ANALISIS IKLIM DAN DINAMIKA POPULASI HAMA

PENGGEREK BATANG PADI KUNING DI INDRAMAYU

DENGAN MENGGUNAKAN MODEL SIMULASI DYMEX 3.0

ATHINK RIKSON KRISTIAN BANJARNAHOR

GEOFISIKA DAN METEOROLOGI

MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2013

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*

Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Iklim dan

Dinamika Populasi Hama Penggerek Batang Padi Kuning di Indramayu dengan

Menggunakan Model Simulasi Dymex 3.0 adalah benar karya saya dengan arahan

dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada

perguruan tinggi mana pun. 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 skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.

Bogor, September 2013

Athink R K Banjarnahor

NIM G24090005

ABSTRAK

ATHINK RIKSON KRISTIAN BANJARNAHOR. Analisis Iklim dan Dinamika

Populasi Hama Penggerek Batang Padi Kuning di Indramayu dengan

Menggunakan Model Simulasi Dymex 3.0. Dibimbing oleh YONNY

KOESMARYONO.

Scirpophaga incertulas yang dikenal dengan nama hama Penggerek batang

padi kuning (PBK) adalah salah satu hama yang paling banyak menyerang

tanaman padi di wilayah Indramayu. Salah satu faktor yang mempengaruhi

keberadaan hama ini adalah faktor iklim, yaitu curah hujan, suhu minimum dan

maksimum, RH maksimum dan minimum. Tujuan penelitian ini adalah

menganalisis pengaruh iklim terhadap dinamika populasi Penggerek batang padi

kuning di wilayah Kabupaten Indramayu. Model siklus hidup dan pendugaan

populasi hama menggunakan model simulasi Dymex 3.0. Simulasi dilakukan

selama empat tahun mulai dari tahun 2009-2012. Hasil simulasi model telah dapat

memberikan prediksi yang cukup baik. Model simulasi juga menunjukkan bahwa

puncak populasi hama terjadi pada bulan-bulan kering dengan intensitas curah

hujan yang rendah dan populasi hama menurun pada saat curah hujan tinggi

akibat tercuci oleh hujan. Hal tersebut juga didukung dengan nilai koefisien

determinasi (R2) hasil validasi antara populasi model hasil luaran Dymex dan

populasi hasil observasi sebesar 64%. Pengaruh iklim berbeda-beda terhadap

perkembangan dan keberadaan hama PBK. Suhu dan curah hujan menjadi faktor

yang paling utama dalam perkembangan dan mortalitas hama PBK.

Kata kunci: Dymex, Iklim, Scirpophaga incertulas

ABSTRACT

ATHINK RIKSON KRISTIAN BANJARNAHOR. Climate Analysis and

Population Dynamics of Yellow Rice Stem Borer Pests in Indramayu with Using

Simulation Model Dymex 3.0. Supervised by YONNY KOESMARYONO.

Scirpophaga incertulas known as the Yellow rice stem borer (PBK) is one

of the most attacking pests of rice plants in Indramayu region. One of the factors

that influence the presence of this pest is the climatic factor, that were rainfall,

maximum and minimum temperature, maximum and minimum Relative

humadity. The purpose of this study was to analyze the influence of climate on the

population dynamics of Yellow rice stem borer in the district of Indramayu. Life

cycle model and estimation of pest populations using simulation models Dymex

3.0. Simulations were performed for four years from 2009-2012. Results of

simulation models have been able to give a fairly good prediction. Model

simulations also indicate that the pest population peaks occurred in the dry months

with low rainfall intensity and pest population decreases as a result of high rainfall

washed away by rain. This is also supported by the value of the coefficient of

determination (R2) between the validation results of outcomes population of

model Dymex and observations by 64%. Different climatic influences on the

development and the presence of pests PBK. Temperature and rainfall are the

most important factor in the progression and mortality of pest PBK

Keyword: Climate, Dymex, Scirpophaga incertulas

.

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Sains

pada

Departemen Geofisika dan Meteorologi

ANALISIS IKLIM DAN DINAMIKA POPULASI HAMA

PENGGEREK BATANG PADI KUNING DI INDRAMAYU

DENGAN MENGGUNAKAN MODEL SIMULASI DYMEX 3.0

ATHINK RIKSON KRISTIAN BANJARNAHOR

GEOFISIKA DAN METEOROLOGI

MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2013

J ~du l Skripsi: Analisis Iklim dan Dinamika Populasi Hama Penggerek Batang Padi Kuning di Indramayu dengan Menggunakan Model Simulasi Dymex 3.0

:\ama : Athink Rikson KIistian Banjamahor :.JIM : G24009000S

Disetujui oleh

Prof Dr Ir Vonny Koesmaryono, MS Pembimbing

Tanggal Lulus: D 9 SEP 2013

Judul Skripsi : Analisis Iklim dan Dinamika Populasi Hama Penggerek Batang

Padi Kuning di Indramayu dengan Menggunakan Model Simulasi

Dymex 3.0

Nama : Athink Rikson Kristian Banjarnahor

NIM : G240090005

Disetujui oleh

Diketahui oleh

Dr Ir Rini Hidayati, MS

Ketua Departemen

Tanggal Lulus:

Prof Dr Ir Yonny Koesmaryono, MS

Pembimbing

PRAKATA

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Kuasa atas

segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang

dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2013 ini ialah

Organisme Pengganggu Tanaman, dengan judul Analisis Iklim dan Dinamika

Populasi Hama Penggerek Batang Padi Kuning di Indramayu dengan

Menggunakan Model Simulasi Dymex 3.0

Terima kasih penulis ucapkan kepada:

1. Bapak Prof. Dr. Ir. Yonny Koesmaryono, MS selaku pembimbing.

2. Bapak Syahrizal Koem yang telah banyak memberi bantuan dan saran.

3. Bapak Kohar dari BPTPH Bandung, Ibu Heni Haryawati selaku staf

Instalasi PPOPT indramayu yang telah membantu selama pengumpulan

data.

4. Ungkapan terima kasih juga disampaikan kepada Ayah, Ibu, serta seluruh

keluarga, atas segala doa dan kasih sayangnya.

5. Teman-teman seperjuangan “GFM 46” yang telah banyak memberikan

masukan dan saran

6. Eka Fibriantika, Rini, Risna, Enda, dan teman kost Qyu-Qyu (May, Dani,

Bagindo, Andika, Yan Parta, Chriss yang selalu menemani dalam

pembuatan skripsi ini.

Semoga karya ilmiah ini bermanfaat.

Bogor, September 2013

Athink Rikson Kristian Banjarnahor

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vi

PENDAHULUAN 1

Latar Belakang 1

Tujuan Penelitian 2

TINJAUAN PUSTAKA 2

Tanaman Padi 2

Hama Penggerek Batang Padi Kuning 2

Dymex 4

METODE 4

Bahan 4

Alat 4

Prosedur Analisis Data 4

HASIL DAN PEMBAHASAN 8

Syarat Ambang Batas Suhu Perkembangan 8

Model Kalibrasi 8

Karakteristik Daerah Kajian 10

Model Simulasi 11

Pengaruh Curah Hujan Terhadap Populasi Imago 14

Pengaruh Suhu Terhadap Populasi Imago 14

Pengaruh Kelembaban Udara Terhadap Populasi Imago 15

Model Validasi 16

SIMPULAN DAN SARAN 17

Simpulan 17

Saran 17

DAFTAR PUSTAKA 17

LAMPIRAN 19

RIWAYAT HIDUP 25

DAFTAR GAMBAR

1 Siklus hidup hama Penggerek batang padi kuning (Scirpophaga

incertulas) 3 2 Modul lifecycle penelitian 6 3 Model buiilder penelitan 7 4 Model simulator penelitian 8 5 Kalibrasi model Dymex pada tanggal 1 Januari 2008 sampai 31

Desember 2008 pada wilayah Cirebon 9 6 Hubungan populasi imago hasil luaran model dan hasil observasi pada

tanggal 1 Januari 2008 sampai 31 Desember 2008 10 7 Kondisi iklim wilayah Indramayu pada tanggal 1 Januari 2009 sampai

31 Desember 2012 11 8 Hasil luaran model populasi telur, larva, pupa dan imago Penggerek

batang padi kuning pada tahun 2009-2010 12 9 Hasil luaran model populasi telur, larva, pupa dan imago Penggerek

batang padi kuning pada tahun 2011-2012 12 10 Hubungan curah hujan dengan populasi imago di wilayah Indramayu

pada tahun 2009-2012 14 11 Hubungan suhu minimum dengan populasi imago di wilayah

Indramayu pada tahun 2009-2012 14 12 Hubungan suhu maksimum dengan populasi imago di wilayah

Indramayu pada tahun 2009-2012 14 13 Hubungan RH maksimum dengan populasi imago di wilayah

Indramayu pada tahun 2009-2012 15 14 Hubungan RH minimum dengan populasi imago di wilayah Indramayu

pada tahun 2009-2012 16

15 Validasi model Dymex pada wilyah Indramayu pada tanggal 1 Januari

2008 sampai 31 Desember 2008 16

DAFTAR LAMPIRAN

1 Hasil kalibrasi model pada wilayah Cirebon tahun 2008 19 2 Hasil validasi model pada wilayah Indramayu tahun 2008 19

3 Hasil simulasi model pada wilayah Indramayu tahun 2009-2012 19

PENDAHULUAN

Latar Belakang

Padi (Oryza sativa) merupakan tanaman yang paling banyak

dibudidayakan di Indonesia. Permintaan konsumsi padi di Indonesia sangat tinggi.

