PF 0.38 4 cukup rendah E-PF 0.065 4 cukup rendah E-PF 0.7 0 Linear 0.829 Spherical 0.926 87.76 Exponential 0.

046 341.84 1388.39 12.4 0.7 0.6 0.1049 0.476 6 sedang Catatan: periode pengamatan awal pada umur tebu 6.559 4 cukup rendah Akhir A-PF 0.3 0 Linear 0.118 8.789 923.484 993.171 1.746 6 sedang C-DS 0.895 Spherical 0.505 1.097 4 cukup rendah B-PF 0.2 0.701 4 cukup rendah C-DS 0.7 0 Linear 0.46479 0.2572 50.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 3.741 Exponential 0.089 0.083 48.657 Exponential 0.5 bulan Purity dalam % periode pengamatan akhir pada umur tebu 9.3 0 Linear 0.347 26.2492 76.2 1 Exponential 0.7 0 Linear 0.4648 130.3242 93.853 Spherical 0.169 4 cukup rendah C-DS 1.116 130.607 6 sedang B-PF 1.6371 130.754 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.173 0.172 4 cukup rendah E-PF 0.2 1 Spherical 0.487 7 agak tinggi E-PF 0.3 0.813 Exponential 0.1161 18.0367 0.258 1353.3 0.5 bulan Rendemen dalam % periode pengamatan akhir pada umur tebu 9.5 bulan .813 Exponential 0.925 4 cukup rendah D-DS 0.63713 0.6 0.6 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 0.8099 152 0 Linear 0.59 22.2167 8.569 4 cukup rendah Akhir A-PF 0.0001 0.2167 171.54007 0.314 4 cukup rendah E-PF 0.204 25.0001 0.001 5 agak rendah D-DS 18.843 Exponential 0.4048 55.595 9 tinggi D-DS 0.9 1 Linear 0.554 4 cukup rendah D-DS 4.915 Spherical 0 4 cukup rendah B-PF 8.7 0.816 Exponential 0.079 4 cukup rendah C-DS 0.926 87.3 0.0606 0.188 2.842 Spherical 0.001 2.80991 1.7 0 Linear 0.3484 37.599 Exponential 0.248 4 cukup rendah B-PF 0.3 0.5401 171.311 3 rendah E-PF 0.

77 Exponential 0.48 56.796 5 agak rendah B-PF 0.63 108.9 0.99 43.904 Spherical 0.6 0.7 0 Linear 0.999 Spherical 0.254 4 cukup rendah Akhir A-PF 0.8 51 0.1 83.763 4 cukup rendah D-DS 56.51 3 rendah C-DS 22.4 84.7 0 Linear 0.98 259 0.651 4 cukup rendah C-DS 0.03 288.7 90.5 bulan .01 0.2 44.63 81.999 Linear 0.999 Spherical 0.48 130.1 149.5 bulan Taksasi dalam ton/ha periode pengamatan akhir pada umur tebu 9.84 152.3 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 20.072 4 cukup rendah E-PF 81.031 Linear 0.855 4 cukup rendah B-PF 6.57 4 cukup rendah E-PF 105.83 Linear 0.017 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.13 45.1 105.565 5 agak rendah D-DS 43.94 134.63 259 0 Linear 0.7 70.99 130.7 0.

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

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

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

Gambar 93 Semi-variogram nilai Taksasi Awal (ton/ha) tebu umur 6. . Gambar 94 Semi-variogram nilai Taksasi Akhir (ton/ha) tebu umur 9.5 bulan pada Plot Percobaan C-DS.5 bulan pada Plot Percobaan C-DS.

tetapi kalau hara yang tersedia sedikit sementara yang dibutuhkan banyak maka tentunya pupuk yang ditambahkan akan banyak dan sebaliknya. 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. Sebagai hasil keterangan yang serinci mungkin terhadap interval kontur yang ditentukan. Deviasi pupuk (kelebihan/kekurangan) setiap plot percobaan disajikan pada Gambar 107 116 dalam bentuk grafik dan Gambar 118 137 dalam bentuk peta spasial. Lampiran 2 19 menunjukkan dosis pupuk yang diaplikasikan dengan diwakili warna dari setiap sel. Hal ini disebabkan kebutuhan pupuk tergantung pada tingkat ketersediaan hara yang ada. yang dalam hal ini tidak dapat disimpulkan jumlah kebutuhan pupuk dengan konsep precision farming lebih banyak atau lebih sedikit dari pada dosis seragam. Semakin teliti informasi yang dihasilkan. Informasi dari gambar-gambar tersebut menunjukkan bahwa aplikasi pupuk dengan dosis seragam tidak sesuai dengan kebutuhan spesifik lokasi (precision farming). Deviasi pupuk ditentukan berdasarkan selisih dosis antara . menambah ketelitian kriging. Semakin gelap warna pada sel maka menunjukkan dosis pupuk yang diaplikasikan semakin besar Dari Lampiran 3 dapat secara cepat dan jelas diketahui bahwa sebagian besar Plot Percobaan A-PF ternyata tidak memerlukan aplikasi pupuk TSP. Penggabungan peta kontur memperjelas dan informasi yang diperlukan. Perbedaan jumlah kebutuhan pupuk setiap plot percobaan disajikan pada Gambar 101 106. Walaupun dengan pendekatan precision farming .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. Perbedaan kebutuhan pupuk per sel pada setiap plot percobaan antara pendekatan precision farming dan dosis seragam disajikan pada Gambar 87 101.

Kekurangan pupuk di satu sisi menghemat biaya dan mengurangi dampak lingkungan tetapi di sisi lain berpengaruh negatif terhadap pertumbuhan tebu dan hasil yang diperoleh.perhitungan dengan pendekatan precision farming dan dosis seragam. Sementara pemborosan pupuk tidak menghemat biaya. Tingkat inefisiensi kurang dari 0 menunjukkan kekurangan penggunaan pupuk. sedangkan Plot Percobaan A-PF dan B-PF sangat berlebihan (563. . sedangkan tingkat inefisiensi lebih dari 0 menunjukkan pemborosan penggunaan pupuk. serta berpengaruh negatif terhadap pertumbuhan tebu dan hasil yang diperoleh. Selain itu penggunaan pupuk KCl pada Plot Percobaan C-DS menunjukkan pemborosan pada tingkat amat sangat berlebihan. Dari Gambar 118 137 dapat diketahui bahwa semakin gelap warna pada sel maka semakin banyak kelebihan/kekurangan pupuk yang terjadi. menambah dampak lingkungan.47% dan 692. Pemborosan juga terjadi pada penggunaan pupuk Urea untuk Plot Percobaan B-PF yang menunjukkan tingkat berlebihan jika diterapkan dosis seragam. Hasil penelitian menunjukkan bahwa jika pada Plot Percobaan A-PF. Pemborosan pupuk TSP pada Plot Percobaan E-PF menunjukkan tingkat berlebihan (86.37%). Sementara Plot Percobaan CDS yang memang menggunakan pupuk dengan dosis seragam menunjukkan pemborosan pupuk TSP dan KCL yang amat sangat berlebihan. dan E-PF diterapkan penggunaan pupuk dengan dosis seragam maka terjadi pemborosan pupuk TSP. B-PF. Tingkat inefisiensi disajikan pada Gambar 117.96%).

00 60.00 20.00 10.00 60.00 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 70.00 40.00 60.00 50.00 30.00 50.00 30.00 80.00 10.00 80.0.00 50.00 70.00 40. 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 20.00 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 70.00 40.00 20.00 80.00 10.00 30.

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

00 70.00 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. 0.00 100.00 80.00 10.00 20.0.00 80.00 70.00 50.00 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 60.00 50.00 30.00 40.00 60.00 120.00 10.00 30.00 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 20.00 80.00 40.00 60. .00 40.00 20.

00 60.00 80.00 60.00 100.00 100.00 80.00 AA-1AA-3AA-5AA-7AA-9AA-11AA-13AA-15AA-17AA-19AA-21AA-23AA-25AA-27AA-29AA-31AA-33 Kode sel Kebutuhan pupuk TSP/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 100 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan A-PF.00 40.00 30.00 20.00 20.00 120.0.00 40.00 10. 0.00 120.00 15.00 5.00 25. .00 20.00 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 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.

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 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 10. 0.00 30.00 20.00 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 5.00 .

00 15.00 20.00 25.00 30.00 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 10.5.

00 10.00 40. 0.00 90.00 60.Kebutuhan pupuk TSP/sel (kg) 100.00 30.00 70.00 30.00 80.00 20.00 .00 10.00 20.00 PF Pupuk Pertama GPM Pupuk Pertama DD-1 DD-2 DD-3 DD-4 DD-5 DD-6 DD-7 DD-8 DD-9DD-10DD-11DD-12DD-13DD-14DD-15 Kode sel Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 103 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan D-DS.00 50.00 0.

