dasar peramalan opt

DASARPERAMALAN OPT

BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHANDIREKTORAT JENDERAL TANAMAN PANGAN

E:\SPHT1.exe

DIMENSI WAKTU PERAMALAN OPTDIMENSI WAKTU PERAMALAN OPT

Waktu meramal Waktu ramalan

Nilai ramalanData historis

t - n

t

SaatIni t + n

Masa lampau

Jadi kalau menduga sesuatu pada waktu yang sama berarti bukan peramalan

BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN

Arti peramalan adalah prakiraan/memprediksi peristiwa dimasa depan.

Tujuan peramalan adalah untuk memperkecil resiko yang mungkin terjadi akibat suatu pengambilan keputusan.

Peramalan bagian penting dalam proses pengambilan keputusan, sebab efektif atau tidaknya suatu keputusan umumnya tergantung pada beberapa faktor yang tidak dapat kita lihat pada waktu keputusan itu diambil.

Peramalan dan pengambilan keputusan merupakan dasar dalam menyusun suatu bentuk perencanaan yang menjadi aktifitas kehidupan sehari-hari.

KEPUTUSAN HASIL RAMALAN GALAT RAMALAN+=


Peramalan OPT adalah suatu kegiatan yang diarahkan untuk mendeteksi atau memprediksi populasi/serangan OPT serta kemungkinan penyebaran dan akibat yang ditimbulkannya dalam ruang dan waktu tertentu.

Peramalan OPT komponem penting dalam strategi pengelolaan hama dan penyakit tanaman sebab dengan adanya peramalan dapat memberikan peringatan dini mengenai tingkat dan luasnya serangan.

Tujuan peramalan OPT adalah menyusun saran tindak pengelolaan atau penanggulangan OPT sesuai dengan prinsip dan strategi PHT sehingga populasi/serangan OPT dapat ditekan, tingkat produktivitas tanaman pada taraf tinggi, secara ekonomis menguntungkan dan aman terhadap lingkungan.


SISTEM PERAMALAN OPTSISTEM PERAMALAN OPT

FAKTOR LINGKUNGANFAKTOR LINGKUNGANDATA BIOTIKDATA BIOTIK DATA ABIOTIKDATA ABIOTIK

DATA OPTDATA OPT

UNIT PERAMALANUNIT PERAMALANPETAKPETAK : PETANI: PETANIHAMPARAN HAMPARAN : KELOMPOK TANI: KELOMPOK TANIWILAYAHWILAYAH : PHP (KECAMATAN): PHP (KECAMATAN)

: LPHP (AGROEKOSISTEM): LPHP (AGROEKOSISTEM): BPTPH (REGIONAL/KAB): BPTPH (REGIONAL/KAB): BBPOPT (NASIONAL): BBPOPT (NASIONAL)

UNIT INFORMASIUNIT INFORMASIMedia cetak, elektrotik, pelatihan, seminar,Media cetak, elektrotik, pelatihan, seminar,Pertemuan, saresehan, surat-menyurat, dllPertemuan, saresehan, surat-menyurat, dll

HASIL PERAMALANHASIL PERAMALAN PENELITIPENELITIPERENCANAPERENCANA

PENGGUNA: PETUGAS, PETANIPENGGUNA: PETUGAS, PETANI

UNIT UNIT PERAMALAN PERAMALAN LAINLAIN

INSTANSI INSTANSI TERKAITTERKAIT

Peramalan tingkat Peramalan tingkat PETAKPETAK

Model dibangun dan diimplemantasikan di tingkat petani pada areal yang sempit atau tingkat petak. Komponen ekosistem relatif homogen (komoditi, varietas, stadia dan keadaan lingkungan fisik), kecuali populasi/serangan OPT dan musuh alaminya mengalami perubahan dari waktu ke waktu. Pelaksana peramalan dan pengambilan keputusan petani.Faktor kunci satu strata variabel (pop./inten. ser. OPT dan musuh alami dalam musim, meramal populasi/ serangan saat fase kritis.


Peramalan tingkat Peramalan tingkat HAMPARANHAMPARAN

Model dibangun dan diimplemetasikan pada areal yang cukup luas (hamparan pertanaman).Kondisi ekosistem relatife heterogen (komoditi, varietas, stadia, budidaya dan keadaan lingkungan).Pelaksanaan peramalan dan pengambilan keputusan dilakukan oleh kelompok tani.Faktor kunci dua strata variabel yaitu

(1) pop./inten. ser. OPT dan musuh alami dan (2) komposisi komoditi, varietas, stadia dan keadaan lingkungan, dalam musim yang sedang berlangsung, serta mempertimbangkan keadaan variabel tersebut pada musim tanam sebelumnya.


