1

BAB I. PENDAHULUAN

1.1. Latar Belakang

Kebijakan pengendalian hama penyakit tanaman diatur melalui UU dan PP yang

meliputi:

1. Pengendalian hama tanaman padi sawah diatur melalui Keputusan Presiden No. 3

tahun 1986 dan UU No. 12/1992 tentang Sistem Budidaya Tanaman dan Pengendalian

Hama dan Penyakit Terpadu (PHT). PHT adalah sistem pengendalian hama dalam

konteks hubungan antara dinamika populasi dan lingkungan suatu jenis hama,

menggunakan berbagai teknik yang kompatibel untuk menjaga agar populasi hama

tetap berada di bawah ambang kerusakan ekonomi (Roja, 2009).

2. Undang-undang No.12 tahun 1992 tentang Sistem Budidaya Tanaman dan PP No. 6

tahun 1995 tentang Perlindungan Tanaman mengamanatkan bahwa pengendalian

Organisme Pengganggu Tanaman (OPT) dilaksanakan dengan sistem PHT (BBPOT,

2003).

Menurut Lee dkk. (1990) dalam (Pasaribu, 2010) ketidakpastian dalam usaha tani dapat

diklasifikasikan menjadi 6 kategori, yaitu (1) faktor alami (kekeringan dan serangan hama

penyakit), (2) bencana yang tidak diprediksi (banjir, kebakaran, longsor, letusan gunung api),

(3) harga, (4) penguasaan teknologi yang rendah, (5) aksi pihak lain, dan (6) penyebab

perorangan. Ketidakpastian tata usaha tani dapat menimbulkan kerusakan lahan dan

kegagalan panen sehingga mengakibatkan kerugian yang besar. Kegagalan panen yang

disebabkan oleh kekeringan, serangan hama penyakit dan bencana umumnya terjadi secara

sporadis di berbagai wilayah, pada waktu yang berbeda namun dampak yang ditimbulkan

akan terakumulasi. Gambar 1.1. memperlihatkan besarnya kegagalan panen yang disebabkan

oleh faktor alami dan bencana di Indonesia antara tahun 2000 – 2008 (Ha)berdasarkan data

dari Direktorat Jenderal Perlindungan Tanaman Pangan tahun 2008 dan BPS 2011 (Pasaribu,

2010).

2

Gambar 1. 1 Kegagalan panen yang disebabkan oleh faktor alami (OPT) dan bencana

(Ha) (Pasaribu, 2010)

Gambar 1.1 memperlihatkan fluktuasi kegagalan panen karena faktor alami antara tahun 2000

– 2008 di Indonesia. luas areal yang terkena serangan OPT, banjir dan kekeringan

berfluktuasi dan cenderung meningkat sepanjang tahun yang diikuti peningkatan kehilangan

hasil. Banjir dan kekeringan memiliki keterhubungan dengan waktu dan musim sehingga

memungkinkan untuk dilakukan antisipasi, sedangkan serangan hama penyakit relatif lebih

sulit diantisipasi karena intensitas dan frekuensi serangan OPT dapat berulang. Banjir,

kekeringan dan serangan hama penyakit cenderung mendominasi dan meningkat di sepanjang

tahun.

Serangan OPT tidak terjadi secara mendadak, namun terjadi secara sistematis melalui

tahapan dan proses tertentu serta dapat dipantau dengan pengamatan visual. Perubahan

sistematis yang dapat digunakan sebagai indikator serangan OPT adalah perubahan warna

daun padi menjadi kuning, pangkal batang berubah menjadi berwarna hitam dan dalam

kondisi terparah tanaman akan mongering (hopperburn) (Balitbangtan, 2010).

OPT menyerang tanaman budidaya pertanian dalam areal yang sangat luas, dalam

waktu singkat dan akan berulang di setiap musim (Supriyono, 2006). Hama utama padi antara

lain Penggerek BatangPadi (Scirpophaga sp. Wlk), Wereng Batang Cokelat (Nilaparvata

lugens Stal.), atau disebut WBC, Tikus(Rattus argentiventer Rob & Kloss), Tungro (Rice

tungro bacilliform virus), Blas (Pyricularia grisea), dan Hawar Daun Bakteri (Xanthomonas

oryzae) (BBPOT, 2010). Penentuan serangan hama padi dinyatakan dalam Kumulatif Luas

339,037

299,238 299,830

214,597 217,783

340,577 336,126

417,003 428,590

-

100,000

200,000

300,000

400,000

500,000

600,000

2000 2001 2002 2003 2004 2005 2006 2007 2008

Luas

Lah

an (

Ha)

Tahun

Kegagalan Panen Karena Faktor Alami di Indonesia Tahun 2000 - 2008

Banjir

Kekeringan

Serangan OPT

3

Tambah Serangan atau (KLTS) dengan satuan Hektar. KLTS OPT padi di Indonesia dapat

dilihat pada Tabel 1.1.

