Pola Masa Tanam dan Estimasi Produksi Tanaman Padi di ...

Pola Masa …, Naomi Angelia, FMIPA UI, 2016

Pola Masa Tanam dan Estimasi Produksi Tanaman Padi di Kabupaten Pandeglang dan Lebak

Naomi Angelia1, Tuty Handayani2, dan Jarot Mulyo Semedi3

Departemen Geografi. Fakultas MIPA, Universitas Indonesia, Kampus UI Depok, 16424, Indonesia

E-mail: [email protected] 1, [email protected] 2, [email protected] 3

Abstrak

Perkembangan teknologi penginderaan jauh saat ini telah banyak dimanfaatkan untuk pemantauan masa tanam padi dengan menggunakan citra MODIS secara temporal dan indeks vegetasi. Tujuan dilakukan penelitian ini adalah untuk melakukan pemantauan masa tanam padi dan estimasi produksi padi tahun 2014 – 2016 di Kabupaten Pandeglang dan Kabupaten Lebak yang merupakan lumbung padi Provinsi Banten. Dalam penelitian ini digunakan indeks vegetasi OSAVI yang mengikutsertakan faktor koreksi dan memberikan variasi tanah lebih besar untuk tutupan vegetasi yang kerapatannya tidak tinggi. MODIS OSAVI yang sudah diklasifikasi kemudian dilakukan analisis regresi untuk mengidentifikasi kelas yang mewakili pola fenologi padi. Pola fenologi padi menunjukkan waktu tanam, dan waktu panen sehingga pola masa tanam padi dapat diketahui. Dari empat kelas yang menunjukkan tutupan lahan sawah, terdapat dua kelas yang menunjukkan dua kali panen dalam satu tahun dan tiga kali panen dalam satu tahun. Hasil perhitungan diperoleh estimasi luas panen sebesar 46.082,25 ha dan estimasi produksi padi sebesar 795.143,5 ton. Perhitungan ini telah divalidasi dengan data BPS dan memiliki tingkat kesalahan sebesar 33,8% untuk estimasi luas panen dan 35,6% untuk estimasi produksi padi. Besarnya standar eror estimasi ini dikarenakan resolusi spasial MODIS 1 pikselnya sebesar 250m x 250m. Sehingga lahan sawah yang memiliki luas kurang dari 250m x 250m akan terindentifikasi sebagai tutupan lahan lain. Pola masa tanam di kedua kabupaten ini telah diuji akurasi dan menghasilkan taraf akurasi keseluruhan sebesar 88,23%.

Planting Period Pattern and Estimation of Rice Crop Production in Pandeglang and Lebak Regency

Abstract

The development of remote sensing technology is now widely used for the monitoring of rice planting by using MODIS temporal imagery and vegetation index. The purpose of this research was to monitor the rice planting period and estimates of paddy production in 2014 - 2016 in Pandeglang and Lebak which is the granary of Banten province. This research used vegetation index OSAVI involving correction factor and provide greater variations in soil for vegetation cover density is not high. MODIS OSAVI already classified then performed a regression analysis to identify the class that represents rice phenological patterns. Rice phenological patterns indicate the time of planting and harvest time so that the pattern of the rice planting season can be known. Of the four classes showed wetland cover, there are two classes that showed two harvests in one year and three harvests in a year. The results of the calculation, the estimated harvested area of 46.082,25 hectares and paddy production estimate of 795.143,5 tons. This calculation has been validated by the BPS data and has an error rate of 33,8% for the estimation of crop area and 35,6% for estimate for rice production. The magnitude of the estimated standard error caused resolution spatial of MODIS has a pixel of 250m x 250m. So that the wetland has an area less than 250m x 250m will be identified as the other land cover. The planting period pattern in these two regency have tested produce a level of overall accuracy of 88.23%. Keywords: MODIS, algorithm OSAVI, phenology, planting period pattern, remote sensing


Pendahuluan Secara umum, ketahanan pangan merupakan rangkaian dari tiga komponen utama

yaitu ketersediaan pangan, kemudahan memperoleh pangan (aksesibilitas) dan

pemanfaatan pangan (UU RI No 7 Tahun 1996). Salah satu pilar penting dalam

membangun ketahanan pangan adalah dengan adanya ketersediaan pangan. Di Indonesia,

faktor produksi beras menjadi salah satu indikator terpenting dalam ketersediaan

pangan. Hal ini dikarenakan padi merupakan salah satu komoditi pangan utama yang

penting bagi kelangsungan hidup manusia. Dimana hampir seluruh masyarakat di

Indonesia mengkonsumsi nasi sebagai makanan pokok.

