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

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

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

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

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

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

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

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

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

201 108 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan D-DS ... 197 100 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan A-PF . 188 87 Semi-variogram kandungan N top soil tebu umur 1 minggu pada Plot Percobaan C-DS sebelum pemupukan pertama . 197 101 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan B-PF .19 74 Pengamatan jumlah anakan dan persentase gap tebu ..... 189 89 Semi-variogram kandungan P top soil tebu umur 1 minggu pada Plot Percobaan C-DS sebelum pemupukan pertama ... 192 94 Semi-variogram Taksasi Akhir tebu umur 9..... 198 103 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan D-DS 199 104 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan E-PF ............. 187 84 Semi-variogram kandungan N top soil tebu umur 3 bulan pada Plot Percobaan A-PF sebelum pemupukan kedua ...... 200 107 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan C-DS . 188 86 Semi-variogram kandungan P top soil tebu umur 3 bulan pada Plot Percobaan A-PF sebelum pemupukan kedua .. 202 ...5 bulan pada Plot Percobaan A-PF .. 136 78 Pengamatan persentase penutupan gulma 137 79 Pengamatan hama dan penyakit tanaman tebu 137 80 Pengambilan sampel biomassa tanaman tebu . 133 75 Tanaman tebu varietas GP 94-2027 umur 1 bulan . 133 76 Pengambilan sampel daun 134 77 Pengambilan sampel batang untuk analisa kemasakan dan taksasi .. 187 85 Semi-variogram kandungan P top soil tebu umur 1 minggu pada Plot Percobaan A-PF sebelum pemupukan pertama ....5 bulan pada Plot Percobaan A-PF .... 190 91 Semi-variogram Taksasi Awal tebu umur 6.. . .. 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 ... 196 99 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan E-PF .5 bulan pada Plot Percobaan C-DS .. 201 109 Perbedaan kebutuhan pupuk KCl pada P lot Percobaan E-PF ...... 138 81 Ringkasan diagram alir tata laksana penelitian 143 82 Peta lokasi PT Gula Putih Mataram . 198 102 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan C-DS .5 bulan 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 ... .. . 153 83 Semi-variogram kandungan N top soil tebu umur 1 minggu pada Plot Percobaan A-PF sebelum pemupukan pertama .. 191 92 Semi-variogram Taksasi Akhir tebu umur 9............... 189 88 Semi-variogram kandungan N top soil tebu umur 3 bulan pada Plot Percobaan C-DS sebelum pemupukan kedua .. 199 105 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan A-PF . 191 93 Semi-variogram Taksasi Awal tebu umur 6....... 200 106 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan B-PF .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

5% 12. . tanaman hanya berupa potongan bibit (cutting). Tetapi ketika organ asimilasi dan absorbsi telah berkembang.6% 4.0% 49. 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. Pembentukan batang belum terjadi sepanjang organ asimilasi dan absorbsi belum berkembang sampai tingkat tertentu.2% 24. 1952).Gambar 3 menunjukkan bahwa pada waktu penanaman. maka pembentukan batang dimulai dengan laju yang lebih cepat dibanding organ lain. Pertumbuhan awal tanaman sebagian besar terbatas untuk perkembangan daun dan akar yang merupakan peralatan produksi tanaman.7% Gambar 1 Komposisi vege tatif tanaman tebu umur 12 bulan varietas 37-1933 (Dillewijn.

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

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

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

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

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

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

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

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

disajikan pada Tabel 4.60 1. termasuk daun.15 0.30 1.18 0.90 1.10 1. .45 1. Whitney. waktu yang baik untuk pengambilan sampel daun adalah pada umur tanaman 3 5 bulan. dan Welch dalam Engelstad (1997) menyatakan bahwa interpretasi analisa tanaman ditempuh dengan membandingkan konsentrasi hara dalam sampel tanaman dengan konsentrasi hara standar yang telah ditetapkan sebelumnya. 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. bila keadaan kebun tidak mengalami kekurangan air. Analisa jaringan tanaman dimaksudkan untuk mengetahui banyaknya unsur hara yang diperlukan dan dapat diambil oleh tanaman.60 > 0.75 1.60 0.90 0.26 (Sumber: Barnes.55 0.55 0. 1991) Sementara itu menurut Samuels (1955. (1991).75 0.30 > 1. Konsentrasi hara daun standar menurut Barnes (1964) disajikan pada Tabel 2.66 1.66 > 0. Tabel 3 Kandungan hara daun standar Kandungan hara daun (%) Kategori NPK Rendah 1. Cope.17 0.00 Cukup 2.dari tanah dan hara tersebut akan didistribusikan ke seluruh bagian tanaman. dalam Muhali 1979).45 0. Nilai hara daun standar menurut Samuels (1955. Daun yang dianalisa adalah daun ke tiga dari pucuk se banyak 15 lembar.35 0.80 Tinggi > 2.75 1.80 (Sumber: Jones et al. Tabel 2 Kandungan hara daun standar Kategori N Kandungan hara daun (%) P2O5 K2O Berlebih Optimum Kurang > 1. 1964) Menurut Jones et al.45 > 1. (1991) disajikan pada Tabel 3. Kandungan hara daun standar menurut Jones et al. Jika hara berada dalam kondisi berlebih.85 1.85 1.26 1.00 2. . maka penambahan unsur hara dalam bentuk pemupukan dapat kurang atau mungkin tidak perlu ditambah.

.

maka harus dipakai faktor koreksi (dalam persen) yang ditambahkan pada hasil analisa daunnya agar didapatkan nilai untuk umur tiga bulan.30 1.50 2.50 0.Tabel 4 Kandungan hara daun standar Kategori N Kandungan hara daun (%) P K Sangat rendah Rendah < 1.40 1.00 (Sumber: Samuels.00 1.00 3.00 0. Makin jauh waktu pengambilan sampel daun dari umur tiga bulan maka makin besar nilai faktor koreksinya (Tabel 5).30 > 0. dalam Muhali 1979) Contoh daun yang diambil adalah daun-daun nomor 4.15 < 1. 5. 1955. Umumnya dalam analisa daun dipakai daun yang membuka sepenuhnya yang ke tiga yang dihitung dari daun yang tidak menggulung tertinggi sebagai daun nomor 1. Kalau sampel daun tebu diambil pada umur lebih dari pada tiga bulan.00 1.65 2.15 0.65 1.00 2.18 0.40 < 1.50 > 2.00 2. 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 .00 1.50 1.25 0.10 0.18 0.25 0.50 1.50 Cukup rendah Cukup Tinggi Sangat tinggi 1.00 > 3.00 1.00 2. dan 6 dihitung dari daun yang belum membuka pertama sebagai daun nomor 1.

24 0.015 0.6 bulan 4 bulan 5 bulan 6 bulan N Plant cane 0. 1959.30 0.11 0.015 0.24 0.24 0.22 0.28 0.08 0.45 0.015 0 0.15 0.24 0.23 Ratoon 0.016 Ratoon Plant cane K 0.56 0.12 0.33 Plant P cane 0. 1973) .008 0.74 0.36 Ratoon (Sumber: Samuels.15 0. dalam De Geus.

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

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

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

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

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

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

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

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

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

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

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

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

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) .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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). .

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

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

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

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

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. Pada kasus tertentu. 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. 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.

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

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

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

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

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

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

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

lag distance.2) Z(3.3) Z(3.q) Z(1.1) Z(1.3) Z(p.j+1) Z(p.1) Z(3.j+1) Z(i+1.j+1) Z(1.2) Z(i+1.1) Z(2. . dan arah semi-variogram.j+1) Z(2.2) Z(1. Model SemiCurve Experimental Semivar iogram Curve Pairs Range (A) Scale (C) Nugget Effect (Co) Sill ã(h) -variogram Z(p.2) Z(2.3) Z(2.122 Gambar 29 Ilustrasi semi -variogram (GS.2) Z(p. 2002). q) Z(3.3) Z(i+1.q) Z(2.q) Gambar 30 Ilustrasi plot data.q) Z(i+1.3) Z(1.1) Z(i+1.j+1) Z(3.1) Z(p.

q-1)-Z(2.q)]2 +[Z(2. 3.q)]2 +[Z(2.2)-Z(2.6)]2 + + [Z(3.q)]2 +[Z(p.q)]2 +[Z(3.3)-Z(2.3)-Z(3.q-3)-Z(2.3)]2 + [Z(p.3)]2 + [Z(3.q-3)-Z(p.Keterangan Gambar 30 Z(i.3)-Z(3.q)]2 +[Z(p.q-2)-Z(2.6)]2 + + [Z(1.q)]2}/ n(a) .1)-Z(2.5)]2 + + [Z(2.q-1)-Z(3.3)-Z(p.q)]2}/ n(c) yang n(a) n(b) n(c) .1)-Z(2.q-2)-Z(p.5)]2 + [Z(1.3)-Z(p.3)]2 + [Z(p.2)-Z(2.4)]2 + + [Z(p.2)]2 + [Z(p.1)-Z(p.3)-Z(p.q)]2 +[Z(3.2)-Z(p.q-3)-Z(1.1)-Z(1.4)]2 + [Z(2.3)]2 + [Z(1.j) : nilai regionalized variable pada baris i dan kolom j i = 1.3)-Z(1.6)]2 + + [Z(2.4)]2 + + [Z(1.5)]2 + [Z(2.2)-Z(p.3)]2 + [Z(3.q-3)-Z(3.3)]2 + [Z(2. 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. (5) Semi-variance untuk lag distance b = 2 satuan ½{[Z(1..5)]2 + [Z(p.1)-Z(1.2)]2 + [Z(1.5)]2 + + [Z(1.q)]2 +[Z(2.2)-Z(3.q)]2 +[Z(p.3)-Z(3. 2.2)-Z(1.4)]2 + [Z(p.3)-Z(1.3)-Z(2.1)-Z(p.2)-Z(3.1)-Z(2.1)-Z(3. perhitungan semi-variance pada arah sumbu x adalah : Semi-variance untuk lag distance a = 1 satuan ½{[Z(1.5)]2 + + [Z(p..q)]2}/ n(b) .q-2)-Z(1. maka semi -variogram berdasarkan jumlah nilai semi-variance pada lag distance yang sama pada masing-masing arah semi-variogram.4)]2 + [Z(p.3)]2 + [Z(1.q-2)-Z(3.4)]2 + [Z(1.2)-Z(3.4)]2 + + [Z(3.2)-Z(1.3)-Z(2.2)-Z(1. .3)]2 + [Z(2..1)-Z(3. p j = 1.1)-Z(3.5)]2 + + [Z(3. 3.2)-Z(2.3)-Z(1. 2.q)]2 +[Z(3..2)-Z(p. Menurut Clark dan Harper (2000)..2)]2 + [Z(3.6)]2 + + [Z(p. (7) mana : jumlah pasangan nilai regionalized variable pada lag distance a : jumlah pasangan nilai regionalized variable pada lag distance b : jumlah pasangan nilai regionalized variable pada lag distance c .4)]2 + [Z(1.2)]2 + [Z(2.q-1)-Z(1.5)]2 + [Z(3. .1)-Z(p.4)]2 + [Z(3.1)-Z(1. (6) Semi-variance untuk lag distance a = 3 satuan ½{[Z(1.q-1)-Z(p.4)]2 + + [Z(2.4)]2 + [Z(3.

1)]2 + [Z(3.2)-Z(2.2)]2 + +[Z(1.q)]2 [Z(2.q)-Z(5.3)]2 + [Z(2.3)]2 + [Z(3.5)]2 + +[Z(3.3)-Z(4.q-2)-Z(p.3)-Z(2.3)]2 + +[Z(1.2)]2 + [Z(2.2)]2 + [Z(3.3)]2 [Z(p-1.q)]2 [Z(p.1)-Z(5.5)]2 + +[Z(1.3)-Z(3.3)-Z(4.4)]2 + [Z(2.2)-Z(p.2)-Z(3.2)]2 + [Z(3.2)-Z(6.4)]2 + [Z(3.q)]2 + [Z(3.q-3)-Z(3.3)-Z(5.5)]2 + [Z(2.4)]2 + [Z(2.3)-Z(p.q-2)-Z(2.3)]2 + [Z(3.q)-Z(2.q)]2 [Z(p-3.3)-Z(p.1)-Z(1.2)]2 [Z(p-2.2)-Z(4.5)]2 + +[Z(p.3)]2 + [Z(2.3)]2 + [Z(2.4)]2 + [Z(3.3)-Z(1. Semi-variance untuk lag distance a = 1 satuan ½{[Z(1..3)]2 + [Z(2.2)-Z(3.2)-Z(2.q-3)-Z(p.1)-Z(2.q)]2 + n(c) .3)-Z(6.q-1)-Z(2.q-1)-Z(p.1)-Z(2.q)-Z(4.1)]2 [Z(p-3.2)-Z(1.q)-Z(p.2)]2 + [Z(2.6)]2 + +[Z(p.1)-Z(1.3)]2 + [Z(3.2)]2 + [Z(3.1)]2 + [Z(2.1)-Z(p.1)-Z(p.3)-Z(3.1)]2 + +[Z(1.3)-Z(3.1)-Z(4.2)]2 + [Z(1.3)]2 + [Z(1.1)-Z(p. (10) + + + + + + + + [Z(1.1)]2 + [Z(2.2)]2 + +[Z(1.1)-Z(p.q)]2}/ Semi-variance untuk lag distance b = 2 satuan ½{[Z(1.5)]2 + [Z(1.q)]2 + [Z(2.2)-Z(3. (9) + + + + + + + + [Z(1.Jika semi -variogram pada Gambar 29 bersifat isotropic .3)-Z(1.2)-Z(3.1)-Z(p.q)]2 + [Z(2.4)]2 + +[Z(1.6)]2 + +[Z(1.3)-Z(3.2)-Z(2..4)]2 + +[Z(p.1)-Z(3.q-1)-Z(1.q)]2 + [Z(3.q)-Z(p.q)]2 + n(a) .q)]2 [Z(3.1)-Z(4.2)-Z(2.4)]2 + +[Z(3.3)-Z(5.2)]2 + [Z(2.q)-Z(3.q)]2 [Z(2.3)-Z(3.3)]2 [Z(p-2.q)-Z(6.2)-Z(p.2)]2 + +[Z(1.1)]2 + [Z(3.q)]2 + n(b) .5)]2 + [Z(p.1)]2 + +[Z(1.4)]2 + [Z(p.2)]2 + [Z(2.3)]2 + [Z(1.q)]2 [Z(p-2.3)-Z(4.2)-Z(p.1)-Z(3.q)-Z(5..3)]2 + [Z(p.1)]2 [Z(p-1.1)-Z(3.1)]2 + [Z(2.q)]2 + [Z(2.1)]2 + [Z(3.3)-Z(2.4)]2 + +[Z(2.1)-Z(3.q)]2 [Z(p-1.3)]2 + +[Z(1.q)]2 [Z(3.2)-Z(3.1)-Z(5.q-3)-Z(1.5)]2 + [Z(3.1)-Z(4.q-1)-Z(3.3)]2 + [Z(3.3)-Z(1.1)-Z(6.3)-Z(p.q-2)-Z(1.2)]2 [Z(p-3.3)-Z(2.3)-Z(p.2)]2 + [Z(p.2)]2 [Z(p-1.2)-Z(p.3)]2 [Z(p-3.q)]2 [Z(p.q)-Z(3.3)-Z(2.6)]2 + +[Z(3.2)-Z(p.2)-Z(4.5)]2 + +[Z(2.6)]2 + +[Z(2.1)]2 [Z(p-2.q)]2}/ Semi-variance untuk lag distance c = 3 satuan ½{[Z(1.q)]2 + [Z(3.q)]2 [Z(2.4)]2 + [Z(1.q)-Z(4.q-3)-Z(2.2)]2 + [Z(3.1)-Z(2.q)]2 [Z(p.2)-Z(p.3)]2 + +[Z(1. maka semi -variogram berdasarkan jumlah nilai semi -variance pada lag distance yang sama pada semua arah semi-variogram.2)-Z(4.q)]2 [Z(3.3)-Z(p.4)]2 + [Z(1.q)-Z(p.2)-Z(1.1)-Z(3.2)-Z(1.q)]2}/ .1)-Z(p.2)-Z(5.1)]2 + +[Z(1. (8) + + + + + + + + [Z(1.q-2)-Z(3.2)-Z(5.3)-Z(p.3)]2 + [Z(3.1)-Z(2.4)]2 + [Z(p.q)-Z(4.3)]2 + [Z(2.1)-Z(1.3)]2 + [Z(p.

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

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

Pada plot tersebut terdapat satu lokasi yang tidak diambil sampelnya dengan notasi T. Nilai T diestimasi berdasarkan nilai-nilai di sekitarnya. 2000). Bentuk semi-variogram yang dihasilkan adalah linear tanpa nugget effect dengan bentuk persamaan ã(h)=0. Clark dan Harper (2000) menyimpulkan bahwa hasil estimasi semakin lebih dapat dipercaya jik a semakin dekat sampel yang digunakan untuk estimasi dan penggunaan dua sampel lebih dapat dipercaya dari pada hanya digunakan satu sampel.458. Untuk menyederhanakan pembahasan tersebut . Jarak grid pada plot tersebut adalah 150 m.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.25.0016h1. Gambar 32 menunjukkan plot dari pengamatan nilai kalor yang mempunyai sebaran normal dengan nilai rata-rata 24. Ilustrasi untuk masalah tersebut disajikan pada Gambar 33.

80w4 + 23. (14) ..maka diambil lokasi tanpa sampel (T) dengan lima sampel yang mengelilinginya sebagai sampel untuk estimasi (Gambar 34). 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 . (13) (12) Clark dan Harper (2000) secara umum merumuskan nilai estimasi. + wmgm . Nilai estimasi untuk T adalah T* = w1g1 + w2g2 + w3g3 + w4g4 + w5g5 = 21. .. Ilustrasi kriging dengan 5 sampel untuk estimasi... (a) nilai-nilai sampel (b) notasi umum Gambar 34.61w3 + 26.. bobot.62w2 + 25. . (15) 17.86w1 + 25...76w5 di mana w1 + w2 + w3 + w4 + w5 = 1 .

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

g1) + w1w2ã(g1.62w2 + 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) .T) w1w1ã(g1.. g2. g1) + w3w2ã(g3. (20) +w3w1ã(g3.86w1 + 25.25 .T) + 2w2ã(g2. g2) + w2w3ã(g2.61w3 di mana w1 + w2 + w3 = 1 (18) (19) óº 2 = 2w1ã(g1.T) . dan g3 pada Persamaan 14 menghasilkan nilai estimator T* = w1g1 + w2g2 + w3g3 = 21. g2) + w1w3ã(g1.0016h1.T) + 2w3ã(g3. g2) + w3w3ã(g3.Gambar 35 Ilustrasi kriging dengan 3 sampel untuk estimasi. g3) ã(T. g3) +w2w1ã(g2. (22) Substitusi pada Persamaan 21 dari nilai semi-variance yang dihitung dengan Persamaan 22 untuk setiap pasangan sampel menghasilkan . Substitusi nilai g1. g1) + w2w2ã(g2. (21) +w3w1ã(335) + w3w2ã(150) +w3w3ã(0) Semi-variogram dari Gambar 33 mempunyai persamaan sebagai berikut ã(h)=0.

(26) 3.8399w3w2 + w3w3 x 0 óº = 2. (25) 4. (33) .4204w3 = 0.9954w2 + 4.3657w2 0.4204w3 = 0.6798 . w2.. (29) ..6798 ¶w3 Selanjutnya 3.5906 ¶w2 ¶óº 2 ¾¾ = 1..9977w1w2 2. (30) 3.2953w2 + 2 x 0.5906w1 + 2..8399w2w3 0 ... (27) Jika Persamaan (29) dibagi dengan 3.5906 3..2953w1 + 2 x 1.2966w3w1 + 0.3657 .131 óº 2 = 2 x 1.2827 .3657w2 = 0. (32) Eliminasi w1 antara Persamaan (32) dan (31) menghasilkan 0.6798w2w3 (24) Jika Persamaan 24 diturunkan terhadap w1...5906 4.5906 ¶w1 ¶óº 2 ¾¾ = 2.6798w3 3.6798w2 = 0 ..6798w2 = 1.5932 w1w3 1..2966w1w3 + 1..5932 maka diperoleh w1 + 0. dan w3 maka diperoleh ¶óº 2 ¾¾ = 2.5932w3 = 0 .9954w1 + 1.6484 ..6798w3 = 2...9954 w1w2 4.9954w2 4.9954 maka diperoleh w1 + 0.5932w3 = 2..8399w3 2 w1w1 x0 + 1.9977w2w1 + w2w2 x 0 + 0. (28) .5932w1 1.5906w2 + 1.5932w1 + 1.6798w3 = 0 . (31) Jika Persamaan (30) dibagi dengan 4.9954w1 1. (23) + 2.

9954 maka diperoleh w2 + 1. (35) Eliminasi w2 antara Persamaan (35) dan (34) menghasilkan +1.3657 maka diperoleh w2 1.1496w3 = +0.9444 Hasil penentuan bobot menunjukkan terdapat satu bobot bernilai negatif yaitu w2 ( 0.1496w3 = 0. Hal ini dapat diinterpretasikan bahwa g2 tidak dikehendaki sebagai sampel estimator.6484 2. dan w3 dijumlahkan maka diperoleh w1 + w2 + w3 = 0..6182 ( 0. (36) .6484 0..3885 Jika w1. .0623) + 0.6484 1.6484 0.6484 .0623) sehingga jika keseluruhan bobot dijumlahkan maka tidak sama dengan satu.1496 w3 0.7730 (34) Jika Persamaan (22) dibagi dengan 3.7730) Substitusi w3 pada Persamaan 35 menghasilkan w2 w2 w2 w2 + = = = 1.1496w3) = +0.1496w3 ( 1.Jika Persamaan (33) dibagi dengan 0.0623 Substitusi w3 pada Persamaan 31 menghasilkan w1 + 0.7107 0. dengan demikian nilai harapan untuk kesalahan estimasi menjadi E{0.6484 0. w2...4204w3 w1 = 0.1496w3 = +0.6182 = 0.3885 + ( 0.4214 w3 = 0.0556m .6484 w1 = 0.2992w3 = 1.9444m m} = 0.4204w3 = 0.