Tabel 1. 1 Jenis organisme penyakit padi dan luas serangan di Indonesia (Ha)

(Sumber : BBPOPT Departemen Pertanian, 2010)

Hama KLTS MH.2009/2010 KLTS MK. 2010

Penggerek Batang Padi (Scirpophaga sp. Wlk) 54.846 80.104

Wereng Batang Cokelat (Nilaparvata lugens Stal.) 30.342 96.498

Tikus (Rattus argentiventer Rob & Kloss) 82.603 79.544

Tungro (Rice tungro bacilliform virus) 4.390 5.672

Blas (Pyricularia grisea) 7.290 9.423

Hawar Daun Bakteri (Xanthomonas oryzae) 31.851 44.281

Keterangan :

KLTS MH : Kumulatif Luas Tambah Serangan Musim Hujan

KLTS MK : Kumulatif Luas Tambah Serangan Musim Kering

Pada Tabel 1.1. diperlihatkan jenis organisme penyakit padi dan kumulatif luas

tambah serangan di musim hujan (KLTS MH) dan musim kemarau (KLTS MK) di Indonesia

dalam satuan Ha pada tahun 2009/2010. Hama WBC meningkat secara drastis dalam satu

musim tanam yaitu dari 30.342 Ha menjadi 92.498 Ha. Peningkatan secara drastis populasi

WBC di Indonesia, menurut Southwood (1977) dalam (Iman dan Priyatno, 2001) karena

hama WBC memiliki kemampuan mobilitas yang tinggi dari satu lokasi menuju lokasi

sekitarnya, kemampuan adaptasi terhadap lingkungannya secara cepat dan regenerasi

individu yang sangat tinggi. Karakteristik mobilitas, kemampuan adaptasi dan regenerasi

yang tinggi di Indonesia menyebabkan serangan WBC secara meluas sejak tahun 1961

sampai dengan 2010 seperti dapat dilihat pada Tabel 1.2.

Tabel 1. 2 Luas serangan WBC di Indonesia dari tahun 1961 – 2010 (Ha)

(Sumber : Baehaki, 2010)

Dasawarsa Luas Kerusakan Padi (Ha)

1961 – 1970 52.000

1971 – 1980 3.093.593

1981 – 1990 458.038

1991 – 2000 312.610

2001 – 2010 351.748

Pada Tabel 1.2. terlihat bahwa luas kerusakan padi akibat serangan WBC terjadi pada

setiap dasawarsa. Luas kerusakan padi terlihat fluktuatif namun cenderung mengalami

peningkatan. Wilayah yang mengalami serangan tertinggi WBC pada tahun 2010 – 2012

4

menurut Direktorat Tanaman Pangan Departemen Pertanian RI adalah Provinsi Jawa Tengah,

Jawa Barat dan Jawa Timur dengan besaran yang diperlihatkan pada Gambar 1.2.Serangan

WBC dihitung dalam satuan Ha disetiap Musim Tanam (MT) mulai Kumulatif Luas Tambah

Serangan Musim Tanam dari 2010 sampai dengan 2012 (KLTS MT).

Keterangan :

KLTS MT : Kumulatif Luas Tambah Serangan Musim Tanam

Gambar 1. 2 KLTSWBC terbesar di Indonesia tahun 2010 – 2012 (Ha)

(Sumber : Direktorat Tanaman Pangan Departemen Pertanian RI, 2012)

Pada Gambar 1.2. terlihat terjadinya fluktuasi luas wilayah serangan WBC dan

kecenderungan peningkatan setiap tahunnya. Menurut data Balai Perlindungan Tanaman

Pangan dan Hortikultura (BPTPH) Provinsi Jawa Tengah, luas serangan WBC sejak tahun

2007 meningkat. Peningkatan tersebut memiliki keterhubungan dengan beberapa faktor yaitu:

(1) pola tanam kurang teratur dalam satu hamparan, (2) varietas tidak tahan WBC, (3)

penggunaan pestisida, dan (4) curah hujan tinggi (Gambar 1.3).

