i

PENGARUH KENAIKAN SUHU TERHADAP PRODUKSI TANAMAN

PADI SAWAH IRIGASI DAN TADAH HUJAN DI INDONESIA

MENGGUNAKAN MODEL SIMULASI PERTANIAN SHEIRARY RICE

BERBASISKAN SISTEM INFORMASI GEOGRAFIS (SIG)

TAUFIQ YULIAWAN

DEPARTEMEN GEOFISIKA DAN METEOROLOGI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2012

ii

ABSTRACT

TAUFIQ YULIAWAN (G24080051). Effect of temperature rissing to rice crop yield on irigated

and rainfed rice field in Indonesia using Shierary Rice Crop Modelling based on Geoghrapical

Information System (GIS). Supervised by Prof.Dr.Ir. Handoko, M.Sc.

Temperature rise which is one of the climate change issue will affect rice production in

Indonesia. The influence is in the development and production of the plant. The results from

simulation using Shierary Wheather and Shierary Rice models show that temperature rise makes

shorter rice crop duration and its yield decrease. The effect of increasing temperature on rice

yield decrease is more sensitive in the lowlands. Nationally, irrigated rice field has yield decrease

is 11.14%/0C while that of rainfed rice is 14.37%/

0C.

Keywords : climate change, temperature rise, rice, crop modeling.

iii

ABSTRAK

TAUFIQ YULIAWAN (G24080051). Pengaruh Kenaikan Suhu Terhadap Produksi Tanaman

Padi Sawah Irigasi dan Tadah Hujan di Indonesia Menggunakan Model Simulasi Pertanian

Sheirary Rice Berbasiskan Sistem Informasi Geografis (SIG). Dibimbing oleh Prof.Dr.Ir.

Handoko, M.Sc.

Kenaikan suhu merupakan salah satu isu perubahan iklim yang memengaruhi produksi padi

di Indonesia. Pengaruh tersebut pada perkembangan dan produksi tanaman. Hasil simulasi

menggunakan model Shierary Weather dan Shierary Rice menunjukkan bahwa kenaikan suhu

udara mengakibatkan umur padi semakin pendek dan produksi menurun. Pengaruh kenaikan suhu

terhadap produksi padi lebih sensitif pada dataran rendah. Secara nasional, sawah irigasi

mengalami penurunan produksi sebesar 11.1%/0C sedangkan sawah tadah hujan sebesar 14.4%/

0C.

Kata kunci : perubahan iklim, kenaikan suhu, padi, pemodelan pertanian.

iv

PENGARUH KENAIKAN SUHU TERHADAP PRODUKSI TANAMAN

PADI SAWAH IRIGASI DAN TADAH HUJAN DI INDONESIA

MENGGUNAKAN MODEL SIMULASI PERTANIAN SHEIRARY RICE

BERBASISKAN SISTEM INFORMASI GEOGRAFIS (SIG)

TAUFIQ YULIAWAN

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Sains pada Mayor Meteorologi Terapan

DEPARTEMEN GEOFISIKA DAN METEOROLOGI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2012

v

Judul Skripsi : Pengaruh Kenaikan Suhu Terhadap Produksi Tanaman

Padi Sawah Irigasi dan Tadah Hujan di Indonesia

Menggunakan Model Simulasi Pertanian Sheirary Rice

Berbasiskan Sistem Informasi Geografis (SIG)

Nama : Taufiq Yuliawan

NRP : G24080051

Menyetujui,

Pembimbing

Prof. Dr. Ir. Handoko, M.Sc

NIP. 195911301 98303 1 003

Mengetahui,

Ketua Departemen Geofisika dan Meteorologi

Dr. Ir. Rini Hidayati MS.

NIP. 19600305 198703 2 002

Tanggal Lulus:

vi

© Hak Cipta milik IPB, tahun 2012

Hak Cipta dilindungi Undang-Undang

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan

sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah,

penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak

merugikan kepentingan yang wajar IPB

Dilarang mencantumkan dan memperbanyak sebagian atau seluruh Karya tulis dalam bentuk

apapun tanpa izin IPB.

vii

KATA PENGANTAR

Segala puji dan syukur, Alhamdulillahirrabilalamin, penulis panjatkan kehadirat Allah

SWT atas segala rahmat, hidayah, petunjuk, dan karunia-Nya sehingga penulis dapat

menyelesaikan karya skripsi yang berjudul “Pengaruh Kenaikan Suhu Terhadap Produksi

Tanaman Padi Sawah Irigasi dan Tadah Hujan di Indonesia Menggunakan Model Simulasi

Pertanian Sheirary Rice Berbasiskan Sistem Informasi Geografis (SIG)”. Skripsi ini merupakan

salah satu syarat untuk mendapatkan gelar Sarjana Sains pada program studi Meteorologi Terapan,

Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam,

Institut Pertanian Bogor.

Pada kesempatan ini penulis ingin menyampaikan terimakasih kepada Prof. Dr. Ir.

Handoko, M.Sc selaku pembimbing atas segala bantuan, bimbingan, kritik dan saran, serta petuah

yang sangat berguna bagi penulis sehingga dapat menyelesaikan kendala dalam penelitian.

Selanjutnya penulis juga mengucapkan terimakasih kepada:

1. Orang tua tercinta, Bapak Sugiyo dan Ibu Sutini atas segala bentuk dukungan, doa, dan kasih

sayangnya, semoga karya ini bisa menjadi wujud kebanggaan Bapak dan Ibu serta adik, Taufan

Ichza Baharuddin, semoga bisa menjadi lebih baik.

2. Ibu Dr. Ir. Rini Hidayati, MS. selaku Ketua Departemen, bapak Idung Risdiyanto, S.Si., M.Sc

IT selaku dosen pembimbing akademik yang telah banyak membantu data dan teknis

penelitian, bapak Bregas Budianto, Ass.dpl. yang memberikan banyak inspirasi, dan seluruh

dosen serta staf departemen Geofisika dan Meteorologi yang turut serta memberikan

dukungan.

3. Kementrian Lingkungan Hidup selaku penyelenggara proyek dan pemberi dana.

4. Iput Pradiko (teman sebangku SMA, sejurusan, dan sekontrakan), penguhuni HATORI (Abdul

Hafiz, Pungki Ari Wibowo, Andika Pandu, Rudy Ryanto, Mochlisin Andrianto, Dwi Okta

Priandi, Firman Arifin, Fauzan Nurachman, Asep Ferdiansyah, dan Kang Toge, Yuda

Pratomohendartno, Emod Tri Utomo, Faiz Rochman Fajari, Shely, Dora, dan Diza) yang telah

meramaikan markas besar HATORI.

5. Pipit P. A. atas segala dukungan dan doanya. Semoga bisa menjadi “putri yang berharga”.

6. Teman satu proyek penelitian, Dewa Putu A.M dan Yunus Bahar serta penghuni laboratorium

Agrometeorologi yang telah membantu proses penelitian ini, Dody Setiawan, Fela Fauziah,

Ferdi Aprihatmoko, Adi Mulyadi, Aulia Maharani, Fitra Dian Utami, Citra Pratiwi, Ratna

Dilla, dan Yoga Karisma P.

7. Teman-teman GFM 45 yang memberikan cerita indah dimasa kuliah.

8. Temen-teman klub badminton yang selalu setia menemani latihan, Nowa, Edo, Enda, May,

Rickson, Normi, Rini, Shaila, Rico, Jeni, Basit, Mas Wiranto, dan Pak Nandang.

9. Kakak-kakak yang banyak memberikan nasehat, Uji A.P, Gilang A, Syamsu J., F.N. Amien,

Rosianto, Pak Aziz, Kak Kiki, keluarga besar GFM 44 dan alumni.

10. Rekan kerja, Cepi “Mangkubumi Mangkulangit”, Aly Sangadji, Arief Hidayatulloh, dan

Yudha ARL semoga kita semua sukses.

11. Teman-teman B05-B06 TPB 2008/2009, teman-teman lorong 8-C2 Asrama Putra TPB

2008/2009, Teman sekamar asrama (Gilang, Fikri dan Wahyu), senior resident asrama (Kak

Sofian), teman-teman UKM karate IPB, konco-konco MAHAGIRI, serta seluruh teman

perjuangan di BEM FMIPA 2009/2010 dan HIMAGRETO 2010-2011.

12. Semua pihak yang telah membantu penyelesaian skripsi ini yang tidak bisa saya sebutkan satu

persatu.

Penulis menyadari bahwa dalam penyusunan skripsi ini masih banyak kekurangan. Oleh

karena itu, saran dan kritik yang membangun sangat diharapkan. Penulis berharap dengan skripsi

yang dibuat ini dapat memberikan manfaat.

Bogor, Juni 2012

Taufiq Yuliawan

viii

RIWAYAT HIDUP

Penulis dilahirkan di Wonogiri pada tanggal 10 Juli 1990 sebagai anak pertama

dari dua bersaudara, anak pasangan Sugiyo dan Sutini. Penulis menyelesaikan

masa sekolah TK Dharmawanita Batuwarno tahun 1997, SDN III Tegiri tahun

2002 dan SMPN 1 Batuwarno tahun 2005. Tahun 2008 penulis lulus SMA N 1

Wonogiri dan pada tahun yang sama lulus seleksi masuk IPB melalui jalur

USMI (Undangan Seleksi Masuk IPB) untuk jurusan Meteorologi Terapan,

Fakultas Matematika dan IPA. Selama masa perkuliahan penulis aktif dalam

kegiatan kemahasiswaan dalam dan luar Departemen Geofisika dan Meteorologi seperti Ikatan

Mahasiswa Wonogiri, Dewan Asrama Tingkat Persiapan Bersama IPB tahun 2008/2009, Badan

Eksekutif Mahasiswa Fakultas Matematika dan IPA (BEM FMIPA) periode 2009/2010, dan

Himpunan Mahasiswa Agrometeorologi (HIMAGRETO) periode 2010/2011 dan beberapa

kepanitian dalam naungan organisasi kemahasiswaan di IPB. Penulis pernah menjadi tutor dalam

workshop Adobe Flash tahun 2009-2010 dan ArcGIS tahun 2012. Penulis , sebagai anggota pernah

menjadi finalis Tulisan Untuk Negeri (TUN) dengan judul “Pemetaan Wilayah Berpotensi untuk

Pengembangan Pembangkit Listrik Tenaga Mikro Hidro (PLTMH) Sebagai Sumber Energi

Alternatif di Wilayah JABODETABEK, Indonesia”. Penulis pernah terlibat dalam proyek

Kementrian Lingkungan Hidup (Kemen LH) mengenai “Penyusunan Kriteria Baku Kerusakan

Akibat Perubahan Iklim : Sektor Pertanian” pada tahun 2011. Selain itu, penulis pernah

mendapatkan beasiswa Peningkatan Prestasi Akademik tahun 2008-2012.

ix

DAFTAR ISI

Halaman

KATA PENGANTAR ......................................................................................................... vii

RIWAYAT HIDUP ............................................................................................................ viii

DAFTAR ISI ......................................................................................................................... ix

DAFTAR TABEL .................................................................................................................. x

DAFTAR GAMBAR ............................................................................................................ xi

DAFTAR LAMPIRAN ........................................................................................................ xii

I. PENDAHULUAN ............................................................................................................ 1

1.1 Latar Belakang ......................................................................................................... 1

1.2 Tujuan ...................................................................................................................... 1

II. TINJAUAN PUSTAKA ................................................................................................... 1