40.00 EE-1EE-3EE-5EE-7EE-9EE-11EE-13EE-15EE-17EE-19EE-21EE-23EE-25EE-27EE-29EE-31EE-33 EE-35EE-37EE-39EE-41EE-43EE-45 Kode sel Kebutuhan pupuk TSP/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 104 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan E-PF. .00 60.00 70.00 90.00 50.00 80.

00 40.00 20.00 20.00 80.00 10.00 50.00 30.00 40.00 70.00 20.00 70.00 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 10.00 90.00 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 0. 0.00 70.00 60.00 10.00 30. .00 50.00 40.00 90.00 AA-1AA-3AA-5AA-7AA-9AA-11AA-13AA-15AA-17AA-19AA-21AA-23AA-25AA-27AA-29AA-31AA-33 Kode sel Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 105 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan A-PF.00 80.0.00 30.00 50.

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 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.00 160.00 40.00 60.00 40. 0.00 50.00 20.00 50.00 30.00 140.0.00 20.00 60.00 40.00 10.00 100.00 60.00 80.00 120.00 30.00 10.00 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 20.

.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.

75 0. Perbedaan Kebutuhan Pupuk Plot Percobaan A 2307.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming Dosis Seragam Urea TSP KCl .00 140.88 2241.00 40.00 100.16 896.00 3000.00 80.00 500.00 1500.00 60.00 1000.00 20.0.72 1718.00 120.74 2636.00 80.00 140.00 20.00 100.00 2000.00 160.00 40.00 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 EE-1EE-3EE-5EE-7EE-9EE-11EE-13EE-15EE-17EE-19EE-21EE-23EE-25EE-27EE-29EE-31EE-33 EE-35EE-37EE-39EE-41EE-43EE-45 Kode sel Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 109 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan E-PF.00 160.00 2500.00 120.00 60.85 135.

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

90 1666.78 0. Perbedaan Kebutuhan Pupuk Plot Percobaan C 1086.47 109.00 1200.00 1400.00 2500.00 800.33 1270.00 600.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming .00 1000.Perbedaan Kebutuhan Pupuk Plot Percobaan B 1416.91 0.57 1977.00 434.67 2173.00 500.00 200.74 869.96 0.00 2000.35 0.00 1500.00 400.00 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.00 833.00 1000.

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. .

49 1250.00 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 1964.43 740.49 1250.00 1500.Perbedaan Kebutuhan Pupuk Plot Percobaan D 1964.17 1929.00 1000.00 1000.01 1630.00 2500.00 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 2000.17 652. Perbedaan Kebutuhan Pupuk Plot Percobaan E .00 500.00 2500.01 1630.00 2000.17 1929.43 740.00 0.00 1500.17 652.00 0.

52 5995.00 5000.00 2000.00 6000.00 3000. .5648.00 4000.50 1956.74 4891.00 7000.58 3750.30 1046.00 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 0.

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 80.0 -60.0 0.0 40.0 80.0 60.0 20.Gambar 115 Deviasi pupuk per sel Plot Percobaan A-PF.0 -60.0 -40.0 -20.0 20. Deviasi Pupuk per sel Plot Percobaan A -80.0 AA-1 AA-3 AA-5 AA-7 AA-9 AA11 AA13 AA15 AA17 AA19 AA21 AA23 AA25 AA27 AA29 AA31 AA33 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk per sel Plot Percobaan A -80.0 -20.0 60.0 -40.0 0.0 40.58 .

00 -500.97 -1727.00 0.20 1661.00 500.00 1000.00 1500. .00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 116 Deviasi pupuk Plot Percobaan A-PF.-917.00 -1000.00 2000.00 -1500.17 -2000.

00 .02 759.00 -200.82 -311.0 20.0 BB-1 BB-3 BB-5 BB-7 BB-9 BB11 BB13 BB15 BB17 BB19 BB21 BB23 BB25 BB27 BB29 BB31 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk per sel Plot Percobaan B -20.0 40.0 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. Deviasi Pupuk per sel Plot Percobaan B -20.52 -400.0 50.0 10.0 30.0 -10.0 20.0 40.0 0.0 0.Gambar 117 Deviasi pupuk per sel Plot Percobaan B-PF.23 131.0 -10.0 50.0 10.0 30.

.0.00 400.00 600.00 1000.00 800.00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 118 Deviasi pupuk Plot Percobaan B-PF.00 200.

0 CC-1 CC-2 CC-3 CC-4 CC-5 CC-6 CC-7 CC-8 CC-9 CC10 CC11 CC12 CC13 CC14 CC15 CC16 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk per sel Plot Percobaan C -80.0 60.75 -932.15 434. Deviasi Pupuk per sel Plot Percobaan C -80.0 -20.0 0.78 833.0 0.00 -1000.33 -1200.0 80.0 20.0 -60.00 -600.0 40.0 60.0 CC-1 CC-2 CC-3 CC-4 CC-5 CC-6 CC-7 CC-8 CC-9 CC10 CC11 CC12 CC13 CC14 CC15 CC16 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk Plot Percobaan C 748.00 .00 -200.Gambar 119 Deviasi pupuk per sel Plot Percobaan C-DS.00 -400.0 -60.00 -800.0 -40.0 -40.00 0.0 80.0 -20.0 20.0 40.

00 600.00 400. .00 800.200.00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 120 Deviasi pupuk Plot Percobaan C-DS.00 1000.

0 0.0 60.0 100.0 -100.0 -60.0 -20.0 -80.0 80.0 -100.0 20.0 0.00 1000.0 -80.0 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 -20.0 100.Deviasi Pupuk per sel Plot Percobaan D -120.0 20.00 .0 80. Deviasi Pupuk Plot Percobaan D Jumlah pupuk (kg) 1500.0 -40.0 -60.0 40.0 60.0 40.0 -40.0 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.

.15 -679.00 -1000.73 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Gambar 122 Deviasi pupuk Plot Percobaan D-DS.00 -1500.00 929.99 -1262.00 0.49 -87.00 -500.500.

0 20.0 60.00 3000.0 -20.0 -100.0 20.0 -100.0 100.0 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.0 100.0 0.00 -2000.0 40.0 60.00 -3000.Deviasi Pupuk per sel Plot Percobaan E -120.00 2000.0 -20.0 40.0 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 -80.00 -1000.00 .0 -40. Deviasi Pupuk Plot Percobaan E 4000.00 -5000.0 -80.0 -40.00 -4000.0 -60.0 -60.0 80.00 0.00 1000.0 80.0 0.

3108.58 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Gambar 124 Deviasi pupuk Plot Percobaan E-PF. Jumlah pupuk (kg) .50 910.02 -2245.07 -3865.

89 -35.300 Tabel 44 Perbedaan kebutuhan pupuk dan tingkat inefisiensi pemupukan Plot Percobaan A-PF B-PF C-DS D-DS E-PF Urea Precision Farming 2307.78 652.88 1416.47 692.17 1046.33 1929.00 5995.98 -11.47 -34.74 869.75 1977.00 833.00 Inefisiensi (%) Urea TSP KCl -2.16 109.30 Jumlah Precision Farming 135.90 1666.96 -37.00 .58 3750.49 1250.00 740.00 700.43 4891.85 2173.35 1964.22 -13.37 -15.47 1270.67 0.17 1956.86 563.01 5648.57 434.45 Inefisiensi (%) Tingkat Inefisiensi Pemupukan 800.41 86.50 TSP pupuk Dosis Seragam 896.52 (kg) KCl Precision Farming Dosis Se ragam 2636.74 Dosis Seragam 2241.74 0.72 1718.81 53.91 1086.96 1630.74 -14.44 berlebihan berlebihan -16.

44 -13.47 -2.22 -37.81 Urea TSP 300.96 -16.00 500.47 692.41 53.00 400.45-34.00 0.00 KCl 200.89-15.00 100.37 86.00 563.98-14.74 -35.00 ABCD E Plot Percobaan Gambar 125 Tingkat inefisiensi pemupukan setiap plot percobaan.00 -100. .86 -11.600.

7 49.3 53.4 49.9 53.060.0 58.4 51.3 PETA SPASIAL 44.3 42.7 49.0 49.1 49.0 46.7 51.8 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 49.4 49.0 60.3 46.0 46.0 49.3 49.3 58.3 42.8 .060.8 42.0 53.44.4 56.8 51.8 51.0 56.1 44.4 51.5 49.7 44.0 46.5 53.0 44.9 53.

4 51.7 44.4 51.4 6.1 49.44.0 44. 2 .0 58.3 PETA SPASIAL Gambar 126 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan A-PF.5 53.3 53.5 49.2 27.3 58.4 56.7 51.8 42.3 27.4 4.1 44.0 46.4 49.9 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 3.0 60.0 56.3 46.8 51.8 51.3 49. 9.4 49.0 53. 2 27.0 49.7 3.2 27.

2 27.2 27.2 27.2 27.2 27.2 27. 2 27. 2 27.8 27.2 27. 2 27. 2 13.2 27.2 27.2 27.27.2 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 27.3 PETA SPASIAL Gambar 127 Peta spasial kelebihan pupuk TSP pada pemupukan pertama Plot Percobaan A-PF.2 27.5 27.2 14. 2 27.