Peramalan tingkat Peramalan tingkat WILAYAHWILAYAH

Wilayah meliputi batas administrasi tertentu (desa, kecamatan, kabupaten, propinsi, nasional, regional ataupun internasional).Model dibangun dan diimplementasikan pada tingkat wilayah dengan ekosistem yang sangat heterogen (luasnya, keadaan lingkungan, budidaya juga perbedaan ekonomi, sosial dan budaya).Pelaksana peramalan dan pengambilan keputusan oleh petugas/ institusi (bekerjasama dengan petugas/institusi yang terkait sampai petugas lapang dan kelompok tani).Faktor kunci peramalan mempertimbangkan strata yang ketiga yaitu tingkat ekonomi, sosial dan budaya masyarakat petani.


1) Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen.

2) Alasan utama bagi peramalan dan perencanaan: adanya senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri.

3) Kebutuhan akan peramalan meningkat sejalan dengan usaha manajemen untuk mengurangi ketergantungannya pada hal-hal yang belum pasti, karena dalam menentukan sasaran dan tujuan berusaha menduga faktor-faktor lingkungan, lalu memilih tindakan yang diharapkan akan menghasilkan pencapaian sasaran dan tujuan.

4) Arti peramalan yang sesungguhnya adalah menduga/memprediksi peristiwa di masa depan dan bertujuan untuk memperkecil resiko yang mungkin terjadi akibat suatu pengambilan keputusan.

5) Pengendalian Hama Terpadu (PHT) atau “Integrated Pest Management (IPM)” dalam operasionalnya memerlukan kegiatan peramalan untuk membuat perencanaan ekosistem pertanian yang tahan terhadap gangguan OPT.

( lanjutan )

6) Peramalan OPT adalah kegiatan yang diarahkan untuk mendeteksi dan memprediksi populasi/serangan OPT serta kemungkinan penyebaran dan akibat yang ditimbulkan dalam ruang dan waktu tertentu.

7) Operasional peramalan yang baik maka dalam perencanaan perlindungan tanaman akan lebih efektif dan efisien karena mengacu kepada skala prioritas penanganan OPT menurut ruang dan waktu peramalan.

8) Sasaran Peramalan: (a) menduga kemungkinan timbulnya OPT, (b) mendeteksi dan memprediksi populasi/serangan dan kerusakan yang ditimbulkan OPT, berdasarkan hasil pengamatan terhadap komponen-komponen yang berpengaruh di lapangan, (c) menduga kerugian atau kehilangan hasil akibat gangguan OPT.

9) Tujuan Peramalan: untuk menyusun saran tindak/tindakan pengelolaan OPT sesuai dengan prinsip, strategi, dan langkah operasional penerapan PHT, sehingga populasi/ serangan OPT dapat ditekan, tingkat produktivitas tanaman dipertahankan pada taraf tinggi, menguntungkan dan aman terhadap lingkungan.

10) Peramalan OPT tidak hanya meramalkan peningkatan populasi atau serangan, juga menduga tingkat kehilangan hasil baik tonase maupun nilai ekonominya

( lanjutan )

11) Kerugian ekonomi yang dapat diselamatkan, yang digambarkan dengan peningkatan produktivitas tanaman adalah merupakan pendapatan (“PAD = pendapatan asli daerah”) yang diterimakan langsung oleh petani.

12) Peramalan OPT yang dilakukan sebelum musim tanam (peramalan antar musim) memberikan waktu kepada petani untuk merencanakan ekosistem yang tahan OPT dan melakukan kegiatan “preemtif”.

13) Peramalan OPT yang dilakukan setelah tanam (peramalan dalam musim) memberikan waktu kepada petani untuk melakukan kegiatan “responsif” pengendalian OPT seperti dengan menggunakan bahan pengendali alami/agens hayati/parasitoid yang telah disiapkan (aman terhadap lingkungan).

14) Peramalan OPT juga dapat memberikan peluang kapan waktu tanam komoditi tertentu berdasarkan ramalan/kemungkinan munculnya OPT, yang disinkronkan dengan nilai jual pasar tinggi, baik pada “on-season” maupun “off-season”.