Selain itu padi merupakan sumber energi pokok bagi penduduk Indonesia yang

mampu menyediakan karbohidrat, protein, mineral, vitamin dan serat. Konsumsi

beras di Indonesia juga menjadi yang tertinggi di dunia yang mencapai 90

kilogram per tahun per orang (Deptan 2013). Jumlah ini sangat jauh jika

dibandingkan dengan orang Asia yang hanya mengonsumsi beras sebanyak 65-70

kilogram per tahun per orang.

Indramayu adalah salah satu sentra pertanian di Jawa Barat. Dalam enam

tahun terakhir, Indramayu masih nomor satu dalam produksi padi di Jawa Barat.

Luas lahan persawahan di Kabupaten Indramayu terbagi dua yaitu sawah irigasi

seluas 121355 ha dan sawah tadah hujan seluas 12420 ha. Luas kedua jenis lahan

persawahan tersebut sekitar 63.82% dari luas wilayah Indramayu (Bappeda

Kabupaten Indramayu 2009). Produksi padi Indramayu semakin meningkat, pada

tahun 2007 sebesar 1060545 ton, dan pada tahun 2011 produksinya telah

mencapai 1324618 ton.

Dalam produksi padi, faktor lingkungan sangat mempengaruhi hasil

produksi. Faktor-faktor lingkungan yang mempengaruhi produksi padi adalah

kesuburan tanah, faktor iklim (musim hujan dan kemarau, radiasi matahari, suhu

udara, kelembaban) dan pengelolaan tanaman (pemupukan dan jarak tanam).

Faktor iklim merupakan salah satu faktor lingkungan yang utama yang

mempengaruhi produksi padi.

Selain dipengaruhi oleh kondisi iklim, produktivitas padi juga dipengaruhi

oleh Organisme Pengganggu Tanaman (OPT). OPT merupakan salah satu

ancaman dan faktor penghambat biologis bagi budidaya Padi sehingga

menyebabkan rendahnya produktivitas padi. Tanaman padi merupakan inang yang

ideal bagi banyak spesies hama. Seluruh bagian tanaman Padi tersebut sangat

rentan terhadap serangan hama mulai dari fase persemaian sampai fase

pemanenan. Saat ini terdapat lebih dari 800 spesies hama yang dapat merusak padi

tetapi sebagian besar dari spesies tersebut hanya menimbulkan kerusakan ringan

( Dale 1994)

Dalam dekade ini, populasi Penggerek batang padi kuning semakin

meningkat karena penanaman tanaman padi secara terus menerus sepanjang tahun

sehingga dalam satu tahun perkembangan hama ini bisa mencapai 7-8 generasi

(Suharto dan Usyati 2008). Beberapa peneliti juga meyebutkan bahwa keberadaan

hama Penggerek batang padi kuning dipengaruhi oleh iklim seperti curah hujan

dan suhu (Pathak dan Khan 1994; Listinger et al. 2006). Berdasarkan data

BBPOPT Kabupaten Indramayu, dalam lima tahun terakhir hama Penggerek

batang padi kuning merupakan hama terbesar kedua setelah tikus yang sangat

berpengaruh terhadap hasil produktivitas padi di Kabupaten Indramayu.

Berdasarkan data dari Dinas Pertanian dan Tanaman Pangan Indramayu pada

musim tanam 2010 kerusakan akibat serangan hama mencapai 8000 hektar.

2

Software Dymex adalah salah satu software yang dapat digunakan untuk

melakukan analisis hubungan antara iklim dengan hama tanaman khususnya

dinamika populasi hama. Sampai saat ini kebanyakan penelitian menggunakan

Dymex masih dilakukan di daerah subtropis seperti Australia (Yonow et al. 2004)

sehingga perlu dilakukan penelitian ini di daerah tropis khususnya di Indonesia.

Tujuan Penelitian

Tujuan dari penelitian ini adalah menganalisis pengaruh iklim terhadap

dinamika populasi Penggerek batang padi kuning (Scirpophaga incertulas) di

wilayah Kabupaten Indramayu menggunakan model simulasi Dymex 3.0.

TINJAUAN PUSTAKA

Tanaman Padi

Padi merupakan sumber makanan pokok bagi lebih dari setengah dari

penduduk dunia. Luas lahan yang ditanami padi di dunia mencapai 145 juta ha

yang berada pada lebih dari 110 negara. Luas lahan tersebut menempati hampir

seperlima dari total luas lahan pertanian dunia. Tanaman padi diklasifikasikan

sebagai tanaman tropis dan subtropis. Menurut Grist (1960), tanaman padi (Oryza

sativa L) termasuk ke dalam divisi Spermatophyta, kelas Monocotyledoneae, ordo

Poales, family Gramineae, genus Oryza. Tanaman padi dunia diserang oleh lebih

dari 100 spesies serangga, 20 dari spesies hama tersebut dapat menyebabkan

kerugian ekonomi. Asia merupakan wilayah yang menghasilkan 90% beras dunia.

Dari jumlah produksi beras tersebut, kerugian rata-rata akibat serangan hama di

wilayah ini mencapai 20% (Pathak dan khan 1994).

Hama Penggerek Batang Padi

Di seluruh dunia terdapat 21 jenis hama penggerek batang padi. Beberapa

hama Penggerek batang padi yang ditemukan di kawasan Indonesia diantaranya

Penggerek batang padi kuning (Scirpophaga incertulas), Penggerek batang padi

putih (Scirpophaga innotata), Penggerek batang padi bergaris (Chilo

suppressalis), Penggerek batang padi kepala hitam (Chilo polychrysus), penggerek

batang padi berkilat (Chilo auricilius), Penggerek batang padi merah jambu (Sesamia

infers) (Hattori dan Siwi 1986). Pada kawasan Asia, Scirpophaga incertulas dan

Chilo suppressalis mengakibatkan kerusakan tahunan sekitar 5-10% pada

tanaman padi, bahkan jika terjadi wabah lokal kerusakan yang ditimbulkan dapat

mencapai 60%.

Penggerek batang padi kuning banyak terdistribusi di daerah tropis dengan

suhu udara lebih dari 10 oC dan curah hujan tahunan lebih dari 1000 mm. Spesies

ini dominan di beberapa Negara seperti Bangladesh, India, Malaysia, Pakistan,

Filipina, Sri Lanka, Thailand, Vietnam, dan Indonesia (Pathak dan khan 1994)

Penggerek batang padi kuning dewasa memiliki ciri-ciri yaitu aktif di

malam hari, fototropik, dan merupakan penerbang yang kuat. S. incertulas dewasa

aktif pada pukul 19.00 sampai 21.00. Pada siang hari S. incertulas tetap berada

3

pada lahan persawahan. Hama ini dapat terbang sejauh 5-10 mil, namun jarak

yang ditempuh dapat lebih jauh lagi jika terbawa oleh angin. Waktu perkawinan

hama ini biasanya terjadi pada pukul 19.00 sampai 21.00.

Gambar 1 Siklus hidup hama Penggerek batang

padi kuning (Scirpophaga incertulas)

Sumber: rkmp.co.in.

Selama hidupnya, hama ini hanya melakukan perkawinan sekali.

Scirpophaga incertulas betina bertelur antara pukul 19.00 sampai 22.00 pada

musim panas dan pukul 18.00 sampai 20.00 pada musim semi dan musim gugur.