Beberapa sumber literatur menyatakan bahwa peningkatan luas serangan WBC

disebabkan oleh populasi WBC yang tinggi. Populasi WBC yang tinggi pada suatu hamparan

disebabkan oleh beberapa faktor yaitu: (1) biotipe, (2) varietas, (3) pola tanam, (4) insektisida

dan (5) iklim (Baehaki, 2011 ; Dharmasena dkk., 2000 ; Susanti dkk., 2010 ; Olanrewaju,

1998 ; Win dkk., 2011).

50,721

5,158 2,176 337

23,192 22,615 30,406

1,390 21,889

26,792

121,853

905 -

20,000

40,000

60,000

80,000

100,000

120,000

140,000

KLTS MT 2010 KLTS MT 2010/2011

KLTS MT 2011 KLTS MT 2011/2012

He

ktar

Tahun

Wilayah Serangan WBC Terbesar di Indonesia 2010 - 2012

Jabar

Jateng

Jatim

5

Gambar 1. 3 Serangan WBC di Provinsi Jawa Tengah tahun 2007 – 2011

(Sumber : BPTPH Provinsi Jawa Tengah)

Populasi WBC yang tinggi berdampak terhadap persaingan makanan sehingga

mendorong setiap individu untuk melakukan proses migrasi. WBC dapat melakukan proses

migrasi dalam jarak geografis yang jauh karena memiliki kemampuan terbang dengan

kecepatan 5-11 m/detik dan ketinggian 1000 – 3000 meter mengikuti aliran angin musiman

(Monsoon) (Wada dkk., 2008 ; Seino dkk., 1987). Aktivitas migrasi dan distribusi populasi

WBC dari satu tempat menuju ke tempat lain akan menyebabkan perubahan struktur spasial

dan temporal yang kompleks meliputi faktor topografi, iklim, antropogenik dan interaksi

biotik (Wang dkk., 2009). Sebagai contoh adalah proses migrasi dan distribusi WBC secara

meluas menuju 28 Kabupaten/kota di Provinsi Jawa Tengah dengan wilayah serangan

tertinggi meliputi Kabupaten Klaten, Boyolali, Sukoharjo, Sragen, Karanganyar dan Wonogiri

(Waluyo, 2012).

Aktivitas migrasi dan distribusi populasi WBC disebabkan oleh faktor topografi seperti

jaringan irigasi dan faktor iklim (durasi penyinaran matahari, temperatur, curah hujan dan

kelembaban) (Win dkk., 2011). Distribusi populasi yang disebabkan oleh faktor antropogenik

yaitu perilaku pemupukan dan perilaku penggunaan insektisida. Distribusi populasi yang

disebabkan oleh faktor interaksi biotik misalnya kemampuan regenerasi di wilayah yang

beriklim sedang hanya dapat terjadi 3 generasi, sedangkan ketika bermigrasi ke wilayah

tropis mampu bereproduksi sampai dengan 12 generasi setiap tahun (Bottrell, 2012).

Sebagai upaya untuk mendeteksi dan memprediksi distribusi populasi OPT dalam ruang

dan waktu tertentu Kementerian Pertanian RI mengembangkan sistem prediksi hama dan

penyakit tanaman pangan & hortikultura dibawah koordinasi Direktorat Jenderal Bina

6,375 3,249

19,838

32,066

50,390

-

10,000

20,000

30,000

40,000

50,000

60,000

2007 2008 2009 2010 2011

Luas

Se

ran

gan

(H

a)

Tahun

Serangan WBC di Provinsi Jawa Tengah tahun 2007 – 2011

6

Produksi Tanaman Pangan Balai Besar Prediksi OPT (BBPOPT). Prediksi OPT merupakan

bagian penting dalam program dan kegiatan penerapan PHT dalam kegiatan perencanaan

ekosistem yang tahan terhadap gangguan OPT (budidaya tanaman sehat). Sasaran prediksi

OPT yaitu: (1) menduga kemungkinan timbulnya OPT, (2) mendeteksi dan memprediksi

populasi/serangan dan kerusakan yang ditimbulkan OPT, dan (3) menduga kerugian atau

kehilangan hasil akibat gangguan OPT. Tujuan yang hendak dicapai adalah memberikan

informasi tentang populasi, intensitas serangan, luas serangan dan penyebaran OPT pada

waktu yang akan datang (Deptan, 2006).