Berdasarkan data Badan Pusat Statistik 2009 - 2011 yang diambil dari Berita

Resmi Statistik No. 69/11/Th. XIV, 1 November 2011, hingga saat ini lebih dari 50%

produksi padi nasional di Indonesia berasal dari Pulau Jawa. Menurut Direktorat

Pangan dan Pertanian Bappenas, produksi padi di Indonesia tahun 2012 mengalami

peningkatan. Dimana produksi padi nasional yang berasal dari Pulau Jawa meningkat

sebesar 53%. Oleh karena itu, salah satu upaya untuk menjaga dan meningkatkan

produksi padi khususnya di Pulau Jawa adalah dengan memantau pertumbuhan tanaman

padi dengan teknologi penginderaan jauh.

Domiri (2005) telah melakukan penelitian tentang model pertumbuhan tanaman padi

menggunakan data MODIS. Pemantauan pertumbuhan tanaman padi tersebut berdasarkan

prediksi tingkat kehijauan tanaman. Parameter tingkat kehijauan tanaman (vegetation index)

yang diturunkan melalui analisis citra satelit dapat digunakan untuk estimasi umur tanaman

padi. Selanjutnya dengan menghitung luas areal tanaman yang dimonitor pada citra satelit,

dapat diestimasi produksi padi yang akan dipanen di suatu wilayah (Wahyunto &

Hikmatullah, 2006). Data satelit penginderaan jauh yang dapat digunakan untuk

pemantauan tanaman padi dengan cakupan wilayah yang luas dan temporal yang tinggi

adalah data MODIS (Moderate Resolution Imaging Spectroradiometer) dari satelit

Terra-Aqua. MODIS merupakan salah satu sensor dari satelit Terra-Aqua yang

mempunyai resolusi spasial 250m, 500m dan 1000m dan resolusi temporal empat kali

dalam satu hari (Emyati, 2012). Salah satu indeks vegetasi yang dapat digunakan untuk

pemantauan tanaman padi yaitu OSAVI (Optimized Soil Adjusted Vegetation Index).

Indeks vegetasi OSAVI merupakan indeks vegetasi yang telah dikembangkan Rondeaux

(1996) dimana indeks vegetasi OSAVI mengikutsertakan faktor koreksi dan memberikan

variasi tanah lebih besar untuk tutupan vegetasi yang kerapatannya tidak terlalu tinggi.


Sehingga pantulan nilai dari tanah dapat menjadi salah satu faktor yang mempengaruhi

keakurasian reflektansi dari vegetasi.

Dilihat dari data Badan Pusat Statistik Provinsi Banten (BPS), Kabupaten

Pandeglang dan Kabupaten Lebak memiliki luas lahan sawah dan produksi padi terbesar

di Provinsi Banten. Pada tahun 2013, luas lahan sawah Kabupaten Pandeglang mencapai

54.739 ha atau 27,86% dari total luas lahan di Provinsi Banten, disusul oleh Kabupaten

Lebak sebesar 46.213 ha atau sebesar 23,52%. Hasil dari penelitian ini diharapkan dapat

menjadi bahan acuan dan masukan bagi pemerintah daerah ataupun pemerintah pusat

dalam kegiatan perencanaan pertanian agar dapat tercapainya ketahanan pangan di

Indonesia, khususnya di Provinsi Banten.