Lama hama ini bertelur sekitar 10 sampai 35 menit. Telur-telur hama ini

diletakkan di dekat ujung daun. Ambang batas suhu untuk pengembangan telur

adalah 13 0C dan untuk penetasan terjadi pada suhu 16

0C atau lebih. Masa

inkubasi menurun dengan kenaikan temperatur, mulai pada suhu 30 0C sampai 35

0C. Suhu optimum penetasan telur untuk hama ini adalah 24

0C sampai 29

0C

dengan kelembaban udara (RH) 90-100% dan penetasan sangat berkurang pada

RH di bawah 70%.

Telur yang menetas menjadi larva akan merangkak ke atas menuju ujung

tanaman dimana mereka akan tinggal dalam waktu yang singkat. Larva hama ini

terbungkus benang sutra, dan larva ini dapat berenang dalam air karena terdapat

lapisan udara pada tubuh mereka. Biasanya 75% larva melahirkan namun hanya

10% yang mencapai dewasa. Ambang batas suhu untuk pengembangan larva

adalah minimal 16 0C, pada suhu 12

0C larva tidak bisa ganti kulit dan akan mati.

Tingkat perkembangan larva berkorelasi positif dengan suhu antara 17 0C sampai

35 0C.

Fase selanjutnya setelah fase larva adalah fase pupa. Pupa kebanyakan

terletak pada jerami dan batang. Pupa Scirpophaga incertulas dibungkus oleh

kepompong sutra berwarna putih. Ambang batas suhu udara untuk pupa

Penggerek batang padi kuning ini sekitar 15-16 oC (Pathak dan Khan 1994).

4

Dymex

Dymex merupakan software yang dapat digunakan untuk membuat dan

menjalankan model-model perubahan populasi suatu organisme saat terjadi

perubahan lingkungan dan menggambarkan lingkungan yang sesuai untuk

tinggalnya spesies hama tertentu. Software ini mempermudah para ekologis

dalam membuat model populasi organisme tanpa harus mengetahui bahasa

pemrograman. Dymex terdiri atas dua bagian yaitu Dymex Model Builder dan

Dymex Model Simulator. Dymex Model Builder merupakan bagian Dymex yang

digunakan untuk membuat model, sedangkan Dymex Model Simulator merupakan

bagian dymex yang digunakan untuk menjalankan model. Pada model simulator

hasil yang disajikan dalam bentuk tabel, grafik, dan peta (Maywald 2007).

METODE

Bahan

Bahan yang diperlukan untuk penelitian ini adalah data iklim Kabupaten

Indramayu dan Cirebon pada tanggal 1 Januari 2008 sampai 31 Desember 2012

seperti curah hujan, suhu udara minimum, suhu udara maksimum, kelembaban

udara pada pukul 09.00 dan pukul 15.00 yang diperoleh dari ogimet.com dan

tutiempo.com, data light trap populasi bulanan hama Scirpophaga incertulas pada

wilayah Cirebon dan Indramayu tahun 2008-2012 yang diperoleh dari Instalasi

PPOPT Indramayu.

Alat

Alat yang digunakan dalam penelitian ini adalah seperangkat komputer

dengan sistem operasi windows untuk aplikasi Microsoft office 2007 dan Software

Dymex 3.0.

Prosedur Analisis Data

Model Dymex

a. Model Builder

Membangun model simulasi populsi hama Penggerek batang padi kuning

dengan menggunakan dymex builder dengan komposisi modul yang terdiri dari

timer module, lifecycle module, input modules, data manipulation modules, dan

specialized modules.

Dalam membangun suatu model builder, modul timer merupakan modul

yang tidak dapat dihapus dan satu-satunya modul yang terdapat dalam kelompok

the timer module. Timer merupakan modul yang mengandung fungsi pengaturan

waktu dalam suatu model. Modul ini terdiri dari variabel masukan dan variabel

luaran. Variabel masukan terdiri dari Equilibrium variable, sedangkan variabel

luaran terdiri dari Days Since Start, Day of Year, Simulation Date, Time of Day.

5

The meteorological data file reader module atau yang biasa disebut

Metbase merupakan salah satu modul yang terdapat dalam kelompok input

modules. Metbase digunakan untuk membaca sebuah file yang berisi kumpulan

data meteorologi. Modul ini memiliki enam variabel output yang telah ditentukan

diantaranya suhu udara minimum, suhu udara maksimum, curah hujan,

kelembaban udara pada pukul 09.00, kelembaban udara pada pukul 15.00, dan

evaporasi. Namun dalam penelitian ini variabel evaporasi tidak digunakan.

Variabel input yang biasa digunakan adalah simulation date.

Circadian adalah salah satu bagian dari Specialised Modules. Modul

circadian ini dirancang untuk menghasilkan variabel yang menggambarkan

perubahan diurnal. Hal ini sangat berguna dalam perkembangan spesies yang akan

diteliti karena modul ini berbasis suhu rata-rata setiap jamnya selama 24 jam atau

harian. Dalam modul ini yang menjadi file input adalah suhu harian minimum dan

maksimum.

Modul Query User merupakan salah satu bagian dari model input modules.

Modul ini memungkinkan pengguna untuk mengatur nilai pada awal simulasi

untuk sejumlah variabel luaran yang nilainya tidak berubah selama simulasi.

Dalam penelitian ini adalah letak lintang wilayah kajian. Dalam modul ini tidak

ada variabel masukan.

Modul Daylength merupakan salah satu modul yang termasuk dalam

kelompok Specialised Modules. Modul ini menghitung lama waktu dalam jam

antara matahari terbit hingga terbenam berdasarkan kondisi lintang, jumlah hari

dalam satu tahun, dan tanggal simulasi. Modul QueryUser akan menyediakan

lintang atau latitude yang akan digunakan sebagai variabel masukan dalam model

Daylength.

Modul evaporation merupakan salah satu modul dalam kelompok

Specialised Modules. Modul evaporasi ini menghitung nilai evaporasi panci (mm)

dengan menggunakan rumus dari Fitzpatrick (1963). Variabel masukan yang

digunakan dalam modul ini diantaranya suhu udara minimum dan maksimum,

kelembaban relatif pada pukul 09.00 dan 15.00, dan panjang hari.

Modul soil moisture adalah salah satu bagian dari Specialised Modules.

Modul ini mensimulasikan keseimbangan air dalam satu lapisan tanah. Nilai

output dalam modul ini adalah antara 0 sampai 1, dengan nilai 0 berarti tanah

kering dan nilai 1 adalah tanah menjadi jenuh. Variabel input adalah nilai curah

hujan dan evaporasi panci. Modul ini bisa diatur untuk menggunakan struktur sub-

populasi model, sehingga memungkinkan simulasi pada beberapa bidang tanah

dengan karakteristik yang berbeda.

Modul lifecycle adalah modul yang digunakan untuk mensimulasikan

siklus hidup berbagai spesies. Siklus hidup hama Penggerek batang padi kuning

memiliki 4 siklus hidup mulai dari telur, larva, pupa, hama dewasa. Siklus hidup

tersebut memiliki fungsi dan persamaan yang bervariasi dan berbeda-beda untuk

setiap fasenya. Dalam modul ini akan dibahas faktor-faktor intrinsik dan

ekstrinsik mempengaruhi dinamika populasi dari hama Penggerek batang padi

kuning, seperti karakteristik perkembangan dari satu tahap ke tahap berikutnya,

bagaimana dan kapan faktor kematian dan waktu reproduksi.

Beberapa parameter akan digunakan dalam modul lifecycle diantaranya:

1. Perkembangan dan Mortalitas

6

Setiap fase siklus hidup memiliki syarat yang mempengaruhi

perkembangan dan mortalitas hama Penggerek batang padi kuning. Suhu adalah

salah satu faktor utama yang mempengaruhi perkembangan dan mortalitas hama.

Periode perkembangan (hari) digunakan untuk melihat ambang batas suhu

terendah (T0) (Rahman et al. 2004). Untuk menentukan T0 digunakan persamaan

linier biasa yaitu y = a + bx, dengan y adalah laju perkembangan (hari), x adalah

suhu (0C), a dan b adalah konstanta. Persamaan linier tersebut digunakan untuk

menentukan T0 pada fase telur, larva dan pupa (Rahman et al. 2004). Fase dewasa

(imago) menggunakan persamaan DD = d (T - T0) (Nahrung HF et al. 2008),

dengan DD adalah derajat hari (0C), d adalah rata-rata umur hama pada fase

imago (hari), T adalah suhu rata-rata, T0 adalah suhu dasar. Nilai T0 menunjukkan

nilai batas minimum yang menyebabkan tidak adanya lagi perkembangan.