Prediksi distribusi populasi OPT dengan memanfaatkan sistem informasi geografis

(SIG) sebagai perangkat bantu visualisasi wilayah endemik telah banyak dilakukan. Xiaofang

dkk. (2008) membangun SIG untuk peringatan dini hama penyakit WBC menggunakan data

historis iklim dan serangan WBC. Metode prediksi yang dipergunakan dalam penelitian ini

adalah regresi linier, dan menghasilkan luaran pemetaan wilayah resiko yang divisualisasikan

dalam bentuk grafik, tabel dan peta. Kleinhenz dkk. (2010) membangun sistem pemantauan

dan peringatan dini serangan WBC menggunakan data historis komoditas pertanian dan WBC

dan metode interpolasi spasial. Luaran yang dihasilkan adalah : (1) model pertumbuhan

populasi WBC, (2) model invasi lokal WBC dan (3) model visualisasi multi scale.

Dminic dkk. (2010) melakukan penelitian pemanfaatan SIG untuk melihat dinamika

spasial ekologi dan biologi hama penyakit tertentu dalam pengelolaan hama terpadu

menggunakan metode geostatistic. Hasil penelitian ini dapat bermanfaat dalam menentukan

wilayah resiko serangan hama tertentu berdasarkan pola spasial distribusi serangan.

Dasi dkk. (2005) melakukan penelitian dan pengembangan sistem prediksi distribusi

spasial populasi hama penyakit tanaman menggunakan metode geostatistic. Tujuan yang

hendak dicapai adalah membangun SIG yang dilengkapi dengan analisis semivariogram dan

kriging, yaitu peta interpolasi nilai variabel observasi pada lokasi yang belum diketahui.

Variabel yang menjadi fokus penelitian adalah kepadatan populasi hama penyakit tanaman

yang tertangkap dalam lampu perangkap di seluruh wilayah studi. Hasil penelitian

didistribusikan setiap minggu kepada stakeholders untuk mendapatkan rekomendasi tindakan

preventif. Analisis peta yang dihasilkan memungkinkan untuk merencanakan tindakan

strategis di wilayah mana populasi hama penyakit besar dan melampaui ambang batas yang

ditoleransi. Rekomendasi lainnya adalah melakukan komunikasi dengan para petani dan

langkah penyemprotan bahan kimia sesuai dengan ukuran kepadatan populasi.

Penelitian prediksi OPT dengan memanfaatkan SIG di Indonesia telah dilakukan

diantaranya adalah sistem prediksi menggunakan metode Bayesian (Wahyono & Subanar,

7

2012) dan prediksi WBC menggunakan metode Regresi Liner (Susanti dkk., 2010).

Ditinjau dari metode prediksi yang digunakan dalam penelitian OPT seperti dalam

literatur (Xiaofang dkk., 2008 ; Kleinhenz dkk., 2010 ; Dminic dkk., 2010 ; Dasi dkk., 2005 ;

Wahyono & Subanar, 2012 ; Susanti dkk., 2010) belum dapat memberikan informasi prediksi

wilayah endemik berdasarkan pada dinamika distribusi populasi dan konektivitas spasial antar

wilayah serangan WBC. Untuk mengatasi kelemahan tersebut maka diusulkan penelitian

prediksi wilayah endemik WBC berdasarkan pada konektivitas spasial menggunakan

kombinasi metode Exponential Smoothing dan Spatial Autocorrelation.

1.2. Rumusan Permasalahan

Berdasarkan hasil studi literatur, sampai saat ini belum pernah ada penelitian yang

membahas tentang eksplorasi dan distribusi serangan, konektivitas spasial dan dinamika

serangan WBC. Pada penelitian ini dirumuskan tiga permasalahan mendasar yaitu:

Pertama, menyusun kerangka konseptual dan metode untuk menentukan endemisitas

WBC berdasarkan pada konektivitas spasial elemen luas serangan, curah hujan dan populasi

predator di wilayah studi. Konsep eksplorasi, analisis, visualisasi dan representasi

konektivitas elemen spasial menggunakan pendekatan Exploratory Spatial Data Analysis

(ESDA) khususnya Spatial Autocorrelation. Konektivitas elemen spasial dalam konteks ini

adalah keterhubungan topologi antara lokasi serangan WBC suatu wilayah dengan wilayah

tetangganya.

Kedua, menyusun kerangka konseptual dan metode prediksi elemen spasial luas

serangan WBC, curah hujan dan varietas di wilayah studi menggunakan Exponential

Smoothing. Hasil prediksi elemen spasial selanjutnya akan digunakan untuk menentukan

konektivitas menggunakan Spatial Autocorrelation menghasilkan pola spasial luas serangan,

iklim dan predator.