Tinjauan Teoritis A. Syarat Tumbuh Tanaman Padi

Tanaman Padi merupakan tanaman pangan. Padi merupakan tanaman yang termasuk

genus Oryza L. yang meliputi kurang lebih 25 spesies, tersebar di daerah tropis dan daerah

subtropis, sperti Asia, Afrika, Amerika, dan Australia (BPTP). Berdasarkan Dinas

Pertanian dan Kehutanan, tanaman padi dibagi menjadi 3 jenis, yaitu padi sawah, padi

gogo dan padi rawa. Padi sawah adalah jenis padi yang paling banyak ditanam di Provinsi

Banten. Padi sawah memerlukan curah hujan antara 200 mm/bulan atau 1.500 – 2.000

mm/tahun dengan ketinggian tempat optimal 0 – 1.500 mdpl dan kemiringan lereng >

40%. Suhu optimal untuk pertumbuhan tanaman padi sawah yaitu 23°C dengan intensitas

sinar matahari penuh. Tanah yang baik untuk ditanami padi sawah yaitu tanah yang

mengandung pasir, debu dan lempung. Padi sawah memerlukan banyak air, pupuk dan

perlu ditanam dengan cara yang teratur. Padi sawah banyak ditanam di Utara Pulau Jawa

bagian Barat, karena wilayahnya relatif datar dan memiliki curah hujan yang tinggi.

B. Fenologi Tanaman Padi

Menurut Sari dkk. (2010), fenologi padi sawah dapat dideteksi dengan menggunakan

data citra satelit. Hasil deteksi fenologi padi sawah tersebut dapat digunakan untuk

mengestimasi tanggal tanam dan tanggal panen yang diperlukan dalam proses estimasi

produksi padi sawah. Dilihat dari Gambar 2.1 pertumbuhan tanaman padi dibagi ke dalam

tiga fase. Fase pertumbuhan tanaman padi yang pertama adalah fase vegetatif yaitu dari

tahap awal pertumbuhan sampai pembentukan malai. Kemudian fase kedua adalah fase


Gambar 1 Fenologi Tanaman Padi

Sumber: Mosleh dkk (2014)

reproduksi yaitu dari tahap pembentukan malai sampai pembungaaan. Pada fase ini

tingkat kehijauan maksimum berada pada tahap pembungaan. Fase yang terakhir adalah

fase pematangan yaitu dari tahap pembungaan sampai gabah matang.

Pada daerah tropis, fase vegetatif

membutuhkan waktu 50 – 55 hari,

fase reproduktif membutuhkan

waktu 35 hari dan fase pematangan

sekitar 30 hari. Perbedaan masa

pertumbuhan ditentukan oleh

perubahan panjang waktu fase

vegetatif. Berdasarkan fase

pertumbuhan padi, warna hijau yang

dihasilkan oleh daun padi berada di

tahap inisiasi malai. Fase ini akan

terdeteksi pada satelit Terra MODIS sebagai nilai kehijauan tertinggi atau dalam kata lain

adalah dimana tanaman berada pada fase generatif. Warna menurun ketika tanaman padi

mulai berbunga dan kemudian dipanen (Zubaidah dkk, 2012).

C. Indeks Vegetasi

Indeks vegetasi adalah besaran nilai kehijauan vegetasi yang diperoleh dari

pengolahan sinyal dijital data nilai kecerahan (brightness) beberapa kanal data sensor

satelit. Untuk pemantauan vegetasi, dilakukan proses pembandingan antara tingkat

kecerahan kanal cahaya merah (red) dan cahaya inframerah dekat (Sudiana, 2008).

Seiiring perkembangan waktu makan dikembangkanlah suatu algoritma indeks vegetasi,

yaitu Soil Adjusted Vegetation Indices dimana algoritma ini bisa membedakan tingkat

kehijauan tanaman dengan tanah. Salah satunya yang termasuk dalam Soil Adjusted

Vegetation Indices adalah indeks vegetasi OSAVI (Optimized Soil Adjusted Vegetation

Index). Indeks vegetasi OSAVI dikemukan oleh Rondeaux, et al. (1996). Adapun

persamaan algoritmanya adalah sebagai berikut:

!"#$% =[!"#− !"#]

[!"#+ !"#+ !] ! (!+ !)