Mortalitas terkait dengan faktor biotik, abiotik dan akibat usia. Mortalitas konstan

imago 0.15 per hari (Yonow et al. 2004)

2. Tahapan Transfer, fekunditas dan Reproduksi

Tahapan transfer adalah tahapan dimana setiap fase akan berkembang ke

fase selanjutnya. Seluruh fase akan berkembang ke fase selanjutnya setelah

mencapai usia fisiologisnya. Dalam hal ini usia fisioligis adalah 1. Perubahan usia

fisiologis setara dengan akumulasi degree days.

Fekunditas dimodelkan berdasarkan potensial telur yang dihasilkan hama

Penggerek batang padi kuning (PBK). Setiap hama betina mampu bertelur 100-

600 butir (Pathak dan khan 1994). Dalam model ini paramater potensial telur

adalah 400 butir dari setiap hama betina.

Fase reproduksi dalam model ini diasumsikan dipengaruhi oleh siklus

suhu harian dan curah hujan. Nilai siklus suhu harian diperoleh berdasarkan suhu

minimun. Nilai suhu minimum rata-rata wilayah kajian adalah 23 0C. Nilai curah

hujan optimum untuk kemunculan imago betina melakukan reproduksi adalah 5-

20 mm (Yonow et al. 2004).

Sebuah diagram skematik dari siklus hidup hama Penggerek batang padi

kuning ditunjukkan pada gambar dibawah ini.

Gambar 2 Modul lifecycle penelitian

7

Gambar 3 Model builder penelitian

b. Model simulator

Model simulator adalah model yang digunakan untuk menjalankan model

yang telah dibangun pada dymex builder. Model simulator ini membutuhkan

beberapa data seperti data meteorologi harian (suhu udara minimum, suhu udara

maksimum, kelembaban udara, dan curah hujan) mulai dari tanggal 1 Januari 2009

sampai 31 Desember 2012, data lintang, panjang hari dan kelembaban tanah

Kabupaten Indramayu. Data-data tersebut akan diinput di model simulator sesuai

dengan permintaan komponen model dari modul masing-masing. Nilai-nilai yang

dibutuhkan oleh model akan disajikan ke dalam tabel di bawah ini.

Tabel 1 Nilai yang digunakan dalam model

Setelah data diinput ke dalam model simulator, model djalankan dan data

yang dihasilkan dari model simulator akan disajikan dalam bentuk grafik dan tabel.

Data hasil model akan dibandingkan dengan data hasil observasi yang dijadikan

sebagai kalibrasi dan validasi model. Parameter dan variabel yang digunakan dalam

model kalibrasi akan digunakan untuk simulasi di wilayah yang berbeda. Berikut

ini adalah gambar dari model simulator.

Variabel model Nilai

Lintang -6.45

Kelembaban tanah 0.6

Produksi telur

Populasi awal telur

Populasi awal larva

Populasi awal pupa

Populasi awal imago

400

3000

1800

1000

500

8

Gambar 4 Model simulator penelitian

Karakteristik Daerah Kajian

Data iklim yang digunakan untuk model simulasi akan ditampilkan ke

dalam grafik. Data iklim yang ditampilkan adalah curah hujan, suhu minimum dan

maksimum, kelembaban udara pada pukul 09.00 dan pukul 15.00 pada tanggal 1

Januari 2009 sampai 31 Desember 2012

Hubungan Faktor Iklim dengan Hasil Model Simulasi

Metode yang digunakan dalam analisis adalah dengan membandingkan

data populasi imago berdasarkan luaran model dengan data iklim. Data iklim yang

digunakan adalah data pada tanggal 1 Januari 2009 sampai 31 Desember 2012

pada daerah Indramayu. Hubungan iklim dengan populasi imago disajikan dalam

bentuk grafik.

HASIL DAN PEMBAHASAN

Syarat Ambang Batas Suhu Perkembangan

Nilai laju perkembangan setiap fase digunakan untuk menentukan ambang

batas suhu. Persamaan linier yang digunakan pada fase telur, larva, dan pupa

adalah y = 0.54054x + 18.1640, y = 3.2396x + 15.6272, dan y = 0.97785x +

17.0403 (Rahman et al 2004). Dari persamaan tersebut diperoleh nilai ambang

batas suhu pada fase telur, larva, dan pupa adalah 12.5 0C, 9.8

0C, dan 8.1

0C. Fase

imago memiliki nilai thermal constant sebesar 75.6 0C, suhu udara rata-rata

adalah 29 oC dan usia rata-rata adalah 4.76 hari (Nahrung HF et al. 2008),

sehingga diperoleh nilai ambang batas suhu sebesar 13.1 0C. Nilai tersebut

menjadi syarat utama yang digunakan dalam model untuk melihat perkembangan

dan mortalitas hama.

Model kalibrasi Kalibrasi adalah suatu proses menyamakan hasil prediksi model dengan

hasil pengukuran lapangan (observasi). Kalibrasi dilakukan dengan mengubah-

9

ubah parameter yang digunakan dalam model sehingga hasil luaran model

mendekati atau sama dengan data observasi. Pada model kalibrasi, data yang

digunakan adalah data hasil tangkapan imago dan data hasil prediksi model.

Model kalibrasi yang dibuat berdasarkan data pada tanggal 1 Januari 2008 sampai

31 Desember 2008 pada wilayah Cirebon. Data hasil tangkapan imago adalah data

bulanan selama satu tahun sedangkan data luaran model adalah data dalam tujuh

harian. Karena data observasi di lapangan hanya data bulanan, sedangkan data

luaran model berdasarkan data tujuh harian maka data hasil model dikonversi

menjadi data bulanan. Nilai-nilai yang didapat pada model memiliki nilai yang

cukup tinggi sehingga untuk memperkecil nilai luaran model digunakan nilai ln x

+ 1, dengan x adalah nilai populasi imago hasil tangkapan dan hasil luaran model.

Gambar 5 Kalibrasi model Dymex pada tanggal 1 Januari 2008 sampai 31

Desember 2008 pada wilayah Cirebon

Gambar diatas adalah hasil kalibrasi model dymex. Kalibrasi model

menggunakan data iklim pada tanggal 1 Januari 2008 sampai 31 Desember 2008

pada daerah Cirebon. Nilai luaran yang ditunjukkan oleh model memiliki nilai

yang berbeda dengan hasil observasi. Kalibrasi model Dymex tidak dapat

menunjukkan jumlah populasi imago secara tepat, namun jika dilihat pola

populasi imago antara hasil observasi dan model menunjukkan tren dan pola yang

hampir sama. Hasil luaran model menunjukkan bahwa populasi hasil luaran model

lebih tinggi dari jumlah populasi hasil observasi. Hal ini disebabkan oleh model

yang dibuat berdasarkan asumsi bahwa faktor yang mempengaruhi keberadaan

hama hanya dipengaruhi oleh faktor iklim saja, sedangkan faktor lain

diasumsikan tidak berpengaruh.

10

Gambar 6 Hubungan populasi imago hasil luaran model dan

hasil observasi pada tanggal 1 Januari 2009 sampai

31 Desember 2009 di wilayah Cirebon

Gambar 6 menunjukkan bahwa populasi hasil luaran model dan populasi

hasil observasi memiliki korelasi yang positif. Nilai koefsien determinasi (R2)

antara populasi imago hasil prediksi dan hasil observasi memiliki hubungan yang

baik dan berkorelasi dengan nilai R2 sebesar 72%. Artinya sebesar 72% populasi

Imago hasil observasi dapat diijelaskan dengan hasil luaran model simulasi

Dymex. Nilai kalibrasi yang cukup tinggi dinilai sudah cukup baik untuk

dilakukan simulasi di daerah lain.

Karakteristik Daerah Kajian

Kabupaten Indramayu terletak pada 6° 15’ - 6° 40’ Lintang Selatan dan

107° 52’- 108° 36’ Bujur Timur. Daerah Indramayu memiliki ketinggian sekitar 3

m di atas permukaan laut. Kondisi iklim wilayah Indramayu pada tahun 2009-

2012 ditunjukkan oleh Gambar 7. Data iklim tersebut adalah data hasil observasi

dari stasiun BMKG Jatiwangi dengan kode stasiun 96791 yang diakses dari

website tutiempo.com dan ogimet.com.

Gambar 7 panel 1 adalah grafik curah hujan pada tahun 2009 sampai 2012.