3885 x 21.86w1 + 25.0556m = 0.96 MJ Setelah semi-variogram dibangun dan parameter-parameternya ditentukan.6798w3 3.6182 x 25.0556m untuk menjadikannya tidak bias sehingga diperoleh T* = 21. 25.0556m = 22.62 0.0623) 4.9177 óº = 0.3885 x ( 0.6182 1. (37) Selanjutnya estimator dikoreksi dengan + 0.36 = 24. bentuk semi-variogram.3885 + 2. maka hasilnya dapat digunakan dalam kriging. dan arah semi variogr am berpengaruh pada bobot optimal dari estimator kriging (Issaks dan Srivastava.61 + 0.0623 x 25.0556 x 24.62.0623) x 0.73 + 1.36 sehingga diperoleh nilai estimasi untuk lokasi yang tidak diambil sampelnya adalah T* = 22.6798w2w3 = 2.61) yaitu 24.09 MJ óº 2 = 2. 25.6182 = 0.86.9954 x 0.73 + 0.133 Dengan kemungkinan adanya nilai negatif suatu bobot maka bentuk umum untuk nilai estimator yang optimal (tidak bias) menjadi mm T* = Ó wigi + ( 1 Ó wi ) m i=1 i=1 .61w3 + 0. Ilustrasi untuk hal tersebut disajikan pada Gambar 36 45.86 0. Parameter semi-variogram seperti sill.6798 x ( 0. nugget effect.6798 x 0.3885 x 0.5906w1 + 2.62w2 + 25.5906 x ( 0.0556m (38) Nilai m adalah rata-rata dari tiga sampel estimator (21.6182 3.73 + 0. 1989).5932 w1w3 1.5906 x 0. . range.5932 x 0.36 = 22.5906w2 + 1.0623) + 1.9954 w1w2 4.

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

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

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

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

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

Neural network dikenal juga dengan nama-nama lain yaitu parallel distributed .60 0.14 0. neural network adalah sistem perhitungan dari sejumlah elemen yang terhubung dengan baik yang mana memproses informasi dengan tanggapan dinamis terhadap masukan dari luar.61 0.60 0.12 0.11 0.03 0. Terutama sekali dimana ada substantial nugget effect.22 0.12 337 0.03 0.14 0.07 0. 1994).03 0. peta kontur yang dihasilkan kriging blok akan lebih halus dibanding yang dihasilkan kriging titik (Wallace dan Hawkins.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 0.07 0.08 (Sumber: Isaaks dan Srivastava.11 0.03 0.17 0.07 0.62 0. 1991).09 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.08 45(a) 337 0.17 0.60 0.05 0. Neural Network Neural network merupakan bentuk baru perhitungan yang terinspirasi dari model biologis.11 0.56 0. Kedua jenis kriging tersebut dapat digunakan untuk memproduksi peta kontur. 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. 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. tetapi sama jika dibandingkan dengan nilai ratarata keempat kriging titik. walaupun peta-peta berbeda dalam tujuan dan penampilan.12 0.11 0.14 0.

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

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

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

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. Hasil penelitian menunjukkan bahwa pada negara berkembang precision farming diperlukan untuk mengelola variasi sumberdaya alam agar menjadi lebih efektif.Cook et al. pengembangan metode untuk mengurangi biaya tinggi pada pengambilan sampel. Penekanan keperluan lebih pada kebutuhan informasi untuk mengurangi ketidakpastian keputusan. 2005).5.0. dapat digunakan pada berbagai macam keperluan. dan dapat dikembangkan. (2003) melakukan penelitian apakah precision farming tidak relevan untuk negara berkembang. melakukan pembandingan hasil riil gula dengan hasil gula dari simulasi dengan piranti lunak Canegro 3. mempunyai toleransi kebisingan. Georing (2000) menggunakan back-propagation artificial neural network (ANN) untuk mengetahui hubungan hasil tanaman jagung dengan faktor-faktor . Pada tahun 2004. Stone dan Kranzler (1995) mengkaji aplikasi artificial neural network dalam sistem permodelan mesin pertanian untuk mendapatkan mesin pertanian yang kuat. Analisa ekonomi untuk rekomendasi pemupukan dilakukan dengan CaneFert 1. Penelitian-penelitian precision farming banyak dilakukan di perguruan tinggi sebagai penelitian disertasi. Beberapa permasalahan yang diteliti diantaranya penggunaan robot pada sistem irigasi sprinkler. penilaian topografi lahan untuk meningkatkan ketelitian di lahan. aplikasi praktis dari teknik precision farming . Prammanee et al. Informasi mempunyai nilai yang potensial untuk mengurangi kemungkinan penyimpangan keputusan. pengembangan filter untuk meningkatkan kualitas data pemetaan hasil. pemantauan perkembangan kanopi tanaman untuk pengelolaan nitrogen. penentuan petunjuk pengelolaan yang dirancang untuk memaksimumkan keuntungan dan meminimumkan dampak lingkungan pada produksi sereal dengan precision farming. diantaranya di Cranfield University (CU. Penggunaan neural network sebagai tool dalam precision farming telah dilakukan oleh beberapa peneliti. Model simulasi menunjukkan bermacam respon hasil gula terhadap pemberian air dan nitrogen pada jenis-jenis tanah yang berbeda.

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

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

SIG. dan SPK sebagai satu kajian menyeluruh. neural network . Oleh karena itu penelitian ini dilakukan untuk mencapai hal tersebut khususnya untuk strategi pemupukan pada budiaya tebu. Australia diselenggarakan Simposium ke-10 tentang penelitian dan aplikasi precision farming di Australia. . 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.

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

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

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

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

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

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

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

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

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

4).3)}.1) Z(2. adalah 4 pasang yaitu {Z(1.2)}.Ilustrasi regionalized variable secara sederhana dapat dijelaskan dengan Gambar 52.2) Z(1. sumbu y. dan {Z(1.2) Z(3.4) Z(4.3) Z(4. Jika suatu hamparan lahan digambarkan sebagai bidang yang dibagi dalam grid dengan p baris dan q kolom. Jika semi-variogramdilakukan menurut arah sumbu x maka jalur/arah i dan jarak h pada Gambar 53 mengikuti baris q.3) Z(2. maka Z(1.4) merupakan regionalized variable yang secara geografis berada pada posisi baris 4 dan kolom 4.1) merupakan regionalized variable yang secara geografis berada pada posisi baris 1 dan kolom 1.2) Z(2. p Z(1. {Z(1. n(h) = n(4).1). Gambar 53 Arah semi-variogram. 2 .4) Z(2.4) Z(1. Semi-variance dihitung untuk setiap pasangan sampel pada masing-masing jarak 1 satuan.1) q Gambar 52 Ilustrasi plot regionalized variable.3) Z(3.Z(4. Semi-variogram dilakukan menurut 4 arah (Gambar 53).2) Z(4. yaitu arah sumbu x.Z(4. Jumlah pasangan sampel dengan jarak 4 satuan.4)}.2).1) Z(4.3) Z(1. {Z(1. dan diagonal. Sedangkan Z(4.3).Z(4.Z(4.4) Z(3.1) Z(3.1)}.

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

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

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

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. Dengan . dan 240 kg/ha K2O yang mana N dan K2O diberikan pada pemupukan kedua.Kdt = Kdb Kdn hK keterangan Kt . Dari Gambar 57 dapat dipahami bahwa pemberian hara dapat meningkatkan atau menurunkan hasil tebu dan kadar gula. Pemikiran model pemupukan untuk pemupukan kedua didasarkan pada hubungan hara yang diberikan dan hasil tebu yang diperoleh seperti disajikan pada Gambar 57. (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. 80 kg/ha P2O5. 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. Sedangkan penentuan Ndb dan Kdb berdasarkan target hasil menggunakan model neural network..

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

. BAL= (HATN1 + HATN2 + HATP + HATK + HADN2 + HADK) * JS (50) BPS = (UPST + UPSD) * JS . (49) 55. (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 ... (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) .Model Biaya 1 Biaya pemupukan Biaya (cost) pemupukan dihitung dengan menggunakan Persamaan 49 BP= (BAL+ BPS + BJP) / LTS .

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

Luas satu blok diasumsikan 80 ha. Tabel 9 Harga pupuk Harga pada tanggal 9 Maret 2006 Jenis pupuk Satuan (Rp) Urea kg 1.Tabel 8 Harga analisa laboratorium Jenis analisa Harga analisa per sampel (Rp) N 13. 2006) Upah pengambilan sampel diasumsikan Rp 280.400. Luas tiap petak yang mewakili blok diasumsikan 8 ha.000.00 KCl kg 2.00 K 6. TSP.00 TSP kg 1.00 Analisa tanah P 10.400.00/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. PT GPM mendasarkan pengambilan 6 sampel/ha masing-masing untuk sampel tanah dan daun pada 3 petak yang mewakili tiap blok.00 (Sumber : Laboratorium Kimia dan Kesuburan Tanah Departemen Ilmu Tanah dan Sumber Daya La han Fakultas Pertanian IPB.000.00 N 13.00 Analisa daun K 6.500.500.800. 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 . dan KCL yang digunakan untuk perhitungan bersumber dari internet seperti disajikan pada Tabel 9.000. Untuk itu jumlah sampel tanah dan daun (JS) masing-masing adalah 144 sampel pada Plot Percobaan C dan D.00 (Sumber : PDKG. 2006) Harga pupuk Urea.00).

100.217.74 ton/ha). MHGTaw = HG * 1000 MHGTak = HG * 1000 (58) (59) . berdasarkan data sekunder produktivitas gula PT GPM pada tahun 2002 yaitu 6.981.000.00/kg (keterangan dari PT GPM pada tanggal 8 April 2006 bahwa biaya produksi gula berkisar antara Rp 3.00 Rp 3. Asumsi biaya produksi gula sebesar Rp 3.200. Angka tersebut diperoleh dari asumsi bahwa biaya produksi gula secara keseluruhan adalah Rp 3. (56) (57) keterangan MHGTaw : manfaat dari perolehan gula pada taksasi awal (Rp/ton) .500..000.00/kg pada tahun 2005-2006 masih relevan dengan referensi bahwa biaya produksi gula di dalam negeri rata-rata Rp 3.68/ton hasil gula (=Rp 329.585.02/kg. 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 3.98/kg).500. 3 Manfaat hasil gula Manfaat (benefit) dari perolehan gula dihitung dengan Persamaan 58 dan 59.2 Biaya produksi gula Biaya produksi gula dihitung dengan Persamaan 56 dan 57. .00/kg (Hidayati.32/ton gula yang dihasilkan (=Rp 3.91/ha atau Rp 329.00 Rp 4.170. 2004).018.00/kg) dan kemudian dikurangi biaya pemupukan dengan dosis seragam yang diperoleh dari penelitian ini yaitu Rp Rp 2.170.

00/kg (Sumber : Dtc-33. 4 Keuntungan yang diperoleh Keuntungan (profit) yang diperoleh dihitung dengan Persamaan 60 dan 61.00/kg berdasarkan keterangan Direktur Bina Pasar Departemen Perdagangan RI (Gunaryo) yaitu bahwa pemerintah kemungkinan akan membuat harga patokan naik dari Rp 5. 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 .000.. 2006).MHGTak : manfaat dari perolehan gula pada taksasi akhir (Rp/ton) HG : harga gula (Rp/kg) Asumsi yang digunakan adalah harga gula sebesar Rp 6. (60) (61) 5 B/C ratio B/C ratio dihitung dengan menggunakan Persamaan 62 dan 63.500.0/kg tetapi masih di bawah Rp 6. MHGTaw B/C ratioTAw= ¾¾¾¾ BPGTaw MHGTak B/C ratioTAk= ¾¾¾¾ BPGTak keterangan B/C ratioTAw : B/C ratio pada taksasi awal B/C ratioTAk : B/C ratio pada taksasi akhir MHGTaw : manfaat dari perolehan gula pada taksasi awal (Rp/ha) MHGTak : manfaat dari perolehan gula pada taksasi akhir (Rp/ha) BPGTaw : biaya produksi gula pada taksasi awal (Rp/ha) BPGTak : biaya produksi gula pada taksasi akhir (Rp/ha) (62) (63) .000.

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

.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.

mekanis PENGAMATAN PERTUMBUHAN VEGETATIF I B Gambar 59 Diagram alir tata laksana penelitian. manual Plot Percobaan D-DS: dosis N dan P seragam rekomendasi dari PT Gula Putih Mataram. manual Plot Percobaan C-DS: dosis N dan P seragam rekomendasi dari PT Gula Putih Mataram.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. mekanis Plot Percobaan E-PF: dosis N dan P pendekatan precision farming dengan rekomendasi pustaka. hasil Analisa Daun dan hasil Analisa Tanah II APLIKASI DOSIS PUPUK PERTAMA Plot Percobaan A-PF: dosis N dan P pendekatan precision farming dengan rekomendasi pustaka. manual Plot Percobaan B-PF: dosis N dan P pendekatan precision farming dengan target produktivitas. (lanjutan) .

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

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

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

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).

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

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. .

2 ha Kategori Ratoon 1 Ratoon 1 Ratoon 1 Ratoon 3 Ratoon 3 Varietas Tanggal kepras Perlakuan pemupukan GP 94-2027 26 9 .2002 Precision farming dengan rekomendasi pustaka GP 94-2027 24 9 2002 Precision farming dengan target produktivitas GP 94-2027 26 9 2002 Dosis seragam dari PT GPM P 3 9 2002 Dosis seragam dari PT GPM P 3 9 2002 Precision farming dengan rekomendasi . 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.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.82 ha 3.58 ha 3.07 ha 9.11 ha 5.

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

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

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

(64) keterangan Zi : nilai regionalized variable ke-i pada pengurutan i : nomor urutan (1 . nilai Q. . (65) . Analisa hara tanah I dilakukan untuk mengetahui jumlah hara N dan P yang tersedia di dalam tanah.. 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. JK (66) 1 ) . 5 Analisa keragaman spasial I Analisa keragaman spasial dilakukan untuk unsur hara tanah N dan P dengan piranti lunak GS+ (Geostatistics for the Environmental Sciences) dari Gamma Design Software sehingga diperoleh parameter semi -variogram seperti nugget. Analisa dilakukan berdasarkan model isotropik dengan asumsi tidak ada pengaruh kelerengan.. effective range. i = 1 . dan cahaya matahari pada semi-variogram.. angin. JK) . Pada penenlitian ini tidak dikaji interaksi hara ( multivariate geostatistics). sill. bentuk semi-variogram.4 Analisa hara tanah I Sampel tanah yang sudah diperoleh kemudian dianalisa di Group Agro Laboratory Division . Untuk dapat mengetahui tingkat keragaman spasial hasil analisa semivariogram maka dibuat klasifikasi keragaman spasia l dengan menggunakan Persamaan 64 68. Sugar Group Company di wilayah PT Gula Putih Mataram.

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

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

25 18.3 Clay loam 1.6 Sandy loam 1.25 119 69 0 150 GPM 2000 64.5 Loam 1.26 123 138 0 150 SIL 1995 72.64 16.182 pada lahan tebu di Hawai dengan konsep pemupukan konvensional (dosis seragam) karena belum adanya konsep precision farming.20 18.40 54 108 92 150 SIL 2001 101.4 Silt loam 1.55 54 138 69 180 SIL 1998 75.28 16. Program ANN yang dipakai adalah Backpro2N yang telah dibuat oleh Rudiyanto dan Budi Indra Setiawan (2003).32 17. Pupuk N yang dibutuhkan pada pemupukan pertama adalah setengah dari rekomendasi yaitu 100 kg/ha sedangkan setengahnya lagi diaplikasikan pada pemupukan kedua. 1957) .06 46 108 69 150 SIL 2000 75.24 46 138 92 180 SIL 1996 81.56 46 108 92 180 SIL 1997 73.2 (Sumber: Thompson. Bulk density diketahui berdasarkan hubungannya dengan tekstur tanah seperti disajikan pada Tabel 14. 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. Akurasi dari program ANN tersebut disajikan pada Lampiran 1.60 73 69 58 180 GPM 1998 75.55 15.30 18.82 18.27 46 63 92 180 GPM 1999 86.60 15.45 46 63 92 180 SIL 1999 81. Tabel 14 Hubungan antara tekstur tanah dan bulk density Tekstur tanah Bulk density (g/cm3) Sand 1.78 18.25 54 138 69 150 Perhitungan dosis pupuk pertama yang ditambahkan dilakukan dengan Persamaan 43 dan 44. Perhitungan dosis pupuk pertama untuk target produktivitas dengan program Artificial Neural Network (ANN) ber dasarkan data sekunder pada Tabel 13.31 14.

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

diameter batang.5 bulan untuk Plot Percobaan D-DS dan E-PF.8 Pengamatan pertumbuhan vegetatif I Pengamatan pertumbuhan vegetatif yang dilakukan meliputi pengamatan jumlah anakan. 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). jumlah daun. . Pada setiap sel dalam plot percobaan. Gambar 72 Juringan pengamatan pertumbuhan vegetatif pada setiap sel. dan C-DS dan umur tebu 2 bulan untuk Plot Percobaan D dan E. Pengamatan pertumbuhan vegetatif setelah pemupukan pertama dilakukan pada umur tebu 2 bulan untuk Plot Percobaan A-PF. dan C-DS dan umur tebu 2. dan persentase gap. B-PF.000m2 : 1. B-PF. Karena cara tanam pada penelitian ini adalah double row maka panjang juringan pengamatan adalah (10.8m) x 1000 = 5.5 m. Pengamatan pertumbuhan vegetatif sebelum pemupukan pertama dilakukan pada umur tebu 1 bulan untuk Plot Percobaan A-PF. tinggi tanaman.

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

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

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

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

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

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

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

tinggi batang.03 awal dan akhir pada Plot Percobaan ton tebu/ha dan produktivitas Plot ton tebu/ha). jumlah anakan. model pemupukan.42 Rata-rata taksasi produktivitas 100 tahun 2002 (78. manfaat hasil gula dengan Persamaan 58 59. 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. dan B/C ratio dengan Persamaan 62 18 Pembuatan program terpadu 63. 19 Analisa pertumbuhan vegetatif Pembuatan grafik hubungan respon perlakuan pemupukan terhadap pertumbuhan vegetatif (jumlah daun. Pembuatan program komputer yang dapat mengolah secara terpadu model hasil tebu. 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 (75.0. model geostatistika. b Rata-rata taksasi produktivitas 110 tahun 2002 (85. keuntungan yang diperoleh dengan Persamaan 60 61.57 ton tebu/ha). Program komputer dibuat dengan bahasa Delphi 7. awal dan akhir pada Plot Percobaan ton tebu/ha dan produktivitas Plot ton tebu/ha).17 Analisa biaya Analisa biaya dilakukan untuk menghitung biaya pemupukan dengan Persamaan 49 53. 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 . dan model biaya.

maka Ho diterima dan H a ditolak -jika ± thitung > ± ttabel. 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.05. C-DS.5%). tetapi karena uji t bersifat dua sisi maka nilai a yang dirujuk pada tabel t . D-DS. h Rata-rata kadar gula awal dan akhir pada Plot Percobaan D-DS dan E-PF terhadap target kadar gula 20%. yaitu pada taraf kepercayaan 95% (a = 5%. maka Ho ditolak dan Ha diterima b angka signifikansi (a ) -jika a³ 0.05.5%). B-PF. g Rata-rata kadar gula awal dan akhir pada Plot Percobaan C-DS terhadap target kadar gula 20% dan kadar gula Plot Percobaan C-DS pada tahun 2002 (16. maka Ho diterima dan H a ditolak -jika a < 0.193 d Rata-rata taksasi awal dan akhir pada Plot Percobaan D-DS dan E-PF terhadap target produktivitas 100 ton tebu/ha. 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. dan E-PF terhadap nilai rendemen 10%. 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 (16.5%). i Rata-rata rendemen awal dan akhir pada Plot Percobaan A-PF. maka Ho ditolak dan Ha diterima Nilai ttabel dicari pada tabel distribusi t.

B-PF.040 C-DS 16 15 0. Selain itu juga menguji signifikansi perbedaan rata -rata antara rendemen awal dan akhir pada setiap plot percobaan Rumusan hipotesanya adalah: Ho : kedua rata-rata taksasi awal dan akhir adalah sama Ha : kedua rata-rata taksasi awal dan akhir adalah tidak sama Pengambilan keputusan dan nilai ttabel yang diperlukan sama dengan pada uji beda nyata dengan one-sampel t-test di muka.025 2.145 E-PF 45 44 0.025 2.025 2. C One Way ANOVA dengan uji lanjut Metode ini dilakukan untuk menguji signifikansi perbedaan rata -rata antar varian dari lima plot percobaan (A-PF.05/2= 0.017 B Paired Sample t-test Metode ini dilakukan untuk menguji signifikansi perbedaan rata -rata antara taksasi awal dan akhir pada setiap plot percobaan.025 2. 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. D-DS. Berdasarkan pencarian pada tabel distribusi t dan interpolasi yang dilakukan maka diperoleh nilai t tabel seperti disajikan pada Tabel 15. C-DS.025) dan derajat bebas (df) = n-1.131 D-DS 15 14 0. dan E-PF) meliputi peubah a Populasi tebu pada taksasi awal b Populasi tebu pada taksasi akhir c Tinggi tebu pada taksasi awal d Tinggi tebu pada taksasi akhir e Taksasi awal f Taksasi akhir g Rendemen Awal h Rendemen Akhir .038 B-P F 32 31 0.025 2.adalah a /2= 0.

05.05. maka Ho diterima dan Ha ditolak -jika Fhitung > Ftabel. maka Ho diterima dan Ha ditolak -jika probabilitas < 0.05.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. Uji lanjut One Way ANOVA Pengambilan keputusan berdasarkan nilai probabilitas -jika probabilitas ³ 0. 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. maka Ho diterima dan Ha ditolak -jika probabilitas < 0. maka Ho ditolak dan Ha diterima Analisa dan interpretasi keluaran dari ketiga metode di muka dilakukan dengan menggunakan piranti lunak SPSS 13.0. maka Ho ditolak dan Ha diterima b nilai F -jika Fhitung < Ftabel. Jika asumsi homogenitas varian terpenuhi maka uji One Way ANOVA dapat dilanjutkan. sedangkan tabulasi analisa data disajikan pada Tabel 16.4356 (hasil interpolasi).

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

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

dan pertumbuhan vegetatif Hara tanah N (%) Hara tanah P (ppm) Hara tanah K (me/100 Hara daun N (% berat Hara daun K (% berat Pupulasi tebu Tinggi tebu (cm) Diameter tebu (cm) Jumlah daun Persentase gap (%) GEOSTATISTIKA Klasifikasi keragaman spasial Analitis Tabel Tingkat keragaman spasial masingmasing peubah keragaman spasial hara tanah. hara daun.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 Jumlah tebu roboh Persentase penutupan Kadar air (%) gr tanah) kering) kering) gulma (%) . hara daun.

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

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

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

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

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

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.