15) Rumusan model peramalan OPT antar musim maupun dalam musim yang dibangun oleh BB-POPT disajikan dalam buku Pedoman Pengembangan dan Operasional Peramalan OPT pada Tanaman Pangan dan Hortikultura dan harus terus dikembangkan secara spesifik lokasi/ model dibangun pada ekosistem setempat

METODE KAUSAL

JENIS PERAMALAN

METODE RUNTUN WAKTU

KUALITATIF KUANTITATIF

METODE FORMAL METODE INTUISI


Peramalan kualitatif (tanpa angka / nilai) digunakan apabila informasi data kuantitatif sangat sedikit atau tidak tersedia.

Peramalan kualitatif

Contoh:

Apabila terjadi kemarau panjang di daerah penyebaran belalang kembara maka populasi dan serangan akan meningkat. Semakin panjang kemarau terjadi maka peluang meningkatnya populasi dan serangan belalang kembara semakin tinggi.

Back NextBALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN

Mengikutkan atau menggunakan angka / nilai, yang terbagi dalam peramalan non formal dan formal.

Peramalan kuantitatifPeramalan kuantitatif

Peramalan non formal yaitu mencakup intuisi, pengalaman maupun “professional judgement” yang didasarkan atas pengalaman empiris dengan penggunaan prinsip-prinsip ekstrapolasi dan penetapan nilai namun tidak menggunakan aturan yang baku.

Contoh:Seorang PHP/POPT mengatakan bahwa luas serangan WBC di wilayahnya diprediksi pada bulan depan akan meningkat sebanyak 5%.

Seorang pakar mengatakan bahwa produksi padi tahun 2005 diperkirakan akan meningkat sebanyak 4,5%

Back NextBALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN

Peramalan formal menggunakan ekstrapolasi secara sistematik, bersifat baku berdasarkan kaidah statistik.

Peramalan kuantitatifPeramalan kuantitatif (lanjutan)

Back Next

Yt+n = ( I, J, K, L, … )fMETODE FORMAL:KAUSAL (CAUSAL) = Sebab - Akibat

RUNTUN WAKTU (TIME SERIES) = Deret berkala

Tersedianya informasi masa lampau (historis)1

Informasi dalam bentuk kuantitatif atau kualitatif yang dapat dikuantitatifkan

2

Pola masa lalu akan terjadi dimasa mendatang3


SYARAT PERAMALAN KUANTITATIF

PROGRAM BANGKITAN

Input OuputSistem

HUBUNGANSEBAB-AKIBAT

Input OuputSistem

KAUSAL RUNTUN WAKTU

PERBEDAAN HUBUNGANPERBEDAAN HUBUNGAN

BIOLOGImolekuler

perkembangan

genetikaekologi

bakt

erio

logi

viro

logi

orni

thol

ogi

ento

mol

ogi

bota

ni

zool

ogi

BLACKBOX

klimatologi


Agr

o-ek

osis

tem

Variabel yang meramal(X = independent)

Variabel yang diramal(Y = dependent)

Populasi OPT, populasi musuh alami, intensitas serangan OPT, komposisi varietas, komposisi vegetasi, komposisi stadia tanaman, luas tanam, luas serangan, tindakan pengendalian, cara budidaya,iklim dansosial, ekonomi, budaya.

Populasi OPT, intensitas serangan, luas serangan, dan kehilangan hasil

VARIABEL PERAMALAN OPT


PROSES PEMBANGUNAN DAN PENGEMBANGAN MODEL PERAMALAN OPT


PRINSIPPENYUSUNAN MODEL PERMALAN

Parsimony

(hemat)

MANAGEABLE1model harus sesedikit mungkin melibatkan parameter dan dikembangkan secara sederhana sehingga dapat diaplikasikan sesuai dengan sumberdaya manusia, dana dan sarana yang tersedia

QUALITY2model harus memiliki kualitas yang tinggi sehingga dapat menyatakan data ramalan yang akurat


BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHANTHE END

--- Kepadatan ---G1

--- Kepadatan ---G2

Minggu setelah tanam

--- Kepadatan ---G3

--- Kepadatan ---G0

Jum

lah

WB

C p

er ru

mpu

n

R3

R2

r1

r2

r3


Contoh Peramalan Populasi WBC (Nilaparvata lugens)Tingkat petak dalam musim hujan di lokasi A

Diketahui rata2 pop. WBC pada G0 (umur padi <30 hst) = 0,2 ekor/rmp,

Jika anda meramalkan pop. WBC pada umur padi 60-90 hst (1-2 bulan lagi sejak anda pengamatan) rata-rata 94,8 ekor per rumpun (mungkin terjadi hopperburn).Apa yang anda rencanakan dan putuskan sebagai saran-tindak agar populasi tinggi/hopperburn tidak terjadi?