Ketiga, menyusun kerangka konseptual dan metode prediksi Exponential Smoothing

dan Spatial Autocorrelation untuk analisis dan interpretasi dinamika populasi, pola migrasi

dan distribusi populasi WBC.

1.3. Batasan Penelitian

Pembatasan penelitian dilakukan agar fokus penelitian tetap terarah pada rumusan

permasalahan. Faktor yang menjadi batasan dalam penelitian adalah sebagai berikut :

1. Data yang digunakan dalam penelitian ini menggunakan data hasil surveillance

Laboratorium PHP-OPT Wilayah V Surakarta di 120 kecamatan. Selama ini Dinas

8

Pertanian menggunakan data tersebut untuk melakukan prediksi dan pemetaan serangan

OPT. Penggunaan data yang sama bertujuan agar tidak perlu dilakukan perubahan

prosedur surveillance apabila di masa mendatang metode yang ini akan

diimplementasikan.

2. Wilayah penelitian difokuskan pada kabupaten yang mengalami endemik tinggi WBC

di Jawa Tengah pada tahun 2010 yang meliputi Kabupaten Klaten, Wonogiri, Sragen,

Sukoharjo, Karanganyar dan Boyolali. Wilayah ini merupakan lumbung beras nasional

dan perulangan terhadap serangan WBC seperti pada tahun 2009/2010 akan

mempengharuhi stabilitas ketahanan pangan nasional.

3. Objek spasial yang menjadi indikator penting dalam penentuan migrasi lokal WBC dan

penentuan endemisitas berdasarkan pada konektivitas spasial adalah data luas tambah

serangan (LTS) dalam satuan Hektar.

4. Data curah hujan yang digunakan pada penelitian ini adalah data curah hujan yang

diambil oleh Lab. PHP V Surakarta tepat dari lokasi pengambilan sampel di wilayah

studi, sehingga dapat mewakili karakteristik lingkungan setempat. Data kelembaban

dan suhu udara tidak dipantau karena tidak tersedia peralatan pemantauan yang

memadai. Data kelembaban dan suhu udara hasil pemantauan BMKG tidak dapat

digunakan karena stasiun pemantauan tidak berada di lokasi pengambilan sampel

sehingga tidak dapat mewakili karakteristik wilayah studi. Data perilaku petani yang

dianalisis meliputi data varietas tanaman dan perilaku penyemprotan. Data predator

mempergunakan data hasil pengamatan dari Lab. Entomologi Faperta UGM dan

Laboratorium Balai Besar Pengamatan Organisme Pengganggu Tanaman Provinsi Jawa

Tengah.

5. Data spasial yang digunakan dalam penelitian adalah data peta wilayah studi dengan

satuan terkecil adalah kecamatan. Data peta dasar berbentuk shape files (format

ArcView ESRI) dengan variabel dasar dalam peta meliputi Polygon ID, koordinat

wilayah studi, kecamatan dan kabupaten.

6. Pembuatan prototype untuk membuktikan konsep dan metode yang telah disusun

menggunakan perangkat lunak R, yaitu perangkat lunak komputasional berbasis

opensource yang dikeluarkan oleh R-cran.project.

1.4. Tujuan Penelitian

Tujuan yang hendak dicapai dalam penelitian ini adalah:

1. Melakukan prediksi wilayah endemik WBC menggunakan pendekatan Exponential

9

Smoothing - Spatial Autocorrelation melalui eksplorasi, analisis dan visualisasi

konektivitas spasial elemen luas serangan, curah hujan dan populasi predator pada

skalabilitas lokal, lanskap dan regional.

2. Melakukan prediksi dinamika populasi, pola migrasi dan distribusi populasi WBC

menggunakan metode Exponential Smoothing - Spatial Autocorrelation.

3. Menghasilkan metode dan prosedur baru untuk memprediksi wilayah endemik WBC

berdasarkan pada dinamika populasi dan pola migrasi dengan pendekatan Exponential

Smoothing - Spatial Autocorrelation.

1.5. Hipotesis Penelitian

Tujuan penelitian ini adalah untuk melakukan validasi dari hipotesis berikut ini:

Wilayah endemik WBC dapat diprediksi berdasarkan pada konektivitas elemen spasial

suatu wilayah dengan wilayah tetangganya baik pada skalabilitas lokal, lanskap dan

regional. Prediksi konektivitas objek spasial dapat dilakukan menggunakan metode

Exponential Smoothing & Spatial Autocorrelation. Prediksi konektivitas membentuk pola

spasial, dinamika populasi dan arah migrasi lokal yang merupakan indikator penentuan

wilayah endemik WBC.