8 60.3 51.4 49. 1 -47.1 52.0 54.6 54.6 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Meters U batas sel Keterangan: jumlahkekurangan pupuk Urea pada setiap sel (da lam kg) ____ PETA SPASIAL -42.1 .7 57.51.2 52.0 53.3 55.1 54.6 50.2 56.2 54.1 -46.8 60. 1 -47.1 49.6 -42.6 49.0 53.4 -47.4 49.8 -47.6 60.9 48.6 50.4 53.3 52.5 60.1 52.1 56.254.254.1 -44.1 55.0 53.8 52.

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 -42.2 29.1 49.6 29.1 -44.6 50.2 27.-46.9 48.4 27.2 52.2 54. 430.6 54.5 -24.1 27.1 56.6 -42.4 53.6 49.3 52.9 31.0 54.7 57.6 50.1 54.4 -47.2 56.6 60. -24.3 Gambar 128 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan A-PF.8 -47.5 60.1 55.3 .3 55.6 -24.8 52.0 53.

3 25.6 -24.6 26. 1 27.3 26.1 -24. .7 26.4 32.2 27. 8 30.8 29. 6 30.4 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Meters KEKURANGAN PUPUK KCl Plot Percoba an A U batas sel Keterangan : jumlah kekur angan pupukKCl pada setiap sel (da lam kg) ____ PETA SPASIAL -24. 2 25.5 32. 8 25.26.9 29.0 28.9 25.3 30. 4 26.1 Gambar 129 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan A-PF. 5 28. 3 31.

6 29.6 21.0 21.3 21.6 38. 6 .3 31.0 33.0 26. 9 24.9 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Met ers P l ot P erco ba a n B batas petak dan sel jumlah kelebihan pupuk Urea pada setiap sel (dalam kg) yang tidak diamati batas sel yangdiamati____ Keterangan : U PETA SP AS IAL 12.6 18.9 26.5 26.9 29.26.9 21.7 24.2 19.3 23.9 12.6 31.9 26.3 21.5 21.5 26. 6 21.6 19.0 21.2 21.9 31.2 23.4 19.0 24.3 29.

3 23.5 26.0 24.3 29.6 19.6 38.3 31.4 19.3 21.9 12.9 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 12.0 Gambar 130 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan B-PF.3 21. 9 24.6 18.0 33. .0 21.9 31.5 26.6 21.0 21.9 21.6 31.9 26.21.7 24.2 21.2 23.2 19.6 29.9 29.9 26.5 21.

2 27.9 19.2 10.2 27.2 27.3 27.3.2 27.6 15.2 15.2 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 27.7 27.2 27.2 27.2 10.2 24.2 27.2 27.6 27.8 20.2 27.2 27.9 27.8 Gambar 131 Peta spasial kelebihan pupuk TSP pada pemupukan pertama .2 27.9 27.2 27.2 13.2 27.2 27.2 27.2 27.2 27.

.Plot Percobaan B-PF.

0 11.9 6. 1 -1.5 -0.2 0.6 10.7 7.8 16.8 5.5 2.1 4.3 8. 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 .4 4.1 17.0 1.8 3.8 8.7 2.4 3.0 6.9 12.5.4 2.2 22.1 3.0 -0.9 3.3 3.2 3.2 10. 3 2.2 7.

9 3.2 10.7 2.5 -0.0 -0.7 7.1 17.4 4.9 6.0 6.3 8.9 5.8 16.6 10.0 1.PETA SPASIAL jum lah kelebihan pupuk Urea pada seti ap sel (dalam kg) -0.2 22.0 11. 3 2.2 7.3 3. 1 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Meters KELEBIHAN / KEKURANGAN PUPUK UREAKEDUA Plot Percobaan B batas pet ak dan sel jum lah kekurangan pupuk Urea pada seti ap sel (dalam kg) .3 0.1 4.4 3.8 8.4 2.8 5. 1 -1.1 3.8 3.2 0.9 12.5 2.2 3.

7 11.3 7.6 16.5 14. 2 -6. 1 15.8 11. 0. 6 8.4 8.9 11. 8 14.4 14.5 13.7 11. 4 16.6 13.6 13.8 0.2 9.7 -0. 3 13.1 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 .1 12.8 8.0 7. 9 -5.3 0.9 Gambar 132 Peta spasial kelebihan/kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan B-PF.3 9.2 11. 3 -6.2 -6.3 8.2 -4.yang tidak diamati batas sel yang diamati____ Keterangan : U PETA SPASIAL jum lah kelebihan pupuk Urea pada seti ap sel (dalam kg) -0.

.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) -0.2 Gambar 133 Peta spasial kelebihan/kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan B-PF.3 0.

8 46.1 44.4 55.3 0 0 50 .8 46.8 46.8 46.1 37.51.8 46.7 46.4 53.1 37.8 44.1 44.8 48.3 43.7 46.3 43.4 50.3 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : batas petak dansel yangtidak diamati batas se lyangdiamati____ jumlah kelebihan pupuk Urea pada setiap sel (dalamkg) 25 0 25 Meters U PETA SPASIAL 37.2 43.7 46.4 55.8 46.8 48.2 43.4 53.1 43.7 46.4 50.1 43.8 44.2 51.

2 27.2 27. 27.2 27.2 27.2 27.2 27.2 Gambar 134 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan C-DS.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 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 Ketera ngan : batas petak dansel yang tidak diama ti batas selyang diama ti____ jumlah kelebihanpupuk TSP pada setiap sel (dalamkg) .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.

2 63.2 74.1 70.1 67.2 70.1 78.7 67.6 70.1 70.7 62.6 63.U batas sel Keterangan : jumlah kelebihan pupuk Ure a pada setiap sel (da lam kg) ____ 50 0 50 Meters 70.8 74.6 62.9 58.5 62.9 67.6 70.3 67.1 55.9 70.1 66.1 70.2 67.3 62.1 70.1 67.9 81.9 81.1 70.3 70.3 66.6 62.1 74.1 74.1 0 0 50 50 100 100 150 150 200 200 250 250 .7 70.9 70.3 73.9 70.1 70.6 67.9 66.1 62.781.9 70.

6 62.1 70.9 70.7 62.9 66.2 67.1 70.3 70.6 62.9 81.1 70.6 67.2 63.7 70.9 70.9 58.781.6 63.3 62.2 70.6 70.1 74.5 62.1 67.9 81.7 67.1 66.1 0 0 50 50 .1 67.8 74.150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL 58.1 78.6 70.1 62.1 74.9 70.1 70.9 67.3 66.3 73.9 U batas sel Keterangan : jumlah kelebihan pupuk Ure a pada setiap sel (da lam kg) ____ 50 0 50 Meters 70.1 70.9 70.3 67.1 70.1 55.2 74.

2 17.2 43 .2 21 .5 43.5 43.6 0. 5 43.2 43 . 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 58.6 43 .2 14 .5 20.9 Gambar 142 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan E-PF.5 22 . 512. 6 11.5 43. 2 43. KELEBIHAN / KEKURANGAN PUPUK TSP Plot Percobaan E U batassel Ketera ngan: jumlah kekurangan pupuk TSP padasetiapsel (dalam kg) ____ 50 0 50 Meters 1.5 42.5 41 .6 34.2 43 . 5 43. 5 43.3 43 .5 43.4 30 .0 12 .3 28.4 32.5 10 .5 .5 -9.7 1. 3 29.5 43.3 6.5 43.5 17.

3 0.5 39 .2 -24.7 Gambar 143 Peta spasial kelebihan/kekurangan pupuk TSP pada pemupukan pertama Plot Percobaan E-PF.-2 5. .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) -9.1 -22.5 -13 .5 39.

7 9 3.3 -85.5 94.4 -87.1 92.0 -81.2 -8 6.3 -8 5.3 -88.1 91.4 9 1.8 -88 .6 -8 8.5 -7 6.0 100.3 -86.6 -8 9.3 93.2 95.9 -87.6 -8 7.3 92.8 97.9 -67.0 1 00.5 -89.7 9 1.5 -85.8 -7 7.3 -7 1.5 -89.6 -78.2 9 1.U batas sel Ke terangan : jumlahkekuranganpupukUrea pada setiap sel (da lam kg) ____ 50 0 50 Meters -7 7.7 -81.2 9 3.6 -86.5-70.5 -47.5 -80.2 0 0 50 50 100 100 150 150 200 200 250 250 150 150 .2 92.9 -80.2 98.2 -66.8 -87.

6 -8 9.5 -80.2 0 0 50 50 100 100 .9 -80.0 -81.4 -87.2 95.3 -88.0 1 00.8 -7 7.2 -8 6.2 U batas sel Ke terangan : jumlahkekuranganpupukUrea pada setiap sel (da lam kg) ____ 50 0 50 Meters -7 7.2 -66.6 -8 8.3 92.2 98.5 -85.5 -7 6.3 -85.9 -87.8 -87.7 9 1.5 -89.1 91.3 93.7 9 3.2 9 3.6 -86.2 92.8 97.0 100.3 -86.1 92.9 -67.6 -78.7 -81.5-70.3 -7 1.3 -8 5.5 -47.4 9 1.6 -8 7.2 9 1.200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -47.8 -88 .5 -89.5 94.