Produktivitas HASIL TEBU lahan SPASIAL Peta Biaya BIAYA pemupukan (fertilizer cost) Analitis Overlaypeta kontur dan spasial dengan ArcView 3.3 Taksasi tebu (ton/ha) Peta informasi lahan dari masing-masing parameter Biaya Analitis pemupukan tiap Grafis plot per hektar (Rp/ha) Sistem Pendukung Keputusan untuk Strategi Pemupukan pada Budidaya Tebu dengan Pendekatan Precision Farm ing .

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

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

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

85.Tabel 16 Tabulasi analisa data (lanjutan) Keluaran Peubah No. 100 rata setiap peubah ---dan rendemen Kadar gula (%) Uji beda nyata -ton/ha terhadap nilai terhadap nilai Rendemen (%) Kadar gula= 16.57 . Taksasi (ton/ha) . 110 .42 perbedaan rata taksasi. 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 .03 . kadar gula. 78.

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

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

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

2 7.900.0 12.339 69.2 65.172 221.021.8 60.5 8.5 17.245 80.893 1.38 18.2 .53 4.321 79.1 17.529 1.00 22.6 4.307 1.034 182.953 77.0 10.1 17. Luas areal tanam dan produksi PT GPM tahun 1984 2002 disajikan pada Tabel 17.893 1.998 21.150 82.290 22. Sejak tahun 1994.029.1 26.548.389 20.3 4.402 80.612.5 5.425 65.747 1.38 6.278 22.275 1.961 1.060 1.70 24.21 17.2 16.070.108 1.0 113.792 73.83 23.774 15.131 2. Pabrik dioperasikan secara penuh dan memproduksi gula untuk pertama kalinya pada bulan Desember 1987 dengan kapasitas giling 8000 ton tebu perhari.960.4 4.500.260.80 22.04 17.8 5.6 66.621 21.572 81.7 6.8 5.78 8.8 6.189 16.152 1.7 12.20 23.254 481.693 16.1 8.227 80.2 4.780.2 18.33 24.711 103.197 3.008 1.19 18.77 17.885.7 5.427 92.703.926.30 23.377 83.9 4.3 6.000 12.3 66.8 5.450.151 6.153 17.512 17.2 6.5 13.2 18.14 16.072. 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 --1.373 76.371.808.0 16.938 72.846 1.0 6. kapasitas giling pabrik ditingkatkan menjadi 10.788.945 1.0 4.97 13.613.954 13. Pada bulan Agustus 1987 mulai dilakukan percobaan giling tanpa beban.278 21.6 110.142 90.bulan Juli 1987.305 1.077 111.113 89.000 ton tebu perhari.72 2.959.354 1.7 6.888 16.063.084.266 88.4 16.216 20.898.165.

4 6.82 16.9 8.043.4 100.9 8.1 9.74 11.8 6.65 10.0 7.3 135.8 9.66 14.992.2 5.0 164.97.686.2 151. 2003) Kebun di PT GPM terdiri atas blok-blok dengan luas 70-80 ha perblok yang dibagi menjadi 10 petak.8 157.39 11.6 9.5 4.612.0 7.5 162. luas satu petak rata-rata 7-8 ha.53 12.387.794. Bentuk petak sebagian besar berbentuk persegi panjang dengan ukuran 500 m x 200 m kecuali pada petak-petak yang berbatasan dengan sungai atau lebung dan terpotong oleh .5 (Sumber: Divisi PAS Plantation Department GPM.8 8.46 10.0 6.18 11.2 6.127.768.4 184.1 7.0 8.

10 4.25 4.92 0.30 0.14 0.62 4. Tanaman tebu yang dibudidayakan di PT GPM terdiri atas tiga kategori yaitu Plant Cane (PC).16 0.93 0.19 Al-dd me/100g 0.98 0.17 0.46 0.09 Ca-dd me/100g 0.27 0.82 -N % 0.16 0.84 9.89 0. dan areal perencanaan.39 0.454 mm.81 8.30 5.saluran drainase yang dalam.0 ).37 H-dd me/100g 0.57 10.92 K-dd me/100g 0. SS = subsoil (Sumber: Soil & Plant Laboratory -R&D GPM Group .93 0. Kelembaban relatif rata -rata bulanan 75%. 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 -5.00 12.68 4.08 0.44 10.08 0.96 0.07 0.1° C.48 0.72 1. Replanting Cane (RPC).16 0. Replanting Cane adalah tanaman tebu yang ditanam pada areal tanaman tebu 2001 .37 4.85 pH KCl -4. Divis i 5 (Inti dan Plasma). dan Ratoon Cane (RC). Tipe iklim di PT GPM menurut Schmidt dan Ferguson termasuk tipe B dengan curah hujan bulanan 204. Divisi 2.79 11.92 56.97 1.98 8.5).53 9.88 0. Areal tanam dibagi menjadi Divisi 1.08 0.16 0.09 C/N -11.29 0.78 0.56 50.76 0. dan miskin unsur hara (Tabel 18).89 0.49 Mg-dd me/100g 0.25 4. Berdasarkan hasil analisis tanah tahun 1998 2001.91 13. Suhu rata-rata bulanan 29.17 4.28 0.88 KTK -9.36 0.24 9.15 0. bahan organik rendah ( < 2.79 -TS = topsoil .46 5. Riset dan Pengembangan (R & D).92 0.15 0.45 0. Lama penyinaran rata-rata 5.25 -P-Total ppm 50.4 km/jam.22 0.47 0.17 0.76 5.29 4.5 mm dan curah hujan rata -rata tahunan 2. Divisi 3.70 5. yaitu musim hujan dan musim kemarau. Divisi 4.47 13.08 0.11 0. Kecepatan angin rata-rata 3.00 6.07 4. tanah memiliki keasaman yang tinggi (pH < 5.37 C-Organik % 1.69 4. 2003) PT GPM beriklim tropis yang memiliki dua musim.78 0.84 0. Plant Cane adalah tanaman tebu yang pertama kali ditanam di areal yang baru dibuka.39 0.32 0.16 0.80 5.71 4.28 0.00 1.5 jam/hari.54 0. Antar blok maupun antar petak dipisahkan oleh jalan.29 56. Pada umumnya tanah di PT GPM didominasi oleh tanah Ultisol yang memiliki sifat kimia kurang baik.

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

95 10.62 2.75 3.00 1.47 Purity --89.00 -0.75 1.66 2.56 17.60 13.94 97.92 7.77 --0.55 Ketahanan Sedang Sedang ------Ringkai Daun (%) --0.43 9.46 17.26 9.13 146.22 94.5 2.43 13.69 2.09 7.38 1.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) 2.50 78.46 1.88 -Karat Daun (%) Noda Cincin (%) Hama dan Penyakit - .13 4.7 2.40 15.69 1.54 1.19 8.02 116.32 8.06 85.96 11.36 2.13 14.80 89.44 87.04 Rendement 8 9.02 9.89 14.00 12.88 1.35 18.49 9.68 1.3 2.78 16.60 9.13 8.19 88.62 PolKualitas --17.36 Bobot/batang (kg)Agronomi --1.36 2.5 2.70 140.66 2.00 -94.37 14.6 19.45 19.50 Pembungaan --43.30 160.49 9.68 16.17 Jumlah anakan tiap rumpun 3 4 4 5 ------Jumlah daun tiap batang 8 10 8 9 ------Kerobohan (%) --42.64 17.06 132.98 81.92 85.23 83.12 Ton tebu per hektar (TCH)Produksi Ton gula per hektar (TSH) 86 102 8 10.00 -Brix --19.50 10.15 8.

ROC = Republic of China .76 0.76 2.33 0.24 Stem Borer (%) ---37. TC = Tebu Cuping Ma laysia .79 Top Borer (%) ---1.20 31.94 3.16 0.80 --14.75 (Sumber: R&D PT Gula Putih Mataram.74 3.70 0.1.89 0.44 1.13 1.22 --3.51 Noda Kuning (%) --0. 2003) Catatan: GP = Gula Putih Mataram .

67 15.55 18.64 19.92 87.14 707 R2 1997 95.36 17.50 85.14707 R2 110.09 19.39 89.27 86.32 85. luas 3.91 19.24 86.45 GP 94-2027 RPc 85.26 16.57 88.69 16.57 88.32 85.82 ROC 11 RPc 1998 56.19 87.89 ROC 15 RPc .93 ROC 11 R2 2000 71.71 16.55 17.56 PS 84 .42 -1996 84.35 ROC 11 R1 75.42 19.39 89.57 88.19 87.50 85.82 ROC 11 RPc 88.95 15.31 17.71 16.35 ROC 11 R1 64.31 16.35 18.93 ROC 11 R2 62.58 ha Petak 58 TU 3 .67 15.56 PS 84 .05 18.93 ROC 11 R2 86.85 ROC 15 R1 66.66 19.67 15.92 87.69 16.32 85.91 17.55 17.36 17.71 16.11 ha Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori -----------17.95 15.14707 R2 99.55 17. luas 4. PT Sweet Indo Lampung.42 -68.45 17.24 86.89 ROC 15 RPc 64.95 15.39 89.56 PS 84 .89 ROC 15 RPc 2001 65.02 19.27 86.72 18.42 ---17.36 17.19 87. luas 5.82 ha Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori Produktivitas (ton/ha) Brix (%) Pol (%) Purity (%) Varietas Kategori 1993 -----------1994 -----------1995 -17.158 Tabel 20 Data produksi beberapa petak lahan tebu di PT Gula Putih Mataram.85 ROC 15 R1 2002 78.03 19.28 19.27 86.70 19.24 86.45 GP 94-2027 R Pc Petak 60 TU 3 .39 19.26 16.78 18.35 ROC 11 R1 1999 61.69 16.72 18.82 ROC 11 RPc 85. dan PT Indo Lampung Perkasa Tahun 1993 2002 PT Gula Putih Mataram Tahun Petak 56 TU 3 .31 16.

80 Sil 03 RPc -----1997 73.60 16.29 16.09 ha 1993 92. 99 88.82 19.39 17.25 19.17 19.43 17.26 16.40 88. dan R&D PT Indo L ampung Perkasa.64 14.30 19.12 84.45 89.49 16.86 ROC 15 RPc -----1999 81. R&D PT Sweet Indo Lampung.57 19.30 ---ROC 11 PC -----1994 85. luas 9.05 ROC 11 R2 -----1996 81.50 85.60 19.36 ha Petak 259 A 24 . 2002) .08 ROC 22 RPc 96.85 ROC 15 R1 75.41 17.08 89.42 88.45 GP 94-2027 RPc Tahun PT Sweet Indo Lampung PT Indo Lampung Perkasa Petak 44 E 45 .81 Sil 03 R1 -----1998 75.19 88. luas 7.32 18.02 16.65 ROC 15 R2 78.29 ROC 11 2001 101.27 19.68.78 19.20 19.40 ---ROC 11 R1 -----1995 72.13 19.85 17.84 ROC 11 2002 -----------(Sumber: R&D PT Gula Putih Mataram.80 ROC 15 R1 133.31 16.92 87.05 ROC 11 2000 75.88 17.66 87.18 17.50 88.89 88.

ketersediaan pupuk di pasaran. Pemupukan sekali lebih . dilaksanakan karena adanya keterbatasan alat.82 133TU004 R1 TC 04 84.45 133TU007 R1 TC 04 68.65 133TU001 R1 TC 04 90.41 ton/ha dengan koefisien variansi 14. Aplikasi pupuk di PT GPM dikenal dua cara yaitu pemupukan sekali dan bertahap.79 132TU010 R1 TC 04 103.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 21.10 (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 86.97 134TU010 R1 TC 04 92. Pemupukan sekali merupakan pemberian pupuk dengan sekali penambahan. 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 63.31 132TU004 R1 TC 04 86.41 Koefisien Variansi (%) 14. Jenis tana h pada keseluruhan lahan tebu adalah seragam yaitu Podsolik Merah Kuning (Ultisol).04 133TU002 R1 TC 04 91. kondisi lingkungan yang tidak mendukung pelaksanaan pemupukan bertahap. dan lebih mempertimbangkan faktor efisiensi.78 133TU010 R1 TC 04 85.14 133TU005 R1 TC 04 69.68 133TU003 R1 TC 04 89.00 Rata-rata produktivitas lahan tebu (ton/ha) 86.1%).64 134TU002 R1 TC 04 101.13 132TU007 R1 TC 04 98.33 133TU006 R1 TC 04 84.

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

5 5.2 1.1 Kjedahl Brooker Tropical Soil Ma nual. P (ppm) -< 17 17 34 > 34 -Bray I tanah asam) (NH4F + HCl) Brooker Tropical So il Manual. DTPA (Morgan. Zn (ppm) 0 1. N (%) < 0.3 2. 1991 2.5 9.9 10 20 > 20 NaOAC. Wolf) Soil Tes ting.30 0. 1991 15.5 > 8. pH -< 5. 1991 (Sumber: Soil & Plant Laboratory R&D GPM Group.5 0.9 10 20 > 20 NaOAC.3 2. DTPA (Morgan. 1984 9.4 2.4 2.2 1.6 1.5 7 7 8.3 2. C-org (%) < 2 2 4 4 10 10 20 > 20 Walkley & Black 12.9 2 4 > 4 NaOAC.5 0. Cu (ppm) 0 0. Wolf) Soil Tes ting. K (me/100g) < 0. 2003) . Fe (ppm) 0 1.4 0. DTPA (Morgan.5 9. Na?CEC (ESP) (%) 2 10 10 20 20 40 40 60 -Calculation Brooker Tropical Soil Manual. Exch. Unsur hara Sangat rendah (kurang) Rendah (miskin) Sedang (cukup) Tinggi Sangat tinggi (Berlebih) Metode analisis Sumber acuan 1.4 2. CEC (me/100g) < 5 5 15 15 25 25 40 > 40 NH4 OAC 1N pH = 7 13. 1991 6.2 0. 1984 7. 1984 8.Tabel 22 Standar penggolongan kandungan hara tanah di PT Gula Putih Mataram No. 1991 3.55 0. 1991 4.9 1.50 -NH4 OAC 1N pH = 7 Brooker Trop ical Soil Manual. 1984 10. 1991 14.31 0.25 -NH4 OAC 1N pH = 7 Australian Sugar Can e Nutrition Manual 5.2 0.0 > 0.9 10 20 > 20 NaOAC. Wolf) Soil Tes ting.1 0.2 1. Exch. Wolf) Soil Test ing. Mn (ppm) 0 1.5 9.50 0. Mg (me/100g) -< 0.3 5 5. Al/CEC (%) -< 30 60 85 > 85 -Calculation Brooker Tropical Soil Manual.0 1.50 > 0.55 1.21 0.15 0. B (ppm) 0 0. 1984 11. DTPA (Morgan.51 1.5 > 0.5 -NH4 OAC 1N pH = 7 Brooker Tropical Soil Ma nual. Ca (me/100g) -< 0.1 10 > 10 NaOAC.5 PH Meter Brooker Tropical Soil Manual. DTPA (Morgan.2 1.2 0.1 0. Wolf) Soil Testin g.25 > 1.15 0.

N (%) ODM 2.30 3.21 1.2 2.35 -6.2 1.21 0. Fe (ppm) 80 100 -7.60 4. Unsur hara 3 4 6 10 1.20 1.18 0.60 1.20 -5. Mn (ppm) 20 200 -10. Zn (ppm) 15 50 -9. Sedangkan dosis pupuk yang diterapkan di PT GPM disajikan pada Tabel 24. K (%) ODM 1. dipotong 10 cm.21 1.60 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.21 0. Tabel 23 Standar hara daun di PT Gula Putih Mataram Nilai Optimum pada umur (bulan) No.21 0.0 2. dengan demikian pada penelitian ini akan dikaji lebih lanjut keragaman di dalam petak (within-field variability ). Setiap sampel membutuhkan 40-50 lembar daun plus satu.30 0. Ca (%) ODM 0.21 1.65 2. Cu (ppm) 4 15 -8. Mg (%) ODM 0. Sampel dikeringkan dan dihaluskan untuk dianalisa.30 0. dan tulang daun dihilangkan. B (ppm) 6 29 -( Sumber: Soil & Plant Laborator y R&D PT GPM.6 2.Analisa daun dilaksanakan setiap bulan mulai tanaman berumur dua bulan sampai menjelang panen.08 0. P (%) ODM 0. Sampel daun diambil dari petak yang mewakili blok secara zig-zag. Setiap lembar daun sampel dilipat dua. Standar hara daun yang digunakan di PT GPM disajikan pada Tabel 23. Keragaman yang terdapat pada Tabel 17 di muka merupakan keragaman antar petak (between-field variability). . 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.

PT Sweet Indo Lam pung. 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 --------- .Tabel 24 Dosis pupuk yang diterapkan di PT Gula Putih Mataram.

Berdasarkan keterangan di atas.087. Unsur hara tanah Pengamatan awal N top soil pada Tabel 25 menunjukkan bahwa pada Plot Percobaan D-DS dan E-PF diketahui tidak mempunyai ketergantungan spasial R2 karena diperoleh nilai yang rendah yaitu masing-masing 0. Ukuran efektif pengamatan untuk Plot Percobaan A-PF. dan C-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m).96.246 dan 0. dan 0.Keragaman Spasial Analisa keragaman spasial menghasilkan parameter semi-variogram dan klasifikasi keragaman spasial yang disajikan pada Tabel 24 42. Sementara itu jika dilihat pada pada pengamatan akhir N top soil diketahui Plot Percobaan B-PF. Tingk at keragaman spasial Plot Percobaan A-PF menunjukkan yang paling baik yaitu cukup rendah. B-PF. sedangkan tingkat keragaman Plot Percobaan A-PF paling jelek yaitu sedang.943. Sementara itu Plot Percobaan A-PF. dan D-DS tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0. Implikasi dari hal ini adalah bahwa pengamatan selanjutnya dapat dilakukan secara acak. Beberapa hasil ilustrasi semi-variogram ditampilkan pada Gambar 83 94. Tingkat keragaman spasial Plot Percobaan B-PF menunjukkan yang paling baik yaitu cukup rendah. 0. Ukuran efektif pengamatan untuk Plot Percobaan A-PF dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF dengan nilai Q tertinggi yaitu 0. C-DS. Implikasi dari hal ini adalah bahwa ukuran pengamatan selanjutnya dapat dibuat lebih besar dari 25 m. .239. dan C-DS menunjukkan ketergantungan spasial dengan R2 yang besar.161. B-PF. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF yaitu 0. 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.

4 m menjadi 96. 0. 0. dan D-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Ukuran efektif pengamatan untuk Plot Percobaan APF. D-DS. Ukuran efektif pengamatan untuk Plot Percobaan B-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Unsur hara daun Pengamatan awal hara daun N pada Tabel 26 menunjukkan bahwa pada Plot Percobaan A-PF. dan E-PF diketahui tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0.143. Sementara itu jika dilihat pada pengamatan tengah hara daun N diketahui bahwa Plot Percobaan A-PF dan E-PF tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu masing-masing 0. dan 0. Struktur spasial Plot Percobaan B-PF tinggi yaitu 0.064. tetapi hal ini masih lebih baik karena meningkatkan ukuran efektif pengamatan dari 81.928. D-DS.032 dan 0.115. B-PF. 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. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m).046.165 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. Struktur . Tingkat keragaman spasial Plot Percobaan B PF menunjukkan rendah. Ukuran efektif pengamatan untuk Plot Percobaan A-PF.7 m. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF yaitu 1. Tingkat keragaman spasial Plot Percobaan B PF menunjukkan yang paling baik yaitu cukup rendah. Berdasarkan keterangan di ata s. Tingkat keragaman spasial Plot Percobaan A-PF dan E-PF menunjukkan yang paling baik yaitu agak rendah. C-DS. 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. Struktur spasial yang paling kuat ditunjukkan ole h Plot Percobaan A-PF yaitu 1.003 dan 0.139 dan 0.

B-PF. Tingkat keragaman spasial Plot Percobaan C-DS menunjukkan yang paling baik yaitu amat sangat rendah. dan D-DS yang diperoleh lebih besar dari yang dila kukan pada penelitian ini (25 m).999. Ukuran efektif pengamatan untuk semua plot percobaan yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). 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 0.999. Tingkat keraga man spasial Plot Percobaan E-PF menunjukkan yang paling baik yaitu rendah. Ukuran efektif pengamatan untuk Plot Percobaan B-PF. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). B-PF. C-DS. 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 . Struktur spasial yang paling kuat ditunjukkan o leh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0. jika pengamatan awal dan tengah hara daun N dikaitkan maka dapat diketahui bahwa perlakua n pemupukan kedua Urea dengan pendekatan precision farming pada Plot Percobaan B-PF tidak merubah tingkat keragaman spasial yaitu tetap cukup rendah.077. tetapi hal ini masih lebih baik kare na meningkatkan ukuran efektif pengamatan dari 86. Jumlah anakan tebu (populasi tebu) Pengamatan jumlah anakan tebu sebelum pemupukan pertama pada Tabel 27 (periode pengamatan I untuk Plot Percobaan A-PF.4 m. Ukuran efektif pengamatan untuk Plot Percobaan A-PF. C-DS dan periode pengamatan II untuk Plot Percobaan D-DS dan E-PF) menunjukkan bahwa semua plot percobaan mempunyai ketergantungan spasial karena diperoleh nilai R2 yang besar. Tingkat keragaman spasial Plot Percobaan C-DS menunjukkan yang paling baik yaitu rendah. Berdasarkan keterangan di atas.spasial yang paling kuat ditunjukkan oleh Plot Percobaan C yaitu 0. B-PF.89. C-DS. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan C-DS dengan nilai Q tertinggi yaitu 0.3 m menjadi 150. Berdasarkan keterangan di atas. Sementara itu pengamatan jumlah anakan tebu sesudah pemupukan pertama pada Tabel 27 (periode pengamatan II untuk Plot Percobaan A-PF.

2 m.7 m menjadi 178. Ukuran efektif pengamatan untuk Plot Percobaan A-PF. Pengamatan jumlah anakan tebu sebelum pemupukan kedua pada Tabel 27 (periode pengamatan III untuk Plot Percobaan A-PF. C-DS dan periode pengamatan IV untuk Plot Percobaan D-DS dan E-PF) menunjukkan bahwa Plot Percobaan B-PF dan C-DS tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu 0. Tingkat keragaman spasial Plot Percobaan A PF menunjukkan yang paling baik yaitu cukup rendah. 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. B-PF. B-PF. tetapi meningkatkan ukuran efektif pengamatan dari 41. Struktur spasial yang pali ng kuat ditunjukkan oleh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0. 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). C-DS. Tingkat keragaman spasial Plot Percobaan A-PF menunjukkan yang paling baik yaitu cukup rendah.menekan tingkat keragaman dari agak rendah menjadi rendah. Sementara itu pengamatan jumlah anakan tebu sesudah pemupukan kedua pada Tabel 27 (periode pengamatan IV untuk Plot Percobaan A-PF. Tinggi tanaman tebu Pengamatan tinggi tanaman tebu sebelum pemupukan kedua pada Tabel 30 (periode pengamatan III untuk Plot Percobaan A-PF.073. Berdasarkan keterangan di atas.999. B-PF. B-PF. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0. 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.931.187.109 dan 0. Struktur spasial yang paling kuat ditunjukkan oleh Plot . 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.