Indeks vegetasi OSAVI mempertimbangkan faktor koreksi yaitu L, dengan asumsi L

= 0 untuk tutupan vegetasi yang kerapatannya sangat tinggi, L = 1 untuk tutupan vegetasi


yang kerapatannya yang sangat rendah. Nilai faktor koreksi untuk tutupan vegetasi yang

standar digunakan adalah 0,16. Rondeaux (1996) menetapkan bahwa nilai faktor koreksi

ini memberikan variasi tanah lebih besar daripada indeks vegetasi SAVI untuk tutupan

vegetasi yang rendah, sementara menunjukkan sensitivitas tinggi untuk menutupi vegetasi

yang lebih besar dari 50%. Indeks vegetasi ini paling baik digunakan di daerah dengan

vegetasi yang relatif jarang. Dibandingkan dengan indeks vegetasi lain yang termasuk

dalam soil adjusted vegetation indices, indeks vegetasi OSAVI memberikan hasil terbaik

untuk tutupan vegetasi yang bentuknya homogen seperti rumput-rumputan dan tanaman

pertanian.

Metodologi Metodologi yang dilakukan dalam penelitian ini terdiri dari tiga tahap, yaitu

pengumpulan data, pengolahan data dan analisis data. Pola masa tanam padi di Kabupaten

Pandeglang dan Lebak dapat dilihat dari tutupan lahan yang terdapat di Kabupaten

Pandeglang dan Lebak. Tutupan lahan yang ada dibagi menjadi tutupan lahan tanaman

padi. Tutupan lahan tanaman padi menunjukkan nilai kehijauan dari tanaman padi. Nilai

kehijauan tanaman padi tersebut mencerminkan fase pertumbuhan tanaman padi. Pada

fase pertumbuhan tanaman padi, pola nilai kehijauan tanaman padi menunjukkan waktu

tanam dan waktu panen, sehingga pola masa tanam di daerah penelitian ini dapat

diketahui. Nilai kehijauan tanaman padi dapat digunakan untuk menghitung luas area

sawah. Hasil kali antara produktivitas tanaman padi dengan luas area sawah maka

diperoleh estimasi produksi tanaman padi di Kabupaten Pandeglang dan Lebak (Gambar

2). Berikut adalah alur pikir dari penelitian ini:

Kabupaten Pandeglang dan Lebak

Tutupan Lahan


Gambar 1. Alur Pikir Penelitian

A. Pengumpulan Data

Terdapat dua jenis data yang digunakan dalam penelitian ini, yaitu data sekunder dan

data primer. Data sekunder berupa data tabular yang didapat dari berbagai pihak instansi

ataupun berupa peta yang diolah. Data sekunder yang dibutuhkan dalam penelitian ini

antara lain Citra Terra MODIS dengan resolusi spasial 250 meter level 2G (MOD09GQ)

perekaman 1 Januari 2014 hingga 31 Januari 2016, peta rupa bumi Kabupaten

Pandenglang dan Kabupaten Lebak dari instasi BIG, peta penggunaan lahan Kabupaten

Pandeglang dan Kabupaten Lebak Tahun 2011 dari WEBGIS Departemen Kehutanan,

data produksi – produktivitas dan luas panen Kabupaten Pandeglang dan Lebak Tahun

2014 – 2016 dari BPS dan Dinas Pertanian Kabupaten Pandeglang dan Lebak, serta data

data aset sumber daya air dan pengairan Kabupaten Pandeglang dan Lebak dari Dinas

Pengairan dan Bina Marga Kabupaten Pandeglang dan Lebak. Data primer diperoleh

dengan melakukan survei lapang yang bertujuan untuk memvalidasi fase pertumbuhan

tanaman padi yang sudah diolah sebelumnya menggunakan indeks vegetasi OSAVI.

Metode pengambilan sampel dilakukan dengan menggunakan stratified random sampling

dan accidental sampling. Pengambilan sampel dilakukan secara acak dengan

memperhatikan tingkatan secara proporsional. Kemudian letak koordinat setiap titik

sampel diukur dengan GPS dan dilakukan wawancara dengan petani untuk memperoleh

informasi waktu tanam, waktu panen, varietas yang ditanam, umur padi saat survei

dilaksanakan

Luas Area Sawah

Estimasi Produksi Tanaman Padi di Kabupaten Pandenglang dan Lebak

Pola Masa Tanam Tanaman Padi di Kabupaten Pandenglang dan Lebak

Fase Pertumbuhan Tanaman Padi

Produktivitas Tanaman Padi

Nilai Kehijauan Tanaman Padi

Tutupan Lahan Tanaman Padi


A. Pengolahan Data Pengolahan data citra pada proses pengolahan data adalah sebagai berikut:

a. Citra Terra MODIS 1 Januari 2014 – 31 Januari 2016 yang telah diunduh memiliki

format HDF kemudian dilakukan transformasi dari proyeksi sinusoidal ke proyeksi

proyeksi geografi dengan menggunakan tools modis conversion toolkit yang terdapat

pada software ENVI 5.3. Proyeksi tersebut dilakukan agar citra nantinya lebih mudah

dioverlay dengan data lain.