2.1 Sawah Irigasi dan Tadah Hujan ............................................................................... 1

2.2 Kenaikan Suhu dan Dampaknya di Sektor Pertanian............................................... 1

2.3 Pemodelan Iklim dan Pertanian ............................................................................... 2

III. METODOLOGI ............................................................................................................... 4

3.1 Waktu dan Tempat ................................................................................................... 4

3.2 Data dan Peralatan ................................................................................................... 4

3.3 Penyiapan Data ........................................................................................................ 4

3.4 Model Simulasi Pertanian Shierary Rice ................................................................. 4

3.4.1 Model Pembangkit Data Cuaca Shierary Weather ...................................... 4

3.4.2 Asumsi .......................................................................................................... 5

3.4.3 Submodel Perkembangan ............................................................................. 5

3.4.4 Submodel Pertumbuhan ................................................................................ 5

3.4.5 Submodel Neraca Air ................................................................................... 5

3.4.6 Analisis Pengaruh Kenaikan Suhu Udara Terhadap Penurunan

Produksi Padi ................................................................................................ 5

IV. HASIL DAN PEMBAHASAN ....................................................................................... 6

4.1 Perubahan Produksi Tiap Ketinggian ...................................................................... 6

4.2 Perbedaan Produksi pada Sawah Irigasi dan Sawah Tadah Hujan .......................... 7

4.3 Penurunan Produksi Padi se-Indonesia .................................................................... 7

V. KESIMPULAN DAN SARAN ...................................................................................... 10

5.1 Kesimpulan ............................................................................................................ 10

5.2 Saran ...................................................................................................................... 10

DAFTAR PUSTAKA .......................................................................................................... 10

x

DAFTAR TABEL

Halaman

1 Hasil Perubahan Produksi Potensial Padi (%) Menggunakan Model ORYZA1 dan SIMRIW

dengan Pengaruh Kenaikan Suhu dan Kenaikan konsentrasi CO2 ............................................. 3

2 Prediksi Perubahan Produksi Per Hektar (%) di India Menggunakan Model ORYZA1 .............. 4

3 Ketinggian, Suhu Udara Rata-rata, dan Umur Tanaman di Beberapa Daerah yang

Memiliki Ketinggian Berbeda ..................................................................................................... 6

4 Produksi Padi pada Setiap Skenario Perubahan Iklim Berdasarkan Hasil Simulasi Model

di Beberapa Daerah yang Memiliki Ketinggian Berbeda ............................................................ 6

5 Radiasi Akumulasi pada Fase IV di Beberapa Daerah yang Memiliki Ketinggian Berbeda ....... 7

6 Produksi Padi pada Dua Daerah dengan Dua Jenis Sawah yang Berbeda ................................... 7

7 Penurunan Produksi Padi per Provinsi di Indonesia .................................................................... 8

xi

DAFTAR GAMBAR

Halaman

1 Prediksi Model MACROS Tentang Respon Produksi Padi (sumbu z) Terhadap

Konsentrasi CO2 (sumbu y) dan Suhu (sumbu x) ........................................................................ 3

2 Peta Sebaran Sawah, Ketinggian, dan Laju Penurunan Produksi di Pulau Jawa ......................... 9

3 Penurunan Produksi Padi Seluruh Indonesia Akibat Kenaikan Suhu Udara ............................. 10

xii

DAFTAR LAMPIRAN

Halaman

1 Diagram Alir Penelitian ............................................................................................................. 14

2 Diagram Alir Submodel Perkembangan .................................................................................... 15

3 Diagram Alir Submodel Pertumbuhan ...................................................................................... 17

4 Diagram Alir Submodel Neraca Air .......................................................................................... 19

5 Printscreen Aplikasi Shierary Rice 3.0 ..................................................................................... 20

6 Contoh Data Masukan Model Pembangkit Data Cuaca Shierary Weather untuk Provinsi Bali 21

7 Contoh Data Iklim Bangkitan Keluaran Model Pembangkit Data Cuaca Shierary Weather..... 22

8 Contoh Keluaran Model Simulasi Pertanian Shierary Rice ...................................................... 31

9 Contoh Hasil Produksi dan Penurunan Produksi Padi dengan Berbagai Skenario Pada

Kabupaten Pandeglang, Provinsi Banten ................................................................................... 34

1

I. PENDAHULUAN

1.1 Latar Belakang

Selain gandum, padi (Oryza sativa)

adalah tanaman komersial yang sangat

penting karena lebih dari 40% kebutuhan

pangan dunia ditopang oleh tanaman

tersebut (Makino, 2011). Sebagian besar

warga negara Indonesia mengkonsumsi padi

sebagai makanan pokoknya dan Indonesia

adalah konsumen beras terbesar di Asia.

Proyeksi konsumsi beras pada tahun 2010

sebesar 49.3 juta ton (Hariadi, 2011).

Tingkat konsumsi beras masyarakat

Indonesia yang besar tidak diimbangi oleh

produksi yang cukup. Oleh karena itu,

hampir setiap tahun Indonesia mengalami

defisit stok beras sehingga terpaksa

melakukan impor (Muttaqin dan Martianto,

2009).

Perubahan iklim adalah suatu kondisi

yang ditandai dengan perubahan pola iklim

dunia yang menimbulkan fenomena cuaca

yang lebih berfluktuasi. Variabel iklim yang

sering menjadi indikasi perubahan iklim

adalah curah hujan dan suhu udara (Susandi

et al., 2008). IPCC (2007) menyebutkan

bahwa peningkatan konsentrasi CO2 di

atmosfer pada tahun 1970 hingga tahun

2005 menyebabkan kenaikan suhu udara

pada tahun 2100 sebesar 1.80C hingga 2.9

0C.

Perubahan iklim dapat memengaruhi

sektor-sektor kehidupan di bumi, termasuk

sektor pertanian. Hasil penelitian beberapa

ahli terkait dampak perubahan iklim pada

sektor pertanian adalah penurunan produksi

tanaman terutama tanaman pangan.

Penurunan produksi akibat perubahan iklim

ini disebabkan oleh penurunan produktivitas

tanaman dan luas panen (Perdinan, et al.,

2008; Surmaini et al., 2011). Dalam hal ini

suhu udara akan memengaruhi fase

perkembangan tanaman sehingga

memengaruhi umur tanaman. Akibatnya,

biomassa serta hasil panen menjadi

berkurang (Matthews dan Wassman, 2003).

Sistem produksi padi nasional dinilai

rentan terhadap kemungkinan perubahan

iklim. Pada beberapa daerah di Indonesia

telah dilakukan simulasi yang memprediksi

produksi padi akan mengalami penurunan

sekitar 20-30 persen pada tahun 2030

(Amien et al., 1996).

1.2 Tujuan

Memprediksi respon produksi padi

pada sawah irigasi dan tadah hujan di

Indonesia terhadap kenaikan suhu udara.

II. TINJAUAN PUSTAKA

2.1 Sawah irigasi dan Tadah Hujan

Ritung dan Hidayat (2007)

menjelaskan bahwa sawah dibagi menjadi

beberapa jenis yaitu sawah irigasi, sawah

tadah hujan dan sawah pasang surut.

Kemudian, sawah irigasi dibagi menjadi tiga

jenis yaitu sawah irigasi teknis, sawah irigasi

teknis sederhana, dan sawah irigasi

sederhana.

Wihardjaka dan Abdurachman (2007)

mendefinisikan sawah tadah hujan adalah

lahan sawah yang memiliki sumber

pengairan berasal dari curah hujan yang

memiliki ketersedian tidak menentu. Sawah

tadah hujan tersebut memiliki produktivitas

yang lebih rendah dari sawah irigasi. Hal ini

disebabkan ketersediaan air yang tak

menentu dan tingkat ketersedian hara yang

rendah. Sedangkan pada sawah irigasi yang

memiliki irigasi tetap akan memiliki

produktivitas tinggi karena pengaruh

ketersediaan air yang selalu cukup.

Defisit air adalah perbandingan

kehilangan air aktual dengan kehilangan air

potensial. Defisit air ini dapat memengaruhi

produktivitas tanaman. (Prasertsak dan

Fukai, 1997). Defisit air setelah fase antesis

dapat menurunkan jumlah dan berat biji

terutama pada lahan kering yag

mengandalkan air hujan sebagai pengairan

(Wu et al., 2011).

2.2 Kenaikan Suhu dan Dampaknya di

Sektor Pertanian

Salinger et al. (2000) mendefinisikan

perubahan iklim sebagai fenomena variabel

iklim yang berubah dalam jangka waktu

yang panjang. Perubahan iklim tersebut

disebabkan oleh beberapa faktor seperti

perubahan emisi baik alami atau karena

manusia dan perubahan tutupan permukaan.

Dijelaskan pula bahwa isu utama perubahan

iklim adalah kenaikan suhu dan curah hujan

ekstrim. Hal tersebut dibuktikan oleh

Susandi (2004) yang menjelaskan bahwa

pengamatan suhu secara global dari tahun

1906 sampai 2005 menunjukkan kenaikan

rata-rata suhu permukaan sampai 0.740C.

Suhu rata-rata tersebut secara global

diproyeksikan akan terus meningkat sekitar

1.8-4.00C. (Susandi et al., 2008)

IPPC (2000) telah menyusun

beberapa skenario terkait perubahan iklim

yang disebut Special Report on Emission

2

Scenarios (SRES). Skenario tersebut adalah

SRESA1, SRESA2, SRESB1, dan SRESB2.

Perbedaan skenario-skenario tersebut pada

asumsi kondisi ekonomi, penduduk,

teknologi, dan penggunaan bahan bakar.

Skenario-skenario tersebut digunakan oleh

IPCC (2007) untuk memproyeksikan kondisi

suhu pada masa mendatang. Hasil dari

proyeksi tersebut suhu akan meningkat pada

tahun 2100 sebesar 1.8-2.90C. Hulme dan

Sheard (1999) menggunakan beberapa

skenario SRES untuk memproyeksi

perubahan iklim di Indonesia dengan hasil

kenaikan suhu di Indonesia berkisar 0.6-1.4 0C tahun 2020, 0.9-2.6

0C tahun 2050, dan

1.2-3.9 0C tahun 2080.

Perubahan iklim dapat memengaruhi

sektor-sektor kehidupan di bumi, termasuk

sektor pertanian. Perubahan iklim tersebut

akan berdampak besar terhadap produksi

tanaman (Bannayan et al., 2005). Perubahan

iklim tersebut memengaruhi produksi global

beberapa tanaman pangan utama tanaman

tanaman padi (Oryza sativa L.).

Pertumbuhan dan produktifitas tanaman

tersebut terkena dampak dari kenaikan

konsentrasi CO2 dan suhu (Kim dan You,

2010). Kenaikan suhu yang merupakan salah

satu isu perubahan iklim dapat menyebabkan

peningkatan laju transpirasi dan respirasi

serta penuaan yang lebih cepat dengan hasil

yang rendah. (Perdinan et al., 2008).

Dalam hasil studi Kim dan You

(2010) menjelaskan bahwa terdapat korelasi

yang tinggi antara kenaikan CO2 dan suhu

terhadap produktifitas padi. Kenaikan

konsentrasi CO2 akan meningkatkan

biomassa total. Sedangkan suhu akan

menurunkan biomassa total. Jika kedua

faktor tersebut digabungkan, akan

memberikan efek negatif terhadap

produktifitas dan respon fisiologis dari padi

karena walaupun CO2 meningkatkan

biomassa namun CO2 menurunkan jumlah

klorofil dan nitrogen. Hal tersebut akan

menurunkan respon daun pada proses

fotosintesis.