Pada penelitian ini hipotesis akan diuji dan dibuktikan validitasnya. Beberapa bukti

yang dapat menguatkan hipotesis tersebut adalah sebagai berikut :

1. Pengukuran dan pemetaan wilayah endemik WBC sulit dilakukan secara langsung,

untuk itu diperlukan analisis terhadap berbagai variabel yang berkorelasi dengan

serangan WBC. Pola spasial periode migrasi lokal, predator, varietas dan iklim dapat

bermanfaat sebagai indikator endemisitas suatu wilayah.

2. Secara teoritik pola distribusi elemen spasial (penyakit, spesies target, wilayah

endemik) akan menghasilkan peta pola spasial (spatial pattern). Distribusi spasial

bermanfaat dalam merepresentasikan wilayah resiko dengan sasaran observasi populasi

beresiko, efek hierarki dan efek tetangga. Pada penelitian ini penentuan wilayah resiko

dilakukan menggunakan efek tetangga, yaitu wilayah yang berdekatan/dikelilingi

wilayah lain dalam ruang geografis tertentu.

3. Pembuktian hipotesis dilakukan melalui 3 langkah yang merupakan konsep dasar dalam

penelitian ini yaitu (1) Spatial Proximity, (2) Spatial Autocorrelation dan (3)

Exponential Smoothing.

4. Metode prediksi Exponential Smoothing digunakan untuk memprediksi kejadian dimasa

depan dengan dasar pemikiran bahwa sebagian besar data pertanian termasuk dalam

jenis pola data yang khas, yaitu stasioner (horizontal), musiman (seasonal), siklik

10

(periodic) dan kecenderungan (trend). Hasil prediksi selanjutnya dianalisis

menggunakan metode Spatial Autocorrelation.

1.6. Keaslian dan Kontribusi Penelitian

Identifikasi keaslian penelitian dilakukan melalui perbandingan survey literatur.

Perbedaan penelitian yang diusulkan dibandingkan dengan penelitian lain dapat ditinjau

dalam tiga kategori, yaitu: (1) kombinasi antara metode prediksi dan identifikasi pola spasial,

(2) analisis konektivitas spasial untuk penentuan migrasi lokal, (3) pemanfaatan metode ini

untuk identifikasi wilayah endemik WBC. Kontribusi penelitian dirumuskan sebagai berikut:

1. Kerangka konseptual prediksi wilayah endemik WBC berdasarkan konektivitas spasial

elemen luas serangan, curah hujan dan populasi predator di wilayah endemik.

Pendekatan yang digunakan dalam penentuan endemisitas adalah eksplorasi, analisis,

visualisasi dan representasi konektivitas elemen spasial.

2. Kerangka konseptual prediksi prediksi elemen spasial luas serangan WBC, curah hujan

dan varietas di wilayah studi menggunakan Exponential Smoothing.

3. Kerangka konseptual prediksi Exponential Smoothing dan Spatial Autocorrelation

untuk analisis dan interpretasi dinamika populasi, pola migrasi dan distribusi populasi

WBC.

4. Kerangka konseptual metode dan prosedur baru sistem prediksi wilayah endemik

serangan OPT berdasarkan pada pendekatan analisis spasial.

1.7. Publikasi Hasil Penelitian

Publikasi yang telah dilakukan pada penelitian ini adalah sebagai berikut :

1. Publikasi ke 1 berjudul Endemic Outbreaks of Brown Planthopper (Nilaparvata

lugens Stal) in Indonesia using Exploratory Spatial Data Analysis dengan author Sri

Yulianto J.P., Subanar, Edi Winarko dan Budi Setiyadi Daryono. Publikasi dilakukan

pada International Journal of Computer Science Issues, Vol. 9, Issue 5, No 1,

September 2012 ISSN (Online): 1694-0814. Indeks publikasi adalah : Google Scholar,

Scirus, Scirate.com, Scinetific, Common, Scribd, docstoc, Base, CiteSeer, dblp,

Computer Science bibliography, Sensei, DOAJ, Ebsco Host dan Proquest.