b. Cloud Masking, atau pemisahan awan dilakukan dengan cara membuat citra komposit

dengan metode maximum value composit. Pada tahap ini menggunakan tools band

math. Citra MODIS dirata-ratakan per 16 harian dengan asumsi pergerakan awan

hilang dalam waktu 16 hari dan tidak ada fase pertumbuhan padi di bawah 16 hari.

Dari tahap ini diperoleh 48 layer Citra MODIS 16 harian.

c. Kemudian Citra MODIS 48 layer 16 harian dikonversikan menjadi 8 bit unsigned. Hal

ini dilakukan agar nilai pada setiap piksel memiliki nilai positif dan mengindari nilai

pecahan. 8 bit unsigned memiliki rentang nilai 0 – 255.

d. Citra MODIS 48 layer 16 harian 8 bit unsigned diekstrak untuk mendapatkan nilai

OSAVI. Pada tahap ini menggunakan tools band math pada ENVI 5.3 dengan

memasukan algoritma OSAVI sebagai berikut:

!"#$% =[!"#− !"#]

[!"#+ !"#+ !,!"] ! (!+ !,!")

OSAVI = Optimized Soil Adjusted Vegetation Index

NIR = Reflektansi panjang gelombang inframerah dekat

Red = Reflektansi panjang gelombang merah

L = Faktor koreksi yang memiliki nilai sebesar 0,16

(Rondeaux et al., 1996)

e. Citra MODIS 48 layer 16 harian 8 bit unsigned yang telah diekstrak nilai OSAVI

selanjutnya disubset dengan adminstrasi daerah penelitian yaitu Kabupaten

Pandeglang dan Lebak.

f. Kemudian dilakukan tahap layer stacking. Dimana data citra MODIS OSAVI 48 layer

16 harian Kabupaten Pandeglang dan Lebak dijadikan satu layer menjadi MODIS

OSAVI multi bands.


Unsupervised Classification dan Pengelompokan Fenologi

Pada tahap selanjutnya data yang ada dilakukan unsupervised classification untuk

mengelompokkan semua piksel menjadi kelas-kelas dengan menampakan karakteristik

spektral yang sama namun belum diketahui identitas tutupan lahannya. Nilai – nilai piksel

dikelompokan atas dasar perhitungan algoritma ISODATA pada software ERDAS

Imagine 2013. Pengelompokan data diawali dengan kelipatan 5 kelas yaitu dari 5 hingga

50 jumlah kelas. Dari jumlah kelas yang telah dihasilkan, maka ditentukan jumlah kelas

mana yang memiliki tingkat akurasi klasifikasi yang paling baik. Penentuan jumlah kelas

dengan akurasi yang paling baik adalah jumlah kelas yang memiliki average separability

yang terbesar dan nilai minimum separability yang terendah (de Bie, C. & A.G.Toxopeus,

2002).

Citra MODIS OSAVI yang telah terklasifikasi pada tahap sebelumnya memiliki

banyak kelas dan pola fenologi tutupan lahan. Sehingga perlu dilakukan tahap

pengelompokan pola untuk meminimalkan pola fenologi serta memudahkan dalam

mengidentifikasi. Pengelompokan pola fenologi dilakukan dengan cara mengidentifikasi

kesamaan pola fenologi antar kelas. Tahap ini dilakukan secara manual dengan

menggunakan Microsoft Excel. Tabel yang berisi nilai piksel dari setiap kelas dibuat

grafik, kemudian dikelompokan menjadi satu kelompok sesuai dengan pola yang serupa

sampai masing – masing kelompok menunjukan pola fenologi yang berbeda.