Kobayashi et al. (2011) mempelajari

efek musim panas pada tahun 2007 terhadap

tanaman padi di Jepang. Efek suhu yang

panas tersebut akan menggagalkan

penyerbukan, meningkatkan jumlah biji

kosong, dan berujung pada penurunan hasil

panen.

Penelitian Matthews et al. (1997)

menunjukkan bahwa kenaikan suhu 10C

akan menurunkan produksi sebesar 5-7%.

Hasil penelitian Peng et al. (2004)

menunjukkan bahwa setiap kenaikan suhu

10C akan menurunkan produksi sekitar 10%.

2.3 Pemodelan Iklim dan Pertanian

Penelitian tentang model simulasi

pertanian dimulai sekitar tahun 1970an.

Model simulasi tersebut dibangun dari

algoritma sederhana antara hubungan

komponen tanaman dan lingkungan dengan

proses-proses pertumbuhan dan

perkembangan tanaman sampai algoritma

kompleks yang melibatkan teknologi 3D

(tiga dimensi) (Hammer et al., 2002; Wei-

long et al., 2011). Model simulasi pada

tanaman padi sudah banyak dilakukan.

Sebagian besar menyimulasikan pengaruh

komponen tanah, iklim, dan tanaman untuk

mengetahui proses fenologi dan produksi.

Akan tetapi, seiring perkembangan

pengetahuan, model simulasi tanaman padi

dimodifikasi dengan menambahkan faktor

lain seperti perubahan iklim, pemupukan,

bahkan Anảstacio et al. (1999) membangun

model simulasi yang mengintegrasikan

simulasi tanaman padi dengan simulasi

cryfish.

Penelitian mengenai dampak

perubahan iklim pada produksi padi dimulai

oleh International Rice Research Institute

(IRRI) pada tahun 1980an. Model simulasi

yang dipergunakan adalah MACROS crop

simulation model yang dibangun oleh

Penning de Vries et al. (1989). Model ini

digunakan untuk menyimulasikan produksi

rata-rata pada sawah irigasi dan tadah hujan

menggunakan data iklim Belanda, Israel,

Filipina, dan India. Model MACROS

tersebut menyimulasikan produksi dari

proses fotosintesis, respirasi, transpirasi

dengan mempertimbangkan pengaruh suhu

udara, radiasi, kecepatan angin, dan

kelembaban udara. Model ini kemudian

dikembangkan dengan mengutamakan

3

pengaruh perubahan konsentrasi CO2 dan

kenaikan suhu. Hasil menunjukkan

peningkatan konsentrasi CO2 akan

meningatkan produksi, sedangkan kenaikan

suhu akan menurunkan produksi (Matthews

and Wassmann, 2003).

Gambar 1 Prediksi Model MACROS

Tentang Respon Produktivitas Padi (sumbu

z) Terhadap Konsentrasi CO2 (sumbu y) dan

Suhu (sumbu x) (Matthews dan Wasmann,

2003).

Model lain yang mempelajari hubungan

iklim dengan produksi padi adalah CERES-

Rice (Ritchie et al., 1998), SIMRIW

(Simulation Model for Rice-Weather

relation) (Horie, 1987), RICEMOD

(McMennamy dan O’Toole, 1983),

RICESYS (Graf et al., 1990), dan ORYZA1

yang merupakan pengembangan dari

MACROS. CERES-Rice lebih

memperhitungkan respon produksi terhadap

kenaikan suhu karena perubahan konsentrasi

CO2 sedangkan RICEMOD dan RICESYS

tidak menunjukkan pengaruh perubahan

konsentrasi CO2. (Matthews and Wassmann,

2003). Model SIMRIW adalah model

simulasi yang sederhana namun masih

sesuai dengan proses fisiologis yang terlibat

dalam pertumbuhan padi (Horie, 1995).

Model ORYZA1 adalah model yang

menyimulasikan pertumbuhan dan

perkembangan padi, indeks luas daun, dan

produksi potensial (Casanova et al., 2000).

Selain itu, Tang et al. (2009) membangun

model bernama RiceGrow yang

memperhitungkan water stress factor,

nitrogen stress factor, dan manajemen

pertanian.

Model SIMRIW dan ORYZA1

digunakan oleh Matthews et al. (1997) untuk

menyimulasikan pengaruh perubahan suhu

dan konsentrasi CO2 di beberapa negara di

Asia termasuk Indonesia. Simulasi tersebut

menggunakan data masukan unsur iklim dari

keluaran tiga jenis general Circulation

Model (GCM) yaitu General Fluid

Dynamics Laboratory Model (GFDL), The

Goddard Institute of Space Studies Model

(GISS), dan The United Kingdom

Meteorological Office Model (UKMO).

Hasil keluaran model SIMRIW dan ORYZA1

menunjukkan kenaikan temperatur akan

menurunkan produksi padi sedangkan

peningkatan konsentrasi CO2 akan

meningkatkan produksi.

Mohandass et al. (1995) mengunakan

model ORYZA1 untuk menyimulasikan

dampak kenaikan suhu dan kenaikan

konsentrasi CO2 terhadap produksi potensial

padi di India. Hasil simulasi tersebut

menunjukkan kenaikan suhu menyebabkan

penurunan produksi per hektar dan kenaikan

konsentrasi CO2 meningkatkan produksi per

hektar.

Tabel 1 Hasil Perubahan Produksi Potensial Padi (%) Menggunakan Model ORYZA1 dan SIMRIW

dengan Pengaruh Kenaikan Suhu dan Kenaikan konsentrasi CO2 (Matthews et al., 1997).

Model dan kenaikan

konsentrasi CO2

Kenaikan Suhu

+00C +1

0C +20

0C +4

0C

ORYZA1

340 ppm

1.5 x [CO2]

2 x [CO2]

SIMRIW

340 ppm

1.5 x [CO2]

2 x [CO2]

0.0

23.3

36.4

0.0

13.0

23.9

-7.3

14.3

26.4

-4.6

7.8

18.2

-14.2

5.6

16.8

-9.8

1.9

11.7

-31.0

-15.7

-7.0

-26.2

-16.6

-8.5

4

Tabel 2 Prediksi Perubahan Produksi Per Hektar (%) di India Menggunakan Model ORYZA1

(Mohandass et al., 1995).

[CO2] Musim Tanam Pertama Musim Tanam Kedua

+00C +1

0C +2

0C +4

0C +0

0C +1

0C +2

0C +4

0C

340 ppm

1.5 x [CO2]

2 x [CO2]

0.0

28.8

45.2

-4.6

22.7

38.3

-8.6

17.7

32.6

-12.7

11.9

25.9

0.0

28.5

44.6

-17.0

6.8

20.1

-33.8

-14.7

-4.0

-63.6

-53.2

-47.7

III. METODOLOGI

3.1 Waktu dan Tempat

Penelitian ini dilaksanakan pada

bulan Juli tahun 2011 sampai bulan April

tahun 2012 di Laboratorium

Agrometeorologi, Departemen Geofisika

dan Meteorologi, FMIPA IPB.

3.2 Data dan Peralatan

Data yang digunakan dalam

penelitian adalah :

1. Data intrapolasi curah hujan dan hari

hujan bulanan dengan resolusi 1 km

yang merupakan rata-rata data stasiun

pengamatan hujan tahun 1970-2004

yang bersumber dari berbagai instansi

seperti Badan Meteorologi Klimatologi

dan Geofisika (BMKG), Dinas

Pekerjaan Umum (PU),Dinas Pertanian

dan sektor swasta.

2. Peta jenis sawah (irigasi dan tadah

hujan) tahun 2003 yang bersumber dari

Badan Koordinasi Survei dan

Pemetaan Nasional

(BAKOSURTANAL) 2003.

3. Peta posisi sawah yang bersumber dari

Badan Planologi (BAPLAN)

Kehutanan tahun 2007.

4. Data Digital Elevation Model Shuttle

Radar Topography Mission (DEM

SRTM) untuk ketinggian tempat yang

bersumber dari situs

http://srtm.csi.cgiar.org .

5. Peta Kabupaten Se-Indonesia yang

bersumber dari Biro Pusat Statistik

(BPS) tahun 2003.

Peralatan yang digunakan adalah :

1. Model pembangkit data cuaca Shierary

Wheather.

2. Model simulasi pertanian Shierary

Rice.

3. Microsoft Visual Basic 6 yang

dilengkapi dengan MapObject 2 dan

OLEDB (Object Linking and

Embedding, Database) component.

4. DBMS (Database Management System)

MySQL client version 5.1.37 yang

terintegrasi dalam XAMPP 1.7.2.

5. MySQL Connector/ODBC (Open

Database Connectivity) 3.51.

6. Microsoft Office Excel Student Edition

2010.

3.3 Penyiapan Data

Penelitian ini menggunakan data titik

(pixel) yang disusun secara spasial dengan

resolusi 1x1 km2. Data titik tersebut

merupakan hasil olahan spasial antara peta

sawah yang merupakan gabungan dari data

sawah BAKORSURTANAL dan BAPLAN,

peta curah hujan bulanan dan hari hujan

bulanan, data ketinggian (DEM SRTM), dan

peta kabupaten dari BPS. Hasil olahan

spasial tersebut menghasilkan data input

untuk Model Simulasi Pertanian Shierary

Rice yang berupa peta beratribut koordinat

sawah (Lintang dan Bujur), jenis sawah,

ketinggian, kabupaten, curah hujan bulanan,

dan hari hujan bulanan.

3.4 Model Simulasi Pertanian Shierary

Rice

Model simulasi Shierary Rice adalah

suatu model simulasi tanaman padi yang

dapat menggambarkan proses-proses

pertumbuhan dan perkembangan tanaman

yang dipengaruhi kondisi iklim dan tanah.

Shierary Rice dibangun oleh Handoko

(1994). Pada penelitian ini model Shierary

Rice dikombinasikan dengan Model

Pembangkit Data Cuaca Shierary Weather

untuk memprediksi produksi padi dari

berbagai wilayah di Indonesia. Produksi

padi dihitung dari produksi masing-masing

titik (pixel) yang berada pada wilayah

kajian. Kenaikan suhu udara akibat

perubahan iklim berdasarkan skenario

kenaikan suhu udara dari 0.50C hingga

3.00C, dampak kenaikan suhu udara tersebut

dihitung dari selisih produksi padi hasil

simulasi pada konsisi tanpa kenaikan suhu

(Skenario 0) dengan kondisi setelah

kenaikan suhu.

5

3.4.1 Model Pembangkit Data Cuaca

Shierary Weather

Data Iklim secara spasial belum

tersedia sehingga digunakanlah Model

Pembangkit Data Cuaca Shierary Weather

yang dibangun oleh Handoko pada tahun

1994 (Handoko, komunikasi personal).

Model ini membangkitkan data cuaca berupa

curah hujan, suhu udara, dan kelembaban

udara, serta radiasi surya secara harian.

Model ini memerlukan masukan berupa

curah hujan bulanan, hari hujan bulanan,

informasi lokasi berupa koordinat (Lintang

dan Bujur) dan ketinggian.

3.4.2 Asumsi

Asumsi yang digunakan dalam model

ini adalah :

a. Varietas yang digunakan pada setiap

titik pengamatan sama yaitu IR 64

yang memiliki suhu dasar 170C.

b. Parameter tanah dianggap sama di

setiap titik yang terdiri dari

kedalaman, kapasitas lapang, dan

titik layu permanen.

c. Waktu tanam dianggap sama di setiap

titik. Sawah irigasi ditanam dua kali

yaitu pada juliane date 150 (29 Mei)

dan 250 (7 September) sedangkan

sawah tadah hujan ditanam satu kali

pada juliane date 250.

d. Data bangkitan cuaca keluaran

Shirary Weather tahun kedua

dianggap sama dengan data tahun

pertama.

e. Kecepatan angin yang digunakan

dianggap konstan sebesar 5 km/jam.