.786.Percobaan A-PF dengan nilai Q tertinggi yaitu 0.072. 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. Tingkat keragaman spasial Plot Percobaan A-PF dan C-DS menunjukkan tingkat keragaman agak rendah. Ukuran efektif pengamatan untuk Plot Percobaan A-PF.999. 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. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan A-PF dengan nilai Q tertinggi yaitu 0.164. B-PF. Ukura n efektif pengamatan untuk Plot Percobaan A-PF. Struktur spasial yang paling kuat ditunjukkan oleh Plot Percobaan B-PF dengan nilai Q tertinggi yaitu 0. B-PF.42 ton tebu/ha (Tabel 24).008 dan 0. dan C-DS yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). Berdasarkan keterangan di atas. dan E-PF yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). 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. B-PF. Tingkat keragaman spasial Plot Percobaan A-PF. Di samping itu jika dibandingkan dengan produktivitas Plot Percobaan B-PF pada tahun 2002 dengan dosis seragam dihasilkan 85. B-PF. Tingkat keragaman spasial Plot Percobaan B-PF menunjukkan yang paling baik yaitu rendah.999. C-DS dan periode pengamatan V untuk Plot Percobaan D-DS dan E-PF) menunjukkan Plot Percobaan B-PF dan E-PF tidak mempunyai ketergantungan spasial karena diperoleh nilai R2 yang rendah yaitu 0. Ukuran efektif pengamatan untuk semua plot percobaan yang diperoleh lebih besar dari yang dilakukan pada penelitian ini (25 m). dan EPF menunjukkan tingkat keragaman cukup rendah. C-DS. Sementara itu pengamatan tinggi tebu sesudah pemupukan kedua pada Tabel 30 (periode pengamatan IV untuk Plot Percobaan A-PF.5 ton tebu/ha.

9 0.973 Spherical 0.3 1 Spherical 0 4 cukup rendah Akhir A-PF 0.3 0 Linear 0.514 Exponential 0.00042 113.999 Linear 0.00005 0.00006 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 0.637 Spherical 0.96 Spherical 0.00082 40.161 4 cukup rendah C-DS 0 0.807 4 cukup rendah D-DS 0.2 0.00045 0.00099 316.943 Exponential 0.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.00016 0.0003 46.873 Spherical 0 4 cukup rendah B-PF 0.246 5 agak rendah E-PF 0 0.00031 45.00207 1167.901 5 agak rendah D-DS 0.00042 86.00022 0.853 Exponential 0.715 Exponential 0.00024 25.89 Spherical 0.7 0 Linear 0.0006 277.00004 0.841 Exponential 0.00145 935.899 4 cukup rendah C-DS 0.1 0. P.00071 0.00003 0.438 6 sedang C-DS 0.842 Spherical 0.1 0.00053 58 0.00002 0.00013 51 0.00138 2065.00014 130.239 4 cukup rendah E-PF 0.3 0.525 4 cukup rendah .6 0.057 5 agak rendah E-PF 0.00003 0.00001 0.998 Exponential 0.00009 0.806 4 cukup rendah D-DS 0.5 0.00031 0.00033 0.3 0.584 4 cukup rendah B-PF 0.043 4 cukup rendah Akhir A-PF 0.00016 171.38 4 cukup rendah B-PF 0.757 Exponential 0.00045 152 0 Linear 0.00014 0.933 6 sedang E-PF 0.00022 24.872 Spherical 0.9 0.545 5 agak rendah sub soil Awal A-PF 0.00021 52 0.00045 310 0.7 0.017 4 cukup rendah C-DS 0 0.00108 1525.7 0.667 6 sedang (%) B-PF 0.3 0.00034 0.998 Spherical 0.087 5 agak rendah D-DS 0 0.

2 1 Spherical 0.778 Exponential 0.9 720.01 6.447 Linear 0.9 81.538 41.5 43.1 1 Spherical 0.5 0.907 1 Spherical Spherical 0.3 0.75 108.885 7 agak tinggi E-PF 89 419.02 146.801 Exponential 0.396 4 cukup rendah C-DS 0.046 6 sedang D-DS 126 705.689 Linear 0.196 Linear 0.998 Spherical 0.3 0 Linear 0.821 Spherical 0.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.6 126.7 48.133 6 sedang D-DS 33.44 130.85 214.1 315.732 6 sedang E-PF 0.8 0.8 0.008 5 agak rendah C-DS 1 616.81 57 130.02 171.5 285 0.2 42 96.3 0 Linear 0.998 Spherical 0.939 3 5 rendah agak rendah B-PF 146.9 0.2 254.1 200.7 0.47 171.003 4 cukup rendah C-DS 172.9 0.423 4 cukup rendah B-PF 0.7 335.88 152 0.7 79.4 34.788 Exponential 0.998 Spherical 0.8 49.4 0.115 0.9 1039.028 3 rendah Akhir A-PF 51.92 4 cukup rendah B-PF 405.777 Exponential 0.47 405.7 0.305 4 cukup rendah E-PF 31 156 963.833 4 cukup rendah .416 8 cukup tinggi D-DS 29.4 0.395 5 agak rendah sub soil Awal A-PF 74.372 4 cukup rendah C-DS 124 558.1 889 291.032 5 agak rendah D-DS 123 1689 627.484 5 agak rendah (ppm) B-PF 0.2 0.593 Exponential 0.1 199.927 Exponential 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 1 549.9 0.7 0.522 7 agak tinggi Akhir E-PF A-PF 83 0.999 Spherical 0.

4 0.666 Exponential 0.Tabel 25 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara t anah N.987 Exponential 0.805 7 agak tinggi B-PF 0.4 0 Linear 0.00031 B-PF 0.4 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 .82 Exponential 0.7 130.00086 344.00031 0.2 0.00002 0.00015 E-PF 0.3 0.3 0 Linear 0.00239 47.0021 18 0.00043 171.00044 319.997 Exponential 0 4 cukup rendah D-DS 0.0003 0.99 Spherical 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 0.00043 0.479 4 cukup rendah sub soil Awal A-PF 0.904 Spherical 0.101 5 agak rendah 60.00002 130.783 4 cukup rendah (me/100g B-PF 0.993 Exponential 0.00119 C-DS 0.2 0.2 0.162 4 cukup rendah C-DS 0 0.672 Exponential 0.226 5 agak rendah B-PF 0.307 4 cukup rendah 259 0 Linear 0.00237 182.00127 83.2 0.00019 0.00035 16.00001 0.794 Spherical 0.00062 0.1 0.159 3 rendah Akhir A-PF 0. B-PF.00011 0.00041 55.3 0.00047 93.418 5 agak rendah E-PF 0.607 5 agak rendah C-DS 0.00001 0.913 Spherical .908 Spherical 0 4 cukup rendah tanah) C-DS 0 0.782 8 cukup tinggi E-PF 0.1 0.00016 476.008 4 cukup rendah D-DS 0 0.244 3 rendah Akhir A-PF 0.00038 863.999 Spherical 0.3 0.00001 0.00237 0.0009 2040.999 Exponential 0.00085 D-DS 0.9 0.4 0.00013 40.2 0.821 Exponential 0.856 6 sedang 66.742 Exponential 0.00005 0.00005 0.191 5 agak rendah D-DS 0.7 Linear 0 7 agak tinggi E-PF 0.712 Exponential 0.00149 30.00003 0.881 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.226 5 agak rendah 250.9 0. P.00015 0.00009 0.

00867 130.95 1 amat sangat rendah C-DS 0.00026 59.00017 63.00208 0.00044 36.587 1 amat sangat rendah D-DS 0.00008 0.9 0.00788 290.89 Spherical 0.3 0.01104 0.6 0.926 Spherical 0.01388 24.043 1 amat sangat rendah C-DS 0. dan K Parameter semi-variogram Klasifikasi keragaman spasial Peubah Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman N Awal A-PF 0.4 0.00134 0.00267 35.984 Spherical 0 4 cukup rendah E-PF 0.00026 0.00002 0.746 Spherical 0.583 3 rendah C-DS 0.00105 462.099 5 agak rendah E-PF 0.00046 39.973 Spherical 0.803 1 amat sangat rendah D-DS 0.902 Exponential 0.01172 304.00655 86.7 0.402 1 amat sangat rendah D-DS 0.4 0.00433 198 0.561 Exponential 0.983 Exponential 0.7 0.82 6 sedang B-PF 0.00001 0.7 0.00366 25.Tabel 26 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara d aun N.00087 0.8 0.00867 0.6 0.143 4 cukup rendah (%) B-PF 0.761 8 cukup tinggi (%) B-PF 0.064 1 amat sangat rendah D-DS 0.00118 0.121 3 rendah B-PF 0.0022 47.03598 2078.514 4 cukup rendah .01612 25.189 1 amat sangat rendah C-DS 0 0.669 Spherical 0.834 Spherical 0.00704 182.00256 0.3 0.903 Spherical 0 4 cukup rendah Tengah A-PF 0.00014 0.865 Spherical 0.2 0.945 Spherical 0.00047 0.664 5 agak rendah E-PF 0.00629 150.139 4 cukup rendah B-PF 0.00003 0.00059 402.045 1 amat sangat rendah D-DS 0 0.667 Spherical 0.00016 0.00118 152 0 Linear 0.4 0 Linear 0.00028 0.991 Spherical 0.00048 406.693 Exponential 0.994 Spherical 0.00001 0.8 0.00988 24.7 0 Linear 0.00001 0.4 0.8 0.00036 0.696 6 sedang P Awal A-PF 0.4 0.00057 206.829 5 agak rendah Tengah A-PF 0.956 Spherical 0.00072 0.928 Spherical 0.00149 0.3 0. P.00027 34.00016 0.828 3 rendah C-DS 0.051 5 agak rendah E-PF 0.00704 0.849 Spherical 0 4 cukup rendah Akhir A-PF 0.996 Spherical 0.9 0.00064 456.4 0.2 0.782 Spherical 0.498 5 agak rendah E-PF 0.5 0.

9 0. P. B-PF.042 44.4 0.807 Spherical 0.5 bulan Tengah = pada umur tebu 6.00077 255.5 bulan Akhir = pada umur tebu 9.4 0 Linear 0.00011 182.3 0.5 bulan Akhir = pada umur tebu 9.112 4 cukup rendah B-PF 0.0389 0.00001 0.00007 0.5 0.00887 0.062 1 amat sangat rendah D-DS 0.03474 277.0005 0.9 1 Spherical 0. dan K (lanjutan) Parameter semi-variogram Klasifikasi keragaman spasial Periode Peubah pengama Plot Effective Nilai Kelas percobaan Nugget Sill Range Bentuk R2 Tingkat keragaman tan Q keragaman (m) Akhir A-PF 0.1478 1440.575 6 sedang Catatan: Periode pengamatan plot percobaan A-PF.0001 0.02122 105.5 bulan .03044 1803.589 Exponential 0.709 Exponential 0.00026 250.802 Exponential 0.174 3 rendah C-DS 0.2 0.0343 25.6 0.886 4 cukup rendah K Awal A-PF 0.Tabel 26 Parameter semi-variogram dan klasifikasi keragaman spasial unsur hara d aun N.0005 130.00001 0.739 Exponential 0.00011 0.00527 0.687 5 agak rendah E-PF 0.688 Spherical 0.997 Spherical 0 3 rendah (%) B-PF 0.045 0.0081 0. C-DS Periode pengamatan plot perco baan D-DS dan E-PF Awal = pada umur tebu 3 bulan Awal = pada umur tebu 4 bulan Tengah = pada umur tebu 6.848 Spherical 0.00007 28.585 5 agak rendah E-PF 0.942 6 sedang E-PF 0.00024 0.7 0 Linear 0.2 0.4 0.579 1 amat sangat rendah C-DS 0.683 4 cukup rendah AkhirA-PF-------BPF-------CDS-------DDS 0.3 0.1094 869.43 7 agak tinggi D-DS 0.737 Exponential 0.

7 0.6 152 0.2 54 0.375 4 cukup rendah 58 426.843 5 agak rendah 87 384.833 Spherical 0.8 51 0.077 6 sedang 201.1 68.864 Spherical 0.7 132.508 5 agak rendah 439 2004 2088.9 468.806 Exponential 0.29 171.812 4 cukup rendah .8 179.5 0.3 101.33 130.388 6 sedang 142.6 391 0.29 67.46 37.597 Exponential 0.818 Exponential 0.27 4 cukup rendah 67.66 130.1 99.336 6 sedang 166.399 4 cukup rendah 141.999 Linear 0.2 0.7 0 Linear 0.646 Spherical 0.3 0 Linear 0.64 130.645 Spherical 0.9 0.617 4 cukup rendah 15.7 0.46 171.7 0 Linear 0.109 4 cukup rendah 118 159.261 Linear 0.93 382.7 0 Linear 0.1 50.781 Exponential 0.64 166.9 0.93 5 agak rendah VI A-PF 4.9 0.49 110.931 Spherical 0.849 Exponential 0.444 6 sedang 515.174 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 63.72 4 cukup rendah 37.66 142.4 0.8 116.828 Exponential 0.5 Exponential 0.774 Exponential 0.4 402.5 0.9 113.3 193.749 4 cukup rendah B-PF 66.7 0.999 Spherical 0.23 867.94 5 agak rendah 9.2 0.08 178.49 171.93 130.931 Spherical 0.3 0 Linear 0.853 5 agak rendah C-DS 0.9 661.6 37.442 4 cukup rendah 46.42 41.9 400.7 0 Linear 0.4 82.33 515.3 0 Linear 0.2 60.972 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 32.555 4 cukup rendah 110.681 3 rendah 2.9 0.735 5 agak rendah 0.073 4 cukup rendah 382.6 753.5 225.79 4 cukup rendah 42.5 248.94 142 0.2 317.2 341.

009 4 cukup rendah 11.509 Exponential 0.9 68.5 bulan IV = pada umur tebu 4.8 0.2 68.7 0.B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 37.7 0 Linear 0.5 bulan V = pada umur tebu 5.839 8 cukup tinggi 92.1 0. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.5 bulan VII = pada umur tebu 9.5 bulan VI = pada umur tebu 6.5 0.998 Exponential 0. B-PF.929 Spherical 0.6 241.03 130.5 bulan Periode pengamatan plot percobaan D-DS dan E-PF I = tidak diamati II = pada umur tebu 2 bulan III = pada umur tebu 2.3 0.5 148.4 265.963 Spherical 0.5 bulan .881 4 cukup rendah 3.787 4 cukup rendah 0.1 1005.46 167.03 153.17 48.309 3 rendah 5.742 5 agak rendah 20.5 228.5 bulan IV = pada umur tebu 4.836 Exponential 0.1 44.693 Exponential 0.07 130.4 24.045 Linear 0.5 bulan V = pada umur tebu 5.7 374.71 97.2 45.836 Spherical 0 3 rendah Catatan: Periode pengamatan plot percobaan A-PF.001 4 cukup rendah 118.7 0.04 740.5 bulan VII = pada umur tebu 9.3 0.5 0.5 bulan VI = pada umur tebu 6.466 6 sedang 153.

28 5 agak rendah 171.952 Exponential 0.712 Spherical 0.793 35.785 56.015 100.928 0.38 3 rendah 0.999 Spherical 0.3 0 Linear 0.9 Spherical 0.4 0 Linear 0.152 1.001 1.839 5 agak rendah 0.999 Spherical 0.364 4 cukup rendah 0.2 0.956 Spherical 0.001 2.5 0.788 4 cukup rendah C-DS 0.9 0.54 7.928 0.175 Tabel 28 Parameter semi-variogram dan klasifikasi keragaman spasial jumlah daun hijau tebu Parameter semi -variogram Klasifikasi keragaman spasial Periode Plot Effective Kelas Tingkat pengamatan percobaan Nugget Sill Range Nilai Q Bentuk R2 keragaman keragaman (m) I A-PF 0.368 122.7 0.788 5 agak rendah 0.6 0.941 51 0.232 80.413 76 0.001 1.3 0.142 5 agak rendah 130.337 35.269 558.701 Exponential 0.9 0.893 Spherical 0.517 8 cukup tinggi 0.913 0.489 1335 0.095 3 rendah B-PF 0.392 4 cukup rendah 0.2 0.63 6.913 0.329 7 agak tinggi D-DS-------EPF ------II A-PF B-PF C-DS D-DS E-PF III A-PF B-PF C-DS D-DS E-PF IV A-PF B-PF C-DS D-DS E-PF V A-PF B-PF C-DS D-DS E-PF 0.8 1 Exponential 0.074 0.251 1.3 0.931 0.7 0 Linear 0.636 58.08 0.742 1.147 4 cukup rendah 152 0 Linear 0.466 1.141 1.999 Linear 0.892 Exponential 0 3 rendah 0.001 0.321 4 cukup rendah 0.447 46.15 5 agak rendah 0.2 0.783 3 rendah 0.24 7.06 4 cukup rendah .561 276.655 Spherical 0.2 0.3 0.352 84.819 4 cukup rendah 0.281 0.875 Spherical 0.977 78.929 Spherical 0.1 0.54 4.794 Exponential 0.931 0.847 5 agak rendah 0.906 Spherical 0.116 4 cukup rendah 0.001 1.5 0.326 190.9 Exponential 0.045 0.035 0.811 Exponential 0.383 182.8 0.422 62.792 3 rendah 0.131 0.096 4 cukup rendah 133.383 0.999 Spherical 0.103 4 cukup rendah 2.931 0.

4 0.5 bulan V = pada umur tebu 5.683 5 agak rendah 0.519 49.812 Exponential 0.VI A-PF B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 0.145 1.5 bulan Periode pengamatan plot percobaan D-DS dan E-PF I = tidak diamati II = pada umur tebu 2 bulan III = pada umur tebu 2.788 Exponential 0.3 0.1 5.4 0.481 7 agak tinggi 0.81 4.769 24.5 bulan VI = pada umur tebu 6.5 bulan V = pada umur tebu 5.1 0.999 Spherical 0.107 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.828 Spherical 0.551 3 rend ah 0.825 Spherical 0.223 24.5 bulan VII = pada umur tebu 9. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.651 57 0.068 4 cukup rendah 0.803 Exponential 0.865 Spherical 0 4 cukup rendah 0.142 0.822 9 tinggi 0.239 1.384 56.4 0.098 0.026 1. B-PF.5 bulan IV = pada umur tebu 4.8 0.5 bulan VII = pada umur tebu 9.723 4 cukup rendah 1.001 1.81 46 0.2 0.4 0.917 Spherical 0.5 bulan VI = pada umur tebu 6.274 98.979 Spherical 0 4 cukup rendah 0.811 Exponential 0.74 71.104 0.2 796.5 bulan .325 1.722 348.896 4 cukup rendah 0.5 bulan IV = pada umur tebu 4.

173 4 cukup rendah 49.881 6 sedang 0.521 2.793 1.793 152 0 Linear 0.3 0.837 4 cukup rendah VI A-PF 0.094 0.835 33.121 303.6 0.228 1.4 0.883 Exponential 0.599 3.751 46.922 146.01 4.333 2.811 Spherical 0.806 4 cukup rendah 94.887 Exponential 0.2 0.883 5 agak rendah 0.Tabel 29 Parameter semi-variogram dan klasifikasi keragaman spasial jumlah daun kering tebu Parameter semi -variogram Klasifikasi keragaman spasial Periode Plot Effective Kelas pengamatan percobaan Nugget Sill Range Nilai Q Bentuk R2 Tingkat keragaman keragaman (m) I A-PF -------BPF -------CDS -------DDS-------EPF ------IIA-PF -------BPF -------CDS -------DDS-------EPF ------III A-PF 0.931 Spherical 0.6 0.965 Exponential 0.831 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 0.87 4 cukup rendah 152 0 Linear 0.757 2.9 0.5 0.873 Spherical 0.18 5.85 5.795 Spherical 0.17 111.728 5 agak rendah 0.137 1.001 2.634 5 agak rendah C-DS 1.521 130.047 4 cukup rendah 1.778 4 cukup rendah .976 127.2 0.903 Spherical 0.9 0.35 2.333 0.024 4 cukup rendah B-PF 0.377 2.03 61.4 1 Spherical 0.019 0.045 1.289 5 agak rendah 259 0 Linear 0.3 0.932 219.993 Exponential 0.199 1.441 4 cukup rendah 0.

5 bulan VII = pada umur tebu 9.5 bulan V = pada umur tebu 5.718 3. 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 3.3 0.787 Exponential 0.609 4 cukup rendah 0.583 51.997 Spherical 0.8 0.85 0.01 6.22 47.061 56.01 0.892 Exponential 0.224 4 cukup rendah 7.5 bulan IV = pada umur tebu 4.998 Spherical 0.28 6.2 0.897 79.01 4.2 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 2.6 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.555 Spherical 0.5 bulan VI = pada umur tebu 6.472 5 agak rendah 1.01 0.53 0.5 bulan VI = pada umur tebu 6.6 0.1 0.023 626.1 0.5 bulan .857 110.5 bulan IV = pada umur tebu 4.998 Linear 0.B-PF C-DS D-DS E-PF VII A-PF B-PF C-DS D-DS E-PF 0.17 106.937 4 cukup rendah 14.7 0.928 28.802 4 cukup rendah 0.769 4 cukup rendah 4.815 Exponential 0.207 4 cukup rendah 1.5 bulan VII = pada umur tebu 9.3 0.848 105.999 Spherical 0. B-PF.01 3.007 5 agak rendah 5.5 bulan V = pada umur tebu 5.999 Exponential 0.