4 55.4 42.1 49.5 47.8 51.1 -49.0 55 .4 -30.9 54.0 40.0 53.5 54.5 56.9 54.343.6 -49.8 56.2 53.2 Gambar 144 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan E-PF.6 49.5 49.9 52.8 52. KEKURANGAN PUPUK KCl Plot Percobaan E U batas sel Keterangan : jumlahkekuranganpupuk KCl pada setiap sel (da lam kg) ____ 50 0 50 Meters -36.5 50.5 45.6 59.9 48.150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -47.7 52.5 .6 56.0 46.7 47.8 50.9 46.2 49.0 54.

0 0 0 50 50 100 100 150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -30.4 52.6 Gambar 145 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan E-PF.1 56.951.42.1 48.2 44.2 44.4 -56.2 45. .7 57.

Ketersediaan data yang banyak dan berkualitas sangat diperlukan untuk mendapatkan bobot hubungan yang lebih akurat. pengendalian gulma. Tampilan STRAFERT-PF disajikan pada Gambar 146 160. K.880 untuk N pemupukan kedua. Program komputer tersebut dibuat dalam bahasa Delphi 7. dan jenis. yaitu (1) Backpro2N dari Rudiyanto dan Budi Indra Setiawan. (2) jumlah hara N dan K yang dibutuhkan oleh tanaman tebu pada pemupukan kedua dengan hasil tebu dan kadar gula. P.Sistem Pendukung Keputusan Sistem Pendukung Keputusan untuk Pendekatan Precision Farming dalam Pemupukan N. Pada menu utama STRAFERT-PF. dan (4) ArcView 3. dan K pada Budidaya Tebu telah dibangun dengan nama STRAFERT-PF. software Backpro2N terdapat pada ikon Neural Network (Gambar 147) sedangkan tampilannya disajikan pada Gambar 149.92 untuk K pemupukan kedua. dan penyakit yang baik. irigasi. P. Data yang berkualitas berkaitan dengan pemupukan adalah bahwa data hasil tebu dan kadar gula diperoleh dari kegiatan budidaya seperti pemupukan.8836 untuk P pemupukan pertama. kandungan hara daun N. . Pemupukan yang baik selain tepat jumlah dan tempat juga harus tepat mutu. 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). 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. dan R2=0. GS+ for Windows digunakan untuk analisa keragaman spasial beberapa parameter seperti kandungan hara tanah N. waktu. (3) Surfer 8 dari Golden Software.0. Jumlah data yang diperoleh hanya 11 pasang sehingga tidak tersedia data untuk test. P. hama. K. Keterangan selengkapnya untuk akurasi tersebut disajikan pada Lampiran 1. (2) GS+ for Windows dari Gamma Design Software.9253 untuk N pemupukan pertama. Hasil traning menunjukkan akurasi yang baik yaitu R2=0. R2=0. STRAFERT-PF menggunakan empat software untuk mendukung operasionalnya. Data yang digunakan untuk training disajikan pada Tabel 13 Bab III. R2=0.3 dari Environmental Systems Research Institute.

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

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

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

. 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.

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

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

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

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

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

.Gambar 160 Tampilan menu Help.

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

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

5 bulan Umur tebu Gambar 166 Kecenderungan pertumbuhan hara daun K.0.4 1. .4 0.6 1.8 2 K hara daun (%) Plot A Plot B Plot C Plot D Plot E 3 bulan 4 bulan 9.2 1.6 0.2 0.8 1 1.

5 bulan 5.5 bulan 5.5 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 Umur tebu Jumlah AnakanPlot A Plot B Plot C 50 60 70 80 90 100 110 120 1 bulan 2 bulan 3.5 bulan 9.5 bulan Umur tebu Jumlah AnakanPlot D Plot E ( b ) Gambar 167 Kecenderungan pertumbuhan jumlah anakan tebu.5 bulan 6.50 60 70 80 90 100 110 120 1 bulan 2 bulan 3.5 bulan 6.5 bulan 9.5 bulan 4.5 bulan 4.5 bulan 9. .5 bulan 6.5 bulan 4.

5 bulan 6.5 bulan 5.5 bulan 9.5 bulan 9.5 bulan 6.5 bulan Umur tebu Jumlah daun hijau tebuPlot A Plot B Plot C ( a ) 6 8 10 12 14 16 18 2 bulan 2.5 bulan 5.5 bulan 9.5 bulan 4.5 bulan 4.5 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 5.5 bulan 4. .5 bulan Umur tebu Jumlah daun hijau tebuPlot D Plot E ( b ) Gambar 168 Kecenderungan pertumbuhan jumlah daun hijau tebu.5 bulan 6.6 8 10 12 14 16 18 20 1 bulan 2 bulan 3.

5 bulan 9.5 bulan 5.5 bulan Umur tebu Jumlah daun kering tebuPlot A Plot B Plot C ( a ) 0 2 4 6 8 10 12 14 2 bulan 2.5 bulan 6.5 bulan 5.5 bulan 9.5 bulan 9.0 5 10 15 20 25 1 bulan 2 bulan 3.5 bulan 6.5 bulan Umur tebu Jumlah daun kering tebuPlot D Plot E ( b ) Gambar 169 Kecenderungan pertumbuhan jumlah daun kering tebu.5 bulan 4.5 bulan 4. .5 bulan 4.5 bulan 6.5 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 5.

5 bulan 5.5 bulan 4.5 bulan 6.14 16 18 20 22 24 26 28 2 bulan 3.5 bulan 5. .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 9.5 bulan 6.5 bulan Umur tebu Diameter tebu (mm) Plot D Plot E ( b ) Gambar 170 Kecenderungan pertumbuhan diameter tebu.5 bulan 4.5 bulan 6.5 bulan 9.5 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 5.5 bulan 4.5 bulan 9.

5 bulan 9.5 bulan 6.5 bulan 9.5 bulan Umur tebu Tinggi tanaman tebu (cm) Plot A Plot B Plot C ( a ) 0 50 100 150 200 250 2.5 bulan 9.5 bulan 6.5 bulan 4.5 bulan 6.5 bulan 5.5 bulan 4.0 50 100 150 200 250 300 2 bulan 3.5 bulan 4.5 bulan 5.5 bulan Umur tebu Tinggi tanaman tebu (cm) Plot A Plot B Plot C 0 50 100 150 200 250 300 2 bulan 3.5 bulan Umur tebu Tinggi tanaman tebu (cm) Plot D Plot E ( b ) Gambar 171 Kecenderungan pertumbuhan tinggi tanaman tebu.5 bulan 5. .

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

. Gambar 174 Kecenderungan pertumbuhan penutupan gulma.5 bulan 9.12 10 8 6 4 2 0 Jumlah tebu roboh 0 10 20 30 40 50 60 6.5 bulan 9.5 bulan Umur tebu Gambar 173 Kecenderungan pertumbuhan jumlah tebu roboh.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.

2 3.2 4.4 4.5 bulan 9.4 4.6 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 .2 4.5 bulan Umur tebu Bobot tebu (kg) Plot A Plot B Plot C Plot D Plot E 6 8 10 12 14 16 18 20 6.6 3.4 3.5 bulan 9.8 4 4.8 4 4.2 3.4 3.5 bulan Umur tebu Pol (%) Plot A Plot B Plot C Plot D Plot E 3 3.6 6.6 6.5 bulan 9.Gambar 175 Kecenderungan pertumbuhan bobot tebu. 3 3.

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

Rendemen (%) 11 10 9 8 7 6 5 4 3 2 Plot Plot Plot Plot Plot A B C D E 6.5 bulan 9. 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 178 Kecenderungan pertumbuhan nilai taksasi. .5 bulan Umur tebu Gambar 177 Kecenderungan pertumbuhan nilai rendemen.5 bulan 9.

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

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

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

15 52.95 (%) C 16 65.92 D 15 2.9 9 .23 101.96 51.4 4 .15 awal (%) A 33 4.17 69.71 6.51 6.21 0.43 9.27 Rendemen pada B 32 5.48 7.01 1.5 5 .69 106.55 17.47 87.65 41.Tabel 45 Deskripsi statistik rendemen dan taksasi setiap plot percobaan Peubah Plot Percobaan N Min Max Mean (m) Std.56 B 32 60.56 90. Deviation (ó) CV P(m ±a) C 16 5.10 7.88 4.56 11.01 8.40 3.74 a = nilaió terendah pada masing-masing peubah Distribusi frekuensi 70% 60% 50% 40% 30% 20% 10% 0% HISTOGRAM RENDEMEN pada TAKSASI AWAL 2 .89 6.3 3 .01 25.07 0.89 16.37 56.23 0.83 8.61 68.23 5.30 8.11 D 15 45.7 7 .24 78. .27 Taksasi A 33 73.18 32.46 7.04 4.8 8 .66 6.83 53.94 13.96 0.61 taksasi E 45 2.97 11.42 6.10 10 .03 53.11 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.48 11.21 81.71 68.01 118.6 6 .73 61.35 awal E 45 39.05 6.99 55.98 56.59 9.