3.4.3 Submodel Perkembangan

Laju perkembangan dan masing-

masing kejadian fenologi tanaman padi

dapat didekati menggunakan konsep heat

unit. Laju perkembangan tanaman akan

terjadi jika suhu rata-rata harian melebihi

suhu dasar tanaman tersebut. Kejadian

fenologi dihitung sejak semai sampai panen

dan diberi skala 0-1. Kejadian fenologi ini

dibagi menjadi lima fase perkembangan

tanaman dengan skala masing-masing yang

berbeda yaitu semai (s=0), tanam (s=0.25),

tunas maksimum (s=0.5), pembungaan

(s=0.75), dan panen (1). Laju

perkembangan pada masing-masing fase

dihitung sebagai berikut:

I. Semai – Tanam

ds1= 0.25 (T-Tb)/TU1 T>Tb

ds1= 0, T<Tb

II. Tanam - Tunas Maksimum

ds2= 0.25 (T-Tb)/TU2 T>Tb

ds2 = 0, T<Tb

III. Tunas Maksimum – Pembungaan

ds3 = 0.25 (T-Tb)/TU3 T>Tb

ds3 = 0, T<Tb

IV. Pembungaan – Panen

ds4 = 0.75 + 0.25 (T-Tb)/TU4 T>Tb

ds4= 0, T<Tb

T adalah suhu udara harian rata-rata

(0C), Tb adalah suhu dasar (

0C), dan TU

adalah thermal unit masing-masing fase.

Untuk varietas IR64, TU1 sebesar 230 d0C,

TU2 sebesar 310 d0C, TU3 sebesar 135 d

0C,

dan TU4 sebesar 305 d0C.

3.4.4 Submodel Pertumbuhan

Submodel pertumbuhan menghitung

produksi biomassa kemudian menyimulasi

aliran biomassa tersebut ke masing-masing

organ tanaman (akar, batang, daun dan biji).

Selain itu submodel ini menyimulasikan laju

kehilangan biomassa melalui respirasi.

Submodel ini juga menyimulasi

perkembangan luas daun untuk menduga

indeks luas daun (LAI).

3.4.5 Submodel Neraca Air

Submodel neraca air menyimulasi

aliran curah hujan yang jatuh di atas tajuk

tanaman kemudian sebagian diinterepsi

tajuk tersebut dan sisanya jatuh di atas

permukaan tanah sebagai curah hujan netto.

Curah hujan netto akan masuk ke dalam

tanah atau menjadi genangan air sawah.

Evaporasi dan transpirasi merupakan

kehilangan air dari tanah tersebut.

Disamping itu, limpasan permukaan juga

merupakan kehilangan air yang terjadi jika

genangan air melebihi nilai 10 cm (tanggul

sawah).

3.4.6 Analisis Pengaruh Kenaikan Suhu

Udara Terhadap Penurunan

Produksi Padi.

Produksi padi seluruh titik

dijumlahkan tiap kabupaten yang kemudian

dijumlahkan untuk seluruh provinsi dan juga

secara nasional pada masing-masing jenis

sawah (tadah hujan dan irigasi) untuk

Skenario 0 dan semua skenario kenaikan

suhu udara. Seperti yang telah disebutkan

sebelumnya, pengaruh kenaikan suhu

tersebut terhadap produksi padi dihitung dari

selisih produksi Skenario 0 dengan masing-

masing skenario kenaikan suhu.

6

IV. HASIL DAN PEMBAHASAN

4.1 Perubahan Produksi Tiap

Ketinggian

Unsur-unsur iklim merupakan salah

satu komponen lingkungan yang sangat

memengaruhi pertumbuhan dan

perkembangan tanaman salah satunya adalah

suhu udara. Suhu udara berpengaruh pada

fase perkembangan tanaman, dalam hal ini

memengaruhi umur tanaman (Shah et al.,

2011; Handoko, 1994; Yang dan Heilman,

1993). Sebelum membahas respon produksi

padi terhadap kenaikan suhu lebih

mendalam, perlu dibahas respon produksi

padi terhadap suhu pada ketinggian tempat

yang berbeda.

Pada Tabel 3 terlihat bahwa suhu

udara akan semakin rendah seiring kenaikan

ketinggian tempat. Pengaruh suhu udara

yang semakin rendah pada tempat tinggi

tersebut akan membuat umur tanaman

semakin panjang, sebaliknya pada daerah

rendah umur tanaman akan lebih pendek.

Umur tanaman yang semakin panjang ini

membuat waktu untuk memproduksi

biomassa semakin lama dan membuat

akumulasi biomassa semakin besar. Seperti

yang ditunjukkan Tabel 4, secara umum

produksi padi akan semakin besar pada

daerah yang lebih tinggi. Akan tetapi, pada

beberapa daerah terjadi hal yang

berkebalikan seperti daerah Banyuwangi dan

Karawang. Hal ini disebabkan pembentukan

biomassa tidak hanya dipengaruhi oleh umur

tanaman, tetapi dipengaruhi pula oleh radiasi

surya yang merupakan faktor penting dalam

proses pembentukan biomassa. Tabel 5

menyajikan akumulasi radiasi surya pada

Fase IV yang merupakan fase pengisian biji

di beberapa daerah yang memiliki

ketinggian berbeda.

Akumulasi radiasi pada Fase IV di

daerah Banyuwangi lebih besar dibanding

daerah Karawang. Hal tersebut membuat

produksi biomassa biji di daerah

Banyuwangi lebih besar dibanding daerah

Karawang meskipun umur tanaman padi di

daerah Karawang lebih panjang. Radiasi

surya yang diintersepsi oleh tanaman

berpengaruh besar terhadap produksi

biomassanya (Monteith, 1994; Demetriades-

Shah, 1994).

Kenaikan suhu membuat umur

tanaman semakin pendek seperti yang

ditunjukkan pada Tabel 3. Perubahan umur

tanaman tersebut tentunya akan mengurangi

waktu pembentukan biomassa sehingga

produksi akan mengalami penurunan seperti

yang ditunjukan pada Tabel 3. Hal ini

diperkuat oleh penelitian Mohandass et al.,

1995 dan Matthews et al., 1997 yang

menyebutkan bahwa produksi padi akan

menurun seiring kenaikan suhu.

Tabel 3 Ketinggian, Suhu Udara Rata-rata, dan Umur Tanaman di Beberapa Daerah yang

Memiliki Ketinggian Berbeda.

Nama Daerah Ketinggian

(m)

Suhu Rata-rata pada

Skenario 0 (0C)

Umur Tanaman (hari)

dt=0 dt=1 dt=2 dt=3

Banyuwangi 69 27.6 90 83 76 71

Karawang 102 27.2 94 86 79 73

Malang 313 26.2 104 94 86 79

Cilacap 400 25.5 113 101 90 84

Kota Batu 810 23.4 151 131 115 103

Brebes 1022 22.1 191 160 137 119

Bandung 1190 21.0 239 191 160 137

dt = kenaikan suhu udara dalam 0C.

Tabel 4 Produksi Padi pada Setiap Skenario Perubahan Iklim Berdasarkan Hasil Simulasi Model

di Beberapa Daerah yang Memiliki Ketinggian Berbeda.

Nama Daerah Ketinggian

(m)

Suhu Rata-rata

pada Skenario 0

(0C)

Produksi (ton)

dt=0 dt=1 dt=2 dt=3

Banyuwangi 69 27.6 6.87 6.39 5.92 5.42

Karawang 102 27.2 5.99 5.55 5.14 4.70

Malang 313 26.2 7.17 6.56 6.11 5.51

7

Cilacap 400 25.5 7.25 6.42 5.89 5.42

Kota Batu 810 23.4 10.74 9.06 7.80 7.13

Brebes 1022 22.1 11.56 10.22 8.76 7.33

Bandung 1190 21.0 12.95 11.37 9.98 8.47

dt = kenaikan suhu udara dalam 0C. Produksi pada pada area seluas 1 ha.

Tabel 5 Radiasi Akumulasi pada Fase IV di Beberapa Daerah yang Memiliki Ketinggian Berbeda.

dt = kenaikan suhu udara dalam 0C.

4.2 Perbedaan Produksi pada Sawah

Irigasi dan Sawah Tadah Hujan

Penelitian ini menggunakan dua jenis

sawah yang berbeda yaitu sawah irigasi dan

tadah hujan. Sawah irigasi (IR) memiliki

cadangan air yang terus menerus ada

dikarenakan sumber air utama adalah irigasi.

Sedangkan sawah tadah hujan (TH)

memiliki sumber air yang tidak menentu

(bersumber dari hujan) sehingga air menjadi

faktor pembatas (Wihardjaka dan

Abdurachman, 2007). Tabel 6 menunjukkan

bahwa sawah IR memiliki produksi yang

lebih besar dibanding sawah TH. Perbedaan

ketersediaan air ini yang membuat

perbedaan produksi tersebut. Wu et al., 2011

menyebutkan defisit air mengakibatkan

penurunan jumlah dan berat biji sehingga

memperkecil produksi. Hal tersebut yang

membuat sawah tadah hujan memiliki

produksi lebih rendah dibanding sawah

irigasi. (Wihardjaka dan Abdurachman

2007; Prasertsak dan Fukai, 1997).

Tabel 6 Produksi Padi pada Dua Daerah dengan Dua Jenis Sawah yang Berbeda

Daerah Jenis

sawah

Perubahan Suhu (0C)

0 0.5 1 1.5 2 2.5 3

Karawang IR 5.99 5.79 5.55 5.35 5.14 4.91 4.70

TH 5.99 5.79 5.55 5.33 5.11 4.86 4.58

Malang IR 7.17 6.89 6.56 6.38 6.11 5.78 5.51

TH 6.56 6.10 5.39 4.91 4.29 3.51 3.01

Produksi padi dalam ton tiap luasan 1 ha.

4.3 Penurunan Produksi Padi se-

Indonesia.

Sawah yang digunakan sebagai data

masukan penelitian seluas 7.6 juta ha dengan

sawah irigasi sebesar 5.6 juta ha (74.3%)

dan sawah tadah hujan seluas 1.9 juta ha

(25.7%). Sebagian besar sawah terdapat di

Pulau Jawa dan Sumatera. Ritung dan

Hidayat (2007) menjelaskan bahwa pada

tahun 2002 luas sawah di Indonesia sebesar

7.75 juta ha. Sebagian sawah tersebut berupa

sawah irigasi dan paling banyak di Pulau

Jawa. Gambar 2 merupakan contoh sebaran

sawah di Pulau Jawa beserta ketinggian dan

laju penurunan produksi akibat kenaikan

suhu udara.

Sebaran spasial penurunan produksi

padi menunjukkan bahwa penurunan

produksi pada dataran tinggi lebih rendah

dibanding dataran rendah. Sebagai contoh

Pulau Jawa mengalami penurunan produksi

padi sampai 15%/0C. Penurunan produksi

yang tidak terlalu besar (<10%/0C) terletak

pada sawah yang memiliki ketinggian >500

Nama Daerah Ketinggian

(m)

Radiasi Akumulasi (MJ/m2)

dt=0 dt=1 dt=2 dt=3

Banyuwangi 69 629.0 589.9 548.0 506.0

Karawang 102 553.8 519.4 487.0 452.0

Malang 313 657.7 602.2 566.0 510.0

Cilacap 400 673.5 592.9 542.0 505.0

Kota Batu 810 1021.0 844.5 725.0 657.0

Brebes 1022 1157.0 982.3 822.0 682.0

Bandung 1190 1356.0 1138.0 960.0 797.0

8

m. Hal tersebut menunjukkan dataran rendah

lebih sensitif terhadap kenaikan suhu

daripada dataran rendah. Surmaini, et al,.