8 37.61 96.51 111.47 23.6 0.404 5 agak rendah D-DS 100.833 Spherical 0.728 4 cukup rendah E-PF 288 669.5 bulan V = pada umur tebu 5.2 108.21 215.5 bulan V = pada umur tebu 5.749 4 cukup rendah V A-PF 96.572 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.726 3 rendah D-DS 215.5 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 0.44 171.966 171.282 4 cukup rendah B-PF 2.528 4 cukup rendah C-DS 38.8 0.454 4 cukup rendah E-PF 9.4 0.1 89.8 51 0.07 100.63 76.7 0 Linear 0.835 Exponential 0.999 Spherical 0.739 4 cukup rendah B-PF 12.32 99.5 bulan III = pada umur tebu 2.642 6 sedang D-DS 1.89 152 0.7 0 Linear 0.199 4 cukup rendah C-DS 0.685 5 agak rendah E-PF 40.103 Linear 0.823 36.697 4 cukup rendah B-PF 80.912 Spherical 0.187 4 cukup rendah E-PF 18.4 121.61 130.1 0.5 55.53 4 cukup rendah B-PF 0.954 Spherical 0.51 130.7 0 Linear 0.57 Exponential 0.5 bulan .7 0 Linear 0.7 0.12 171.3 0.49 152 0.747 5 agak rendah B-PF 73.28 483 0.3 79.679 Spherical 0.4 142.999 Linear 0.806 Exponential 0.9 0.4 53.34 88.15 4 cukup rendah E-PF 7.1 186.474 Linear 0.5 bulan IV = pada umur tebu 4.73 115. B-PF.9 63.2 337.27 510.5 bulan IV = pada umur tebu 4.774 Spherical 0.759 4 cukup rendah D-DS 111.21 130.122 4 cukup rendah C-DS 0.5 71. C-DS Periode pengamatan plot perco baan D-DS dan E-PF I = pada umur tebu 1 bulan I = tidak diamati II = pada umur tebu 2 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.87 152.1 186.53 182.4 1 Spherical 0.999 Spherical 0.3 0.2 214 37.94 5.436 Linear 0.6 241 1316.496 Linear 0.108 4 cukup rendah VII A-PF 0.1 198.164 4 cukup rendah VI A-PF 93 342.812 Spherical 0.728 Spherical 0.965 Spherical 0.68 82.89 4 cukup rendah C-DS 60.6 51 0.9 0.365 Linear 0.6 1359 0.999 Linear 0.683 Exponential 0.455 5 agak rendah D-DS 96.1 259.5 0.3 0 Linear 0.069 4 cukup rendah B-PF 5.2 141.6 0.206 5 agak rendah D-DS -------E-PF -------III A-PF 0.768 4 cukup rendah C-DS 0.8 9.1 73.52 103.7 63 0.786 Exponential 0.07 130.2 0.008 4 cukup rendah C-DS 50.854 5 agak rendah IV A-PF 51.6 6.966 5.3 0.3 0.

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

902 Spherical 0.9 0.3 0.754 67.365 50 0.95 5 agak rendah IV A-PF 0.754 1.934 6 sedang D-DS 1.158 152 0 Linear 0. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.14 8.432 130.92 4.968 348.552 3.5 0.01 6.001 2.469 318.549 238.2 6.04 24.779 Exponential 0.2 0.728 3 rendah C-DS 1.3 0.5 bulan VI = pada umur tebu 6.811 Spherical 0.158 1.6 0.784 Spherical 0.3 0.276 4 cukup rendah D-DS -------E-PF -------III A-PF 0.868 173 0.3 0.8 1 Spherical 0.999 Spherical 0.527 4 cukup rendah C-DS 0.861 Spherical 0.913 3 rendah VII A-PF 0.963 7 agak tinggi E-PF 0.3 0.726 4 cukup rendah Catatan: Periode pengamatan plot percobaan A-PF.6 0.73 7.644 145.616 3.957 Exponential 0.303 3 rendah E-PF 0.5 Spherical 0.952 84.969 Spherical 0.443 89.01 7.687 5 agak rendah E-PF 0.113 4 cukup rendah C-DS 0.032 143.965 3.6 0.067 4 cukup rendah B-PF 2.493 111.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 1.811 42.18 233.296 9.721 3.835 5 agak rendah B-PF 0.572 171.7 0.1 0.376 4 cukup rendah B-PF 9.816 2.123 5 agak rendah D-DS 3.735 Exponential 0.575 4 cukup rendah B-PF 0.329 4 cukup rendah D-DS 0.017 4 cukup rendah C-DS 1 5.3 3.83 Spherical 0.754 152 0 Linear 0.797 Exponential 0.894 5 agak rendah C-DS 0.832 Spherical 0.885 Spherical 0.364 48.853 3.3 0.89 729.495 2. B-PF.001 1.1 0.647 5 agak rendah D-DS 2.8 0.7 0 Linear 0.2 0.999 Spherical 0.7 0 Linear 0.5 bulan V = pada umur tebu 5.5 bulan IV = pada umur tebu 4.528 75.228 4 cukup rendah E-PF 0.868 70.033 93.747 4 cukup rendah B-PF 0.3 130.208 1.258 1.572 2.524 4 cukup rendah B-PF 0.542 4 cukup rendah V A-PF 0.296 171.219 4 cukup rendah C-DS 1.27 7.2 1 Spherical 0.25 0 Linear 0.809 Exponential 0.5 bulan .589 51.704 Exponential 0.439 9 tinggi E-PF 1.3 0 Linear 0.21 50.159 5 agak rendah D-DS 0.95 21.999 Exponential 0.764 Spherical 0 4 cukup rendah VI A-PF 0.4 0.001 2.818 Spherical 0.163 282.718 3.432 2.

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

925 6 sedang D-DS -------E-PF -------II A-PF 0.7 0.63 47.8 152 0.15 30.405 4 cukup rendah E-PF 70.997 Spherical 0.37 130.1 72.6 0.37 72.84 259 0.526 4 cukup rendah C-DS 29.84 39.089 4 cukup rendah B-PF 36.2 0.828 Exponential 0.5 bulan V = pada umur tebu 5.7 Exponential 0.728 5 agak rendah Catatan: Periode pengamatan plot percobaan A-PF.72 20.6 1640.709 4 cukup rendah VI A-PF 5.16 38.465 4 cukup rendah B-PF 0.171 4 cukup rendah D-DS 58.552 Exponential 0.349 Linear 0.7 0.08 40.1 0. C-DS I = pada umur tebu 1 bulan II = pada umur tebu 2 bulan III = pada umur tebu 3.17 4 cukup rendah E-PF 90.3 54.321 7 agak tinggi D-DS 0.7 0 Linear 0.9 209.8 112.9 Spherical 0.14 667.219 5 agak rendah D-DS 91.5 bulan VII = pada umur tebu 9. B-PF.891 Spherical 0 4 cukup rendah B-PF 23.71 4 cukup rendah III A-PF 3.5 0.24 5 agak rendah C-DS 2.2 0.12 89.895 Spherical 0.3 0 Linear 0.087 5 agak rendah B-PF 9.35 112.6 485.92 121.875 Spherical 0.5 bulan VI = pada umur tebu 6.47 42.8 0.512 4 cukup rendah E-PF 90 231.3 1543.706 5 agak rendah IV A-PF 7.298 4 cukup rendah C-DS 10.211 5 agak rendah D-DS 112.5 30 0.81 Exponential 0.706 Exponential 0.38 32.935 Linear 0.5 110.3 0 Linear 0.003 4 cukup rendah E-PF 84.9 0.1 36.84 130.266 4 cukup rendah V A-PF 7.49 48 0.71 220.1 120.5 124 1222.35 34.9 0.26 182 0.7 37.999 Spherical 0.1 0.06 98.1 62.7 114.611 Exponential 0.59 23.8 30.68 62.2 0.4 0.148 5 agak rendah E-PF 30.7 0.564 4 cukup rendah C-DS 20.8 50.92 25.1 753.597 Exponential 0.2 280.5 bulan .7 0.14 28.59 171.7 42.984 Spherical 0.49 171.01 29.554 4 cukup rendah C-DS 36.311 Linear 0.026 4 cukup rendah C-DS 7.766 6 sedang D-DS 88.61 33.111 4 cukup rendah B-PF 0.998 Spherical 0.14 20.5 bulan IV = pada umur tebu 4.9 1 Spherical 0.831 Exponential 0.3 43.8 0.49 36.3 0.3 0.72 152 0 Linear 0.27 Linear 0.038 Linear 0.905 Spherical 0.92 49.7 0 Linear 0.607 4 cukup rendah VII A-PF 39.84 130.731 Exponential 0.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 4.279 4 cukup rendah B-PF 3.3 0.8 0.511 5 agak rendah C-DS 4.033 4 cukup rendah B-PF 0.631 7 agak tinggi D-DS 72.2 0.624 Spherical 0.28 94.1 72.77 Exponential 0.36 36.9 158.8 130.905 Spherical 0.05 37.3 0.33 130.17 130.004 5 agak rendah E-PF 78.19 Linear 0.

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

1 0.632 Spherical 0.32 5.675 65.369 1.951 Exponential 0.612 Spherical 0.798 971.172 0.3 0.998 Spherical 0.22 5 agak rendah D-DS 0.746 Exponential 0.2 0.001 2.582 Exponential 0.7 0.626 31.18 4.902 4 cukup rendah Akhir A-PF 0.999 Linear 0.7 0 Linear 0.7 0.999 Exponential 0.512 1 amat sangat rendah C-DS 0.7 0.9 Spherical 0.1132 76.047 0.979 5 agak rendah B-PF 0.276 1.765 Exponential 0.909 169 0.8 0.5 bulan Kadar air tanah dalam % periode pengamatan akhir pada umur tebu 9.607 1.854 Spherical 0.7 0.087 197.85 4 cukup rendah D-DS 1.1 0.001 1.3 1 Linear 0.4 0.857 5 agak rendah D-DS 0.965 188.025 5 agak rendah E-PF 0.965 3 rendah C-DS 0.001 1.689 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.4 0.854 4 cukup rendah Akhir A-PF 0.402 4 cukup rendah E-PF 0.003 5 agak rendah B-PF 0.797 5 agak rendah .811 Spherical 0.772 120.962 Spherical 0 5 agak rendah E-PF 1.147 2.0001 0.0114 0.001 2.199 195 0.72 1.998 Spherical 0.951 78.5 0.001 2.14 112.716 4 cukup rendah Sub soil Awal A-PF 0.95 Spherical 0.999 Spherical 0.089 4 cukup rendah C-DS 0.029 208.808 105 0.001 0.2 1 Spherical 0.7 0.11 0.1142 50.723 742.6 0.1138 29.884 87.369 130.5 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 0.999 Spherical 0.4 1 Spherical 0.983 4 cukup rendah B-PF 0.564 171.059 5 agak rendah D-DS 0.999 Spherical 0.363 6 sedang C-DS 0.952 4 cukup rendah E-PF 0.564 0.3 0 Linear 0.622 5 agak rendah E-PF 0.753 24.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 0.837 Exponential 0.126 177.79 3 rendah C-DS 0.712 51 0.7 0.011 5 agak rendah D-DS 0.0001 0.882 60.999 Linear 0.564 139 0.001 1.001 0.922 4 cukup rendah B-PF 0.894 3.01 4.777 4 cukup rendah B-PF 0.4 1.993 47.

377 3 rendah B-PF 0.4 0.019 59.857 Spherical 0.79 58.25 4 cukup rendah C-DS 5.44 1047.7 0.6 0.355 7 agak tinggi D-DS 6 73 300.918 Spherical 0.975 48 0.5 bulan periode pengamatan akhir pada umur tebu 9.Akhir A-PF 0.1 0.438 2.583 4 cukup rendah Catatan : periode pengamatan awal pada umur tebu 6.945 Exponential 0.5 bulan .746 Exponential 0.853 Spherical 0.19 20.165 3.4 37.591 7 agak tinggi E-PF 5.

775 Spherical 0.36 38.869 Spherical 0.5 0.587 Spherical 0.245 4 cukup rendah C-DS 9.6 Linear 0.9 0.533 2 sangat rendah Bobot A-PF 54 654.827 4 cukup rendah E-PF 34.002 4 cukup rendah D-DS 129 129 130.4 0.542 Exponential 0.8 72.7 0 Linear 0.863 Spherical 0.763 Exponential 0.3 0.581 4 cukup rendah Bobot A-PF 160 2294 44.501 Exponential 0.059 Linear 0.999 Spherical 0.906 5 agak rendah basah B-PF 3.1 0.3 0.028 4 cukup rendah D-DS 924 924 130.4 0.68 152 0 Linear 0.678 Exponential 0.1 706.45 113.4 50.42 3.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 8 105.87 81 0.99 9.7 0 Linear 0.26 2081.998 Exponential 0.1 177.1 139.7 0.93 Spherical 0.679 4 cukup rendah C-DS 2.576 5 agak rendah Bobot A-PF 5.12 140.3 0.581 84.801 Exponential 0.351 4 cukup rendah C-DS 535 569 152 0.7 0 Linear 0.3 304.86 115.2 0.25 20.2 38.4 0.672 878.661 6 sedang basah B-PF 1 1316 53.75 771.3 0.466 4 cukup rendah D-DS 1.548 Linear 0.879 Spherical 0.43 Linear 0.22 7.087 4 cukup rendah D-DS 444 2813 24.31 259 0.576 4 cukup rendah D-DS 6.3 0.559 5 agak rendah C-DS 5000 16050 118 0.33 8.9 0.81 14.5 0.167 3 rendah .839 Exponential 0.01 13.8 0.774 Spherical 0 3 rendah Bobot A-PF 1 352 25.842 Spherical 0 5 agak rendah E-PF 259 2141 46 0.98 152 0 Linear 0.512 5 agak rendah C-DS 3 1468 71.769 Exponential 0.1 0.324 5 agak rendah DAUN Bobot A-PF 876 2717 889.01 181.1 130.367 3 rendah kering B-PF 10 3955 86.86 130.423 4 cukup rendah D-DS 11.9 0.446 9 tinggi C-DS 16.803 3 rendah C-DS 1.514 4 cukup rendah D-DS 115.4 0.344 5 agak rendah basah B-PF 58.054 67.924 Spherical 0.687 7 agak tinggi TUNGGUL Bobot A-PF 99.616 4 cukup rendah C-DS 1 2010 40.7 0 Linear 0.5 Exponential 0.705 Exponential 0.175 4 cukup rendah kering B-PF 0.5 0.998 Spherical 0.5 1 Exponential 0.5 0.1 6.5 244.68 2.808 Spherical 0.446 4 cukup rendah E-PF 82.69 106.7 0.611 7 agak tinggi E-PF 2590 18920 72.676 4 cukup rendah E-PF 139.776 4 cukup rendah E-PF 334 1481 25.87 11.19 171.5 159 0.01 182.401 4 cukup rendah E-PF 4.413 4 cukup rendah BATANG Bobot A-PF 3000 22860 38.112 174.5 0.735 Exponential 0.324 4 cukup rendah D-DS 15200 51500 795.092 3 rendah basah B-PF 100 43000 54.463 3 rendah kering B-PF 0.69 74.3 0.1 0.48 4 cukup rendah E-PF 2.3 0.7 0.999 Spherical 0.997 Exponential 0.917 Exponential 0.889 Exponential 0.991 Spherical 0 4 cukup rendah kering B-PF 151 758.961 4.688 Spherical 0.

4 0.084 4 cukup rendah E-PF 1 563.4 0.84 4.012 4 cukup rendah basah B-PF 1 653.4 0 Linear 0.512 5 agak rendah D-DS 75 418.289 4 cukup rendah B-PF 0.35 227.734 4 cukup rendah C-DS 0.24 182.6 0.36 130.998 Spherical 0.6 0 Linear 0.01 31.42 152 0.816 Spherical 0.647 6 sedang D-DS 38 361.79 23.3 87.01 6.2 0.783 Spherical 0.76 193.999 Spherical 0 5 agak rendah D-DS 18.779 5 agak rendah C-DS 36.01 3.735 Exponential 0.2 38.233 5 agak rendah E-PF 82.016 6 sedang D-DS 0.796 72.6 0.2 378.36 18.737 Exponential 0.04 16.4 0.3 0.69 6.62 4 cukup rendah C-DS 19.5 bulan periode pengamatan akhir pada umur tebu 9.855 4 cukup rendah B-PF 10.2 52.8 0.99 Spherical 0.7 0.5 bulan .02 152 0.281 Linear 0.408 4 cukup rendah E-PF 7.1 0.742 Spherical 0.314 4 cukup rendah E-PF 155 585.74 65.57 366.07 64.714 33.805 Spherical 0.8 0.628 4 cukup rendah E-PF 0.3 0.71 33.527 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.79 21.633 Linear 0.01 7.71 294.48 142.49 152 0.3 0.999 Spherical 0.6 82.8 46.8 1 Spherical 0.821 Exponential 0.932 5 agak rendah Akhir A-PF 8.5 15.863 Linear 0.911 Spherical 0.834 4 cukup rendah C-DS 138.9 0.11 5 agak rendah D-DS 366.008 3 rendah Catatan: bobot biomassa dalam gram Tabel 36 Parameter semi-variogram dan klasifikasi keragaman spasial persentase penutupan gulma Parameter semi -variogram Klasifikasi keragaman spasial Periode Plot pengamatan percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 5.7 0 Linear 0.5 61.895 Spherical 0.038 4 cukup rendah kering B-PF 0.888 Spherical 0.677 4 cukup rendah C-DS 0.7 132.58 28.8 998 Spherical 0.05 4.11 98.1 0.1 75.5 0.997 Spherical 0.016 3 rendah Jumlah A-PF 0.557 29.7 0 Linear 0.176 53.6 67.1 161.463 3 rendah ruas B-PF 0.57 130.001 4 cukup rendah Bobot A-PF 16.998 Spherical 0.24 400.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 400.04 182.

9 0.0108 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 0.0305 0.7 0.082 5 agak rendah D-DS 0.758 Exponential 0.909 Spherical 0.853 5 agak rendah C-DS 0.0224 0.9 0.999 Spherical 0.875 Spherical 0.2562 83.953 5 agak rendah B-PF 0.358 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.5 bulan Bobot nira dalam gram periode pengamatan akhir pada umur tebu 9.2738 42.502 Exponential 0.834 Spherical 0.812 Spherical 0.948 4 cukup rendah D-DS 0.1322 50.835 Spherical 0.999 Spherical 0.0001 0.151 42.987 Spherical 0.6 0.0518 51.998 Spherical 0.5 bulan Bobot tebu dalam gram periode pengamatan akhir pada umur tebu 9.999 Linear 0.625 5 agak rendah E-PF 0.2336 56.1 1 Spherical 0.092 5 agak rendah D-DS 0.962 5 agak rendah B-PF 0.0003 0.1559 0.994 Spherical 0.1 0.0003 0.7 0.6 0.1892 68 0.999 Linear 0.185 63.38 4 cukup rendah C-DS 0.96 4 cukup rendah D-DS 0.2282 37.191 4 cukup rendah B-PF 0.743 Exponential 0.2922 82.8 0.0001 0.5 bulan .834 5 agak rendah E-PF 0.9 0.1784 60.9 0.325 1.2396 49.8 0.007 0.001 0.831 4 cukup rendah C-DS 0.1968 46.0001 0.0001 0.06 4 cukup rendah B-PF 0.7 0.20157 0.226 35.954 Spherical 0.886 Exponential 0.0286 0.5 0.188 5 agak rendah E-PF 0.652 5 agak rendah Akhir A-PF 0.0514 0.874 4 cukup rendah C-DS 0.0001 0.697 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.267 1649.3128 633.025 0.9 0.329 5 agak rendah E-PF 0.6 0.157 3 rendah Akhir A-PF 0.1552 50.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 0.9 1 Spherical 0.2016 152 0 Linear 0.57 290.523 241.0432 0.5 0.0205 0.

881 Exponential 0.925 4 cukup rendah D-DS 0.926 87.647 5 agak rendah B-PF 0.745 69.997 Linear 0.193 1.289 4 cukup rendah E-PF 0.317 130.997 Spherical 0.829 Spherical 0.171 1.8 0.522 4 cukup rendah C-DS 0.063 0.213 984.7 0 Linear 0.7 0.001 0.76 Exponential 0.682 4 cukup rendah B-PF 1.083 48.737 45.535 51 0.317 1.065 4 cukup rendah E-PF 0.664 Exponential 0.4 0.3 0.5 bulan Kadar gula dalam %Pol periode pengamatan akhir pada umur tebu 9.126 0.813 Exponential 0.048 4 cukup rendah C-DS 0.424 4 cukup rendah Akhir A-PF 0.493 4 cukup rendah C-DS 0.696 7 agak tinggi D-DS 1.998 Linear 0.999 Linear 0.995 76.5 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 0.494 186 0.7 0 Linear 0.72 4 cukup rendah B-PF 0.842 Spherical 0.5 bulan Brixdalam % periode pengamatan akhir pada umur tebu 9.389 3 rendah Catatan: periode pengamatan awal pada umur tebu 6.917 73.684 51 0.2868 1.001 0.407 1.519 6 sedang C-DS 0.4 0.884 4 cukup rendah D-DS 1.497 2.38 4 cukup rendah E-PF 0.42707 1.737 Exponential 0.9 0.3 0 Linear 0.229 4 cukup rendah E-PF 0.809 Exponential 0.001 0.7 0 Linear 0.055 42 0.277 1.569 4 cukup rendah Akhir A-PF 0.931 Spherical 0.9985 130.476 3 rendah Catatan: periode pengamatan awal pada umur tebu 6.99853 0.804 4 cukup rendah D-DS 0.6 0.173 0.059 0.3 0.483 2.7 0.775 4 cukup rendah B-PF 0.8 0.999 Spherical 0.391 51 0.681 1337.82 Exponential 0.142 0.067 925.001 0.876 Spherical 0.5 bulan .56 344.001 0.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 0.323 59 0.4271 130.2868 171.

173 0.001 5 agak rendah D-DS 18.59 22.2167 8.4048 55.80991 1.3242 93.248 4 cukup rendah B-PF 0.813 Exponential 0.84 1388.3 0.001 2.63713 0.505 1.169 4 cukup rendah C-DS 1.097 4 cukup rendah B-PF 0.2167 171.2492 76.816 Exponential 0.599 Exponential 0.4 0.925 4 cukup rendah D-DS 0.083 48.3484 37.2572 50.079 4 cukup rendah C-DS 0.2 1 Spherical 0.347 26.3 0.813 Exponential 0.3 0.7 0.915 Spherical 0 4 cukup rendah B-PF 8.2 0.311 3 rendah E-PF 0.607 6 sedang B-PF 1.1049 0.6 0.3 0 Linear 0.118 8.5 bulan Rendemen dalam % periode pengamatan akhir pada umur tebu 9.484 993.258 1353.741 Exponential 0.0001 0.895 Spherical 0.746 6 sedang C-DS 0.54007 0.0367 0.172 4 cukup rendah E-PF 0.46479 0.1161 18.657 Exponential 0.046 341.5 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 0.5401 171.6371 130.8099 152 0 Linear 0.569 4 cukup rendah Akhir A-PF 0.39 12.853 Spherical 0.188 2.089 0.314 4 cukup rendah E-PF 0.595 9 tinggi D-DS 0.204 25.Tabel 41 Parameter semi-variogram dan klasifikasi keragaman spasial nilai Purity Parameter semi-variogram Klasifikasi keragaman spasial Periode pengamatan Plot percobaan Nugget Sill Effective Range (m) Nilai Q Bentuk R2 Kelas keragaman Tingkat keragaman Awal A-PF 3.5 bulan Purity dalam % periode pengamatan akhir pada umur tebu 9.554 4 cukup rendah D-DS 4.701 4 cukup rendah C-DS 0.7 0 Linear 0.7 0 Linear 0.4648 130.926 87.6 0.3 0 Linear 0.116 130.754 5 agak rendah Catatan: periode pengamatan awal pada umur tebu 6.2 1 Exponential 0.6 0.789 923.842 Spherical 0.171 1.0001 0.9 1 Linear 0.0606 0.5 bulan .559 4 cukup rendah Akhir A-PF 0.7 0 Linear 0.843 Exponential 0.7 0.3 0.487 7 agak tinggi E-PF 0.476 6 sedang Catatan: periode pengamatan awal pada umur tebu 6.