Kemudian tahap selanjutnya dilakukan regresi linear berganda. Regresi dilakukan

untuk mengidentifikasi kelompok mana yang mewakili pola fenologi tanaman padi.

Proses regresi dilakukan dengan menggunakan metode stepwise. Regresi dilakukan antara

luas panen per kecamatan dari BPS dengan luas tiap group kelompok fenologi per

kecamatan untuk mengetahui group yang signifikan terhadap luas panen. Hasil dari

regresi linear berganda menunjukkan group – group mana yang merepresentasikan

kelompok padi dan persamaan estimasi luasan panen yang terdiri dari koefisien group -

group yang signifikan sehingga dapat dihitung estimasi produksinya. Kemudian hasil

estimasi luasan panen dan estimasi produksi divalidasi dengan data sekunder yang

diperoleh dari BPS. Pola fenologi padi pada group – group yang signifikan, menunjukkan

waktu tanam dan waktu panen. Dengan mengetahui pola fenologi padi, maka pola masa

tanam dapat diketahui. Setelah itu dilakukan survei dan pengambilan data primer pada

penggunaan lahan sawah di Kabupaten Pandeglang dan Kabupaten Lebak. Hasil survei

lapang diuji akurasi dengan metode confusion matrix untuk mengetahui besar tingkat


kesalahan citra MODIS dengan indeks

vegetasi OSAVI dalam menggambarkan

pola masa tanam tanaman padi.

B. Analisis Data

Analisis yang digunakan pada penelitian ini adalah analisis regresi linear berganda,

analisis temporal dan uji akurasi. Analisis regresi linear berganda digunakan untuk

mengukur pengaruh antara lebih dari satu variabel bebas terhadap variabel terikat, dimana

variabel terikatnya yaitu data luas panen sawah per kecamatan dan variabel bebasnya

yaitu group kelompok fenologi per kecamatan. Analisis regresi menghasilkan persamaan

estimasi area tanaman padi dan bila dikalikan dengan data produktivitas rata - rata di

daerah penelitian, maka dapat digunakan untuk menghitung besar estimasi produksi padi.

Analisis yang dilakukan selanjutnya adalah analisis spasial dan analisis temporal. Analisis

spasial dilakukan untuk mengetahui lokasi kelompok pola fenologi padi dan kaitannya

dengan kondisi daerah penelitian. Sedangkan analisis temporal dilakukan dengan

mengintepretasi pola fenologi padi dalam periode 16 harian untuk melihat waktu tanam

dan waktu panen sehingga dapat diketahui pola masa tanam padi. Kemudian dilakukan uji

akurasi dua kali, berdasarkan spasial dan temporal.

Hasil dan Pembahasan

A. Klasifikasi Fenologi Tanaman Padi

Citra komposit 16 harian sebanyak 48 layer dari Januari 2014 – Januari 2016 dilayer

stacking menjadi satu data. Data yang telah dijadikan satu tersebut kemudian dilakukan

subset berdasarkan dengan administrasi daerah penelitian, yaitu Kabupaten Pandeglang

dan Kabupaten Lebak. Selanjutnya dilakukan unsupervised classification dengan software

ERDAS Imagine 2013 dan mengklasifikasikan data dari 5 hingga 50 jumlah kelas dengan

kelipatan 5. Proses unsupervised classification dilakukan dengan iterasi maksimal sebesar

50. Jumlah kelas terbaik memiliki nilai minimum separability yang terendah dan nilai

average separability yang terbesar. Kemudian diperoleh 45 sebagai jumlah kelas terbaik

untuk klafisikasi tutupan lahan di daerah penelitian ini. Unsupervised Classfication

merupakan klasifikasi tutupan lahan secara umum, maka dari itu perlu dilakukan tahap

pengelompokan fenologi berdasarkan polanya.