2008 menjelaskan bahwa penurunan

produksi pada dataran sedang dan tinggi

lebih kecil dibanding dengan dataran rendah.

Penelitian Surmaini et al., 1998

menunjukkan bahwa penurunan produksi

pada dataran rendah sebesar 40% sedangkan

pada dataran sedang dan rendah sebesar

20% untuk setiap kenaikan suhu udara 20C.

Perubahan produksi padi tiap

provinsi menunjukkan hal yang sama yaitu

menurun seiring kenaikan suhu. Dari Tabel

7 dapat dilihat bahwa penurunan tertinggi

untuk sawah irigasi berada di Daerah

Istimewa Yogyakarta (DIY) yaitu sebesar

14.0%/0C, sedangkan untuk sawah tadah

hujan di Provinsi Nusa Tenggara Barat

(NTB). Kedua daerah tersebut memiliki

sawah berketinggian <500m sehingga lebih

rentan terhadap kenaikan suhu.

Secara nasional sawah irigasi

memiliki laju penurunan produksi -11.1

%/0C yang berarti setiap kenaikan suhu 1C

0

akan menurunkan produksi padi 11.1%

(Gambar 3). Laju penurunan produksi untuk

sawah tadah hujan sebesar -14.4 %/0C yang

berarti setiap kenaikan suhu 1C0 pada sawah

tadah hujan akan menurunkan produksi padi

sebesar 14.4%. Pada Gambar 3 terlihat

bahwa laju penurunan produksi pada sawah

tadah hujan lebih besar dibanding sawah

irigasi. Hal ini terjadi dikarenakan

karakteristik sawah irigasi yang

mendapatkan pasokan air dari irigasi di

samping curah hujan. Penelitian yang

dilakukan Peng et al., 2004 menunjukkan

hasil yang lebih rendah yaitu berkisar 5-

7%/0C. Simulasi yang dilakukan oleh

Mohandass, et al. (1995) di India,

mendapatkan hasil sekitar 4-17%/0C

sedangkan simulasi yang dilakukan

Matthews et al., 1997 menunjukkan hasil

yang rendah yaitu sekitar 4-7%/0C.

Tabel 7 Penurunan Produksi Padi per Provinsi di Indonesia.

Jenis

Sawah Provinsi

Penurunan Produksi (%) Laju

(%/0C) dt=0.5 dt=1 dt=1.5 dt=2 dt=2.5 dt=3

Irigasi

Babel -5.1 -9.4 -13.7 -17.1 -21.5 -25.7 -8.7

Banten -6.6 -13.0 -19.1 -23.9 -29.0 -33.8 -11.7

Bali -6.4 -12.2 -17.2 -22.2 -26.8 -31.0 -10.8

Bengkulu -5.6 -10.7 -15.6 -20.1 -24.2 -28.1 -9.7

DIY -8.0 -15.4 -22.2 -28.9 -34.9 -40.5 -14.0

Jambi -6.9 -13.3 -19.4 -24.5 -29.4 -33.9 -11.9

Jateng -7.1 -13.9 -20.0 -25.4 -31.3 -36.1 -12.5

Jatim -7.8 -14.9 -21.4 -27.2 -32.7 -37.7 -13.2

Lampung -7.3 -13.5 -19.5 -24.5 -29.4 -34.5 -12.0

NAD -5.2 -9.9 -14.4 -18.7 -23.1 -27.0 -9.2

Riau -5.1 -10.1 -14.9 -19.4 -22.7 -26.9 -9.3

Sumbar -5.8 -11.1 -16.0 -20.5 -24.8 -28.8 -10.0

Sumsel -6.1 -11.9 -16.9 -22.3 -27.2 -32.0 -10.9

Sumut -5.5 -10.7 -15.4 -19.7 -23.6 -27.3 -9.5

Tadah

Hujan

Banten -5.6 -11.0 -16.0 -20.6 -24.9 -29.1 -10.1

Bali -10.0 -18.6 -25.4 -31.3 -36.6 -41.3 -14.9

DIY -14.5 -26.3 -36.4 -46.8 -55.2 -61.7 -22.2

Gorontalo -8.9 -15.6 -23.2 -30.9 -35.6 -41.3 -14.5

Jambi -6.1 -11.8 -17.1 -22.1 -26.8 -31.2 -10.8

Jateng -6.0 -11.8 -17.3 -22.6 -27.7 -32.7 -11.1

Jatim -13.0 -24.9 -35.8 -46.4 -55.2 -62.3 -22.1

Kalbar -5.1 -8.8 -12.6 -16.2 -19.5 -22.8 -7.9

9

dt = kenaikan suhu udara dalam 0C.

Gambar 2 Peta Sebaran Sawah, Ketinggian, dan Laju Penurunan Produksi di Pulau Jawa.

Kalsel -12.6 -24.8 -34.9 -44.2 -52.7 -60.9 -21.4

Kalteng -12.3 -23.8 -34.2 -43.0 -52.4 -60.7 -21.1

Kaltim -7.8 -15.9 -24.7 -34.1 -43.0 -50.5 -16.9

NTB -19.1 -32.6 -45.0 -55.9 -66.19 -74.6 -26.8

NTT -7.1 -13.7 -19.9 -25.7 -31.1 -35.8 -12.5

Papua -13.6 -17.0 -16.0 -33.6 -31.7 -44.4 -14.4

Sulbar -8.3 -14.8 -21.4 -27.3 -31.0 -36.5 -12.9

Sulsel -11.7 -23.0 -33.2 -41.9 -49.7 -55.9 -20.0

Sulteng -2.6 -7.5 -20.5 -28.2 -36.0 -41.6 -13.7

Sultenggara -11.5 -22.2 -30.8 -39.7 -47.8 -54.8 -19.2

Sulut -8.8 -16.1 -23.0 -30.9 -38.9 -43.8 -15.2

10

Gambar 3 Penurunan Produksi Padi Seluruh Indonesia Akibat Kenaikan Suhu Udara.

V. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Produksi padi akan mengalami

penurunan akibat kenaikan suhu udara. Hal

tersebut terjadi pada kedua jenis sawah yang

dikaji yaitu sawah irigasi dan tadah hujan.

Dataran rendah akan mengalami penurunan

produksi padi yang lebih besar dibandingkan

dataran tinggi akibat kenaikan suhu.

Produksi padi nasional pada sawah irigasi

mengalami penurunan 11.1 % sedangkan

sawah tadah hujan sebesar 14.4% untuk

setiap kenaikan suhu udara 1 oC.

5.2. Saran

Sebaiknya dilakukan penelitian

lanjutan mengenai dampak beberapa

komponen perubahan iklim terhadap

produksi padi di Indonesia seperti kenaikan

suhu dengan curah hujan secara bersamaan.

Hasil penelitian tersebut dapat digunakan

sebagai informasi untuk menentukan

langkah-langkah adaptasi terhadap

perubahan iklim pada sektor pertanian.

DAFTAR PUSTAKA

[IPCC] Intergovernmental Panel on Climate

Change. 2000. Emission Scenarios:

Special Report on Emissions

Scenarios. Cambridge University

Press. Cambridge.

[IPCC] Intergovernmental Panel on Climate

Change. 2007. Fourth Assessment

Report (AR4) of the IPCC (2007) on

climate change: The Physical Science

Basis.

Amien, I., Rejekiningrum, P., Pramudia, A.,

and Susanti, E. 1996. Effects of

interannual climate variability and

climate change on rice yield in Java,

Indonesia. J. Water, Air, and Soil

Pollution 92:29-39.

Anảstacio, P.M., Frias, A.F., Marques, J.C.

1999. CRISP (Cryfish and Rice

Integrated System of Production) : 1.

Modelling Rice (Oryza sativa)

Growth and Production. J.

Ecological Modelling 123:17-28.

Bannayan, M., Kobayashi, K., Kim, H.,

Lieffering, M., Okada, M., dan

Miura, S. 2005. Modeling The

Interactive effect of atmospheric CO2

and N on Rice Growth an Yield. J.

Field Crops Research 93:237-251.

Casanova, D., Goudrian, J., dan Bosch, A.D.

Testing The Performance of

ORYZA1. an Explanatory Model for

Rice Growth Simulation, for

Mediterranean Condition. Europ. J.

of Agronomy 12:175-189.

Demetriades-Shah, T.H., Fuchs, M.,

Kanemasu, E.T., Flitcroft, I.D. 1994.

Futher Discussions on on The

Relationship Between Cumulated

Intercepted Solar Radiation and

Crop Growth. J. Agric. and Forest

Meteor. 68(3-4):231-242.

Hammer, G.L., Kropff, M.J., Sinclair, T.R.,

Porter, J.R. 2002. Future

Contribution of Crop Modelling –

y = -11.124x R² = 0.993

y = -14.373x R² = 0.9899

-50

-45

-40

-35

-30

-25

-20

-15

-10

-5

0

0 0.5 1 1.5 2 2.5 3 3.5

Pe

rub

ahan

Pro

du

ksi (

%)

Perubahan Suhu (C)

ir

th

11

From Heuristic and Supporting

Decision Making to Understanding

Genetic Regulation and Aiding Crop

Improvement. Europ. J. Agronomy 18

15-31.

Handoko. 1994. Dasar Penyusunan dan

Aplikasi Model Simulasi Komputer

untuk Pertanian. Bogor: Jurusan

Geofisika dan Meteorologi, FMIPA-

IPB.

Hariadi, S.S. 2008. Urgensi Pembangunan

Pedesaan dalam Mewujudkan

Ketahanan Pangan Nasional. J.

Ilmu-Ilmu Pertanian 4(2):75-86.

Horie, T. 1995. The Rice Crop Simulation

Model SIMRIW and Its Testing.

Dalam : Matthews, R.B., Kropff,

M.J., Bachelet, D., dan Laar. H.H.

1995. Modeling the Impact of

Climate Change on Rice Production

in Asia. CAB International in

association with The International

Rice Research Institute 51-65.

Hulme, M. dan Sheard, N. 1999. Climate

Change Scenarios for Indonesia.

Climatic Research Unit, Norwich,

UK, 6pp.

Kim, Hae-Ran dan You, Young-Han. 2010.

The Effect of The Elevated CO2

Concentration and Increased

Temperature on Growth, Yield and

Physiological Responses of Rice

(Oryza sativa L. cv. Junam).

Advances in Bioresearch 1(2) : 46-

50.

Kobayashi, K., Kuawaga, T., Yoshimoto,

dan Yoshimoto, M. 2011. The Hot

Summers and Rice in Japan. J. Japan.

Agric. Meteorol 67(4) : 205-207.

Makino, A., 2011. Photosynthesis, Grain

Yield, and Nitrogen Utilization in

Rice and Wheat. J. Plant Physiology

155:125-129.

Matthews, R.B., Kropff, M.J., Horie, T.,

Bachelet, D. 1997. Simulating The

Impact of Climate Change on Rice

Production in Asia and Evaluating

Option for Adaptation. J. Agricultural

Systems 54(3):399-425.

Matthews, R.B., Wassmann, R. 2003.

Modelling The Impact of Climate

Change and Methane Emission

Reduction on Rice Production : A

Review. Europ. J Agronomy 19:573-

598.