7 70.03 288.855 4 cukup rendah B-PF 6.6 0.13 45.9 0.1 105.63 259 0 Linear 0.1 83.031 Linear 0.999 Spherical 0.63 81.48 130.57 4 cukup rendah E-PF 105.3 0.51 3 rendah C-DS 22.5 bulan Taksasi dalam ton/ha periode pengamatan akhir pada umur tebu 9.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 20.77 Exponential 0.8 51 0.99 130.2 44.017 4 cukup rendah Catatan: periode pengamatan awal pada umur tebu 6.999 Spherical 0.7 0 Linear 0.796 5 agak rendah B-PF 0.83 Linear 0.651 4 cukup rendah C-DS 0.99 43.7 0.1 149.48 56.4 84.904 Spherical 0.565 5 agak rendah D-DS 43.01 0.5 bulan .254 4 cukup rendah Akhir A-PF 0.999 Linear 0.63 108.84 152.072 4 cukup rendah E-PF 81.7 90.98 259 0.94 134.763 4 cukup rendah D-DS 56.7 0 Linear 0.

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

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

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

. Gambar 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 91 Semi-variogram nilai Taksasi Awal (ton/ha) tebu umur 6.5 bulan pada Plot Percobaan A-PF.5 bulan pada Plot Percobaan A-PF. . Gambar 92 Semi-variogram nilai Taksasi Akhir (ton/ha) tebu umur 9.

.5 bulan pada Plot Percobaan C-DS. Gambar 94 Semi-variogram nilai Taksasi Akhir (ton/ha) tebu umur 9.Gambar 93 Semi-variogram nilai Taksasi Awal (ton/ha) tebu umur 6.5 bulan pada Plot Percobaan C-DS.

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. Walaupun dengan pendekatan precision farming . Deviasi pupuk ditentukan berdasarkan selisih dosis antara . Perbedaan kebutuhan pupuk per sel pada setiap plot percobaan antara pendekatan precision farming dan dosis seragam disajikan pada Gambar 87 101. yang dalam hal ini tidak dapat disimpulkan jumlah kebutuhan pupuk dengan konsep precision farming lebih banyak atau lebih sedikit dari pada dosis seragam. Deviasi pupuk (kelebihan/kekurangan) setiap plot percobaan disajikan pada Gambar 107 116 dalam bentuk grafik dan Gambar 118 137 dalam bentuk peta spasial. Hal ini disebabkan kebutuhan pupuk tergantung pada tingkat ketersediaan hara yang ada. Informasi dari gambar-gambar tersebut menunjukkan bahwa aplikasi pupuk dengan dosis seragam tidak sesuai dengan kebutuhan spesifik lokasi (precision farming). menambah ketelitian kriging.Peta Informasi Lahan Pembuatan peta informasi lahan yang merupakan gabungan (overlay) antara peta spasial parameter pengamatan dan hasil analisa dengan peta kontur teoritisnya (ideal) disajikan pada Lampiran 2 49. Penggabungan peta kontur memperjelas dan informasi yang diperlukan. tetapi kalau hara yang tersedia sedikit sementara yang dibutuhkan banyak maka tentunya pupuk yang ditambahkan akan banyak dan sebaliknya. Semakin teliti informasi yang dihasilkan. 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. Lampiran 2 19 menunjukkan dosis pupuk yang diaplikasikan dengan diwakili warna dari setiap sel. Perbedaan jumlah kebutuhan pupuk setiap plot percobaan disajikan pada Gambar 101 106. Sebagai hasil keterangan yang serinci mungkin terhadap interval kontur yang ditentukan.

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

00 30.0. 0.00 10.00 60.00 AA-1AA-3AA-5AA-7AA-9AA-11AA-13AA-15AA-17AA-19AA-21AA-23AA-25AA-27AA-29AA-31AA-33 Kode sel Kebutuhan pupuk 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 80.00 20.00 80.00 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 20.00 30.00 30.00 70.00 60.00 70.00 60.00 10.00 40.00 70.00 50.00 50.00 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 40.00 50.00 80.00 10.00 20.00 40.

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

00 10.00 40.00 80.00 10. .00 70.00 40.00 60.00 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 40.00 30.00 50.00 20.00 60.00 70.00 80.00 30. 0.00 20.00 CC-1CC-2CC-3CC-4CC-5CC-6CC-7CC-8CC-9CC-10CC-11CC-12CC-13CC-14CC-15CC-16 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua 0.00 20.00 DD-1DD-2DD-3DD-4DD-5DD-6DD-7DD-8DD-9DD-10DD-11DD-12DD-13DD-14DD-15 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan target produksi GPM = dosis seragam dari PT Gula Putih Mataram Gambar 98 Perbedaan kebutuhan pupuk Urea pada Plot Percobaan D-DS.00 120.0.00 60.00 100.00 50.00 80.

00 80. .00 60.0.00 20.00 AA-1AA-3AA-5AA-7AA-9AA-11AA-13AA-15AA-17AA-19AA-21AA-23AA-25AA-27AA-29AA-31AA-33 Kode sel Kebutuhan pupuk 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.00 120.00 120.00 20.00 40.00 100.00 EE-1EE-3EE-5EE-7EE-9EE-11EE-13EE-15EE-17EE-19EE-21EE-23EE-25EE-27EE-29EE-31EE-33 EE-35EE-37EE-39EE-41EE-43EE-45 Kode sel Kebutuhan pupuk Urea/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama PF Pupuk Kedua GPM Pupuk Kedua 0.00 20.00 25.00 15.00 40.00 60.00 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 5.00 10. 0.00 100.00 30.00 80.

00 10. 0.00 25.00 20.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 30.00 Kebutuhan pupuk TSP/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama BB-1 BB-3 BB-5 BB-7 BB-9 BB-11 BB-13 BB-15 BB-17 BB-19 BB-21 BB-23 BB-25 BB-27 BB-29 BB-31 0.00 5.00 . 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 15.

00 20.00 25.00 30.00 15.00 Kebutuhan pupuk TSP/sel (kg) PF Pupuk Pertama GPM Pupuk Pertama CC-1 CC-2 CC-3 CC-4 CC-5 CC-6 CC-7 CC-8 CC-9 CC-10 CC-11 CC-12 CC-13 CC-14 CC-15 CC-16 .5.00 10.

00 90.00 40. 0.00 PF Pupuk Pertama GPM Pupuk Pertama DD-1 DD-2 DD-3 DD-4 DD-5 DD-6 DD-7 DD-8 DD-9DD-10DD-11DD-12DD-13DD-14DD-15 Kode sel Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 103 Perbedaan kebutuhan pupuk TSP pada Plot Percobaan D-DS.00 10.Kebutuhan pupuk TSP/sel (kg) 100.00 20.00 30.00 20.00 0.00 60.00 80.00 50.00 70.00 30.00 .00 10.

40.00 90.00 70.00 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 50.00 80.00 60. .

00 10.00 50.00 50.00 30.00 70.00 80.0.00 10.00 20.00 40.00 80.00 30.00 10.00 20. 0.00 60.00 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 0.00 80.00 70.00 40.00 90.00 40.00 50.00 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 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 20.00 30.00 60.00 60. .

00 80.0.00 100.00 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 KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua 0.00 40.00 20.00 50.00 120.00 60.00 60.00 50.00 140.00 40.00 CC-1CC-2CC-3CC-4CC-5CC-6CC-7CC-8CC-9CC-10CC-11CC-12CC-13CC-14CC-15CC-16 Kode sel Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua Catatan : PF = precision farming dengan rekomendasi pustaka GPM = dosis seragam dari PT Gula Putih Mataram Gambar 107 Perbedaan kebutuhan pupuk KCl pada Plot Percobaan C-DS. 0.00 10.00 40.00 60.00 Kebutuhan pupuk KCl/sel (kg) PF Pupuk Kedua GPM Pupuk Kedua DD-1 DD-2 DD-3 DD-4 DD-5 DD-6 DD-7 DD-8 DD-9DD-10DD-11DD-12DD-13DD-14DD-15 .00 160.00 20.00 30.00 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.

00 1500.00 20.00 1000.00 80.00 3000.00 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 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 0.00 100.00 120.75 0.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming Dosis Seragam Urea TSP KCl .85 135.00 20.00 2500.16 896.00 160.00 60.00 140.00 120.00 40. Perbedaan Kebutuhan Pupuk Plot Percobaan A 2307.00 160.72 1718.00 500.00 140.00 60.88 2241.00 100.0.74 2636.00 2000.00 40.00 80.

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

00 434.Perbedaan Kebutuhan Pupuk Plot Percobaan B 1416.00 600.00 500.00 1400.00 2500.67 2173.00 2000. Perbedaan Kebutuhan Pupuk Plot Percobaan C 1086.00 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.00 400.47 109.00 1000.35 0.00 1000.96 0.00 200.00 1200.78 0.90 1666.74 869.33 1270.00 1500.57 1977.91 0.00 Precision Farming Dosis Seragam Precision Farming Dosis Seragam Precision Farming .00 833.00 800.

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

00 2500.00 0.00 1000.00 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 0.00 2000.00 2000.17 652.00 500.00 500.00 2500.01 1630.17 652.49 1250.43 740.Perbedaan Kebutuhan Pupuk Plot Percobaan D 1964.43 740.00 1500.00 1000.49 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 1964.17 1929.00 1500.01 1630.17 1929. Perbedaan Kebutuhan Pupuk Plot Percobaan E .

00 6000.52 5995.30 1046.00 0.00 2000.50 1956.00 7000.00 5000.58 3750.00 4000.5648.00 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.74 4891. .00 3000.

0 -60.0 40.0 -40.0 40.0 -20.0 80.Gambar 115 Deviasi pupuk per sel Plot Percobaan A-PF.0 AA-1 AA-3 AA-5 AA-7 AA-9 AA11 AA13 AA15 AA17 AA19 AA21 AA23 AA25 AA27 AA29 AA31 AA33 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk per sel Plot Percobaan A -80.0 0.0 -60.0 60. Deviasi Pupuk per sel Plot Percobaan A -80.0 20.0 AA-1 AA-3 AA-5 AA-7 AA-9 AA11 AA13 AA15 AA17 AA19 AA21 AA23 AA25 AA27 AA29 AA31 AA33 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk Plot Percobaan A 761.0 20.58 .0 -20.0 80.0 -40.0 60.0 0.

00 -1000.00 -500.17 -2000.00 1000.00 0.97 -1727. .20 1661.00 500.00 2000.-917.00 1500.00 -1500.00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 116 Deviasi pupuk Plot Percobaan A-PF.

0 10.0 10.0 0.23 131.0 50.52 -400.00 .Gambar 117 Deviasi pupuk per sel Plot Percobaan B-PF.82 -311. Deviasi Pupuk per sel Plot Percobaan B -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 20.02 759.0 0.0 -10.0 40.00 -200.0 -10.0 20.0 30.0 BB-1 BB-3 BB-5 BB-7 BB-9 BB11 BB13 BB15 BB17 BB19 BB21 BB23 BB25 BB27 BB29 BB31 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk Plot Percobaan B 791.0 30.0 50.

00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 118 Deviasi pupuk Plot Percobaan B-PF.00 600.00 800.00 400. .0.00 1000.00 200.

15 434.Gambar 119 Deviasi pupuk per sel Plot Percobaan C-DS.0 -60.0 80.0 -20.0 -60.0 20.00 -400.0 0.0 80.0 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. Deviasi Pupuk per sel Plot Percobaan C -80.0 CC-1 CC-2 CC-3 CC-4 CC-5 CC-6 CC-7 CC-8 CC-9 CC10 CC11 CC12 CC13 CC14 CC15 CC16 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Deviasi Pupuk per sel Plot Percobaan C -80.0 -20.33 -1200.00 -1000.00 -200.00 .0 60.0 40.78 833.75 -932.0 60.00 -600.0 -40.00 -800.00 0.0 -40.0 40.0 20.0 0.

.00 600.200.00 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Jumlah pupuk (kg) Gambar 120 Deviasi pupuk Plot Percobaan C-DS.00 1000.00 400.00 800.

0 80.0 60.0 -20.0 100.0 0.0 -60.0 -80.0 0.0 DD-1 DD-2 DD-3 DD-4 DD-5 DD-6 DD-7 DD-8 DD-9 DD10 DD11 DD12 DD13 DD14 DD15 Kode sel Jumlah pupuk (kg) Urea Pertama Urea Kedua TSP KCl Gambar 121 Deviasi pupuk per sel Plot Percobaan D-DS.0 100.0 -100.00 1000.0 -100.0 -40.0 -20.0 -60.0 -40.0 40.0 20. Deviasi Pupuk Plot Percobaan D Jumlah pupuk (kg) 1500.Deviasi Pupuk per sel Plot Percobaan D -120.0 20.00 .0 60.0 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 -120.0 80.0 -80.

00 -1500.99 -1262.00 0.15 -679.00 929.73 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Gambar 122 Deviasi pupuk Plot Percobaan D-DS. .00 -1000.49 -87.00 -500.500.

0 100.00 -5000.0 -80.0 -100.00 -4000.0 -80.00 1000.0 20.0 80.0 40.0 0.0 60.0 -20.0 -40.Deviasi Pupuk per sel Plot Percobaan E -120.0 80.00 0.0 0.0 -40.0 20.0 -60.0 -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 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 -120.00 -3000.00 3000.00 -2000.00 2000.0 60.0 -20.00 -1000. Deviasi Pupuk Plot Percobaan E 4000.00 .0 40.0 -60.

07 -3865.58 Urea Pertama Urea Kedua TSP KCl Jenis pupuk Gambar 124 Deviasi pupuk Plot Percobaan E-PF. Jumlah pupuk (kg) .3108.50 910.02 -2245.

57 434.88 1416.81 53.52 (kg) KCl Precision Farming Dosis Se ragam 2636.96 -37.45 Inefisiensi (%) Tingkat Inefisiensi Pemupukan 800.98 -11.47 692.00 700.00 5995.30 Jumlah Precision Farming 135.47 -34.91 1086.00 Inefisiensi (%) Urea TSP KCl -2.00 .75 1977.74 869.85 2173.50 TSP pupuk Dosis Seragam 896.00 740.300 Tabel 44 Perbedaan kebutuhan pupuk dan tingkat inefisiensi pemupukan Plot Percobaan A-PF B-PF C-DS D-DS E-PF Urea Precision Farming 2307.16 109.01 5648.58 3750.47 1270.78 652.41 86.67 0.17 1046.33 1929.72 1718.00 833.96 1630.43 4891.89 -35.90 1666.74 Dosis Seragam 2241.35 1964.17 1956.44 berlebihan berlebihan -16.49 1250.74 -14.22 -13.37 -15.86 563.74 0.

00 ABCD E Plot Percobaan Gambar 125 Tingkat inefisiensi pemupukan setiap plot percobaan.00 -100.00 100.00 0.41 53.600.98-14.89-15.81 Urea TSP 300.47 692. .47 -2.96 -16.00 400.00 KCl 200.44 -13.00 500.74 -35.00 563.86 -11.45-34.22 -37.37 86.

0 49.060.4 51.5 53.3 49.3 46.1 49.3 42.0 56.0 60.7 49.7 49.44.3 PETA SPASIAL 44.4 49.4 49.0 46.0 49.4 56.5 49.8 51.060.1 44.3 58.0 44.0 49.7 51.8 44.8 51.7 44.0 46.9 53.9 53.9 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) ____ 44.3 42.0 53.0 58.8 .4 51.3 53.8 42.0 46.

3 49.4 56.3 46. 9.3 53.0 58. 2 27.0 53.0 3.7 3.7 51.9 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Meters U batas sel Keterangan : jumlah kelebihanpupuk Urea pada setiapsel (dalamkg) ____ 44.8 42.1 44.4 51.2 27.0 46.4 49.0 49.4 4.5 49.3 58.0 56.2 27.4 6.4 51.1 49.5 53.7 44.44.8 51.3 27.3 PETA SPASIAL Gambar 126 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan A-PF.8 51. 2 .0 44.4 49.0 60.

2 27. 2 27.2 27. . 2 27.5 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. 2 27.2 27.2 27.2 27.2 27. 2 27.2 27.2 27.2 27. 2 27.2 27.8 27.3 PETA SPASIAL Gambar 127 Peta spasial kelebihan pupuk TSP pada pemupukan pertama Plot Percobaan A-PF.2 14. 2 27.27. 2 13.2 27.

1 49.8 52.2 56.4 49.7 57.1 52.0 53.6 50. 1 -47.6 49.1 -44.1 52.3 52.1 56.5 60.8 60.6 50.0 54.1 -46.8 -47.51.0 53.0 53.4 53.254.9 48.6 54.6 60.2 52.254.3 51.2 54. 1 -47.1 55.8 60.4 -47.1 .6 -42.1 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 -42.3 55.4 49.

1 55.6 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 Meters U batas sel Keterangan: jumlahkekurangan pupuk Urea pada setiap sel (da lam kg) ____ PETA SPASIAL -42.6 49.2 52.3 Gambar 128 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan A-PF.6 -42.6 50.8 52.6 -24.4 53.8 -47.0 53.4 27.2 56.7 57.2 27.0 54.6 50.1 -44.9 48.4 -47.2 29.1 54.1 49.2 54.1 27. 430.-46.5 60.6 60.5 -24.1 56.6 29.9 31.3 52.3 .3 55. -24.6 54.

.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 -24.1 Gambar 129 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan A-PF.4 32.5 32. 2 25.7 26. 8 30. 5 28.2 27.3 26.3 30.9 25.8 29.0 28.6 26.6 -24.1 -24. 3 25.26. 1 27. 6 30. 4 26. 8 25. 3 31.9 29.

0 21.4 19.2 23.6 18.3 21. 9 24.9 12.9 21.5 26.9 31.9 26. 6 21.3 23.5 26.5 21.2 21.3 29.9 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 26.6 21.2 19.0 21.9 29.6 19.9 26.7 24.6 38.6 29.3 31.26. 6 .0 33.6 31.3 21.0 24.

6 31.2 23.2 19.6 19.5 26.6 29.9 21.2 21.3 31.21.0 21. .9 12.3 21.4 19.0 21.3 23.9 29.9 26.5 26.0 24.6 38.6 18.9 31.6 21.3 21. 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 12.3 29.9 26.0 Gambar 130 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan B-PF.7 24.5 21.0 33.

2 15.6 15.2 27.2 27.8 Gambar 131 Peta spasial kelebihan pupuk TSP pada pemupukan pertama .2 27.2 27.2 27.2 10.9 19.2 27.2 24.3 27.2 27.2 27.2 27.3.8 20.2 27.7 27.2 27.9 27.2 27.2 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Meters KELEBIHAN PUPUKTSP Plot Percobaan B batas petak dan sel jumlah kelebihan pupuk TSP pada seti ap sel (dalam kg) yang t idak diamati batas sel yang diamati____ Ket erangan : U PETA SPASIAL 3.2 27.2 27.6 27.2 27.9 27.2 10.2 27.2 27.2 27.2 13.

Plot Percobaan B-PF. .

7 2.9 12.0 11.3 8.1 4.2 10. 3 2.2 3.9 3.2 22.4 4.9 6.0 -0.5 2.4 2.6 10.7 7.0 1.5.0 6.1 3.2 7.8 3.4 3.8 5.1 17.8 8.2 0.5 -0. 1 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 50 75 Meters KELEBIHAN / KEKURANGAN PUPUK UREAKEDUA Plot Percobaan B batas pet ak dan sel jum lah kekurangan pupuk Urea pada seti ap sel (dalam kg) yang tidak diamati batas sel yang diamati____ Keterangan : U . 1 -1.3 3.8 16.

1 -1.6 10.1 4.0 6.2 7.PETA SPASIAL jum lah kelebihan pupuk Urea pada seti ap sel (dalam kg) -0.3 0.0 1. 3 2.8 16.8 3.4 4.2 10.3 3.2 22.9 12.4 3.1 3.4 2.3 8.1 17.0 11.8 5.0 -0.2 0.5 -0.8 8.9 3.7 2.5 2.9 5.7 7.2 3.9 6. 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) .

6 8.8 11.5 13. 2 -6.6 13.2 -4.8 8.9 Gambar 132 Peta spasial kelebihan/kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan B-PF. 9 -5.7 -0.5 14.0 7.2 -6.1 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 . 3 -6.yang tidak diamati batas sel yang diamati____ Keterangan : U PETA SPASIAL jum lah kelebihan pupuk Urea pada seti ap sel (dalam kg) -0.4 14.3 7. 1 15.6 13.9 11. 3 13. 0.3 8. 7 11.8 0. 4 16.7 11.3 9.4 8. 8 14.2 9.3 0.6 16.2 11.1 12.

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

8 44.8 48.4 55.8 46.8 46.7 46.4 53.3 43.8 44.4 55.8 48.8 46.8 46.1 43.1 37.3 43.1 44.1 43.2 43.3 0 0 50 .1 37.7 46.8 46.51.7 46.4 53.4 50.8 46.2 51.4 50.1 44.7 46.2 43.3 0 0 50 50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : batas petak dansel yangtidak diamati batas se lyangdiamati____ jumlah kelebihan pupuk Urea pada setiap sel (dalamkg) 25 0 25 Meters U PETA SPASIAL 37.

2 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 27.2 27.2 27.2 27.2 27.50 100 100 150 150 0 0 50 50 100 100 150 150 200 200 250 250 Keterangan : batas petak dansel yangtidak diamati batas se lyangdiamati____ jumlah kelebihan pupuk Urea pada setiap sel (dalamkg) 25 0 25 Meters U PETA SPASIAL 37.2 27.2 27.2 27.2 27.2 Gambar 134 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan C-DS.2 27.2 27. 27.2 27.2 27.