90 90 . 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). kecuali biaya pemupukan pada Plot Percobaan B-PF berdasarkan taksasi awal.90 90 .50 50 .60 60 .40 40 .100 100 110 A .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).80 80 .HISTOGRAM TAKSASI AWAL 0% 10% 20% 30% 40% 50% 60% 30 .60 60 . Analisa Biaya . Pada tingkat kesuburan tanah yang sangat rendah maka penentuan dosis pupuk dengan pendekatan precision farming tentunya merekomendasikan kebutuhan . Sedangkan biaya jumlah pupuk tergantung pada kondisi kesuburan tanah. B-PF.100 100 110 A Hasil analisa biaya disajikan pada Tabel 46 dan Gambar 188 190.40 40 .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 .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. 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 .

66 2.000.72 Keterangan: TAw = Taksasi TAk = Taksasi 1.175.864.87 1.53 512. 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 536.815.170.238.53 Biaya produksi gula (Rp/ton) TAk 3.368.676.86 3.852.07 TAw 1.00 6.188.583.562.089.830.32/ton .20 993.683.108.817.000.15 964.123.00 6.842.52 3.00 Keuntungan TAw 2.000.515.157.981.000.14 2.67 B/C ratio TAk 1.47 (Rp/ton) TAk 2.390.73 1.21 681.00 6.184.46 412.316.78 3.523.82 305.710.169.00 6.000.93 Manfaat hasil TAw 6.pupuk yang banyak sehingga biaya jumlah pupuk menjadi besar dan sebaliknya.476.28 2.657.609.86 1.910.48 2.22 2.833.650. 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).147.34 3.000.19 1.342.000.035.164.81 2.581.60 1.00 6.61 TAw 3.00 6.00 6.484.798.761.292.40 590. Semakin banyak pupuk digunakan maka semakin besar biaya jumlah pupuk yang dikeluarkan.308.201.000.876.631.416.691.85 5.00 gula (Rp/ton) TAk 6.62 1.02 313.56 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 3.707.000.44 1.72 3.142.66 1.437.14 4.835. Biaya jumlah pupuk merupakan biaya yang timbul akibat jumlah pupuk yang digunakan.63 1.54 438.19 3.00 6.000.

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

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.000.00 200.000.00 2.559.668.418.72 70.65 14.87 1.00 1.645.598.35 349. .18 2.000. dan C-DS.419.500.67 12.000.500.00 150.(Lampiran 53).48 101.98 1.377.618.00 500.71 0. B-PF.00 3.000.000.241.07 0.00 250.00 100.01 299.00 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.21 677.22 208. Biaya Analisa Sampel 91.481.000.84 192. Biaya Pengambilan Sampel 1.44 92. 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.608.000.618.05 28.44 943.00 2.758.252.00 1.805.21 954.00 50. Nilai rendemen dan taksasi awal Plot Percobaan D-DS lebih rendah dari Plot Percobaan A-PF.36 69.

51 0.068.000. .56 963.00 800.61 487.892.000.800.000.61 487.082.00 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 319.000.200.800.096.082.00 200.00 1.000.25 296.00 1.939.89 497.86 443.65 610.000.068.836.00 800.600.000.00 1.096.51 0.00 600.836. 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.000.56 963.000.000.00 1.088.00 1.000.00 400.34 425.51 1.89 497.336.000.000.400.892.889.400.939.65 610.668.00 1.000.25 296.600.336.49 243.000.567.000.668.00 400.000.000.00 1.34 425.49 243.00 1.86 443. Biaya produksi gula pada taksasi akhir untuk Plot Percobaan C-DS paling rendah karena gula yang dihasilkan paling banyak.00 1.567.00 1.000.00 600.200.088.00 200.51 1.000.889.00 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.Biaya Jumlah Pupuk 319.

Manfaat hasil gula per satuan bobot gula untuk semua plot percobaan mempunyai nilai yang sama karena hanya berdasarkan pada harga jual gula yang ditentukan. Tabel 46 menunjukkan bahwa. 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. 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. dan E-PF) lebih kecil dari keuntungan yang dihasilkan pemupukan dengan dosis seragam (Plot Percobaan C-DS dan D-DS).

pelaksanaan pemupukan harus teliti (mekanis maupun manual). ketelitian pemupukan yang masih kurang baik dengan fertilizer maupun tenaga manusia. Rendahnya rendemen tersebut disebabkan keterlambatan pemupukan. dan E-PF masih menguntungkan (B/C ratio > 1). dan E-PF lebih kecil dari pada Plot Percobaan C-DS dan D-DS. Hal ini karena rendemen Plot Percobaan A-PF. pemberantasan hama dan penyakit harus mendapat perhatian yang baik. Oleh karena itu agar pendekatan precision farming dalam pemupukan N. . P. irigasi yang tidak memadai. 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) . Namun demikian baik berdasarkan taksasi awal maupun akhir ternyata pendekatan precision farming pada Plot Percobaan A-PF. serta kegiatan budidaya di luar pemupukan seperti irigasi. B-PF. Perhitungan berdasarkan taksasi akhir tidak dapat dihandalkan karena faktor serangan hama dan penyakit yang semakin parah pada umur tebu 9.09%.seragam). Pendekatan precision farming dalam pemupukan N. P. pemeliharaan tanaman. dan K lebih menguntungkan maka pemupukan harus tepat pada waktunya. serta tidak adanya pemberantasan hama dan penyakit. dan K pada Plot Percobaan B-PF berdasarkan taksasi awal hanya dapat meningkatkan keuntungan 1. pemeliharaan tanaman yang kurang.5 bulan sehingga taksasi akhir lebih rendah. B-PF.

dan K sub soil tidak menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya dapat dilakukan secara acak.4 .SIMPULAN DAN SARAN Simpulan Berdasarkan uraian dari bab-bab sebelumnya dapat disimpulkan 1 Keragaman spasial kandungan hara a pendekatan precision farming dalam pemupukan N. P. c agar lebih efisien maka ukuran pengambilan contoh (sampling size) pengamatan produktivitas lahan dapat diperbesar dari 25 m menjadi minimal 40 m.3 . P. e tingkat keragaman spasial yang terjadi berkisar dari agak rendah sampai cukup tinggi berdasarkan 11 kelas keragaman spasial yang digunakan. N sub soil. d agar lebih efisien maka ukuran pengambilan contoh (sampling size) pengamatan tanah dapat diperbesar dari 25 m menjadi minimal 40 m. 2 Keragaman spasial produktivitas lahan a pendekatan precision farming dalam pemupukan N.3 m untuk Plot Percobaan A-PF. 44.2040. dan K dapat menekan tingkat keragaman spasial kandungan hara N. dengan rincian 51 . dan P top soil menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya perlu diperhatikan pola keragaman yang terjadi. dan K dapat menekan tingkat keragaman spasial produktivitas lahan. dan 60. dan K. c unsur hara P sub soil K top soil.2065.5 m untuk P. P.1039. sedang untuk N. b produktivitas lahan menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya perlu diperhatikan pola keragaman yang terjadi.3 m untuk K.7 m .5 m untuk N. dengan rincian 288. 41. cukup rendah cukup dengan rincian cukup rendah tinggi untuk P dan K. b unsur hara N top soil.

152 m untuk Plot Percobaan C-DS. d tingkat keragaman spasial yang terjadi berkisar dari rendah sampai cukup rendah berdasarkan 11 kelas keragaman spasial yang digunakan. acak untuk Plot Percobaan D-DS. 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=0.09%. dan cukup rendah pada Plot Percobaan E. melakukan analisa keragaman spasial. membuat peta informasi lahan. R2=0. agak rendah pada Plot Percobaan C-DS.47% untuk Urea. dan melakukan analisa biaya. menentukan dosis pupuk. meningkatkan produktivitas 0.9 10.93 untuk pupuk pertama N. rendah pada Plot Percobaan B-PF. P. dan meningkatkan keuntungan 1. cukup rendah pada Plot Percobaan D-DS. menentukan kebutuhan jumlah hara N.347 untuk Plot Percobaan B-PF. P. minimal 86. dan K pada budidaya tebu telah dibangun dengan nama STRAFERT-PF yang mempunyai kemampuan untuk menentukan taksasi tebu. meningkatkan pertumbuhan vegetatif tanaman. 4 Sistem Pendudukung Keputusan untuk pendekatan precision farming dalam pemupukan N. penentuan dosis pupuk berdasarkan target produksi dan kadar gula dengan model ANN memberikan hasil yang lebih baik.88 untuk pupuk pertama P. berlebihan untuk KCl. dan 259 m untuk Plot Percobaan E-PF. R2=0. 5 Pendekatan precision framing dalam pemupukan dapat menekan pemborosan penggunaan pupuk 53.7%. Saran Untuk mendapatkan hasil yang baik pada penerapan precision farming pada pemupukan maka perlu diperhatikan tersedianya jumlah data untuk training . Dibandingkan dengan penentuan dosis pupuk berdasarkan rekomendasi pustaka. dan R2=0.96% untuk TSP.92 untuk pupuk kedua K. dan K untuk pemupukan pada target produktivitas dan kadar gula yang diharapkan. denga n rincian agak rendah pada Plot Percobaan A-PF.88 untuk pupuk kedua N.