Mohandass, S., Kareem, A.A., Rancanathan,

T.B., dan Jeyaraman, S. 1995. Rice

Production in India Under Current

and Future Climates. Dalam :

Matthews, R.B., Kropff, M.J.,

Bachelet, D., dan Laar. H.H. 1995.

Modeling the Impact of Climate

Change on Rice Production in Asia.

CAB International in association

with The International Rice Research

Institute 161-179.

Monteith, J.L. 1994. Validity of The

Correlation Between Intercepted

Radiation and Biomass. J. Agric. and

Forest Meteor. 68(3-4):213-220.

Muttaqin, A.Z. dan Martianto, D. 2009.

Konsumsi, Kebutuhan dan

Kecakupan Beras Nasional Tahun

2002-2007. J. Gizi dan Pangan

4(3):116-122.

Peng, S., Huang, J., Sheehy, J.E., Laza,

R.C., Visperas, R.M., Zhong, X.,

Centeno, G.S., Khush, G.S.,

Cassman, K.G. 2004. Rice Yield

Decline with Higher Night

Temperature from Global Warming.

PNAS 101(27):9971-9975.

Perdinan, Boer, R., dan Kartikasari, K. 2008.

Linking Climate Change Adaptation

Option for Rice Production and

Sustainable Development in

Indonesia. J.Agromet 22(2) : 94-107.

Prasertsak, A. dan Fukai, S. 1997. Nitrogen

Availability and Water Stress

Interaction on Rice Growth and

Yield. J. Field Crops Research 52(3) :

249-260.

Ritung, S. dan Hidayat, A. 2007. Prospek

Perluasan Lahan untuk Padi Sawah

dan Padi Gogo di Indonesia. J.

Sumberdaya Lahan 1(4):25-38.

Salinger, M.J., Stigter, C.J., dan Das, H.P.

2000. Agrometeorological

Adaptation Strategis to Increasing

Climate Variability and Climate

12

Change. J. Agricultural and Forest

Meteorology 103:167-184.

Shah, F., Huang, J., Cui, K., Nie, L., Shah,

T., Chen, C., dan Wang, K. 2011.

Impact of High-Temperature Stress

on Rice Plant and Its traits Related to

Tolerance. J. Agric. Science 1-12.

Surmaini, E., Rakman, dan R. Boer. 2008.

Dampak Perubahan Iklim Terhadap

Produksi Padi: Studi Kasus Pada

Daerah dengan Tiga Ketinggian

Berbeda. Prosiding Seminar Nasional

dan Dialog Sumberdaya Lahan

Pertanian. Balai Besar Penelitian dan

Pengembangan Sumberdaya Lahan

Pertanian, Bogor.

Surmaini, E., Runtunuwu, E., dan Las, I.

2010. Upaya Sektor Pertanian dalam

Menghadapi Perubahan Iklim. J.

Litbang Pertanian 30(1).

Susandi, A. 2004. The Impact of

International Greenhouse Gas

Emissions Reduction on Indonesia.

Report on Earth System Science, Max

Planck Institute for Meteorology,

Germany.

Susandi, A., Herlianti, I., Tamamadin, dan

M., Nurlela, I. 2008. Dampak

Perubahan Iklim Terhadap

Ketinggian Muka Laut di Wilayah

Banjarmasin. J. Ekonomi

Lingkungan 12(2).

Tang, L., Zhu, Y., Hannaway, D., Meng, Y.,

Liu, L., Chen, L., and Cao, W. 2009.

RiceGrow : A Rice Growth and

Productivity Model. NJAS -

Wageningen Journal of Life Sciences

57(2009):83-92.

Wei-long, D., Yu-ping, Z., Qian-yuan, Z.,

De-feng, Z., dan Qi, C. 2011.

Realistic Simulation of Rice Plant. J.

Rice Science 18(3):224-230.

Wihardjaka, A. dan Abdurachman, S. 2007.

Dampak Pemupukan Jangka Panjang

Padi Sawah tadah hujan terhadap

Emisi Gas Metana. J. Penelitian

Pertanian Tanaman Pangan

26(3):199-205.

Wu, N., Guan, Y., dan Shi, Y. 2011. Effect

of Water Stress on Physiological

Traits and yield in Rice Backcross

Lines after Anthesis. J. Energy

Procedia 5(2011):255-260.

Yang, C. dan Heilman, L. 1993. Respone of

Rice (Oryza Sativa L.) to Short-term

High Temperature: Growth,

Development, and Yield. J. Agric.

Res. China 42(1):1-11.

13

LAMPIRAN

14

Lampiran 1 Diagram Alir Penelitian

15

Lampiran 2 Diagram Alir Submodel Perkembangan

16

17

Lampiran 3 Diagram Alir Submodel Pertumbuhan

18

19

Lampiran 4 Diagram Alir Submodel Neraca Air

20

Lampiran 5 Printscreen aplikasi Shierary Rice 3.0

21

Lampiran 6 Contoh Data Masukan Model Pembangkit Data Cuaca Shierary Weather untuk Provinsi Bali.

x Y ket CH1 CH2 CH3 CH4 CH5 CH6 CH7 CH8 CH9 CH10 CH11 CH12 HH1 HH2 HH3 HH4 HH5 HH6 HH7 HH8 HH9 HH10 HH11 HH12 altitude

114.48985 -8.27765 th 238 229 206 138 100 86 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 10.1

114.50645 -8.27765 th 238 229 206 138 100 86 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 34.2

114.50645 -8.26935 th 238 229 206 138 100 86 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 35.1

114.51475 -8.25275 th 238 229 206 138 100 85 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 41.0

114.52305 -8.31915 ir 240 229 206 140 102 88 53 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 3.7

114.52305 -8.26935 th 238 229 206 138 100 86 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 38.9

114.52305 -8.26105 th 238 229 206 138 100 86 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 47.8

114.52305 -8.25275 th 238 229 206 138 100 85 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 44.0

114.52305 -8.24445 th 238 229 206 138 98 84 45 46 65 121 173 240 13 12 11 8 5 5 4 3 3 5 5 12 58.6

114.53135 -8.25275 th 238 229 206 138 100 85 48 48 67 127 179 244 12 12 11 8 5 5 4 4 3 5 5 12 57.4

114.53965 -8.30255 ir 240 229 206 140 102 88 53 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 23.4

114.53965 -8.29425 th 240 229 206 140 102 88 52 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 35.2

114.54795 -8.32745 th 240 229 206 140 102 89 54 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 13 28.1

114.54795 -8.31915 ir 240 229 206 140 102 88 53 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 20.3

114.54795 -8.31085 ir 240 229 206 140 102 88 53 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 26.9

114.54795 -8.30255 ir 240 229 206 140 102 88 53 48 69 133 169 248 12 12 11 8 5 5 4 4 4 5 5 12 32.7

114.55625 -8.34405 ir 242 231 208 142 106 90 59 48 71 140 177 254 13 12 11 8 6 5 5 4 4 6 6 13 16.2

114.55625 -8.32745 ir 242 231 208 142 106 90 58 48 71 140 177 254 13 12 11 8 6 5 5 4 4 6 6 13 25.2

114.56455 -8.34405 ir 248 235 215 148 108 92 62 50 71 144 183 260 13 13 12 8 6 5 5 4 4 6 6 13 19.8

x dan y adalah bujur dan lintang, ket adalah jenis sawah, CH1-CH12 adalah curah hujan bulanan dalam milimeter, HH1-HH12 adalah hari hujan

bulanan dalam hari, altitude adalah ketinggian tempat dalam meter.

22

Lampiran 7 Contoh Data Iklim Bangkitan Keluaran Model Pembangkit Data Cuaca

Shierary Weather

Juliane Date CH

(mm)

Radiasi

(MJ/m2)

Suhu

(0C)

Kelembaban

(%)

Kecepatan

Angin

(km/jam)