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

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

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

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

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

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

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

250 250

250 250

pupuk Urea pada pemupukan kedua

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

3 67.6 67.9 66.2 63.8 74.1 70.7 67.6 62.9 70.2 74.3 62.7 70.9 70.1 70.9 67.2 67.3 66.1 70.6 62.9 70.9 58.6 70.1 0 0 50 50 100 100 150 150 200 200 250 250 .1 70.9 70.1 62.6 63.3 73.3 70.1 67.7 62.1 55.781.5 62.1 78.1 74.9 81.U batas sel Keterangan : jumlah kelebihan pupuk Ure a pada setiap sel (da lam kg) ____ 50 0 50 Meters 70.1 70.1 66.2 70.1 70.6 70.9 81.1 74.1 67.

1 66.9 70.150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL 58.9 U batas sel Keterangan : jumlah kelebihan pupuk Ure a pada setiap sel (da lam kg) ____ 50 0 50 Meters 70.9 81.7 62.9 70.9 81.2 67.8 74.6 62.1 78.7 67.9 66.1 67.3 62.1 55.3 73.3 70.6 70.9 67.781.1 67.1 74.1 0 0 50 50 .1 62.1 74.7 70.1 70.2 70.1 70.9 70.3 67.1 70.2 63.1 70.6 62.3 66.1 70.9 70.9 58.6 70.6 67.6 63.2 74.1 70.5 62.

5 43.5 .5 43. 5 43.0 12 .5 10 .5 -9. 512.5 17. KELEBIHAN / KEKURANGAN PUPUK TSP Plot Percobaan E U batassel Ketera ngan: jumlah kekurangan pupuk TSP padasetiapsel (dalam kg) ____ 50 0 50 Meters 1.3 6.7 1.5 43.5 41 .100 100 150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL 58.4 32. 5 43.2 43 .4 30 .5 43.9 Gambar 142 Peta spasial kelebihan pupuk Urea pada pemupukan pertama Plot Percobaan E-PF.3 43 .5 22 .5 43.2 14 . 6 11.5 42.6 43 .6 0. 5 43. 3 29. 2 43.2 43 .3 28.5 20. 5 43.6 34.5 43.2 43 .2 17.2 21 .

8 -19 .2 -24.5 0 0 50 50 100 100 150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL jumlah kelebihanpupuk TSP padasetiapsel (dalam kg) -9.-2 5.3 0.7 Gambar 143 Peta spasial kelebihan/kekurangan pupuk TSP pada pemupukan pertama Plot Percobaan E-PF.1 -22. .5 39.5 39 .5 -13 .

0 -81.8 97.5 -7 6.5 94.9 -87.3 93.3 -88.5 -80.3 -8 5.6 -8 7.6 -8 9.3 92.2 -8 6.2 9 1.3 -85.0 1 00.7 9 3.7 9 1.3 -86.3 -7 1.2 9 3.5 -89.1 91.5-70.5 -89.9 -80.4 9 1.8 -88 .5 -85.1 92.2 92.2 98.6 -78.0 100.5 -47.2 -66.8 -87.6 -86.6 -8 8.2 95.U batas sel Ke terangan : jumlahkekuranganpupukUrea pada setiap sel (da lam kg) ____ 50 0 50 Meters -7 7.9 -67.2 0 0 50 50 100 100 150 150 200 200 250 250 150 150 .7 -81.4 -87.8 -7 7.

0 1 00.8 97.5 -89.8 -7 7.5 -7 6.6 -78.7 -81.6 -86.3 92.9 -80.200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -47.3 -8 5.2 9 3.3 -7 1.6 -8 7.2 -8 6.5 -85.4 9 1.3 -85.8 -87.6 -8 9.9 -87.1 92.3 -88.8 -88 .5-70.7 9 3.0 100.9 -67.1 91.5 -80.6 -8 8.2 9 1.3 -86.7 9 1.2 92.4 -87.5 94.2 U batas sel Ke terangan : jumlahkekuranganpupukUrea pada setiap sel (da lam kg) ____ 50 0 50 Meters -7 7.2 95.5 -89.5 -47.0 -81.3 93.2 -66.2 98.2 0 0 50 50 100 100 .

KEKURANGAN PUPUK KCl Plot Percobaan E U batas sel Keterangan : jumlahkekuranganpupuk KCl pada setiap sel (da lam kg) ____ 50 0 50 Meters -36.0 54.5 .2 53.5 56.150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -47.8 50.8 56.9 54.6 59.7 47.9 52.6 -49.1 -49.9 46.343.5 54.5 50.8 52.0 53.5 49.7 52.2 49.2 Gambar 144 Peta spasial kekurangan pupuk Urea pada pemupukan kedua Plot Percobaan E-PF.4 55.5 47.4 42.9 54.6 56.9 48.5 45.0 55 .6 49.0 46.4 -30.8 51.1 49.0 40.

6 Gambar 145 Peta spasial kekurangan pupuk KCl pada pemupukan kedua Plot Percobaan E-PF.42.2 45.2 44.4 -56.7 57.0 0 0 50 50 100 100 150 150 200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 PETA SPASIAL -30. .1 48.1 56.2 44.951.4 52.

P. Program komputer tersebut dibuat dalam bahasa Delphi 7.880 untuk N pemupukan kedua. Keterangan selengkapnya untuk akurasi tersebut disajikan pada Lampiran 1.9253 untuk N pemupukan pertama. dan penyakit yang baik.8836 untuk P pemupukan pertama. Data yang berkualitas berkaitan dengan pemupukan adalah bahwa data hasil tebu dan kadar gula diperoleh dari kegiatan budidaya seperti pemupukan.Sistem Pendukung Keputusan Sistem Pendukung Keputusan untuk Pendekatan Precision Farming dalam Pemupukan N. pengendalian gulma. (3) Surfer 8 dari Golden Software. P. kandungan hara daun N. irigasi. dan (4) ArcView 3. Jumlah data yang diperoleh hanya 11 pasang sehingga tidak tersedia data untuk test. (2) GS+ for Windows dari Gamma Design Software.3 dari Environmental Systems Research Institute. Hasil traning menunjukkan akurasi yang baik yaitu R2=0. 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). P. Tampilan STRAFERT-PF disajikan pada Gambar 146 160. dan R2=0. Ketersediaan data yang banyak dan berkualitas sangat diperlukan untuk mendapatkan bobot hubungan yang lebih akurat. (2) jumlah hara N dan K yang dibutuhkan oleh tanaman tebu pada pemupukan kedua dengan hasil tebu dan kadar gula. hama. K. R2=0. R2=0. yaitu (1) Backpro2N dari Rudiyanto dan Budi Indra Setiawan.0.92 untuk K pemupukan kedua. Pemupukan yang baik selain tepat jumlah dan tempat juga harus tepat mutu. GS+ for Windows digunakan untuk analisa keragaman spasial beberapa parameter seperti kandungan hara tanah N. K. STRAFERT-PF menggunakan empat software untuk mendukung operasionalnya. waktu. Pada menu utama STRAFERT-PF. dan jenis. Data yang digunakan untuk training disajikan pada Tabel 13 Bab III. 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. . 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.

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

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

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

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

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 156 Tampilan contoh keluaran analisa keragaman spasial. Gambar 157 Tampilan pembuatan kontur dengan Surfer 8.

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

.Gambar 160 Tampilan menu Help.

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

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

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

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

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

Gambar 162 Kecenderungan pertumbuhan hara tanah P.

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

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

0.2 1.6 1. .5 bulan Umur tebu Gambar 166 Kecenderungan pertumbuhan hara daun K.2 0.4 1.8 2 K hara daun (%) Plot A Plot B Plot C Plot D Plot E 3 bulan 4 bulan 9.8 1 1.6 0.4 0.

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 5.5 bulan 4.5 bulan 4.50 60 70 80 90 100 110 120 1 bulan 2 bulan 3.5 bulan 9.5 bulan 4.5 bulan 5.5 bulan Umur tebu Jumlah AnakanPlot A Plot B Plot C ( a ) 60 80 100 120 140 160 180 2 bulan 2. .5 bulan 6.5 bulan 6.5 bulan 9.5 bulan Umur tebu Jumlah AnakanPlot D Plot E ( b ) Gambar 167 Kecenderungan pertumbuhan jumlah anakan tebu.5 bulan 5.5 bulan 6.

5 bulan 5.5 bulan 9.5 bulan 6.5 bulan 9.5 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 Umur tebu Jumlah daun hijau tebuPlot D Plot E ( b ) Gambar 168 Kecenderungan pertumbuhan jumlah daun hijau tebu.5 bulan 5.5 bulan 6.5 bulan 4.5 bulan 4.5 bulan 6.5 bulan 5.5 bulan Umur tebu Jumlah daun hijau tebuPlot A Plot B Plot C 6 8 10 12 14 16 18 20 1 bulan 2 bulan 3.5 bulan 9. .6 8 10 12 14 16 18 20 1 bulan 2 bulan 3.5 bulan 4.

5 bulan 6.5 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 3.0 5 10 15 20 25 1 bulan 2 bulan 3.5 bulan 4.5 bulan 5.5 bulan 9.5 bulan 6.5 bulan 9.5 bulan 5. .5 bulan 9.5 bulan Umur tebu Jumlah daun kering tebuPlot D Plot E ( b ) Gambar 169 Kecenderungan pertumbuhan jumlah daun kering tebu.5 bulan 5.5 bulan 4.5 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 9.5 bulan 6.5 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 Umur tebu Diameter tebu (mm) Plot A Plot B Plot C ( a ) 10 12 14 16 18 20 22 24 26 2. .5 bulan 4.5 bulan Umur tebu Diameter tebu (mm) Plot D Plot E ( b ) Gambar 170 Kecenderungan pertumbuhan diameter tebu.5 bulan 9.5 bulan 6.5 bulan 4.5 bulan 6.14 16 18 20 22 24 26 28 2 bulan 3.5 bulan 5.5 bulan 9.5 bulan 5.5 bulan 5.5 bulan 4.

5 bulan 6.5 bulan Umur tebu Tinggi tanaman tebu (cm) Plot A Plot B Plot C 0 50 100 150 200 250 300 2 bulan 3.5 bulan 4.5 bulan 5.5 bulan 9.5 bulan 4.5 bulan 5.5 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 Tinggi tanaman tebu (cm) Plot A Plot B Plot C ( a ) 0 50 100 150 200 250 2.5 bulan 4.5 bulan 6.0 50 100 150 200 250 300 2 bulan 3. .5 bulan 9.5 bulan 9.5 bulan 6.

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

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

2 3.5 bulan 9.6 6.5 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 3.2 3.8 4 4.Gambar 175 Kecenderungan pertumbuhan bobot tebu.5 bulan 9.4 4.5 bulan Umur tebu Bobot tebu (kg) Plot A Plot B Plot C Plot D Plot E 6 8 10 12 14 16 18 20 6.6 6.4 3.4 4.5 bulan 9.6 3. 3 3.4 3.2 4.2 4.5 bulan Umur tebu Pol (%) Plot A Plot B Plot C Plot D Plot E 3 3.8 4 4.

.6.5 bulan 9.5 bulan Umur tebu Pol (%) Plot A Plot B Plot C Plot D Plot E Gambar 176 Kecenderungan pertumbuhan nilai Pol.

Rendemen (%) 11 10 9 8 7 6 5 4 3 2 Plot Plot Plot Plot Plot A B C D E 6. 50 55 60 65 70 75 80 85 90 95 Taksasi tebu (ton/ha) Plot A Plot B Plot C Plot D Plot E 6.5 bulan 9.5 bulan Umur tebu Gambar 178 Kecenderungan pertumbuhan nilai taksasi.5 bulan 9.5 bulan Umur tebu Gambar 177 Kecenderungan pertumbuhan nilai rendemen. .

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 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 ( top soil ) 12 14 16 18 20 22 24 6.5 bulan 9.5 bulan 9.5 bulan 9.12 14 16 18 20 22 24 6.

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

27 Taksasi A 33 73. Deviation (ó) CV P(m ±a) C 16 5.9 9 .98 56.30 8.23 101.83 8.15 52.15 awal (%) A 33 4.04 4.21 81.61 68.56 90.03 53.55 17.74 a = nilaió terendah pada masing-masing peubah Distribusi frekuensi 70% 60% 50% 40% 30% 20% 10% 0% HISTOGRAM RENDEMEN pada TAKSASI AWAL 2 .6 6 .17 69.05 6.11 D 15 45.65 41.01 1.3 3 .51 6.46 7.71 6.23 5.48 7.10 7.89 6.88 4.10 10 .71 68.92 D 15 2.66 6.8 8 . .96 51.01 25.59 9.89 16.01 118.35 awal E 45 39.40 3.11 Rendemen pada Taksasi Awal (%) Plot Plot Plot Plot Plot Percobaan Percobaan Percobaan Percobaan Percobaan A B C D E Gambar 186 Histogram rendemen pada taksasi awal.37 56.83 53.56 B 32 60.23 0.48 11.4 4 .47 87.56 11.24 78.01 8.42 6.69 106.99 55.95 (%) C 16 65.43 9.73 61.97 11.Tabel 45 Deskripsi statistik rendemen dan taksasi setiap plot percobaan Peubah Plot Percobaan N Min Max Mean (m) Std.21 0.18 32.61 taksasi E 45 2.96 0.27 Rendemen pada B 32 5.5 5 .07 0.7 7 .94 13.

Analisa Biaya .60 60 .HISTOGRAM TAKSASI AWAL 0% 10% 20% 30% 40% 50% 60% 30 . Tabel 46 menunjukkan bahwa biaya pemupukan dengan pendekatan precision farming (Plot Percobaan A-PF.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 . Pada tingkat kesuburan tanah yang sangat rendah maka penentuan dosis pupuk dengan pendekatan precision farming tentunya merekomendasikan kebutuhan .90 90 .70 70 110 120 Taksasi Awal (ton/ha) Distribusi frekuensiPlot Percobaan Plot Percobaan B Plot Percobaan C Plot Percobaan D Plot Percobaan E Gambar 187 Histogram taksasi awal.90 90 .60 60 .80 80 . Sedangkan biaya jumlah pupuk tergantung pada kondisi kesuburan tanah.50 50 .50 50 .100 100 110 A .100 100 110 A Hasil analisa biaya disajikan pada Tabel 46 dan Gambar 188 190.40 40 .40 40 . B-PF. kecuali biaya pemupukan pada Plot Percobaan B-PF berdasarkan taksasi awal. dan E-PF) lebih besar dari biaya pemupukan dengan dosis seragam (Plot Percobaan C-DS dan D-DS).80 80 . 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). 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).

60 1.707.981.19 1.842.22 2.368.56 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 3.657.19 3.72 3.108.82 305.000.81 2.61 TAw 3.00 6.316.188.581.40 590.876.562.000.515.48 2.523.66 2.pupuk yang banyak sehingga biaya jumlah pupuk menjadi besar dan sebaliknya.170.390.20 993.164.21 681.833.238.00 6.710.817.28 2.86 1.416.02 313.184.00 gula (Rp/ton) TAk 6.44 1.62 1.147.201.683.476. 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 536.47 (Rp/ton) TAk 2.000.07 TAw 1.000.000.63 1.72 Keterangan: TAw = Taksasi TAk = Taksasi 1.864.292.830.78 3.650.000.00 6.308.53 512.631.000.85 5.123.910.691.000.73 1.15 964. Semakin banyak pupuk digunakan maka semakin besar biaya jumlah pupuk yang dikeluarkan.835.00 6.34 3.484.66 1.815.437.54 438.157.32/ton .169.14 2.46 412.000.676.53 Biaya produksi gula (Rp/ton) TAk 3.00 6.00 6.87 1.761.14 4.175.342. Biaya jumlah pupuk merupakan biaya yang timbul akibat jumlah pupuk yang digunakan.67 B/C ratio TAk 1.86 3.035.00 6.000.583.089.52 3.00 Keuntungan TAw 2.00 6.93 Manfaat hasil TAw 6.798.609. 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).142.852.

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

21 954.(Lampiran 53).419.000.36 69.18 2.98 1.598.67 12.618. Nilai rendemen dan taksasi awal Plot Percobaan D-DS lebih rendah dari Plot Percobaan A-PF.00 2.00 3.00 100.377.000.000.44 92.000.500.500.252.758.87 1.805.00 50.241.00 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.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.84 192.71 0.48 101.00 500.000. B-PF. .65 14.000.00 2. Biaya Analisa Sampel 91.44 943. 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.05 28.22 208.418.481.645.000.00 1.000. dan C-DS.00 1.07 0.00 150.01 299.21 677. Biaya Pengambilan Sampel 1.00 200.618.00 250.35 349.608.72 70.668.559.

000.00 600.836. .00 400.836.800.889.892.00 A-PF B-PF C-DS D-DS E-PF Plot Percobaan Biaya jumlah pupuk (Rp/ton hasil gula) Taksasi Awal Taksasi Akhir Gambar 190 Biaya jumlah pupuk setiap plot percobaan.00 1.51 0.65 610.200.49 243.00 200.096.088.00 1.200.00 800.000.336.567.939.600. 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.000.51 1.00 1.51 1.400.00 1.61 487.89 497.000.892.00 1.86 443.939.336.61 487.000.000.89 497.00 1.096.00 800.49 243.000.068.Biaya Jumlah Pupuk 319.000.34 425.00 400.34 425.000.000.00 1.00 200.00 1.400.00 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 319.000.000.000.000.56 963.800.668.000.65 610.000.000.56 963.068.889.00 1.51 0.86 443.25 296.567.000. Biaya produksi gula pada taksasi akhir untuk Plot Percobaan C-DS paling rendah karena gula yang dihasilkan paling banyak.082.000.600.088.000.25 296.00 1.00 600.082.668.

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

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

b unsur hara N top soil. dan K dapat menekan tingkat keragaman spasial kandungan hara N.2040. dan K. sedang untuk N. dan 60.1039. c agar lebih efisien maka ukuran pengambilan contoh (sampling size) pengamatan produktivitas lahan dapat diperbesar dari 25 m menjadi minimal 40 m. dengan rincian 288.3 . b produktivitas lahan menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya perlu diperhatikan pola keragaman yang terjadi. dan P top soil menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya perlu diperhatikan pola keragaman yang terjadi.3 m untuk Plot Percobaan A-PF.2065.SIMPULAN DAN SARAN Simpulan Berdasarkan uraian dari bab-bab sebelumnya dapat disimpulkan 1 Keragaman spasial kandungan hara a pendekatan precision farming dalam pemupukan N. cukup rendah cukup dengan rincian cukup rendah tinggi untuk P dan K. 41. dan K dapat menekan tingkat keragaman spasial produktivitas lahan. P. dan K sub soil tidak menunjukkan ketergantungan spasial sehingga untuk pengamatan pada siklus precision farming selanjutnya dapat dilakukan secara acak. c unsur hara P sub soil K top soil. N sub soil. d agar lebih efisien maka ukuran pengambilan contoh (sampling size) pengamatan tanah dapat diperbesar dari 25 m menjadi minimal 40 m. 44.3 m untuk K. P.4 . dengan rincian 51 .5 m untuk N.7 m . 2 Keragaman spasial produktivitas lahan a pendekatan precision farming dalam pemupukan N. P.5 m untuk P. e tingkat keragaman spasial yang terjadi berkisar dari agak rendah sampai cukup tinggi berdasarkan 11 kelas keragaman spasial yang digunakan.

Dibandingkan dengan penentuan dosis pupuk berdasarkan rekomendasi pustaka. d tingkat keragaman spasial yang terjadi berkisar dari rendah sampai cukup rendah berdasarkan 11 kelas keragaman spasial yang digunakan.88 untuk pupuk kedua N.88 untuk pupuk pertama P. R2=0. P. dan melakukan analisa biaya. 152 m untuk Plot Percobaan C-DS. acak untuk Plot Percobaan D-DS. berlebihan untuk KCl. 4 Sistem Pendudukung Keputusan untuk pendekatan precision farming dalam pemupukan N.9 10. penentuan dosis pupuk berdasarkan target produksi dan kadar gula dengan model ANN memberikan hasil yang lebih baik. R2=0. dan meningkatkan keuntungan 1.09%. meningkatkan produktivitas 0. menentukan dosis pupuk. melakukan analisa keragaman spasial. dan K pada budidaya tebu telah dibangun dengan nama STRAFERT-PF yang mempunyai kemampuan untuk menentukan taksasi tebu.96% untuk TSP. 5 Pendekatan precision framing dalam pemupukan dapat menekan pemborosan penggunaan pupuk 53. Saran Untuk mendapatkan hasil yang baik pada penerapan precision farming pada pemupukan maka perlu diperhatikan tersedianya jumlah data untuk training . minimal 86. menentukan kebutuhan jumlah hara N. dan cukup rendah pada Plot Percobaan E.7%. dan K untuk pemupukan pada target produktivitas dan kadar gula yang diharapkan. P. membuat peta informasi lahan. dan 259 m untuk Plot Percobaan E-PF. 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=0.92 untuk pupuk kedua K. agak rendah pada Plot Percobaan C-DS.47% untuk Urea. dan R2=0. rendah pada Plot Percobaan B-PF. meningkatkan pertumbuhan vegetatif tanaman. cukup rendah pada Plot Percobaan D-DS.93 untuk pupuk pertama N. denga n rincian agak rendah pada Plot Percobaan A-PF.347 untuk Plot Percobaan B-PF.

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

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

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

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

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

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

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

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

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

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

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

.

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

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

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

L A M P I R A N .

9253 0 40 80 120 160 Pupuk Pertama N model ANN (kg/ha) . Pupuk Pertama Pupuk Kedua N P N K Data ANN Data ANN Data ANN Data ANN 1 73 69 69 79 58 68 180 184 2 46 45 63 41 92 94 180 179 3 119 105 69 72 0 14 150 150 4 123 120 138 141 0 2 150 150 5 46 58 138 132 92 80 180 183 6 46 44 108 102 92 84 180 170 7 54 51 138 131 69 81 180 177 8 46 62 63 51 92 81 180 182 9 46 39 108 112 69 87 150 157 10 54 40 108 117 92 89 150 153 11 54 65 138 132 69 50 150 150 Pupuk Pertama N data (kg/ha) 160 120 80 40 0 R2=0.Lampiran 1 Akurasi program Artificial Neural Network (ANN) pada penentuan jumlah hara yang dibutuhkan No.

Lampiran 1 Akurasi program Artificial Neural Network (ANN) pada penentuan jumlah hara yang dibutuhkan (lanjutan) 0 40 80 120 160 Pupuk Pertama P model ANN (kg/ha) 0 40 80 120 160 Pupuk Pertama P data (kg/ha) R2=0.880 0 20 40 60 80 100 Pupuk Kedua N model ANN (kg/ha) .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) Pupuk Kedua K data (kg/ha) 200 150 100 50 0 R2=0.92 0 50 100 150 200 Pupuk Kedua K model ANN (kg/ha) .