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

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

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

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

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

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

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

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

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

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

(Plh Wakil Dekan). Prof. (Dekan). Ir. Ir.Ir. M. 3. M. 6. Fakultas Pertanian IPB) selaku penguji dari luar komisi pembimbing pada Ujian Terbuka. M. (Sekretaris Program Doktor) beserta seluruh staf Sekolah Pascasarjana Institut Pertanian Bogor. 11. Ngatiman. Prof. Marimin. Supiandi Sabiham.. juga dihaturkan terima kasih atas izin penggunaan program Backpro2N versi bahasa Delphi 5.0.Ir.Ir. Departemen Pendidikan Nasional Republik Indonesia.. Institut Pertanian Bogor) selaku Pimpinan Sidang pada Ujian Tertutup. M. para staf pengajar. Suroso. Emawati. saran-saran. Ph. M.. M. Lamaji. 5..Dr. Fakultas Teknologi Pertanian. Ali Isdiantoro. M. Dr.Ir.Agr. Ir.Agr. yang telah memberi izin pelaksanaan penelitian di PT Gula Putih Mataram. Radite Praeko Agus Setiawan. (Staf Pengajar Departemen Ilmu Tanah dan Sumberdaya Lahan.UCAPAN TERIMA KASIH 1. Prof.Ir. Muzni Jamhur. I Wayan Astika.Agr.Dr. Budi Indra Setiawan. S. Drajat Martianto.Dr. M. Gunawan Sukarso. Atang Sutandi.Eng. H.D.B. selaku pembimbing dan penguji. 8. 2. 13.Ir. Pimpinan. Dr.Si.Dr. Dr. Institut Pertanian Bogor. Suprapto . dan seluruh karyawan/karyawati Fakultas Teknologi Pertanian. Pimpinan. Dr. Dr.Agr. H. Siti Sadarini.. M. (Staf Pengajar Departemen Ilmu Tanah dan Sumberdaya Lahan.Ir. Ir. dan Dr. M. para staf pengajar. M. Budi Indra Setiawan. selaku Mantan Dekan Sekolah Pascasarjana Institut Pertanian Bogor. dan seluruh karyawan/karyawati Departemen Teknik Pertanian. M. dan Sumberdaya Manusia Institut Pertanian Bogor) selaku Pimpinan Sidang pada Ujian Terbuka. M.Sc.Ir. 4. Ishar Madi.Ir.Ir.Sc. Fauzi Toha selaku Direktur Sugar Group Company. Ernan Rustiadi.Dr. M.Ir. (Ketua) dan Dr. Prof. Fakultas Pertanian IPB / Dekan Fakultas Pertanian IPB) selaku penguji dari luar komisi pembimbing pada Ujian Tertutup. Putut Hasto Kuncoro dari R&D GPM Group dan R&D PT GPM yang telah memberi kesempatan. Dr. fasilitas. Wawan Hermawan.Sc.Agr.Si. Sekolah Pascasarjana Institut Pertanian Bogor. 12.Sc. Ir. Keuangan. H. M.Dr.Sc. (Ketua Departemen Teknik Pertanian. 7. Fakultas Teknologi Pertanian.Ir. dan dukungan serta bantuan selama penelitian. Institut Pertanian Bogor. . M. (Wakil Rektor II Bidang Administrasi. Khairil Anwar Notodiputro. Sokib. M.Ir. (Sekretaris) Program Studi Ilmu Keteknikan Pertanian. Dr. M. 10. Asrul Hasibuan. (Direktur PT Tjandi Sewu Baru / Mantan Direktur Pusat Penelitian Perkebunan Gula Indonesia) selaku penguji dari luar komisi pembimbing pada Ujian Terbuka. Khusus kepada Prof.S. Taufik.Ir.Ir. Prof. Herry Suhardiyanto. Dr.S.S.Ir. M. Bambang Pramudya N.Agr. Syafrida Manuwoto. 14. 9. M. yang telah memberikan beasiswa melalui program BPPS. Ir. Ir. Direktorat Jenderal Pendidikan Tinggi.

.

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

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

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

L A M P I R A N .

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

880 0 20 40 60 80 100 Pupuk Kedua N model ANN (kg/ha) .8836 0 20 40 60 80 100Pupuk Kedua N data (kg/ha) R2=0.Lampiran 1 Akurasi program Artificial Neural Network (ANN) pada penentuan jumlah hara yang dibutuhkan (lanjutan) 0 40 80 120 160 Pupuk Pertama P model ANN (kg/ha) 0 40 80 120 160 Pupuk Pertama P data (kg/ha) R2=0.

92 0 50 100 150 200 Pupuk Kedua K model ANN (kg/ha) .Lampiran 1 Akurasi program Artificial Neural Network (ANN) pada penentuan jumlah hara yang dibutuhkan (lanjutan) Pupuk Kedua K data (kg/ha) 200 150 100 50 0 R2=0.

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 .2 132.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) ____ 56.3 -132.5 56.3 94.5 -94.2 -170 170-207.

3 -163.5 -190.4 107.4 -145.5 163.8 .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 0-107.3 145.

1 -425.3 379 .4 Lampiran 5 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan A-PF 0 50 100 150 610 650 670 640 650 630640 620630 .1 406 .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 -379.3 -457 457 -484.3 425 .3 -406.

2 645.2 -629.2 0 -616.8 -676.8 661.2 629.640 630 620 660 670 640 630 620 650 630 650 650 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 50 609.2 -661.7 616.2 -645.5 0 50 100 150 (dalam kg/ha) .

.

7 -354.8 354.1 236.7 Lampiran 7 Peta dosis per sel dan kontur teoritis dosis TSP Plot Percobaan B-PF 0 20 406080 .8 -392 392 -447.7 311.1 -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.

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

3 -10.7 -88.7 -24.7 10.3 3.5 -63.5 24.Lampiran 8 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan B-PF 0 10 2030 40 50607080 20 40 0 50 20 30 1020 30 10 10 40 50 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 M e te rs P et a D osis pe r s e l d an K on tu r Te or it is D O S IS U R E A KE D U A P lot P e r cob aan B kontur teoritis dosis Urea kedua (kg/ha) batas petak dan sel (dala m kg/ha) yang tidak diamati batas sel yangdiama ti____ Ke terangan : U 0 -3.7 Lampiran 9 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan B-PF 480 460 500 .7 63.

1 -466.1 419.440420 520 540 520 520 480 440 520 460 500 520 460 500 520 540 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Me ters P et a D osi s pe r se l dan Ko nt u r Te or it is D O SI S K C l P lot P er c ob a an B kontur teor itis dosis KCl batas petak dan sel (dalam kg/ ha) yang tidak dia mati batas se l yang dia mati____ Ketera ngan : U 409.9 -419.7 -494.8 -524 524 -550.9 .8 494.7 466.

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

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

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

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

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

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

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

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

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 .1 -174 .7 211.1 151.6 -193 .2 -211 .4 -151 .6 174.300 30 0 350 35 0 400 40 0 450 45 0 137.7 -267 .2 193.

3 -285 285 -414.6 -184.80 240 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 11.6 109.3 184.8 .3 -109.

Lampiran 18 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan E-PF Pet a Dosis per se l dan K ont ur Teorit is DOSIS UR EA K EDU A Pl ot Pe rcobaan E U batas sel kontu r teoritis dosis Ur ea kedu a (kg /ha) Keterangan : (dalam kg/ha) _ _ __ 50 0 50 Mete rs 440 400 320280 360 480 360 440 480 400 400 400 440 440 360 440 440 400 400 400 440 440 360 480 0 0 50 50 100 100 150 150 200 200 250 250 150 15 0 200 20 0 250 25 0 300 30 0 350 35 0 400 40 0 450 45 0 235.7 409.2 356.7 -446.8 -356.2 -409.6 .

3 -501.446.9 -598 .3 .6 -477.3 477.7 -646 .2 Lampiran 19 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan E-PF Pet a Dosi s pe r sel dan Kontur Te or itis DOSIS KC l Plot P er cobaan E U batas s el kon tur teoritis dos is K Cl Keteran gan : (dalam kg/ha) __ _ _ 50 0 50 Me te rs 660 620 680 640 600 700 580 680 660 640 680 680 680 680 660 640660 680 680 680 680 660 620 640 640 0 0 50 50 100 100 150 150 200 200 25 0 25 0 150 150 200 200 250 250 300 300 350 350 400 400 450 450 56 9.7 59 8.