Berapa pop. G2 pada umur padi 60-90 hst. (1 – 2 bulan lagi) ?Log G2 = 2,403 + 0,61 Log (G0)

Log G2 = 2,403 + 0,61 Log (0,2) Log G2 = 2,403 + 0,61 (-0,699)

Log G2 = 1,977.

Jadi diramalkan padat pop. G2 = 101,977 = 94,8 ekor / rumpun.

KEHILANGAN HASIL(% / Berat)

Luas SeranganIntensitas Serangan

Populasi Larva

Populasi Ngengat G-2 Iklim

Pertanaman

Populasi MA

Populasi Pupa


Populasi Larva

Populasi Ngengat G-1 Iklim

Pertanaman

Populasi Pupa


Populasi Larva

Populasi Ngengat G-0

Iklim

Pertanaman

Populasi MA Populasi Telur

Populasi MA

Populasi Telur

Populasi Telur

CONTOH PENGEMBANGAN MODEL PERAMALAN KAUSALHubungan Sebab-akibat Hama Penggerek Batang Padi

MUSIM HUJANMUSIM HUJAN

OPT Model C.L R*R

Wereng Coklat Log YMH = 0,503 + 0,365 Log (YMK) + 0,380 Log (YMH-1) 0.12 0.46

Penggerek Batang Log YMH = 0,3358 + 0,3116 Log (YMK) + 0,5857 Log (YMH-1) 0.05 0.71

Tikus Log YMH = 0,160 + 0,4516 Log (YMK) + 0,5073 Log (YMH-1) 0.06 0.76

Tungro Log YMH = 0,2712 + 0,718 Log (YMK) + 0,1324 Log (YMH-1) 0.09 0.62

Blast Log YMH = 0,3289 + 0,3516 Log (YMK) + 0,5433 Log (YMH-1) 0.09 0.57

MUSIM KEMARAUMUSIM KEMARAU

OPT Model C.L. R*R

Wereng Coklat Log YMK = 0,161 + 0,570 Log (YMH) + 0,278 Log (YMK-1) 0.12 0.48

Penggerek Batang Log YMK = 0,2275 + 0,3567 Log (YMH) + 0,5533 Log (YMK-1) 0.06 0.64

Tikus Log YMK = 0,3817 + 0,3085 Log (YMH) + 0,5638 Log (YMK-1) 0.06 0.72

Tungro Log YMK = 0,1929 + 0,375 Log (YMH) + 0,4972 Log (YMK-1) 0.09 0.65

Blast Log YMK = 0,2685 + 0,3916 Log (YMH) + 0,3402 Log (YMK-1) 0.08 0.48


OPT Model C.L R*R

Ulat GrayakLog YMH = 0,2022 + 0,2533 Log (YMK) + 0,4745

Log (YMH-1)0,12 0,41

Penggulung daun

Log YMH = 0,2249 + 0,6489 Log (YMK) + 0,1772 Log (YMH-1)

0,09 0,60

Ulat JengkalLog YMH = 0,1704 + 0,2826 Log (YMK) + 0.5482

Log (YMH-1)0,18 0,51

Lalat KacangLog YMH = 0,0448 + 0,6694 Log (YMK) + 0,1098

Log (YMH-1)0,09 0,59

Penggerek polong

Log YMH = 0,0333 + 0,3608 Log (YMK) + 0,5237 Log (YMH-1)

0,08 0,53

TikusLog YMH = 0,0565 + 0,2858 Log (YMK) + 0,3940

Log (YMH-1)0,09 0,46


OPT Model C.L. R*R

Ulat GrayakLog YMK = 0,2988 + 0,5174 Log (YMH) + 0,2609

Log (YMK-1)0,1

1 0,49

Penggulung daun

Log YMK = 0,2089 + 0,1957 Log (YMH) + 0,6491 Log (YMK-1)

0,08 0,62

Ulat JengkalLog YMK = 0,130 + 0,2850 Log (YMH) + 0,4683

Log (YMK-1)0,0

5 0,48

Lalat KacangLog YMK = 0,2021 + 0,2579 Log (YMH) + 0,5388

Log (YMK-1)0,0

8 0,58

Penggerek Polong

Log YMK = 0,3021 + 0,2213 Log (YMH) + 0,5090 Log (YMK-1)

0,09 0,49

TikusLog YMK = 0,1740 + 0,2604 Log (YMH) + 0,5031

Log (YMK-1) 0,1

5 0,50

S. lituraS. litura

log Y = 0,023 + 0,14 L2 ; R = 0,901Y = Intensitas serangan pada stadia kritisL2 = Kepadatan populasi Larva generasi-2