3 94.2 -170 170-207.8 Lampiran 3 Peta dosis Plot Percobaan A-PF e l dan Kon t ur Te or it is M A Ur ea per tama per sel dan kontur teoritis dosis TSP .3 -132.2 132.5 -94.5 56.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.

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 0-107.4 107.5 -190.4 -145.3 -163.5 163.3 145.

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 -406.1 -425.3 379 .3 425 .4 Lampiran 5 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan A-PF 0 50 100 150 610 650 670 640 650 630640 620630 .3 -379.3 -457 457 -484.1 406 .

2 0 -616.8 661.2 -645.2 645.2 629.7 616.2 -661.640 630 620 660 670 640 630 620 650 630 650 650 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 50 609.5 0 50 100 150 (dalam kg/ha) .2 -629.8 -676.

.

1 236.7 311.7 Lampiran 7 Peta dosis per sel dan kontur teoritis dosis TSP Plot Percobaan B-PF 0 20 406080 .7 -354.8 -392 392 -447.8 354.Lampiran 6 Peta dosis per sel dan kontur teoritis dosis Urea pertama Plot Percobaan B-PF 360 320 300 380 340 280 400 260 420440 360 380380 340 320 300 340 340 240 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 5 0 75 Meters P e t a D os is pe r s e l d an K on t u r Te or it is D O S IS U R E A P ER T A M A P lot P e r co b aan B kontur teori tis dosis Urea per tama (kg/ ha) batas petak dan sel (dala m kg/ha) yang tidak dia mati batas se l yang dia ma ti ____ Ke tera ngan : U 236.1 -311.

8 -187.100 140 120 160 80 60 120 8060 80 100 60 80 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 25 0 25 5 0 75 M eters P e t a D o si s p e r s e l d an K on t ur T e or it i s D O S IS T S P P l ot P e r co b aan B kontur teoritis dosis TSP batas petak dan sel (dalam kg/ha) yang tidak diama ti batas sel yang diama ti ____ Ke tera ngan : U 0 -24 24 -63 63 -108.8 -131.8 131.8 108.4 .

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 -3.3 -10.7 Lampiran 9 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan B-PF 480 460 500 .5 -63.7 63.3 3.7 -24.7 -88.7 10.5 24.

9 -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 409.8 -524 524 -550.1 -466.9 .7 -494.8 494.7 466.1 419.

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 .

300 30 0 350 35 0 400 40 0 450 45 0 137.1 151.5 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 .6 -193 .7 -267 .7 211.2 193.6 174.4 -151 .2 -211 .1 -174 .

6 109.8 .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 11.3 -285 285 -414.3 -109.6 -184.3 184.

6 .7 -446.8 -356.7 409.2 -409.Lampiran 18 Peta dosis per sel dan kontur teoritis dosis Urea kedua Plot Percobaan E-PF Pet a Dosis per se l dan K ont ur Teorit is DOSIS UR EA K EDU A Pl ot Pe rcobaan E U batas sel kontu r teoritis dosis Ur ea kedu a (kg /ha) Keterangan : (dalam kg/ha) _ _ __ 50 0 50 Mete rs 440 400 320280 360 480 360 440 480 400 400 400 440 440 360 440 440 400 400 400 440 440 360 480 0 0 50 50 100 100 150 150 200 200 250 250 150 15 0 200 20 0 250 25 0 300 30 0 350 35 0 400 40 0 450 45 0 235.2 356.

446.7 -646 .7 59 8.6 -477.3 -501.9 -598 .3 477.3 .2 Lampiran 19 Peta dosis per sel dan kontur teoritis dosis KCl Plot Percobaan E-PF Pet a Dosi s pe r sel dan Kontur Te or itis DOSIS KC l Plot P er cobaan E U batas s el kon tur teoritis dos is K Cl Keteran gan : (dalam kg/ha) __ _ _ 50 0 50 Me te rs 660 620 680 640 600 700 580 680 660 640 680 680 680 680 660 640660 680 680 680 680 660 620 640 640 0 0 50 50 100 100 150 150 200 200 25 0 25 0 150 150 200 200 250 250 300 300 350 350 400 400 450 450 56 9.

3 -671 .9 67 1.1 -714 .4 .1 69 0.64 6.9 -690 .

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 .

31 -106.84 75.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) ____ 73.11 -97.84 -84.51 84.11 91.69 -75.56 Lampiran 41 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan A-PF 76 72 8064 .31 97.51 -91.

11 -101.99 -66.97 -73.11 89.97 66.44 .45 -89.81 -81.81 73.45 81.84 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.

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 .

01 -73.batas sel yang dia mati____ Ke terangan : U 60.16 -82.98 97.98 -118.93 -97.93 87.47 Lampiran 43 Peta sebaran per sel dan kontur teoritis taksasi akhir Plot Percobaan B-PF 86 90 94 78 82 74 70 98 66 66 78 74 78 70 90 86 78 78 74 82 8286 94 74 0 0 50 50 100 100 150 150 200 200 0 0 50 50 100 100 150 150 200 200 250 250 300 300 25 0 25 50 M e te r s P e t a Se b ara n p e r s el dan K on t ur Te o ri t is TA K SA S I A KH IR P l ot P e r c oba an B (dalam tontebu/ha) Ke terangan : batas petak dan sel kontur teoritis taksa si akhir yang tidak diamati .16 73.17 82.17 -87.

11 -88.52 .81 -101.11 82.11 88.63 66.65 -76.batas U 62.11 -82.81 sel yang diamati____ -66.65 76.

26 85.21 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 .43 70.23 -70.35 76.73 -85.26 -101 .35 -80.73 80.Lampiran 44 Peta sebaran per sel dan kontur teoritis taksasi awal Plot Percobaan C-DS 80 84 76 88 72 92 68 96 80 88 84 84 84 72 92 100 0 0 50 50 100 100 15 0 15 0 0 0 50 50 100 100 150 150 200 200 250 250 Keteran gan : kontur teoritis taksas i awal batas petak d an sel (dalam ton tebu/ha) yan g tidak diamati batas se l yang diamati____ 25 0 25 M ete rs U P eta Se baran per sel dan Kont ur Te orit is TA KSASI A WA L Pl ot P erc ob aan C 65.43 -76.

77 -6 6.32 -8 9.71 -7 6.77 50 .58 -5 0.71 72 .86 66 .86 -7 2.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 .81 .32 76 .

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 .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 64.78 -59.17 -69.66 59.07 -55.66 -64.78 55.17 -50.07 50.

12 -58.04 -71.kontur teoritis taksasi akhir Keterangan : (dalam ton tebu/ha) ____ 58 62 50 6654 46 72 4266 62 58 62 54 54 0 0 25 25 50 50 75 75 100 100 125 125 150 150 175 175 200 200 225 225 250 250 00 2525 5050 7575 100100 25 0 25 5 0 Mete rs 40.88 58.04 62.58 .64 47.69 -47.64 -56.88 -62.12 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 .

28 -57.200 200 250 250 150 150 200 200 250 250 300 300 350 350 400 400 450 450 39.81 -50.24 -44.89 -78.81 44.89 63.15 57.28 50.15 -63.15 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 .

01 -53.05 -87.04 -46.0 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 39.01 46.46 .64 -74.05 74.64 61.44 53.44 -61.

5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan B-PF 32 16.1284 1.094 14 20 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan E-PF 45 7.6338 0.6320 1.18056 1.435 15 16.62304 0. Error Mean t df Nilai Pembanding Keterangan Kadar gula pada taksasi awal (% Pol) Plot Percobaan A-PF 33 12.39290 0.96319 0.638 31 16.5 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan B-PF 32 12.95738 0.93834 0.4933 0.35965 -31.861 15 16.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan C-DS 16 18.17299 -23.8431 1.24080 8.11014 -34. Deviation Std.20748 -15.6850 0.367 44 20 beda nyata .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.5 tidak beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan C-DS 16 13.609 14 20 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan D-DS 15 14.5 beda nyata Kadar gula pada taksasi awal (% Pol) Plot Percobaan D-DS 15 8.16666 2.31852 -18.937 32 16.533 44 20 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan E-PF 45 14.13988 -91.5 beda nyata Kadar gula pada taksasi akhir (% Pol) Plot Percobaan A-PF 33 16.99373 0.23360 0.02140 0.9894 0.900 31 16.162 32 16.15304 -38.82993 0.1964 0.02661 0.2367 1.2975 0.

65130 0.481 15 10 tidak beda nyata Rendemen pada taksasi awal (%) Plot Percobaan D-DS 15 4.6198 0.803 44 10 beda nyata .0075 0.257 32 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan B-PF 32 6.26077 -22. Error Mean t df Nilai Pembanding Keterangan Rendemen pada taksasi awal (%) Plot Percobaan A-PF 33 5.55162 0.2344 0.169 32 10 beda nayata Rendemen pada taksasi akhir (%) Plot Percobaan A-PF 33 6.59304 0.965 14 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan D-DS 15 7.00997 0.2100 0.0671 0.620 31 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan C-DS 16 6.68751 0.670 14 10 beda nyata Rendemen pada taksasi awal (%) Plot Percobaan E-PF 45 3.0973 0.10452 -36.16360 0.48009 0.08223 -84. Deviation Std.10323 -39.5733 0.84917 0.311 44 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan E-PF 45 7.08487 -44.9564 0.10475 -37.11513 -8.41807 0.028 15 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan C-DS 16 10.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.12659 -18.0113 1.17751 -13.657 31 10 beda nyata Rendemen pada taksasi akhir (%) Plot Percobaan B-PF 32 9.65441 0.60175 0.0788 0.

976 31 8 5.05899 1.69409 -25.42 beda nyata Taksasi awal (ton/ha) Plot Percobaan C-DS 16 81.1018 10.364 3 2 100 beda nyata Taksasi akhir (ton/ha) Plot Per cobaan A-PF 33 80.3694 10.71422 -10.93968 2.88937 1.08947 -20.96711 2.180 1 5 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan C-DS 16 72.837 32 75 .0372 8.341 15 1 00 beda nyata Taksasi awal (ton/ha) Plot Percobaan C-DS 16 81.5140 6.57 beda nyata Taksasi akhir (ton/ha) Plot Percobaan A-PF 33 80.05899 1.96711 2. 03 tidak beda nyata Taksasi akhir (ton/ha) Plot Percobaan C-DS 16 72.71422 -2.452 14 100 beda nyata Taksasi awal (ton/ha) Plot Percobaan E-PF 45 52.93968 2. Deviation Std.2667 8.086 15 78.85687 2.85687 2.57 beda nyata Taksasi awal (ton/ha) Plot Percobaan B-PF 32 87.1018 10.3006 8.3006 8.24178 1.65080 1.75105 2.32515 -35.8340 8.0109 8.09247 2.56120 1.552 31 110 beda nyata Taksasi akhir (ton/ha) Plot Percobaan B-PF 32 79.46798 9.0109 8.669 14 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan D-DS 15 57.4809 11.52222 1.43290 1.24178 -8.11066 -10.588 32 75.4809 11.593 44 100 beda nyata Taksasi akhir (ton/ha) Plot Percobaan E-PF 45 57.3694 10.03 tidak beda nyata Taksasi awal (ton/ha) Plot Percobaan D-DS 15 56.805 32 1 00 beda nyata Taksasi awal (ton/ha) Plot Percobaan A-PF 33 90.43290 1.669 31 110 beda nyata Taksasi awal (ton/ha) Plot Percobaan B-PF 32 87.42 tidak beda nyata Taksasi akhir (ton/ha) Plot Percobaan B-PF 32 79.237 31 85.0372 8.7847 10. Error Mean t df Nilai Pembanding Keterangan Taksasi awal (ton/ha) Plot Percobaan A-PF 33 90.59 15 78.75105 -11.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.50653 -20.58773 -26.589 4 4 100 beda nyata .46798 -6.11066 0.52222 1.50653 -4.

951 33 tidak beda nyata dan taksasi akhir (%) Plot -18.5527 1.4438 11.33932 2.30010 1.14815 Rendemen pada taksasi awal Percobaan B -PF 32 -2.00453 Plot Percobaan C-DS 16 8.82832 1.5620 1.83731 0.463 14 tidak beda nyata Taksasi awal dan akhir (ton/ha) 3. Plot Percobaan B -PF 32 8.33819 1.62668 Plot Percobaan E-PF 45 -4.9312 7.03388 0.48256 1.539 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.1409 0.15412 dan taksasi akhir (%) Plot -0.212 31 beda nyata Taksasi awal dan akhir (ton/ha) 774 15 beda nyata Taksasi awal dan akhir (ton/ha) 0.134 16 beda nyata dan taksasi akhir (%) Plot -12.87064 4.31605 - . Std.9507 8.14802 Rendemen pada taksasi awal Percobaan C -DS 16 -3.9091 8.45149 6. Plot Percobaan D-DS 15 -0.27954 Rendemen pada taksasi awal Percobaan E-PF 45 -4.900 32 beda nyata dan taksasi akhir (%) Plot -24.7975 0. Std.63717 0. Error t df Keterangan Deviation Mean Taksasi awal dan akhir (ton/ha) 827 32 beda nyata Taksasi awal dan akhir (ton/ha) 4.742 15 beda nyata dan taksasi akhir (%) Plot -29.8444 0.08264 0.15929 Rendemen pada taksasi awal Percobaan D -DS 15 -3.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. Error t df Keterangan Deviation Mean Rendemen pada taksasi awal Percobaan A -PF 33 -0.85108 0.7527 6.762 44 beda nyata Plot Percobaan A-PF 33 9.

Lampiran 55 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA Dosis Urea Dasar (kg/ha) Subset for alpha = . a Uses Harmonic Mean Sample Size = 23. . Typ e I error levels are not guaranteed.4800 Plot Percobaan D-DS 15 543. b The group sizes are unequal.1333 Plot Percobaan B-PF 32 345.4375 33 32.3900 .0000 32 8. Dosis TSP (kg/ha) Plot Percobaan 1 2 3 Tukey HSD(a.000 1.05 Plot A-PF E-PF C-DS D-DS Percobaan B-PF 32 27.481. a Uses Harmonic Mean Sample Size = 23. b The group sizes are unequal.0000 15 .921 .b) Plot Percobaan A-PF 33 140.7727 Plot Percobaan E-PF 45 198.2756 16 217.7667 45 116. Dosis Urea Susulan (kg/ha) Plot Percobaan 1 2 Tukey HSD(a. 1.4800 Sig.000 Means for groups in homogeneous subsets are displayed.05 Plot D-DS B-PF A-PF E-PF Percobaan C-DS 16 .3906 33 418.7091 45 429. The harmonic mean of the group sizes is used.3900 15 217. Typ e I error levels are not guaranteed.481.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan N Subset for alpha = .5022 Means for groups in homogeneous subsets are displayed.05 Plot Percobaan N 1234 Tukey HSD(a.823 N Subset for alpha = .b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.000 1. The harmonic mean of the group sizes is used.7375 Plot Percobaan C-DS 16 543.000 1.

000 1.Sig.000 Means for groups in homogeneous subsets are displayed. a Uses Harmonic Mean Sample Size = 23. .999 1.481. Typ e I error levels are not guaranteed. The harmonic mean of the group sizes is used. b The group sizes are unequal. .

1556 32 68.481.000 1.000 1.0000 33 67.2000 Means for groups in homogeneous subsets are displayed.6700 Plot Percobaan D-DS 15 416.1711 Sig.000 1. The harmonic mean of the group sizes is used. a Uses Harmonic Mean Sample Size = 23.0000 32 79.6700 Plot Percobaan B-PF 32 494.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig. .699 .Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Dosis KCl (kg/ha) Subset for alpha = . 1.481. a Uses Harmonic Mean Sample Size = 23. b The group sizes are unequal.5778 15 102.481. Ty pe I error levels are not guaranteed.449 N Subset for alpha = .05 Plot A-PF B-PF E-PF D-DS Percobaan C-DS 16 74.4688 15 69. Typ e I error levels are not guaranteed. Populasi Tebu pada Taksasi Akhir (dalam ribuan) Subset for alpha = . . Populasi Tebu pada Taksasi Awal (dalam ribuan) Plot Percobaan 1 2 Tukey HSD(a.0938 45 96.05 Plot Percobaan 1 Tukey HSD(a.000 Means for groups in homogeneous subsets are displayed.b) Plot Percobaan C-DS 16 416.05 Plot Percobaan N 1 2 3 4 Tukey HSD(a.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig. The harmonic mean of the group sizes is used.0000 Means for groups in homogeneous subsets are displayed. The harmonic mean of the group sizes is used.9375 33 78. b T he group sizes are unequal.0909 45 67.601 N Plot A-PF E-PF B-PF D-DS Percobaan C-DS 16 66.4750 Plot Percobaan A-PF 33 639. .2091 Plot Percobaan E-PF 45 666. Typ e I error levels are not guaranteed. b The group sizes are unequal. a Uses Harmonic Mean Sample Size = 23.

.

481.6667 45 184.505 . Rendemen pada Taksasi Awal (%) Plot Percobaan N Subset for alpha = .9564 Plot Percobaan B-PF 32 6. Typ e I error levels are not guaranteed.2344 Sig.000 1. The harmonic mean of the group sizes is used. . a Uses Harmonic Mean Sample Size = 23.228 Means for groups in homogeneous subsets are displayed.Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Tinggi Tebu pada Taksasi Awal (cm) Subset for alpha = .2100 Plot Percobaan C-DS 16 6.9688 Plot Percobaan A-PF 33 197.0671 Plot Percobaan D-DS 15 4.3125 Plot Percobaan B-PF 32 188. 1.0313 33 255.998 .093 N Subset for alpha = . Tinggi Tebu pada Taksasi Akhir (cm) Plot Percobaan 1 2 3 Tukey HSD(a.7500 32 248. .b) Plot Percobaan E-PF 45 106.0313 248.0222 Plot Percobaan D-DS 15 107.0113 Plot Percobaan A-PF 33 5.05 Plot E-PF C-DS B-PF A-PF .05 Plot Percobaan N 123 Tukey HSD(a.481.900 . T y pe I error levels are not guaranteed.3333 16 234.9697 Means for groups in homogeneous subsets are displayed.9688 188.05 1 2 3 Tukey HSD(a. a Uses Harmonic Mean Sample Size = 23.b) Plot Percobaan E-PF 45 3.000 .b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.5758 Sig.2667 Plot Percobaan C-DS 16 185. b The group sizes are unequal.820 .561 Percobaan D-DS 15 178. b The group sizes are unequal. The harmonic mean of the group sizes is used.

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

5140 16 81.5733 Plot Percobaan E-PF 45 7.4809 33 90.b) Plot Percobaan Plot Percobaan Plot Percobaan Plot Percobaan Sig.8340 15 56.05 Plot D-DS C-DS B-PF A-PF .1018 Sig.0372 Plot Percobaan A-PF 33 80.0109 Means for groups in homogeneous subsets are displayed. Typ e I error levels are not guaranteed.999 1.b) Plot Percobaan A-PF 33 6. 1.000 . a Uses Harmonic Mean Sample Size = 23. Taksasi Awal (ton tebu/ha) Plot Percobaan 1 2 3 Tukey HSD(a.060 .3006 32 87.b) Plot Percobaan D-DS 15 57.05 Plot Percobaan N 1234 Tukey HSD(a.6198 Plot Percobaan B-PF 32 9.0788 Sig.2667 Plot Percobaan E-PF 45 57.665 . a Uses Harmonic Mean Sample Size = 23.166 N Subset for alpha = . The harmonic mean of the group sizes is used.000 .481.481.887 Percobaan E-PF 45 52. . The harmonic mean of the group sizes is used. Typ e I error levels are not guaranteed.000 Means for groups in homogeneous subsets are displayed.000 1.0075 Plot Percobaan C-DS 16 10.7847 Plot Percobaan C-DS 16 72.Lampiran 53 Uji beda nyata antar plot percobaan dengan metode One Way ANOVA (lanjutan) Rendemen pada Taksasi Akhir (%) Subset for alpha = . b The group sizes are unequal. 1.3694 Plot Percobaan B-PF 32 79. b The group sizes are unequal.0973 Plot Percobaan D-DS 15 7.05 1 2 Tukey HSD(a.4809 87. Taksasi Akhir (ton tebu/ha) Plot Percobaan N Subset for alpha = .

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

5 C-DS 111 18.84 3.68 4.67 12.04 7.32 12.07 84.25 7.10 0.30 2.82 89.14 7.49 6.42 6.12 14.94 12.67 84.39 92.34 0.42 0.37 4. = intensitas TB = top borer N = noda SB = stem borer K = karat 26.22 2.18 0.01 0.41 14.12 10.74 10.54 0.74 0.11 3.5 B-PF 95 1.10 3.5 D-DS dan E-PF 87 0.84 0.23 2.01 2.40 2.16 15.30 8.70 8.40 34.25 48.47 0. KPR N.24 0.63 28.Lampiran 56 P engamatan hama dan penyakit Umur tebu (bulan) Plot Jumlah batang Kutu Perisai Intensitas luas serangan % serangan PB % serangan Intensitas seranganKPR Int.97 17.08 0.5 C-DS 91 3.14 6.12 3.08 1.63 53.52 1.26 0.35 1.50 0.04 7.44 0.10 0.12 64. Kuning N.01 40.01 3.04 0. Cincin K.06 1.11 -0.19 -63.07 67.23 0.18 97.51 1.5 D-DS dan E-PF 80 2.5 D-DS dan E-PF 87 0.15 0.5 B-PF 113 18.95 0.28 45.84 60.39 38.01 3.03 0.48 35.50 0.07 0.24 0.38 9.07 -91.5 B-PF 103 1.5 B-PF 99 2.06 1.35 0.33 0.65 0.70 7.5 D-DS dan E-PF 83 1.5 C-DS 97 5.09 0.11 0.97 0.46 5.32 1.03 -13.45 5.5 A-PF 93 2.17 0.16 5.14 3.45 0.05 0.06 0.16 -1.90 1.54 9.51 0.97 0.87 0.40 0.68 8.21 9.87 0.16 -73.17 12.09 6.47 8.5 C-DS 94 4.5 C-DS 95 3.5 A-PF 90 1.00 91.68 7.5 B-PF 101 6.23 2.57 3.89 9.08 0.85 Keterangan: KPR = kutu perisai PB = Int.06 0.5 A-PF 104 20.39 27.18 6.33 82. Daun I II TB SB 4.55 0.01 34.74 4.17 2.63 84.12 13.01 0.02 0.5 A-PF 84 0.34 0.89 8.61 9.10 2.10 86.18 0.5 A-PF 93 6.20 penyakit batang .34 29.

Sign up to vote on this title
UsefulNot useful