1 17 16.35 28.6 80.0 5

2 12 16.78 28.6 79.6 5

3 1 17.83 28.7 78.8 5

4 0 19.24 28.7 77.7 5

5 0 19.25 28.7 77.7 5

6 0 17.91 28.7 78.8 5

7 0 19.09 28.7 77.9 5

8 22 15.99 28.6 80.3 5

9 13 16.81 28.6 79.6 5

10 22 16.01 28.6 80.3 5

11 11 16.96 28.6 79.5 5

12 22 16.03 28.6 80.2 5

13 0 18.97 28.7 78.0 5

14 22 16.05 28.6 80.2 5

15 0 18.84 28.7 78.1 5

16 22 16.07 28.6 80.2 5

17 19 16.32 28.6 80.0 5

18 0 18.91 28.7 78.0 5

19 22 16.11 28.6 80.2 5

20 0 19.21 28.8 77.8 5

21 0 19.51 28.8 77.6 5

22 22 16.15 28.6 80.2 5

23 0 19.57 28.8 77.6 5

24 20 16.33 28.6 80.1 5

25 22 16.19 28.6 80.2 5

26 22 16.20 28.6 80.2 5

27 0 18.99 28.8 78.0 5

28 22 16.23 28.6 80.2 5

29 17 16.68 28.7 79.8 5

30 0 19.36 28.8 77.8 5

31 0 19.53 28.8 77.6 5

32 0 18.22 28.7 78.6 5

33 22 16.25 28.7 80.2 5

34 7 17.62 28.7 79.1 5

35 9 17.43 28.7 79.3 5

36 0 19.39 28.8 77.8 5

37 3 18.08 28.8 78.8 5

38 0 19.51 28.8 77.7 5

23

39 0 18.34 28.8 78.6 5

40 0 19.57 28.8 77.7 5

41 1 18.27 28.8 78.7 5

42 0 18.36 28.8 78.6 5

43 0 18.72 28.8 78.3 5

44 0 18.41 28.8 78.6 5

45 13 17.19 28.7 79.5 5

46 2 18.23 28.8 78.7 5

47 4 18.09 28.8 78.8 5

48 0 18.73 28.8 78.3 5

49 22 16.43 28.7 80.1 5

50 0 19.92 28.9 77.4 5

51 22 16.44 28.7 80.1 5

52 3 18.22 28.8 78.7 5

53 19 16.76 28.8 79.9 5

54 0 18.82 28.9 78.3 5

55 22 16.47 28.8 80.1 5

56 0 19.31 28.9 77.9 5

57 0 19.63 28.9 77.7 5

58 22 16.48 28.8 80.1 5

59 0 19.69 28.9 77.7 5

60 22 16.51 28.8 80.1 5

61 0 20.02 28.9 77.4 5

62 0 19.56 28.9 77.8 5

63 9 17.70 28.8 79.2 5

64 17 16.94 28.8 79.8 5

65 0 19.92 28.9 77.5 5

66 0 18.49 28.9 78.6 5

67 16 17.07 28.8 79.7 5

68 17 16.97 28.8 79.7 5

69 10 17.63 28.9 79.2 5

70 0 19.68 28.9 77.7 5

71 0 18.47 28.9 78.6 5

72 0 19.51 28.9 77.8 5

73 12 17.33 28.9 79.5 5

74 10 17.54 28.9 79.3 5

75 0 19.56 29.0 77.8 5

76 0 19.36 29.0 77.9 5

77 22 16.43 28.8 80.1 5

78 0 18.65 28.9 78.4 5

79 0 19.51 29.0 77.8 5

80 9 17.54 28.9 79.3 5

24

81 0 19.76 29.0 77.6 5

82 1 18.24 28.9 78.7 5

83 4 17.99 28.9 78.9 5

84 19 16.54 28.9 80.0 5

85 5 17.80 28.9 79.1 5

86 0 18.25 28.9 78.7 5

87 0 18.86 29.0 78.2 5

88 8 17.52 28.9 79.3 5

89 0 18.21 28.9 78.7 5

90 4 17.82 28.9 79.0 5

91 0 18.14 28.9 78.8 5

92 0 19.00 29.0 78.1 5

93 25 15.88 28.8 80.5 5

94 11 17.05 28.9 79.6 5

95 1 17.99 28.9 78.9 5

96 0 18.53 29.0 78.4 5

97 23 15.94 28.9 80.4 5

98 0 19.14 29.0 77.9 5

99 25 15.73 28.9 80.6 5

100 12 16.81 28.9 79.7 5

101 0 17.87 29.0 78.9 5

102 0 18.68 29.0 78.3 5

103 25 15.62 28.9 80.7 5

104 12 16.70 28.9 79.8 5

105 0 19.03 29.0 78.0 5

106 25 15.53 28.9 80.7 5

107 6 17.15 28.9 79.4 5

108 10 16.78 28.9 79.7 5

109 25 15.43 28.9 80.7 5

110 16 16.12 28.9 80.2 5

111 8 16.79 28.9 79.7 5

112 0 18.06 29.0 78.6 5

113 10 16.61 28.9 79.8 5

114 17 15.91 28.9 80.3 5

115 13 16.24 28.9 80.0 5

116 12 16.31 28.9 80.0 5

117 0 17.90 29.0 78.7 5

118 0 18.26 29.0 78.4 5

119 12 16.21 28.9 80.0 5

120 0 18.25 29.0 78.4 5

121 1 17.09 28.9 79.3 5

122 9 16.30 28.9 79.9 5

25

123 0 17.04 28.9 79.3 5

124 18 15.49 28.9 80.6 5

125 1 16.90 28.9 79.4 5

126 3 16.68 28.9 79.6 5

127 0 16.89 28.9 79.4 5

128 0 17.18 29.0 79.2 5

129 0 17.66 29.0 78.8 5

130 1 16.75 28.9 79.5 5

131 0 17.73 29.0 78.7 5

132 1 16.70 28.9 79.5 5

133 0 16.90 28.9 79.3 5

134 13 15.56 28.9 80.4 5

135 7 16.05 28.9 80.0 5

136 0 16.81 28.9 79.4 5

137 0 17.60 29.0 78.7 5

138 13 15.44 28.9 80.5 5

139 0 17.88 29.0 78.5 5

140 4 16.15 28.9 79.9 5

141 0 17.68 29.0 78.6 5

142 22 14.60 28.9 81.1 5

143 3 16.10 28.9 79.9 5

144 0 17.46 29.0 78.8 5

145 22 14.52 28.9 81.1 5

146 5 15.91 28.9 80.0 5

147 4 15.95 28.9 80.0 5

148 4 15.91 28.9 80.0 5

149 2 16.08 28.9 79.8 5

150 0 16.68 28.9 79.3 5

151 0 17.25 29.0 78.9 5

152 22 14.40 28.9 81.2 5

153 0 17.19 29.0 78.9 5

154 22 14.36 28.9 81.2 5

155 4 15.78 28.9 80.0 5

156 1 16.02 28.9 79.8 5

157 0 16.32 28.9 79.6 5

158 9 15.30 28.9 80.4 5

159 0 17.15 29.0 78.9 5

160 11 15.15 28.9 80.5 5

161 0 15.98 28.9 79.8 5

162 0 17.15 29.0 78.9 5

163 15 14.75 28.9 80.8 5

164 0 15.93 28.9 79.9 5

26

165 5 15.51 28.9 80.2 5

166 7 15.41 28.9 80.3 5

167 0 15.93 28.9 79.9 5

168 0 15.78 28.9 80.0 5

169 0 15.92 28.9 79.9 5

170 0 16.17 28.9 79.7 5

171 3 15.65 28.9 80.1 5

172 0 16.95 28.9 79.0 5

173 0 15.90 28.9 79.9 5

174 0 16.51 28.9 79.4 5

175 13 14.89 28.9 80.7 5

176 0 17.04 28.9 79.0 5

177 22 14.20 28.8 81.3 5

178 0 17.19 29.0 78.8 5

179 0 15.91 28.9 79.9 5

180 0 16.78 28.9 79.2 5

181 2 15.81 28.9 80.0 5

182 5 15.54 28.9 80.2 5

183 1 15.86 28.9 79.9 5

184 0 16.30 28.9 79.6 5

185 12 15.01 28.9 80.6 5

186 0 17.36 29.0 78.7 5

187 0 16.49 28.9 79.4 5

188 17 14.71 28.9 80.9 5

189 0 16.01 28.9 79.9 5

190 7 15.53 28.9 80.2 5

191 2 15.97 28.9 79.9 5

192 0 17.20 29.0 78.9 5

193 1 16.10 28.9 79.8 5

194 0 16.73 28.9 79.3 5

195 17 14.85 28.9 80.8 5

196 0 17.55 29.0 78.6 5

197 0 17.13 29.0 79.0 5

198 0 16.79 28.9 79.3 5

199 2 16.14 28.9 79.8 5

200 0 16.32 28.9 79.7 5

201 3 16.07 28.9 79.9 5

202 0 16.95 29.0 79.2 5

203 0 16.41 28.9 79.6 5

204 0 17.67 29.0 78.6 5

205 9 15.77 28.9 80.2 5

206 0 17.04 29.0 79.2 5

27

207 7 16.00 28.9 80.0 5

208 0 17.32 29.0 78.9 5

209 7 16.04 28.9 80.0 5

210 0 17.15 29.0 79.1 5

211 0 17.74 29.0 78.7 5

212 18 15.17 28.9 80.7 5

213 0 18.05 29.0 78.4 5

214 0 17.34 29.0 79.0 5

215 0 17.76 29.0 78.7 5

216 0 17.74 29.0 78.7 5

217 19 15.31 28.9 80.7 5

218 0 18.06 29.0 78.5 5

219 0 17.64 29.0 78.8 5

220 0 18.05 29.0 78.5 5

221 4 16.67 28.9 79.6 5

222 0 18.37 29.0 78.3 5

223 22 15.24 28.9 80.8 5

224 4 16.78 28.9 79.6 5

225 0 18.07 29.0 78.6 5

226 22 15.34 28.9 80.7 5

227 0 17.25 29.0 79.2 5

228 3 17.03 28.9 79.4 5

229 6 16.83 28.9 79.6 5

230 0 18.85 29.0 78.0 5

231 22 15.52 28.9 80.6 5

232 6 16.96 28.9 79.5 5

233 0 17.80 29.0 78.9 5

234 0 18.93 29.0 78.0 5

235 22 15.64 28.9 80.6 5

236 0 18.78 29.0 78.1 5

237 1 17.54 29.0 79.1 5

238 3 17.39 29.0 79.2 5

239 0 18.08 29.0 78.7 5

240 22 15.80 28.9 80.5 5

241 0 18.28 29.0 78.6 5

242 0 18.56 29.0 78.4 5

243 0 19.02 29.0 78.0 5

244 0 18.60 29.0 78.3 5

245 0 17.87 29.0 78.9 5

246 14 16.72 28.9 79.8 5

247 15 16.59 28.9 79.9 5

248 5 17.58 28.9 79.2 5

28

249 0 19.43 29.0 77.8 5

250 30 15.31 28.8 81.0 5

251 0 18.60 29.0 78.4 5

252 0 19.54 29.0 77.7 5

253 5 17.67 28.9 79.1 5

254 1 18.10 29.0 78.8 5

255 0 19.23 29.0 78.0 5

256 30 15.44 28.8 80.9 5

257 1 18.17 28.9 78.8 5

258 2 18.10 28.9 78.8 5

259 0 18.25 28.9 78.7 5

260 30 15.52 28.8 80.8 5

261 9 17.47 28.9 79.3 5

262 1 18.25 28.9 78.7 5

263 0 18.64 29.0 78.4 5

264 28 15.77 28.8 80.7 5

265 0 19.48 29.0 77.8 5

266 30 15.61 28.8 80.8 5

267 2 18.26 28.9 78.7 5

268 6 17.93 28.9 79.0 5

269 0 19.58 29.0 77.7 5

270 6 17.88 28.9 79.0 5

271 1 18.41 28.9 78.6 5

272 1 18.38 28.9 78.7 5

273 0 18.81 28.9 78.3 5

274 28 15.87 28.8 80.6 5

275 8 17.79 28.9 79.1 5

276 6 17.97 28.9 79.0 5

277 0 19.56 28.9 77.8 5

278 28 15.89 28.8 80.6 5

279 0 19.34 28.9 77.9 5

280 0 20.06 29.0 77.4 5

281 0 19.74 28.9 77.6 5

282 27 16.05 28.8 80.4 5

283 28 15.90 28.8 80.6 5

284 9 17.73 28.8 79.1 5

285 0 19.54 28.9 77.8 5

286 28 15.89 28.8 80.6 5

287 28 15.91 28.7 80.5 5

288 0 19.51 28.9 77.8 5

289 0 19.75 28.9 77.6 5

290 28 15.88 28.7 80.6 5

29

291 0 19.55 28.9 77.7 5

292 2 18.28 28.8 78.7 5

293 8 17.71 28.8 79.1 5

294 0 19.51 28.9 77.8 5

295 8 17.72 28.8 79.1 5

296 12 17.33 28.8 79.4 5

297 0 19.81 28.9 77.5 5

298 2 18.28 28.8 78.7 5

299 0 19.36 28.9 77.9 5

300 28 15.80 28.7 80.6 5

301 0 19.91 28.9 77.4 5

302 19 16.69 28.7 79.9 5

303 14 17.10 28.7 79.6 5

304 0 18.96 28.8 78.1 5

305 0 19.83 28.9 77.5 5

306 1 18.28 28.8 78.6 5

307 3 18.10 28.8 78.8 5

308 27 15.88 28.7 80.5 5

309 27 15.79 28.7 80.6 5

310 14 17.02 28.7 79.6 5

311 20 16.47 28.7 80.0 5

312 0 18.23 28.8 78.6 5

313 2 18.06 28.7 78.8 5