4 .1 -714 .64 6.9 -690 .9 67 1.1 69 0.3 -671 .

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 .

84 -84.51 84.31 -106.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 .51 -91.11 -97.11 91.69 -75.31 97.84 75.

11 -101.97 66.11 89.99 -66.81 -81.97 -73.84 88 92 68 94 98 84 76 68 84 92 80 64 88 76 80 92 92 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Met ers P et a S e b ar an p e r s el da n K on t ur T e o ri t is T A K S A S I A K H IR P l o t P e r c ob aa n A Ke teranga n : (dala m ton tebu/ha) kontur teoritis taksa si akhir batas se l____ U 59.45 -89.45 81.81 73.44 .

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 .

16 -82.93 -97.16 73.47 Lampiran 43 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan B-PF 86 90 94 78 82 74 70 98 66 66 78 74 78 70 90 86 78 78 74 82 8286 94 74 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 300 300 25 0 25 50 M e te r s P e t a Se b ara n p e r s el dan K on t ur Te o ri t is TA K SA S I A KH IR P l ot P e r c oba an B (dalam tontebu/ha) Ke terangan : batas petak dan sel kontur teoritis taksa si akhir yang tidak diamati .01 -73.17 -87.17 82.93 87.98 97.batas sel yang dia mati____ Ke terangan : U 60.98 -118.

52 .65 76.11 -88.65 -76.11 88.81 -101.11 82.63 66.81 sel yang diamati____ -66.batas U 62.11 -82.

73 80.43 70.43 -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 65.26 85.26 -101 .35 -80.73 -85.23 -70.35 76.21 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 .

86 66 .77 -6 6.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 .32 76 .71 -7 6.81 .32 -8 9.77 50 .58 -5 0.86 -7 2.71 72 .

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 .17 -69.Lampiran 46 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan D-DS PetaSebaranperseldanKontur Teoritis TAKSASI AWAL Plo t Percob aan D U 0 25 50 75 100 125 150 175 200 225 250 0255075100 0 25 50 75 100 125 150 175 200 225 54 60 60 54 51 63 48 57 54 54 51 5157 60 51 69636 66 100 75 50 25 0 250 25 0 25 50 Meters Keterangan : batas sel kontur teoritis taksasi awal 45.17 -50.07 50.07 -55.78 -59.66 59.78 55.17 64.66 -64.

04 -71.04 62.88 -62.69 -47.64 -56.64 47.12 -58.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 40.58 .88 58.12 56.

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

89 63.24 -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 .28 -57.15 57.28 50.200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 39.81 44.15 -63.89 -78.81 -50.

46 .44 -61.64 61.44 53.01 46.01 -53.0 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 -46.64 -74.05 -87.

367 44 20 beda nyata .62304 0.4933 0.31852 -18.861 15 16.23360 0.5 tidak beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan C-DS 16 13.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan C-DS 16 18.1284 1. Error Mean t df Nilai Pembanding Keterangan Kadar gula pada taksasi awal (% Pol) Plot Percobaan A-PF 33 12. Deviation Std.6850 0.17299 -23.638 31 16.435 15 16.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan B-PF 32 16.18056 1.82993 0.6338 0.96319 0.35965 -31.39290 0.900 31 16.93834 0.162 32 16.609 14 20 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan D-DS 15 14.937 32 16.533 44 20 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan E-PF 45 14.9894 0.1964 0.094 14 20 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan E-PF 45 7.11014 -34.2975 0.13988 -91.6320 1.16666 2.02661 0.2367 1.15304 -38.20748 -15.95738 0.8431 1.5 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan B-PF 32 12.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan A-PF 33 16.02140 0.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.99373 0.24080 8.5 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan D-DS 15 8.

08223 -84.0075 0.0113 1.41807 0.08487 -44.2344 0.10452 -36.620 31 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan C-DS 16 6.0671 0.10475 -37.84917 0.2100 0.965 14 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan D-DS 15 7.00997 0.12659 -18.0788 0.10323 -39.9564 0.55162 0.5733 0.60175 0.257 32 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan B-PF 32 6.169 32 10 beda nayata Rendemen pada taksasi akhir (%) Plot Percobaan A-PF 33 6. Deviation Std.028 15 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan C-DS 16 10.65441 0.11513 -8.59304 0.16360 0.26077 -22.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. Error Mean t df Nilai Pembanding Keterangan Rendemen pada taksasi awal (%) Plot Percobaan A-PF 33 5.657 31 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan B-PF 32 9.65130 0.68751 0.670 14 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan E-PF 45 3.311 44 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan E-PF 45 7.0973 0.803 44 10 beda nyata .17751 -13.48009 0.481 15 10 tidak beda nyata Rendemen pada taksasi awal (%) Plot Percobaan D-DS 15 4.6198 0.

11066 -10.56120 1.3694 10.589 4 4 100 beda nyata .05899 1.669 31 110 beda nyata Taksasi awal (ton/ha) Plot Percobaan B-PF 32 87.8340 8.50653 -4.552 31 110 beda nyata Taksasi akhir (ton/ha) Plot Percobaan B-PF 32 79.Lampiran 52 Uji beda nyata rata-rata taksasi setiap plot percobaan terhadap nila i pembanding dengan metode one-sample t test pada taraf kepercayaan 95% Parameter N Mean Std.3006 8.43290 1. Error Mean t df Nilai Pembanding Keterangan Taksasi awal (ton/ha) Plot Percobaan A-PF 33 90. 03 tidak beda nyata Taksasi akhir (ton/ha) Plot Percobaan C-DS 16 72.59 15 78.0109 8.57 beda nyata Taksasi akhir (ton/ha) Plot Percobaan A-PF 33 80.42 beda nyata Taksasi awal (ton/ha) Plot Percobaan C-DS 16 81.96711 2.2667 8.588 32 75.180 1 5 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan C-DS 16 72.69409 -25.03 tidak beda nyata Taksasi awal (ton/ha) Plot Percobaan D-DS 15 56.3694 10.57 beda nyata Taksasi awal (ton/ha) Plot Percobaan B-PF 32 87.85687 2.42 tidak beda nyata Taksasi akhir (ton/ha) Plot Percobaan B-PF 32 79.58773 -26.93968 2.71422 -10.237 31 85.52222 1.50653 -20.0372 8.75105 2.1018 10.4809 11.65080 1.46798 9.1018 10.24178 -8.85687 2.3006 8.32515 -35.976 31 8 5.452 14 100 beda nyata Taksasi awal (ton/ha) Plot Percobaan E-PF 45 52.805 32 1 00 beda nyata Taksasi awal (ton/ha) Plot Percobaan A-PF 33 90.75105 -11.4809 11.24178 1.05899 1.88937 1.08947 -20.09247 2. Deviation Std.593 44 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan E-PF 45 57.46798 -6.93968 2.341 15 1 00 beda nyata Taksasi awal (ton/ha) Plot Percobaan C-DS 16 81.52222 1.7847 10.837 32 75 .71422 -2.43290 1.96711 2.0372 8.5140 6.086 15 78.11066 0.0109 8.669 14 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan D-DS 15 57.364 3 2 100 beda nyata Taksasi akhir (ton/ha) Plot Per cobaan A-PF 33 80.

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.85108 0.08264 0. Error t df Keterangan Deviation Mean Rendemen pada taksasi awal Percobaan A -PF 33 -0.5527 1.45149 6. Std.8444 0.9507 8.9091 8.14815 Rendemen pada taksasi awal Percobaan B -PF 32 -2.62668 Plot Percobaan E-PF 45 -4.83731 0. Plot Percobaan B -PF 32 8.951 33 tidak beda nyata dan taksasi akhir (%) Plot -18. Std.7975 0.212 31 beda nyata Taksasi awal dan akhir (ton/ha) 774 15 beda nyata Taksasi awal dan akhir (ton/ha) 0.48256 1.87064 4.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.742 15 beda nyata dan taksasi akhir (%) Plot -29.31605 - . Error t df Keterangan Deviation Mean Taksasi awal dan akhir (ton/ha) 827 32 beda nyata Taksasi awal dan akhir (ton/ha) 4.762 44 beda nyata Plot Percobaan A-PF 33 9. Plot Percobaan D-DS 15 -0.33932 2.03388 0.14802 Rendemen pada taksasi awal Percobaan C -DS 16 -3.4438 11.15929 Rendemen pada taksasi awal Percobaan D -DS 15 -3.5620 1.134 16 beda nyata dan taksasi akhir (%) Plot -12.1409 0.27954 Rendemen pada taksasi awal Percobaan E-PF 45 -4.33819 1.00453 Plot Percobaan C-DS 16 8.82832 1.463 14 tidak beda nyata Taksasi awal dan akhir (ton/ha) 3.30010 1.15412 dan taksasi akhir (%) Plot -0.9312 7.900 32 beda nyata dan taksasi akhir (%) Plot -24.7527 6.63717 0.