Secara umum wilayah Indramayu memiliki pola hujan yang monsunal. Tipe iklim

Indramayu menurut klasifikasi Schmidt-Ferguson adalah iklim tipe D atau iklim

sedang dengan perbandingan jumlah rata-rata bulan kering dan bulan basah antara

0,6 sampai 1. Gambar 7 panel 1 menunjukkan bahwa curah hujan mengalami

fluktuasi yang tinggi. Curah hujan yang tinggi terdapat pada awal dan akhir

tahun 2009 dan menurun pada pertengahan tahun. Pada tahun 2010 curah hujan

relatif konstan disepanjang tahun. Pada tahun 2011 wilayah ini mengalami musim

kemarau panjang yang ditandai dengan penurunan jumlah curah hujan dan

meningkat pada akhir tahun saja. Pada tahun 2012 curah hujan tinggi pada awal

tahun hingga mencapai puncak pada bulan maret dan kembali mengalami

penurunan hingga bulan Oktober dan curah hujan kembali meningkat pada bulan

November.

11

Gambar 7 Kondisi iklim wilayah Indramayu pada tanggal 1 Januari 2009

sampai 31 Desember 2012. Panel 1: curah hujan, panel 2: garis

penuh (suhu maksimum), garis putus-putus (suhu minimum), panel

3: garis tebal (RH maksimum), garis penuh (RH minimum)

Secara umum suhu bulanan di wilayah Indramayu tidak terlalu

berfluktuasi. Hal tersebut disebabkan karena iklim di wilayah ini adalah iklim

tropis. Secara umum suhu harian rata-rata iklim tropis lebih dari 18 oC. Gambar 7

panel 2 menunjukkan suhu bulanan maksimum pada tahun 2009 sampai 2012

berkisar antara 30oC dan 36

oC. Suhu bulanan minimum rata-rata untuk wilayah

ini berkisar antara 22 o

C dan 25oC, sedangkan suhu udara rata-rata pada wilayah

ini adalah 27 oC sampai 29

oC.

Nilai kelembaban udara pada wilayah Indramayu cukup berfluktuasi. Nilai

kelembaban udara dipengaruhi oleh suhu udara dan curah hujan. Nilai RH

maksimum bulanan pada tahun 2009 sampai 2012 berkisar antara 61% sampai

89% sedangkan nilai RH minimum bulanan berkisar antara 51% sampai 76%.

Tingginya nilai RH terjadi pada bulan-bulan dengan curah hujan tinggi yaitu pada

bulan Oktober sampai Maret, sedangkan nlai RH rendah terjadi pada saat musim

kemarau yaitu pada bulan Juni hingga September.

Model Simulasi

Simulasi dilakukan pada tanggal 1 Januari 2009 sampai 31 Desember 2012

pada wilayah Indramayu. Simulasi dilakukan untuk menduga populasi hama

Penggerek batang padi kuning pada wilayah Indramayu.

12

Gambar 8 Hasil luaran model populasi telur, larva, pupa dan imago

Penggerek batang padi kuning pada tahun 2009 dan 2010

Gambar 9 Hasil luaran model populasi telur, larva, pupa dan imago

Penggerek batang padi kuning pada tahun 2011 dan 2012

Hasil simulasi model ditunjukkan pada Gambar 8 dan 9. Hasil luaran

model mengasumsikan bahwa faktor yang mempengaruhi keberadaan hama hanya

dipengaruhi oleh faktor iklim saja, sedangkan faktor lain diasumsikan tidak

berpengaruh. Pendugaan populasi hama Penggerek batang padi kuning mulai dari

13

fase telur, larva, pupa dan imago memiliki fluktuasi yang berbeda-beda setiap

tahunnya mulai dari tahun 2009 sampai 2012. Berdasarkan hasil simulasi model,

terlihat bahwa jumlah populasi hama mulai dari fase telur sampai fase imago

semakin berkurang. Jumlah populasi telur menjadi yang terbanyak diantara semua

fase, hal ini disebabkan oleh fase reproduksi imago yang mampu bertelur sampai

600 butir per betina (Pathak dan khan 1994), selain itu perbandingan jumlah hama

jantan dan betina juga menujukkan bahwa populasi hama betina yang lebih

banyak dari jantan yaitu 2:1 (Krishnaiah et al. 2004) sehingga menyebabkan

hama betina yang dapat bertlelur lebih banyak.

Fluktuasi populasi larva lebih tinggi dibandingkan populasi lainnya. Pada

fase larva terjadi beberapa kali penurunan jumlah populasi larva yang sangat

drastis hingga mencapai 0. Hal ini disebabkan oleh faktor iklim yang

menyebabkan mortalitas larva tinggi seperti suhu udara yang cukup tinggi, curah

hujan yang tinggi, dan kelembaban udara yang rendah. Hal tersebut juga sesuai

dengan pendapat Pathak dan Khan (1994) yang menyatakan bahwa biasanya 75%

telur yang menetas menjadi larva hanya 10% saja yang berhasil mencapai dewasa

karena faktor iklim. Usia larva yang lebih panjang yaitu berkisar antara 38-42 hari

juga menjadi faktor yang menyebabkan tingkat mortalitas yang lebih tinggi

diantara fase yang lainnya.

Populasi pupa lebih sedikit dari populasi larva. Hal tersebut dipengaruhi

oleh tingkat mortalitas yang tinggi pada larva. Mortalitas pupa dipengaruhi oleh

faktor iklim seperti curah hujan tinggi, kelembaban tanah yang terlalu rendah, dan

suhu yang tinggi.

Berdasarkan hasil simulasi model, populasi imago selalu ada pada tahun

2009 sampai 2012. Pada tahun 2009 puncak populasi imago terjadi pada bulan

April dan September, sedangkan puncak populasi pada tahun 2010 terjadi pada

bulan Januari, Juni, dan November. Pada bulan-bulan tersebut merupakan bulan-

bulan yang memiliki kondisi iklim yang paling ideal untuk perkembangan hama

Penggerek batang padi. Suhu yang tidak terlalu tinggi dan curah hujan yang cukup

mendorong laju perkembangan tinggi, sementara tingkat mortalitas rendah dan

akan secara langsung dapat mempengaruhi umur fisiologis setiap fase menjadi

lebih singkat sehingga fase imago cepat bereproduksi sampai pada peletakan telur.

Penurunan populasi imago yang tinggi pada tahun 2009 terjadi pada akhir

Juli dan akhir November, sedangkan tahun 2010 terjadi pada akhir April, akhir

Agustus dan Desember. Hal tersebut terjadi karena pada bulan-bulan tersebut suhu

udara tinggi yang mengakibatkan hama mengalami stress panas dan kelembaban

udara yang terlalu rendah yang menyebabkan populasi pada fase larva dan pupa

mengalami mortalitas sehingga akan dikuti oleh penurunan jumlah populasi pada

fase imago. Hal tersebut sesuai dengan pendapat (Pathak dan Khan 1994) yang

menyatakan populasi imago akan menurun apabila kelembaban udara dibawah

70%.

Populasi hama pada tahun 2011 tidak terlalu berbeda dengan tahun 2009.

Puncak populasi terjadi pada bulan April dan September. Pada tahun 2012

keberadaan hama cenderung konstan dan jumlah populasinya lebih sedikit

dibandingkan dengan tahun-tahun sebelumnya. Hal ini disebabkan pada tahun

2012 jumlah curah hujan relatif tinggi dibanding tahun-tahun sebelumnya, kondisi

ini memicu penurunan jumlah populasi.

14

Pengaruh Curah Hujan Terhadap Populasi Imago

Gambar 10 Hubungan curah hujan dengan populasi imago

luaran model simulasi di wilayah Indramayu pada

tahun 2009-2012

Grafik pada Gambar 10 adalah model pendekatan untuk melihat hubungan

curah hujan dengan populasi imago. Gambar 10 menunjukkan bahwa curah hujan

memiliki hubungan yang negatif terhadap hasil simulasi populasi imago hama

Penggerek batang padi. Hal tersebut sesuai dengan pendapat Kaushik dan Parthak

(2009) yang menyatakan bahwa curah hujan yang tinggi berkorelasi negatif

terhadap populasi hama Penggerek batang. Artinya populasi imago pada saat

musim hujan relatif rendah. Pada tahun 2009-2012, curah hujan antara 0 sampai

30 mm/minggu menjadi curah hujan yang ideal untuk perkembangan hama

Penggerek batang padi kuning sehingga populasi hama imago cenderung tinggi.