314 27 15.73 28.6 80.6 5

315 0 18.94 28.8 78.1 5

316 19 16.47 28.7 80.0 5

317 27 15.69 28.6 80.6 5

318 0 18.18 28.7 78.7 5

319 9 17.37 28.7 79.3 5

320 0 19.61 28.8 77.5 5

321 2 17.97 28.7 78.8 5

322 27 15.63 28.6 80.6 5

323 12 17.06 28.7 79.5 5

324 0 18.83 28.7 78.1 5

325 27 15.59 28.6 80.6 5

326 0 19.29 28.8 77.8 5

327 0 19.42 28.8 77.7 5

328 1 17.99 28.7 78.7 5

329 0 18.87 28.7 78.1 5

330 27 15.53 28.6 80.7 5

331 27 15.52 28.6 80.7 5

332 27 15.51 28.6 80.7 5

30

333 0 19.10 28.7 77.9 5

334 27 15.57 28.6 80.6 5

335 0 17.94 28.7 78.7 5

336 5 17.49 28.7 79.1 5

337 0 18.57 28.7 78.3 5

338 0 19.01 28.7 77.9 5

339 25 15.70 28.6 80.5 5

340 0 19.03 28.7 77.9 5

341 1 17.80 28.7 78.8 5

342 0 19.33 28.7 77.7 5

343 0 19.17 28.7 77.8 5

344 25 15.67 28.6 80.5 5

345 25 15.66 28.6 80.5 5

346 8 17.13 28.6 79.4 5

347 4 17.52 28.6 79.0 5

348 25 15.65 28.6 80.5 5

349 0 18.48 28.7 78.3 5

350 17 16.30 28.6 80.0 5

351 0 18.58 28.7 78.2 5

352 3 17.53 28.6 79.0 5

353 25 15.64 28.6 80.5 5

354 12 16.77 28.6 79.6 5

355 0 19.20 28.7 77.7 5

356 0 19.01 28.7 77.9 5

357 21 15.92 28.6 80.3 5

358 2 17.64 28.6 78.9 5

359 25 15.64 28.6 80.5 5

360 0 18.25 28.7 78.5 5

361 14 16.63 28.6 79.7 5

362 5 17.41 28.6 79.1 5

363 0 19.31 28.7 77.7 5

364 20 16.10 28.6 80.2 5

365 0 19.19 28.7 77.8 5

31

Lampiran 8 Contoh Keluaran Model Simulasi Pertanian Shierary Rice

DAS Fase LAI Berat

Daun

Berat

Batang

Berat

Akar

Berat

Biji

Berat

Total

1 0.011 0.1 6.25 6.25 12.50 0 0

2 0.022 0.1 6.25 6.25 12.50 0 0

3 0.033 0.1 6.25 6.25 12.50 0 0

4 0.044 0.1 6.25 6.25 12.50 0 0

5 0.055 0.1 6.25 6.25 12.50 0 0

6 0.066 0.1 6.25 6.25 12.50 0 0

7 0.077 0.1 6.25 6.25 12.50 0 0

8 0.088 0.1 6.25 6.25 12.50 0 0

9 0.100 0.1 6.25 6.25 12.50 0 0

10 0.111 0.1 6.25 6.25 12.50 0 0

11 0.122 0.1 6.25 6.25 12.50 0 0

12 0.133 0.1 6.25 6.25 12.50 0 0

13 0.144 0.1 6.25 6.25 12.50 0 0

14 0.155 0.1 6.25 6.25 12.50 0 0

15 0.166 0.1 6.25 6.25 12.50 0 0

16 0.177 0.1 6.25 6.25 12.50 0 0

17 0.188 0.1 6.25 6.25 12.50 0 0

18 0.199 0.1 6.25 6.25 12.50 0 0

19 0.210 0.1 6.25 6.25 12.50 0 0

20 0.221 0.1 6.25 6.25 12.50 0 0

21 0.233 0.1 6.25 6.25 12.50 0 0

22 0.244 0.1 6.25 6.25 12.50 0 0

23 0.258 0.1 18.58 6.15 14.07 0 39

24 0.267 0.1 29.37 6.05 15.42 0 51

25 0.275 0.2 46.75 5.95 17.72 0 70

26 0.284 0.4 74.73 5.85 21.54 0 102

27 0.292 0.5 115.57 5.75 27.19 0 149

28 0.301 0.8 178.20 5.66 35.96 0 220

29 0.309 1.2 261.21 5.56 47.65 0 314

30 0.318 1.7 379.08 5.47 64.32 0 449

31 0.326 2.2 522.27 5.38 84.61 0 612

32 0.335 2.9 681.49 5.29 107.19 0 794

33 0.343 3.6 867.60 5.21 133.61 0 1006

34 0.352 4.3 1076.86 5.12 163.35 0 1245

35 0.360 5.2 1326.00 5.04 198.78 0 1530

36 0.369 5.9 1532.97 4.95 228.19 0 1766

37 0.377 6.7 1778.99 4.87 263.19 0 2047

38 0.386 7.4 1990.94 4.79 293.32 0 2289

39 0.394 8.1 2216.13 4.71 325.34 0 2546

40 0.403 8.7 2448.58 4.63 358.40 0 2812

32

41 0.411 9.4 2675.32 4.56 390.65 0 3071

42 0.420 10.0 2907.20 4.48 423.64 0 3335

43 0.428 10.6 3149.97 4.41 458.18 0 3613

44 0.437 11.0 3343.86 4.34 485.75 0 3834

45 0.445 11.5 3558.67 4.26 516.30 0 4079

46 0.454 12.0 3773.77 4.19 546.90 0 4325

47 0.462 12.4 3977.01 4.12 575.80 0 4557

48 0.471 12.7 4173.12 4.06 603.69 0 4781

49 0.479 13.0 4350.71 3.99 628.94 0 4984

50 0.487 13.4 4554.97 3.92 658.00 0 5217

51 0.496 13.7 4744.48 3.86 684.95 0 5433

52 0.519 13.9 4923.36 3.80 712.93 0 5640

53 0.538 14.1 5081.47 3.73 740.46 0 5826

54 0.557 14.2 5240.97 3.67 771.41 0 6016

55 0.576 14.2 5336.37 3.61 793.75 0 6134

56 0.595 14.1 5421.76 3.55 817.29 0 6243

57 0.613 14.1 5499.49 3.49 842.88 0 6346

58 0.632 13.9 5553.42 3.44 866.78 0 6424

59 0.651 13.7 5591.55 3.38 890.95 0 6486

60 0.670 13.5 5601.55 3.32 911.23 0 6516

61 0.689 13.3 5605.01 3.27 935.05 0 6543

62 0.708 13.0 5594.65 3.21 960.41 0 6558

63 0.727 12.6 5557.01 3.16 979.48 0 6540

64 0.746 12.3 5504.71 3.11 998.69 0 6507

65 0.758 11.9 5449.69 3.06 1017.78 249 6719

66 0.767 11.6 5394.86 3.01 1035.80 488 6922

67 0.775 11.2 5347.02 2.96 1059.81 767 7177

68 0.783 10.9 5296.56 2.91 1079.89 1017 7396

69 0.792 10.6 5244.15 2.86 1096.78 1243 7587

70 0.800 10.3 5193.49 2.82 1114.31 1471 7782

71 0.808 10.0 5144.64 2.77 1132.55 1703 7983

72 0.817 9.7 5098.48 2.72 1152.41 1944 8198

73 0.825 9.4 5052.20 2.68 1171.05 2175 8401

74 0.833 9.2 5006.68 2.63 1189.37 2402 8601

75 0.842 8.9 4961.08 2.59 1206.54 2620 8790

76 0.850 8.7 4915.10 2.55 1222.26 2826 8966

77 0.858 8.4 4871.23 2.51 1239.11 3038 9151

78 0.867 8.2 4832.96 2.47 1260.67 3282 9378

79 0.875 8.0 4787.59 2.43 1273.96 3466 9530

80 0.883 7.7 4745.89 2.39 1290.02 3668 9706

81 0.892 7.5 4704.00 2.35 1304.93 3860 9872

82 0.900 7.3 4660.48 2.31 1317.22 4033 10013

33

83 0.908 7.1 4619.65 2.27 1331.31 4217 10170

84 0.917 6.9 4579.51 2.23 1345.21 4398 10325

85 0.925 6.7 4536.07 2.20 1354.82 4548 10441

86 0.933 6.5 4501.12 2.16 1372.22 4751 10626

87 0.942 6.3 4462.35 2.12 1384.84 4919 10768

88 0.950 6.2 4425.33 2.09 1398.39 5092 10918

89 0.958 6.0 4384.44 2.05 1407.15 5230 11024

90 0.967 5.8 4350.36 2.02 1422.03 5410 11184

91 0.975 5.7 4309.88 1.99 1429.58 5537 11279

92 0.983 5.5 4272.98 1.96 1439.96 5683 11398

93 0.992 5.4 4237.89 1.92 1451.40 5835 11527

94 1.000 5.2 4204.06 1.89 1463.36 5990 11659

Berat organ (daun, batang, akar, biji) dan total dalam kg untuk luasan 1 ha.

34

Lampiran 9 Contoh Hasil Produksi dan Penurunan Produksi Padi dengan Berbagai Skenario Pada Kabupaten Pandeglang, Provinsi Banten

x y ket Produksi (ton) Penurunan Produksi (%)

dt=0 dt=0.5 dt=1 dt=1.5 dt=2 dt=2.5 dt=3 dt=0 dt=0.5 dt=1 dt=1.5 dt=2 dt=2.5 dt=3 laju

105.49345 -6.81155 ir 998 944 902 853 812 779 730 0 -5.4 -9.6 -14.5 -18.6 -21.9 -26.9 -9.1

105.50175 -6.79495 ir 961 922 871 808 756 706 653 0 -4.1 -9.4 -15.9 -21.3 -26.5 -32.0 -10.6

105.51215 -6.76575 th 495 462 432 405 382 358 324 0 -6.7 -12.7 -18.2 -22.8 -27.7 -34.5 -11.5

105.52045 -6.75745 th 487 459 433 382 340 302 261 0 -5.7 -11.1 -21.6 -30.2 -38.0 -46.4 -15.0

105.52045 -6.74085 th 481 459 428 400 332 301 264 0 -4.6 -11.0 -16.8 -31.0 -37.4 -45.1 -14.5

105.51835 -6.72855 ir 971 886 812 744 696 639 608 0 -8.8 -16.4 -23.4 -28.3 -34.2 -37.4 -13.6

105.52665 -6.72855 ir 895 815 743 688 622 574 535 0 -8.9 -17.0 -23.1 -30.5 -35.9 -40.2 -14.4

105.52665 -6.72025 ir 835 764 689 645 584 522 474 0 -8.5 -17.5 -22.8 -30.1 -37.5 -43.2 -14.9

105.53495 -6.71195 ir 989 942 895 849 811 776 729 0 -4.8 -9.5 -14.2 -18.0 -21.5 -26.3 -8.9

105.55155 -6.72025 ir 1058 1007 950 898 844 792 742 0 -4.8 -10.2 -15.1 -20.2 -25.1 -29.9 -10.0

105.55155 -6.70365 ir 940 855 774 708 624 566 506 0 -9.0 -17.7 -24.7 -33.6 -39.8 -46.2 -16.0

105.55985 -6.71195 ir 1026 977 935 885 831 791 738 0 -4.8 -8.9 -13.7 -19.0 -22.9 -28.1 -9.3

105.55985 -6.70365 ir 954 893 838 792 742 677 624 0 -6.4 -12.2 -17.0 -22.2 -29.0 -34.6 -11.5

105.56815 -6.70365 ir 1006 935 842 755 687 640 562 0 -7.1 -16.3 -25.0 -31.7 -36.4 -44.1 -15.1

105.56815 -6.69535 ir 967 893 844 791 733 676 616 0 -7.7 -12.7 -18.2 -24.2 -30.1 -36.3 -12.1

105.56815 -6.68705 ir 812 737 678 614 544 487 445 0 -9.2 -16.5 -24.4 -33.0 -40.0 -45.2 -15.8

105.58685 -6.67445 th 518 471 436 397 364 339 308 0 -9.1 -15.8 -23.4 -29.7 -34.6 -40.5 -14.2

105.59305 -6.66215 ir 731 641 567 512 450 420 395 0 -12.3 -22.4 -30.0 -38.4 -42.5 -46.0 -17.3

105.59305 -6.65385 ir 902 818 739 683 600 536 491 0 -9.3 -18.1 -24.3 -33.5 -40.6 -45.6 -16.0

105.60345 -6.68275 th 515 482 457 431 392 336 307 0 -6.4 -11.3 -16.3 -23.9 -34.8 -40.4 -13.0

105.60135 -6.66215 ir 998 947 892 835 791 741 682 0 -5.1 -10.6 -16.3 -20.7 -25.8 -31.7 -10.5

105.61175 -6.81555 th 528 494 466 442 413 392 378 0 -6.4 -11.7 -16.3 -21.8 -25.8 -28.4 -10.2

x dan y adalah bujur dan lintang, ket adalah jenis sawah, dt adalah skenario perubahan iklim dalam 0C