The harmonic mean of the group sizes is used. .823 N Subset for alpha = .7727 Plot Percobaan E-PF 45 198.3906 33 418.4800 Sig.000 Means for groups in homogeneous subsets are displayed.3900 .7375 Plot Percobaan C-DS 16 543.05 Plot A-PF E-PF C-DS D-DS Percobaan B-PF 32 27.0000 32 8.b) Plot Percobaan A-PF 33 140.000 1.7667 45 116. Dosis TSP (kg/ha) Plot Percobaan 1 2 3 Tukey HSD(a. b The group sizes are unequal.3900 15 217. 1. Dosis Urea Susulan (kg/ha) Plot Percobaan 1 2 Tukey HSD(a. a Uses Harmonic Mean Sample Size = 23.921 .4375 33 32.05 Plot D-DS B-PF A-PF E-PF Percobaan C-DS 16 .481.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.1333 Plot Percobaan B-PF 32 345.000 1.05 Plot Percobaan N 1234 Tukey HSD(a.481.2756 16 217.4800 Plot Percobaan D-DS 15 543. Typ e I error levels are not guaranteed.000 1. b The group sizes are unequal. a Uses Harmonic Mean Sample Size = 23.5022 Means for groups in homogeneous subsets are displayed.Lampiran 55 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA Dosis Urea Dasar (kg/ha) Subset for alpha = .7091 45 429.0000 15 .b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan N Subset for alpha = . The harmonic mean of the group sizes is used. Typ e I error levels are not guaranteed.

b The group sizes are unequal. a Uses Harmonic Mean Sample Size = 23.481. . The harmonic mean of the group sizes is used.000 Means for groups in homogeneous subsets are displayed.999 1.000 1. Typ e I error levels are not guaranteed. .Sig.

05 Plot Percobaan N 1 2 3 4 Tukey HSD(a.000 1. a Uses Harmonic Mean Sample Size = 23. b The group sizes are unequal. The harmonic mean of the group sizes is used. Ty pe I error levels are not guaranteed. . b T he group sizes are unequal.05 Plot Percobaan 1 Tukey HSD(a.b) Plot Percobaan C-DS 16 416.Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Dosis KCl (kg/ha) Subset for alpha = . 1.481. .1556 32 68.481.0909 45 67.0000 32 79.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.601 N Plot A-PF E-PF B-PF D-DS Percobaan C-DS 16 66.1711 Sig.000 1.000 Means for groups in homogeneous subsets are displayed. a Uses Harmonic Mean Sample Size = 23.0938 45 96.9375 33 78.4750 Plot Percobaan A-PF 33 639.0000 33 67. b The group sizes are unequal.5778 15 102.4688 15 69.0000 Means for groups in homogeneous subsets are displayed. The harmonic mean of the group sizes is used. a Uses Harmonic Mean Sample Size = 23.2091 Plot Percobaan E-PF 45 666.699 . Populasi Tebu pada Taksasi Akhir (dalam ribuan) Subset for alpha = .481.6700 Plot Percobaan D-DS 15 416.449 N Subset for alpha = . The harmonic mean of the group sizes is used. Typ e I error levels are not guaranteed. Populasi Tebu pada Taksasi Awal (dalam ribuan) Plot Percobaan 1 2 Tukey HSD(a. .000 1.05 Plot A-PF B-PF E-PF D-DS Percobaan C-DS 16 74.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.6700 Plot Percobaan B-PF 32 494. Typ e I error levels are not guaranteed.2000 Means for groups in homogeneous subsets are displayed.

.

228 Means for groups in homogeneous subsets are displayed.900 . .0671 Plot Percobaan D-DS 15 4.0313 248. Tinggi Tebu pada Taksasi Akhir (cm) Plot Percobaan 1 2 3 Tukey HSD(a.9688 Plot Percobaan A-PF 33 197.5758 Sig. b The group sizes are unequal.b) Plot Percobaan E-PF 45 106.093 N Subset for alpha = .0313 33 255.05 1 2 3 Tukey HSD(a.05 Plot E-PF C-DS B-PF A-PF .481.2100 Plot Percobaan C-DS 16 6. The harmonic mean of the group sizes is used.0113 Plot Percobaan A-PF 33 5. Typ e I error levels are not guaranteed.Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Tinggi Tebu pada Taksasi Awal (cm) Subset for alpha = .9697 Means for groups in homogeneous subsets are displayed. a Uses Harmonic Mean Sample Size = 23.3125 Plot Percobaan B-PF 32 188.05 Plot Percobaan N 123 Tukey HSD(a.9688 188.998 .9564 Plot Percobaan B-PF 32 6.561 Percobaan D-DS 15 178.000 .505 .481.3333 16 234.7500 32 248.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig. T y pe I error levels are not guaranteed. Rendemen pada Taksasi Awal (%) Plot Percobaan N Subset for alpha = . a Uses Harmonic Mean Sample Size = 23.6667 45 184. The harmonic mean of the group sizes is used. 1.000 1.2667 Plot Percobaan C-DS 16 185.0222 Plot Percobaan D-DS 15 107. . b The group sizes are unequal.2344 Sig.b) Plot Percobaan E-PF 45 3.820 .

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

3694 Plot Percobaan B-PF 32 79.b) Plot Percobaan A-PF 33 6.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.5140 16 81.05 1 2 Tukey HSD(a. The harmonic mean of the group sizes is used.0788 Sig.b) Plot Percobaan D-DS 15 57.6198 Plot Percobaan B-PF 32 9. a Uses Harmonic Mean Sample Size = 23.000 . The harmonic mean of the group sizes is used.999 1.000 Means for groups in homogeneous subsets are displayed.4809 87. a Uses Harmonic Mean Sample Size = 23. 1.665 . 1.887 Percobaan E-PF 45 52. Typ e I error levels are not guaranteed.8340 15 56.4809 33 90.1018 Sig.481.0075 Plot Percobaan C-DS 16 10. .5733 Plot Percobaan E-PF 45 7. Taksasi Akhir (ton tebu/ha) Plot Percobaan N Subset for alpha = . b The group sizes are unequal.7847 Plot Percobaan C-DS 16 72.2667 Plot Percobaan E-PF 45 57.0109 Means for groups in homogeneous subsets are displayed.166 N Subset for alpha = .0372 Plot Percobaan A-PF 33 80.0973 Plot Percobaan D-DS 15 7.000 .000 1.3006 32 87. Typ e I error levels are not guaranteed. b The group sizes are unequal.481.060 .Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Rendemen pada Taksasi Akhir (%) Subset for alpha = .05 Plot D-DS C-DS B-PF A-PF .05 Plot Percobaan N 1234 Tukey HSD(a. Taksasi Awal (ton tebu/ha) Plot Percobaan 1 2 3 Tukey HSD(a.

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

74 4.17 12.25 48.10 3.51 0. = intensitas TB = top borer N = noda SB = stem borer K = karat 26.15 0.61 9.38 9.10 2.5 D-DS dan E-PF 87 0.08 1.07 -91.11 0.94 12.54 9.48 35.06 0.06 1.34 0.18 0.14 3.18 6.84 0.09 0.20 penyakit batang .32 1.74 0.51 1.09 6.40 2.63 84.5 C-DS 91 3.67 84.08 0.5 D-DS dan E-PF 80 2.89 9.01 3.97 0.85 Keterangan: KPR = kutu perisai PB = Int.03 -13.68 4.68 8.5 B-PF 101 6.5 C-DS 111 18.45 0.01 34.70 7.19 -63.12 64.16 5.34 0.26 0.07 84.87 0.46 5.12 3.01 0.5 D-DS dan E-PF 87 0.5 A-PF 93 6.07 0.87 0.14 7.16 -1.24 0.5 D-DS dan E-PF 83 1.84 60.11 3.06 0.90 1.84 3.95 0.00 91.34 29.01 0.04 7.16 15.05 0.33 0.28 45.35 0.44 0.5 A-PF 84 0.54 0.17 0.5 B-PF 103 1.03 0.39 92.33 82.12 14.21 9.10 86.5 A-PF 90 1.01 2.17 2.40 0.52 1.5 B-PF 99 2.5 B-PF 95 1.23 2.18 0.45 5.5 A-PF 93 2. Daun I II TB SB 4.50 0.47 8.63 53.40 34.39 38.63 28.30 2.5 C-DS 95 3.07 67.25 7.68 7.49 6.97 0.02 0.5 B-PF 113 18.50 0.57 3.08 0.04 0.16 -73. Kuning N.12 13.24 0.22 2.5 C-DS 97 5.82 89. KPR N.10 0.89 8.47 0.23 2.5 C-DS 94 4.37 4.67 12.06 1.39 27.32 12.5 A-PF 104 20. Cincin K.14 6.55 0.10 0.12 10.23 0.41 14.Lampiran 56 P engamatan hama dan penyakit Umur tebu (bulan) Plot Jumlah batang Kutu Perisai Intensitas luas serangan % serangan PB % serangan Intensitas seranganKPR Int.11 -0.42 0.42 6.74 10.97 17.18 97.01 3.70 8.04 7.35 1.30 8.01 40.65 0.