Kondisi tersebut juga menjadi yang paling ideal untuk hama imago untuk

meletakkan telurnya (Krishnaiah et al.2004). Hal tersebut biasanya terjadi pada

bulan-bulan kering seperti Juni sampai Agustus. Hal tersebut juga sesuai dengan

pendapat Krishnaiah et al. (2004) yang menyatakan perkembangan larva akan

lebih cepat pada musim kemarau sehingga populasi imago akan lebih cepat

berkembang. Terlihat pada Gambar 10 bahwa populasi imago yang dapat

mencapai lebih dari 8000 imago. Pada saat curah hujan lebih besar dari 100

mm/minggu populasi imago mengalami penurunan yang sangat drastis.

Pengaruh Suhu Terhadap Populasi Imago

Gambar 11 Hubungan suhu minimum dengan populasi

imago luaran model simulasi di wilayah

Indramayu pada tahun 2009-2012

15

Gambar 12 Hubungan suhu maksimum dengan populasi

imago luaran model simulasi di wilayah

Indramayu pada tahun 2009-2012

Suhu merupakan salah satu syarat utama yang mempengaruhi

perkembangan hama Penggerek batang padi kuning. Suhu berperan dalam

menentukan jumlah generasi hama per tahun. Grafik yang terdapat pada Gambar

11 dan 12 juga merupakan model pendekatan untuk melihat hubungan suhu

dengan populasi imago. Gambar 11 menunjukkan bahwa suhu minimum yang

cocok untuk perkembangan imago adalah 20 oC sampai 26

oC. Populasi imago

mencapai maksimum pada saat suhu minimum 24 oC. Populasi pada suhu tersebut

dapat mencapai 8000 imago. Suhu minimum yang lebih besar dari 25 oC dapat

menyebabkan penurunan jumlah populasi imago. Menurut Dale (1994) suhu

minimum yang terlalu tinggi dapat menyebabkan mortalitas yang tinggi pada telur

dan larva sehingga menyebabkan populasi imago juga rendah. Gambar 12

menunjukkan bahwa suhu maksimum yang cocok untuk perkembangan imago

adalah 28 oC sampai 37

oC. Populasi imago hasil simulasi menujukkan bahwa

kebanyakan imago berkembang pada suhu 33 o

C, dan pada suhu lebih dari 35 oC

jumlah imago sudah mengalami penurunan populasi akibat cekaman panas.

Rahman dan Khalequzzaman (2004) menyatakan bahwa tidak ada perkembangan

telur, larva, pupa dan imago dibawah suhu 10 oC dan diatas suhu 35

oC.

Pengaruh Kelembaban Udara Terhadap Populasi Imago

Gambar 13 Hubungan RH Maksimum dengan populasi imago

luaran model simulasi di wilayah Indramayu

pada tahun 2009-2012

16

Gambar 14 Hubungan RH minimum dengan populasi

imago luaran model simulasi di wilayah

Indramayu pada tahun 2009-2012

Kelembaban udara juga merupakan salah satu faktor yang mempengaruhi

populasi imago. Berdasarkan Gambar 13 kisaran RH maksimum yang masih

cocok untuk perkembangan imago adalah 50% sampai 92%. Gambar 14

menunjukkan kisaran RH minimum yang masih cocok untuk perkembangan

imago adalah 44% sampai 77%. Hasil luaran model menujukkan bahwa

kebanyakan populasi imago pada kisaran RH yang tinggi yaitu lebih besar dari

80% dan RH minimum lebih besar dari 65%. RH yang rendah menyebabkan

populasi imago yang rendah pula. Hal tersebut disebabkan oleh pada saat RH

rendah banyak populasi larva yang mengalami mortalitas sehingga akan

berpengaruh terhadap populasi pupa dan imago yang rendah pula. Hal tersebut

sesuai dengan pernyataan Dale (1994) yang menyatakan bahwa RH yang tinggi

(90%-100%) baik untuk perkembangan telur, sedangkan RH dibawah 70% tidak

cocok untuk peletakan telur imago.

Model validasi

Gambar 15 Validasi model Dymex pada wilayah Indramayu pada

tanggal 1 Januari 2008 sampai 31 Desember 2008

17

Validasi adalah membandingkan data hasil luaran model dengan data

observasi. Validasi dilakukan pada waktu yang berbeda yaitu pada tanggal 1

Januari 2008 sampai 31 Desember 2008 pada daerah Indramayu. Nilai koefisien

determinasi (R2) menunjukkan hubungan yang baik antara populasi imago hasil

prediksi model dan hasil observasi dengan nilai R2 sebesar 64%. Hasil validasi

tersebut sudah cukup membuktikan bahwa iklim berpengaruh terhadap

keberadaan hama di suatu wilayah. Hal tersebut juga sesuai dengan pendapat

Pathak dan Khan (1994) yang menyatakan bahwa faktor iklim mempengaruhi

perkembangan dan keberadaan populasi hama Penggerek batang padi kuning

SIMPULAN DAN SARAN

Simpulan

Faktor iklim yaitu curah hujan, suhu dan kelembaban udara berpengaruh

terhadap populasi hama Penggerek batang padi kuning. Hasil luaran model

simulasi Dymex 3.0 dapat memprediksi populasi hama penggerek batang padi

kuning dengan baik yang ditunjukkan oleh koefisien determinasi (R2) hasil

validasi antara populasi hasil luaran model dan populasi hasil observasi sebesar

64%. Hasil model menujukkan bahwa kondisi yang ideal untuk perkembangan

hama adalah pada saat suhu minimum sebesar 24 oC dan suhu udara maksimum

33 oC dengan intensitas hujan yang cukup dengan kisaran 0-30 mm/minggu yang

terjadi pada bulan April, Juni dan September, dan populasi hama menurun drastis

pada kondisi suhu yang lebih besar dari 35 oC dengan intensitas hujan yang lebih

besar dari 100 mm/minggu dan curah hujan yang tinggi yaitu bulan Juli, Agustus

dan Desember. Setiap unsur iklim memiliki pengaruh yang berbeda-beda terhadap

populasi imago. Faktor suhu dan curah hujan merupakan faktor yang paling

menentukan dalam perkembangan dan mortalitas hama Penggerek batang.

Saran

Diperlukan data iklim yang lebih panjang dan variabel iklim lain yang

berpengaruh terhadap perkembangan dan keberadaan hama sehingga model

menjadi lebih akurat. Perlu kajian tambahan dalam penyusunan model terutama

pada fase imago. Perlu juga dilakukan pengamatan langsung terhadap hama

Penggerek batang padi kuning untuk mengetahui interaksi hama dengan tanaman

inangnya.

DAFTAR PUSTAKA

Bappeda Kabupaten Indramayu. 2009. Luas lahan sawah Indramayu [internet].

[diacu 2013 Februari 23]. Tersedia dari:

http://www.Bappedaindramayu.madebychocaholic.com/geografis.

Dale D. 1994. Insect Pests of the Rice Plant -Their Biology and Ecology.

Department of Entomology. Kerala Agricultural University. Kerala, India. p

363-485

18

Deptan. 2013. Konsumsi beras Indonesia [internet]. [diacu 2013 Agustus 10].

Tersedia dari:

http://www.deptan.go.id%2FIndikator%2Ftabe/15b/konsumsi/rata.pdf

Grist DH. 1960. Rice. Formerly Agricultural Economist, Colonial Agricultural

Service, Malaya. Longmans, Green and Co Ltd. London

Hattori I, Siwi SS. 1986. “Rice Stem Borers in Indonesia”. Tropical Agricultural

Research Center, 20(1): 25–26

Kaushik C, Partha SN. 2011. Incidence of paddy yellow stem borer (Scirpophaga

incertulas, WALKER) in relation to the agro climatic region of hemtabad,

uttar. Dinajpur, West Bengal, India. International Referred Research Journal

April 2009. issn-0975-3486 RNI: Rajbil 2009/30097 vol-II*issue 19

Krishnaiah NV, Prasad ASR, Reddy CS, Pasalu IC, Mishra B, Krishna YSR,

Prasad YG, Prabhakar M. 2004. Forewarning and management of rice

yellow stem borer Scirpophaga incertulas (walker). Technical Bulletin. 7:1-

39

Listinger JA, Alviola AL, Cruz CGD, canapi BL, Batay-An EH, Barrion AT.