Fokus pembahasan dalam publikasi ini meliputi 2 hal yaitu: (1) penerapan metode

ESDA dalam identifikasi wilayah endemik WBC di Indonesia, dan (2) melakukan

perbandingan antara ESDA dengan metode pemetaan wilayah endemik berdasarkan

frekuensi serangan WBC yang selama ini digunakan oleh BBPOPT Kementerian

11

Pertanian RI. Hasil eksperimen menunjukkan bahwa metode ESDA lebih representatif

karena dapat menunjukkan pola hotspots dan coldspots pada wilayah kecamatan yang

bersifat endemik WBC. Berdasarkan hasil eksperimen yang dilakukan dapat diketahui

indikasi wilayah endemik pada metode Spatial Autocorrelation Moran‟s I sama

dengan metode Spatial Association (G statistic). Distribusi serangan WBC ditentukan

oleh pola konektivitas elemen spasial, populasi WBC, curah hujan dan posisi

ketetanggaan wilayah.

2. Publikasi ke 2 berjudul The Prediction of Population Dynamics Based on the Spatial

Distribution Pattern of Brown Planthopper (Nilaparvata lugenStal.) Using

Exponential Smoothing – Local Spatial Statistics di Journal of Agricultural Science

(JAS) dengan author Sri Yulianto J.P., Subanar, Edi Winarko dan Budi Setiyadi

Daryono. Publikasi dilakukan pada International Journal of Agricultural Science,

Canadian Center of Science and Education USA (Vol. 5, No. 5, Mei 2013)

www.ijas.org. Indeks publikasi adalah : Bibliography and Index of Geology, CAB

Abstracts, CrossRef, DOAJ, EBSCOhost, Gale's Academic Databases, Google

Scholar, Index Copernicus, Journal TOCs, LOCKSS, Open J-Gate, PKP Open

Archives Harvester, ProQuest, Standard Periodical Directory, Ulrich's, Universe

Digital Package dan WorldCat.

Penelitian ini membahas prediksi dinamika populasi WBC di wilayah endemik tinggi

Provinsi Jawa Tengah Indonesia. Penelitian dilakukan dengan memodifikasi metode

yang diusulkan oleh Legendre dan Fortin (1989), melalui tiga tahap yaitu, pertama

memprediksi serangan WBC menggunakan Exponential Smoothing, kedua analisis

struktur spasial menggunakan analisis Moran‟s I, Geary‟s C, G dan G statistic (Z)

pada Local Statistic, dan ketiga, konektivitas antar prediksi periode musim tanam.

Hasil penelitian menunjukkan empat kabupaten yaitu Boyolali, Klaten, Karanganyar

dan Sragen mengalami gelombang migrasi lokal dari satu wilayah ke wilayah

tetangganya, sedangkan kabupaten lain bersifat independen. Gelombang migrasi

terjadi karena dipengaruhi oleh faktor topografi, interaksi biotik dan antropogenik.

Ditinjau dari skalabilitas spasial distribusi populasi WBC termasuk dalam kategori

lanscape.

3. Publikasi ke 3 berjudul The Developing of Prediction Method Using Exponential

Smoothing and Spatial Autocorrelation for Determining Brown Planthopper

(Nilaparvata lugen Stal.) Endemic Areas in Indonesia, dengan author Sri Yulianto J.P.,

Subanar, Edi Winarko dan Budi Setiyadi Daryono. Publikasi dilakukan pada Journal

12

of Computers Indeks publikasi adalah :Academic Journals Database; Academy

Search; BASE; BibSonomy; Cabell - Computer Science/Business Information

Systems; CAID – Computer Abstracts International Database; CNKI; CrossRef; CSA;

DBLP; Directory of Open Access Journals (DOAJ) - Computer Science; DOI;

EBSCO; EI Compendex; Engineering Village 2; EZB; GALE; Genamics JournalSeek;

GetCITED; Gold Rush; Google Scholar; INSPEC; iThenticate; J4F; JAL;

JournalTOCs; NewJour; OAI-PMH Registered Data Providers; OAJSE; OAKList;

OCLC; Open J-Gate - Engineering & Technology (JET); Ovid LinkSolver; PASCAL;

PKP Open Archives Harvester; ProQuest; PubZone; QCAT; ResearchBib; SCImago;

Scirus; SCOPUS; SHERPA/RoMEO; Socolar; The Index of Information Systems

Journals; Trove; True Serials; UIUC OAI-PMH Data Provider Registry; ULRICH's

Periodicals Directory; WorldCat; WorldWideScience; ZDB; Zentralblatt MATH.