2 log L2 = 0,57 + 0,92 log L1 ; R = 0,94

L1 = Kepadatan populasi Larva generasi-1L2 = Kepadatan populasi Larva generasi-2

Etiella spp. 1

2

Y = 4,45 + 1,08 T ; R = 0,57

Y = Intensitas polong terserang pada saat panenT = Kepadatan populasi Telur pada pembungaan

Y = 1,83 + 3,49 L ; R = 0,75

Y = Intensitas polong terserang pada saat panenT = Kepadatan populasi Larva pada pembungaan

3 P = 1044,52 – 531,227 log Y ; R = 0,83

P = Produksi kedele (kg/ha)Y = Intensitas polong terserang pada saat panen


OPT Model C.L R*R

Penggerek batang

Log YMH = 0.177 + 0.354 Log (YMK) + 0.514 Log (YMH-1)

0.08 0.53

Ulat grayakLog YMH = 0.351 + 0.407 Log (YMK) + 0.294

(YMH-1)0.11 0.24

Lalat bibitLog YMH = 0.261 + 0.377 Log (YMK) + 0.366

Log (YMH-1) 0.09 0.38

TikusLog YMH = 0.294 + 0.333 Log (YMK) + 0.386

Log (YMH-1) 0.10 0.35

BulaiLog YMH = 0.452 + 0.313 Log (YMK) + 0.358

Log (YMH-1) 0.11 0.26

Penggerek tongkol

Log YMH = 0.329 + 0.247 Log (YMK) + 0.518 Log (YMH-1)

0.09 0.46


OPT Model C.L. R*RPenggerek

batangLog YMK = 0.263 + 0.202 Log (YMH) + 0.511

Log (YMK-1) 0.0

8 0.45

Ulat grayakLog YMK = 0.28 + 0.143 Log (YMH) + 0.194

(YMK-1) 0.0

8 0.11

Lalat bibitLog YMK = 0.0895 + 0.281 Log (YMH) + 0.489

Log (YMK-1) 0.0

7 0.52

TikusLog YMK = 0.215 + 0.153 Log (YMH) + 0.611

Log (YMK-1)0.0

9 0.48

BulaiLog YMK = 0.172 + 0.174 Log (YMH) + 0.539

Log (YMK-1) 0.0

8 0.42

Penggerek tongkol

Log YMK = 0.194 + 0.309 Log (YMH) + 0.441 Log (YMK-1)

0.07 0.52

Model PeramalanSerangan Belalang Kembara Model Pulau Sumba

Peramalan luas serangan berdasarkan parameter luas serangan sebelumnya pada lag 1 bulan.

Log Ŷt = 0,127225 + 0,870733 (Log Yt-1); R2 = 0,75

Atau

Ŷt = 1,34037 (Yt-1 0,870733 )

Dimana:Ŷt = Ramalan luas serangan bulanan yang akan terjadi (ha)

Yt-1 = Kumulatif luas tambah serangan bulanan (ha) t = Bulan

Peramalan luas serangan berdasarkan parameter luas serangan dan jumlah koloni pada lag 1 bulan.

Log Ŷt = 0,002342 + 0,219787 Log Yt-1 + 0,715199 Log Kt ; R2 = 0,73

Dimana:

Ŷt = Ramalan luas serangan bulanan yang akan terjadi (ha)Yt-1 = Kumulatif luas tambah serangan bulanan (ha)

K = Jumlah koloni belalang kembara dewasa dan nimfa t = Bulan

Model PeramalanSerangan Belalang Kembara Model Propinsi Lampung

MODEL PERAMALAN POPULASI LALAT BUAHPADA TANAMAN BUAH-BUAHAN

Log Yt = 0,90 + 0,49 Log Y t-1 + 0,35 Log Y t-3; R=0,82)

Log Y t = 1,02 + 0,64 Log Yt-1 ; R=0,76)

Log Y t = 1,20 + 0,50 Log T t-2; R=0,70)

Log Y t = 1,24 + 0,51 Log Y t-3; R=0,74)

Log Y t = 1,20 + 0,67 Log Y t-4; R=0,72)

Y t = Puncak populasi lalat buah (Nopember-Desember)

Y t-1 = Populasi lalat buah 1 bulan sebelum puncak (Oktober)

Y t-2 = Populasi lalat buah 2 bulan sebelum puncak (September)

Y t-3 = Populasi lalat buah 3 bulan sebelum puncak (Agustus)

Y t-4 = Populasi lalat buah 4 bulan sebelum puncak (Juli)

dasar peramalan opt

Documents