2006. Rice white stem borer Scirpophaga innoata (walker) in Southern

Mindanao, Philippines I. Susplantation of yellow stem borer Scirpophaga

incertulas (walker)and pest status. International Journal of Pest

management. 255:3515-3523

Maclean J. 1997. Rice Almanac. Second Edition: International Rice Research

Institute. Los Banos. Filipina

Maywald GF, Kriticos DJ, Sutherst RW, Bottomley W. 2007. Dymex model

Builder version 3. Melbourne: CSIRO Publising

Nahrung HF, Schutze MK, Clarke AR, Duffy MP, Dunlop EA, Lawson SA. 2008.

Thermal Requirements, Field Mortality and Population Phenology

Modelling of Paropsis Atomaria Olivier, an Emergent Pest in Subtropical

hardwood Plantations. Forest Ecology and Management. 255: 3515-3523

Pathak MD, Khan ZR. 1994. Insect Pest Of Rice. International Rice Research

Institute. Manila. Filipina

Rahman MT, Khalequzzaman. 2004. Temperature requirements for the

development and survival of rice stem borer in laboratory conditions.

Entomologia Sinica. 11 (1): 47-60.

Suharto H, Usyati N. 2008. Pengendalian hama Penggerek batang padi. Di dalam:

Padi inovasi teknologi produksi. BBPTP. Jakarta. LIPI Press. P 327-349.

Yonow T, Zalucki MP, Sutherst RW, Dominiak BC, Maywald GF, Maelzer DA,

Kriticos DJ. 2004. Modelling the population dynamics of the queensland

fruit fly, bactrocera (Dacus) tryoni: A cohort-based approach incorporating

the effect of weather. Ecological Modelling. 173:9-30.

19

Lampiran 1 Hasil kalibrasi model pada wilayah Cirebon tahun 2008

Tanggal populasi imago Ln

prediksi observasi (prediksi+1) (observasi+1)

01/01/2008 425 124 6.05443935 4.82831374

01/02/2008 493 255 6.20253552 5.54517744

01/03/2008 691 143 6.53958596 4.9698133

01/04/2008 966 430 6.8741985 6.06610809

01/05/2008 1373 761 7.22548147 6.63594656

01/06/2008 3105 1868 8.041091 7.53315881

01/07/2008 4529 1153 8.41847722 7.05098945

01/08/2008 2449 643 7.8038433 6.46769873

01/09/2008 1260 173 7.13966034 5.1590553

01/10/2008 446 104 6.10255859 4.65396035

01/11/2008 116 44 4.76217393 3.80666249

01/12/2008 957 69 6.86484778 4.24849524

Lampiran 2 Hasil validasi model pada wilayah Indramayu tahun 2008

Tanggal populasi imago Ln

prediksi observasi (prediksi+1) (observasi+1)