Fokus pembahasan dalam publikasi ini meliputi 3 hal yaitu: pertama metode

Exponential Smoothing – Spatial Autocorrelation dapat merepresentasikan informasi

secara geografis wilayah endemik WBC secara tepat; kedua, prototype yang

dikembangkan memberikan informasi prediksi serangan pada satu periode mendatang,

prediksi pola spasial populasidan asosiasi antar populasi dalam skalabilitas wilayah;

ketiga, usulan metode Exponential Smoothing dan Spatial Autocorrelation

memberikan indikasi gelombang migrasi lokal dari satu wilayah kabupaten ke wilayah

tetangganya berdasarkan data luas serangan WBC. Gelombang migrasi lokal yang

menunjukkan adanya konektivitas spasial meliputi Kabupaten Boyolali, Klaten,

Karanganyar dan Sragen; dan keempat, penelitian ini akan memperkuat publikasi

yang telah dilakukan sebelumnya bahwa proses distribusi organisme pengganggu

tanaman dapat dipelajari berdasarkan konektivitas objek spasial yang meliputi

topografi, interaksi biotik dan antropogenik.

1.8. Sistematika Penulisan Disertasi

Penulisan disertasi ini dibagi menjadi delapan bab dan lampiran, terdiri atasbab I

pendahuluan, bab II tinjauan pustaka, bab III landasan teori, bab IV metodologi penelitian,

bab V analisis pemetaan wilayah endemik OPT BBPOPT dan metode Exponential Smoothing

- Spatial Autocorrelation, bab VI prediksi distribusi spasial WBC menggunakan Exponential

Smoothing – Spatial Autocorrelation, bab VII representasi informasi geografi pada wilayah

endemik WBC, Bab VIII kesimpulan dan saran. Masing – masing bab diuraikan sebagai

berikut :

13

Bab I adalah Pendahuluan, membahas latar belakang penelitian, rumusan permasalahan,

batasan pemasalahan, tujuan penelitian, hipotesis penelitian, keaslian dan kontribusi

penelitian, publikasi hasil penelitian dan sistematika penulisan.

Bab II adalah Tinjauan Pustaka, membahas kemajuan penelitian 3 konsep bidang ini

yang meliputi konektivitas spasial, Spatial Autocorrelation, prediksi spasial dan prediksi OPT

berbasis Time Series.

Bab III adalah Landasan Teori, membahas teori yang berhubungan erat dengan

penelitian ini yaitukonsep analisis data spasial,konsep analisis spasial statistika, konsep

metode ESDA, konsep Spatial Autocorrelation, konsep Exponential Smoothing, konsep

Exponential Smoothing – Spatial Autocorrelation, dinamika populasi dan migrasi WBC,

model distribusi populasi WBC, genetika populasi migrasi WBC, profil pertanian dan

perkembangan WBC di Provinsi Jawa Tengah serta profil wilayah penelitian.

Bab IV adalah Metodologi Penelitian, membahas data penelitian, tahapan penelitian,

desain arsitektur prototype, tahapan pembangunan prototype, struktur basisdata, dan definisi

akurasi penetapan wilayah endemik.

. Bab V adalah Analisis Pemetaan Wilayah Endemik OPT BBPOPT Dan Metode

Exponential Smoothing - Spatial Autocorrelation, membahas pemrosesan awal data

penelitian, analisis pemetaan daerah endemik dengan prosedur BBPOPT, prediksi KLTS

menggunakan metode Exponential Smoothing, dan analisis pemetaan wilayah endemik

menggunakan metode Spatial Autocorrelation.

Bab VI adalah Prediksi Distribusi Spasial WBC menggunakan Exponential Smoothing –

Spatial Autocorrelation, membahas pemrosesan awal data penelitian, prediksi distribusi

spasial WBC, visualisasi prediksi distribusi spasial populasi WBC, dan faktor kunci

penentuan laju perkembangan WBC.

Bab VII adalah representasi informasi geografi pada wilayah endemik WBC. Bahasan

pada bab ini adalah model representasi geografi, data penelitian representasi informasi

geografi, representasi informasi geografi pemetaan dan prediksi WBC dan jalur migrasi lokal

endemik WBC.

Bab VIII adalah kesimpulan dan saran, kesimpulan merupakan ringkasan dari hasil yang

dicapai dalam penelitian. Pada kesimpulan terdapat jawaban secara ringkas rumusan

permasalahan dan hipotesis disertai dengan bukti nyata yang telah dicapai selama proses

eksperimen. Saran membahas penelitian lanjutan yang perlu dilakukan di masa mendatang.

Daftar Pustaka menyediakan informasi referensi yang digunakan dalam penelitian.

Lampiran meliputi data pendukung penelitian dan publikasi hasil penelitian.