01/01/2008 425 339 6.05443935 5.82894562

01/02/2008 493 565 6.20253552 6.33859408

01/03/2008 691 670 6.53958596 6.50876914

01/04/2008 800 132 6.68586095 4.89034913

01/05/2008 1308 749 7.17701877 6.62007321

01/06/2008 2776 1739 7.92912649 7.46164039

01/07/2008 4544 1492 8.42178301 7.3085428

01/08/2008 2374 1247 7.77275272 7.12929755

01/09/2008 1239 111 7.12286666 4.71849887

01/10/2008 546 50 6.3044488 3.93182563

01/11/2008 163 34 5.09986643 3.55534806

01/12/2008 100 39 4.61512052 3.68887945

Lampiran 3 Hasil simulasi model pada wilayah Indramayu tahun 2009-2012

Tanggal Populasi

Telur Larva Pupa Imago

1/1/2009 3000 1800 1000 425

8/1/2009 5371.5 1800 0 1211.25

15/1/2009 6974.25 4800 0 1029.56

22/1/2009 8640.11 7170.38 0 875.13

29/1/2009 7765.4 8094.02 0 743.86

5/2/2009 3728.05 7489.68 850.65 632.28

20

12/2/2009 2058.52 8739.23 0 1260.49

19/2/2009 8858.86 6358.82 919.92 1071.42

26/2/2009 12113.03 6059.87 573.03 1692.64

5/3/2009 13318.86 9115.47 863.1 1925.82

12/3/2009 17140.05 12606.14 1041.65 2370.59

19/3/2009 23763.78 14206.02 1399.05 2900.4

26/3/2009 32146.24 13523.1 0 3654.53

2/4/2009 38151.4 17904.06 510.04 3106.35

9/4/2009 36788.09 7133.63 1384.9 3073.93

16/4/2009 34717.4 27476.44 292.25 3790.01

23/4/2009 40622.22 0 465.61 3469.92

30/4/2009 41687.7 18564.37 0 3345.2

7/5/2009 41650.82 5831.85 0 2843.42

14/5/2009 37546.04 25461.7 0 2416.91

21/5/2009 25241.04 0 0 2054.37

28/5/2009 22668.77 15525.07 0 1746.22

4/6/2009 24565.14 11295.18 0 1484.28

11/6/2009 19182.17 21107.43 0 1261.64

18/6/2009 15229.8 0 0 1072.39

25/6/2009 13492.25 7569.84 0 911.54

2/7/2009 10910.85 15229.8 0 774.8

9/7/2009 9363.22 10047.04 0 658.58

16/7/2009 7468.52 15054.44 0 559.8

23/7/2009 6582.61 9564.27 0 475.83

30/7/2009 6299.95 10970.69 1777.42 404.45

6/8/2009 5035.9 11350.63 1798.58 1854.59

13/8/2009 13394.75 11257.42 1236.51 3105.2

20/8/2009 32331.04 10001.36 1952.3 3690.45

27/8/2009 44268.14 19811.89 1446.81 4796.34

3/9/2009 43178.43 0 2173.56 4367.02

10/9/2009 29973.18 0 0 3787.52

17/9/2009 36299.12 1486.61 0 2991.37

24/9/2009 33636.18 0 0 1822.29

1/10/2009 21386.61 26307.23 0 1548.01

8/10/2009 26110 0 0 1315.81

15/10/2009 17868.57 0 0 920.39

22/10/2009 13442.34 12052.34 0 781.69

29/10/2009 10643.84 0 0 523.26

5/11/2009 5078.62 0 0 333.27

12/11/2009 4798.44 3017.74 0 281.62

19/11/2009 4528.68 5078.62 0 239.38

26/11/2009 2939.28 7816.18 0 203.1

21

3/12/2009 2168.17 9607.29 0 171.63

10/12/2009 2147.88 7737.72 3017.74 145.68

17/12/2009 2025.24 8757.73 0 2688.56

24/12/2009 15092.98 5087.16 4798.44 2285.28

31/12/2009 25434.28 5984.53 0 6021.16

7/1/2010 40123.04 18389.02 1791.12 5117.99

14/1/2010 49721.88 4587.99 1148.16 5872.74

21/1/2010 47852.11 33308.03 164.32 5967.77

28/1/2010 53272.76 0 179.44 5212.27

4/2/2010 49787.86 27014.59 0 4582.95

11/2/2010 47956.83 0 0 3895.51

18/2/2010 46214.17 23529.69 0 3311.18

25/2/2010 38669.34 0 0 2814.51

4/3/2010 32287.71 21732.59 0 2392.33

11/3/2010 28576.89 0 0 2033.48

18/3/2010 22810.18 13803.2 0 1728.46

25/3/2010 18231.61 14081.7 0 1467.9

1/4/2010 15789.82 12400.13 0 1246.41

8/4/2010 14537.39 15508.93 0 1058.55

15/4/2010 14447.92 10197.36 0 898.36

22/4/2010 12528.37 14797.52 2442.39 762.55

29/4/2010 10331.78 10543.43 1638.79 2724.21

6/5/2010 21310.57 13578.1 1438.72 3706.92

13/5/2010 35265.28 9597.53 1360.27 4373.79

20/5/2010 40365.86 22181.98 1832.58 4873.95

27/5/2010 51217.46 0 1810.13 5700.55

3/6/2010 67206.42 20501.72 0 6384.08

10/6/2010 70991.98 0 0 5426.46

17/6/2010 60200.92 34981.2 0 4612.49

24/6/2010 49648.66 0 0 3920.62

1/7/2010 41976.66 26698.2 0 3332.53

8/7/2010 37455.08 0 0 2832.65

15/7/2010 34235.05 19026.21 0 2407.75

22/7/2010 27229.23 3647.34 0 2046.59

29/7/2010 21612.14 19453.52 0 1739.6

5/8/2010 21026.79 1687.36 0 1478.66

12/8/2010 19872.32 11876.44 0 1256.86

19/8/2010 16144.85 18369.72 101.25 1068.33

26/8/2010 13127.24 4454.68 79.67 994.14

2/9/2010 11328.57 11450.53 114.4 912.74

9/9/2010 10649.81 14863.13 82.67 873.07

16/9/2010 9896.89 9770.85 1153.67 812.38

22

23/9/2010 8579.94 14478.73 630.35 1671.14

30/9/2010 11104.55 10153.9 646.86 1956.27

7/10/2010 19871.7 12259.46 1724.09 2212.66

14/10/2010 25862.1 12712.2 2919.83 3343.87

21/10/2010 33710.15 16947.27 2246.32 5324.15

28/10/2010 45747.47 8580.37 1372.81 6431.14

4/11/2010 51855.32 24911.1 0 6633.36

11/11/2010 54272.77 0 537.01 5636.95

18/11/2010 59014.8 25218 0 5246.96

25/11/2010 60933.07 0 0 4459.79

2/12/2010 57565.65 31486.38 0 3790.68

9/12/2010 47199.61 0 0 3222.08

16/12/2010 32716.94 23226.59 0 2738.77

23/12/2010 24434.85 0 0 2327.95

30/12/2010 20785.47 13155.96 0 1978.76

6/1/2011 21718.12 16394.57 0 1681.94

13/1/2011 21222.18 9511.67 0 1429.65

20/1/2011 16741.35 21242.87 0 1215.2

27/1/2011 13413.21 0 0 1032.92

3/2/2011 9623.12 6823.26 0 877.99

10/2/2011 6443.56 12986.08 0 746.29

17/2/2011 7247.77 11535.36 0 634.34

24/2/2011 7798.71 12289.5 0 537.28

3/3/2011 6873 12763.96 0 455.4

10/3/2011 5941.09 9533.23 3123.52 385.96

17/3/2011 4862.93 10830.6 2041.42 2981.99

24/3/2011 14571.99 11266.14 1146.21 4268.46

31/3/2011 39446.58 10685.78 1291.89 4601.06

7/4/2011 58356.68 19645.26 1905.45 5009

14/4/2011 59486.55 1591.81 1907.59 5877.29

21/4/2011 63528.83 32724.92 88.35 6617.15

28/4/2011 76384.6 0 68.86 5699.67

5/5/2011 74504.67 35263.73 0 4903.25

12/5/2011 65605.17 0 0 4167.76

19/5/2011 59014.14 33383.8 0 3542.6

26/5/2011 48554.45 0 0 3011.21

2/6/2011 39312.73 26792.77 0 2559.53

9/6/2011 31098.27 0 0 2175.6

16/6/2011 26911.61 17551.05 0 1849.26

23/6/2011 23931.59 7615.81 0 1571.79

30/6/2011 16001.1 20980.2 0 1335.96

7/7/2011 12634.73 0 0 1135.48

23

14/7/2011 13608.15 5433.91 0 965.09

21/7/2011 11922.13 12634.73 0 819.42

28/7/2011 10046.2 14024.99 0 696.01

4/8/2011 8409.19 11675.04 0 591.1

11/8/2011 7128.87 13491.8 0 501.09

18/8/2011 6221.81 10008.85 1990.77 423.63

25/8/2011 5421.76 11532.78 1716.93 2050.48

1/9/2011 15339.78 10988.02 1526.38 3201.22

8/9/2011 35297.32 10750.15 1510.32 4018.47

15/9/2011 51111.89 20134.27 1871.77 4699.04

22/9/2011 62603.56 0 4072.4 5585.19

29/9/2011 74991.28 28703.32 0 8208.95

6/10/2011 101485.5 0 0 6977.61

13/10/2011 80954.65 0 0 4250.64

20/10/2011 46161.05 0 0 3101.23

27/10/2011 52404.3 20560.24 0 2636.04

3/11/2011 30057.11 0 0 2240.64

10/11/2011 3253.63 18427.39 0 1904.54

17/11/2011 3161.54 2754.62 0 1618.86

24/11/2011 13055.09 1893.8 0 1376.03

1/12/2011 15050.72 3475.55 0 1169.63

8/12/2011 7187.31 9191.26 0 994.18

15/12/2011 2030.14 9249.15 615.39 845.06

22/12/2011 2361.93 7754.51 0 1238.93

29/12/2011 2361.93 5331.23 0 1051.49

5/1/2012 4380.19 5047.88 340.08 892.86

12/1/2012 8561.97 2664.06 1178.28 1046.99

19/1/2012 9439.9 4555.88 661.72 1889.98

26/1/2012 14301.68 6313.48 286.18 2167.45

2/2/2012 19323.45 7955.47 0 2085.51

9/2/2012 10279.89 11353.89 332.95 1772.63

16/2/2012 5728.13 12859.55 0 1789.75

23/2/2012 10070.83 7037.8 557.54 1521.28

1/3/2012 13739.89 8423.8 352.78 1767

8/3/2012 13847.51 8373.2 403.76 1801.82

15/3/2012 8117.02 11522.71 694.44 1874.74

22/3/2012 10446.57 8640.13 789.37 2183.8

29/3/2012 6779.87 8990.1 0 2527.2

5/4/2012 13343.59 12154.43 643.09 2148.12

12/4/2012 24943.42 8919.13 704.4 2372.53

19/4/2012 27868.6 14109.75 1195.87 2615.39

26/4/2012 19444.6 10077.62 566.34 3239.57

24

3/5/2012 3814.49 17650.85 324.22 3235.02

10/5/2012 13680.42 3894.86 674.62 3025.36

17/5/2012 32116.63 4533.52 0 3144.98

24/5/2012 39292.61 17082.07 493.21 2673.24

31/5/2012 37211.89 7864.08 473.02 2689.92

7/6/2012 22911.95 22219.29 384.78 2687.14

14/6/2012 19261.41 0 110.11 2609.93

21/6/2012 28071.08 5917.81 0 2310.85

28/6/2012 28262.47 19261.41 0 1962.75

5/7/2012 24330.13 2510.4 0 1665.14

12/7/2012 20310.23 16045.38 0 1415.37

19/7/2012 18209.51 10614.4 0 1203.06

26/7/2012 15569.07 18730.51 172.85 1022.6

2/8/2012 12352.89 3435.14 365.8 1016.14

9/8/2012 11357.32 10258.54 51.25 1174.65

16/8/2012 13430.39 14708.65 637.76 1042.02

23/8/2012 13207.97 10631.49 495.51 1427.81

30/8/2012 15039.39 16487.09 584.38 1634.82

6/9/2012 15333.46 7591.66 533.01 1886.32

13/9/2012 19424.43 15808.18 1166.21 2056.42

20/9/2012 28750 8302.24 1953.12 2739.24

27/9/2012 30610.66 0 1041.75 3564.76

4/10/2012 43343.19 15276.3 0 3915.53

11/10/2012 46800.11 0 0 2738.45

18/10/2012 37481.15 2083.86 0 2162.82

25/10/2012 35837.93 20875.14 0 1838.14

1/11/2012 29484.64 0 0 1561.55

8/11/2012 23674.53 17148.07 0 1326.83

15/11/2012 20929.01 8408.82 0 1127.59

22/11/2012 13407.14 19746.78 0 958.45

29/11/2012 9669.48 510.74 0 814.44

6/12/2012 5853.4 3543.51 71.12 692.27

13/12/2012 4183.29 6425.19 35.18 648.47

20/12/2012 4183.29 4417.32 0 580.84

25

RIWAYAT HIDUP

Penulis dilahirkan di Sibolga, Provinsi Sumatera Utara, tanggal 15 Mei

1992, sebagai anak ke dua dari empat bersaudara, anak dari pasangan Bapak

Togar Banjarnahor dan Ibu Agnes Simanjuntak. Pada tahun 2009 penulis

menyelesakan kegiatan belajar di SMA N 1 Sibolga. Pada tahun yang sama

penulis diterima sebagai mahasiswa IPB melalui jalur USMI, serta terdaftar

menjadi mahasiswa Program Studi Meteorologi Terapan, Departemen Geofisika

dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut

Pertanian Bogor. Selama masa studi di IPB, penulis pernah aktif dalam himpro

HIMAGRETO dan mengikuti kegitan Pesta Sains IPB tingkat nasional tahun

2010-2011, pada tahun yang sama hingga saat ini penulis juga aktif sebagai tim

pendamping Keluarga Mahasiswa Katolik IPB (Kemaki). Pada tahun 2010-2012

penulis juga pernah mengikuti berbagai kegiatan olahraga antar departemen

(SPIRIT) dan antar fakultas (OMI). Pada tahun 2012 penulis juga menjadi asisten

Biometeorologi.