Tabel 1. Unsupervised Classification dengan Kelipatan 5

Jumlah Kelas Average Minimum


0

50

100

150

200

250

1 33

65

97

129

161

193

225

257

289

322

354

386

418

481

466

498

530

562

594

626

674

706

738

Niliai O

SAVI (8

bit)

Hari Ke-‐

Kelas 1 Kelas 2 Kelas 3 Kelas 4 Kelas 5 Kelas 6 Kelas 7 Kelas 8 Kelas 9 Kelas 10 Kelas 11 Kelas 12 Kelas 13 Kelas 14 Kelas 15 Kelas 16 Kelas 17 Kelas 18

2014 2015

Sumber: Pengolahan Data (2016)

Setelah diperoleh 45 kelas tutupan lahan, kemudian data 16 harian yang ada

pada 45 kelas tersebut dirata-ratakan per tahunnya. Setelah diperoleh nilai rata-rata

per tahun, selanjutnya nilai-nilai tersebut dimasukkan ke dalam grafik garis. Nilai-

nilai tersebut membentuk pola fenologi berdasarkan 16 harian. Pola inilah yang

nantinya akan diidentifikasi lebih lanjut mana yang merupakan fenologi padi dan

mana yang bukan. Dari pola tersebut dapat diketahui waktu tanam padi, dan waktu

panen. Pada Grafik 1. merupakan hasil unsupervised classification, dimana 45 kelas

merupakan jumlah kelas terbaik untuk klasifikasi tutupan lahan di daerah penelitian.

Tahap selanjutnya adalah melakukan pengelompokan fenologi. Proses pengelompokan fenologi dilakukan secara manual, yaitu dengan cara mengidentifikasi kesamaan pola fenologi antar kelas. Dimana kelas yang memiliki pola fenologi serupa digabung menjadi satu kelompok sampai masing-masing

kelompok menunjukkan pola fenologi yang berbeda. Dari 45 kelas hasil dari

unsupervised classification, diperoleh 20 kelompok yang menunjukkan pola fenologi

yang berbeda. Kelompok-kelompok ini nantinya akan dilakukan analisis regresi

untuk melihat kelompok mana merupakan pola fenologi tanaman padi.

Tabel 2. Pengelompokan Kelas Berdasarkan dengan Pola Serupa

5 65 52 10 102 47 15 164 50 20 221 35 25 215 48 30 276 55 35 308 39 40 378 50 45 656 40 50 508 45

No Group Kelas OSAVI No Group Kelas OSAVI

Grafik 1. 45 Kelas Unsupervised Classification


0

50

100

150

200

250

1 17

33

49

65

81

97

113

129

145

161

177

193

209

225

241

257

273

289

306

322

338

354

Nilai O

SAVI (8

bit)

Hari Ke-‐ Group A Group B Group C Group D Group E Group F Group G Group H Group I Group J Group K Group L Group M Group N Group O Group P Group Q Group R Group S Group T


Grafik 2. 20 Group Pengelompokan Fenologi Sumber: Pengolahan Data (2016)

B. Identifikasi Fenologi Tanaman Padi

Setelah diklasifikasi berdasarkan unsupervised classification dan

pengelompokan pola, tahap selanjutnya adalah melakukan identifikasi kelompok

mana yang merupakan fenologi tanaman padi. Untuk mengidentifikasi kelompok

mana yang mewakili fenologi tanaman padi regresi. Regresi linear berganda

digunakan untuk mengukur pengaruh antara lebih dari satu variabel bebas terhadap

variabel terikat. Metode yang digunakan untuk regresi ini adalah metode stepwise.

Metode stepwise adalah metode dimana memasukkan prediktor secara bertahap

berdasarkan nilai F yang signifikan, yaitu dibawah 0,05. Proses memasukkan

prediktor dikombinasikan dengan mengeliminasi prediktor yang tidak signifikan.

Dari hasil regresi diatas didapatkan Model ke 4 sebagai group - group yang

1 A Kelas 1 11 K Kelas 18, 31, 35

2 B Kelas 2, 24 12 L Kelas 19

3 C Kelas 3, 36, 44 13 M kelas 20, 40

4 D Kelas 4,7 14 N Kelas 21, 25, 28, 43

5 E Kelas 5, 6, 9, 10, 16 15 O Kelas 23, 42

6 F Kelas 8, 12 16 P Kelas 26

7 G Kelas 11 17 Q Kelas 30

8 H Kelas 13, 14 18 R Kelas 32, 38

9 I Kelas 15, 27 19 S Kelas 37, 45

10 J Kelas 17, 22, 29, 33, 34 20 T Kelas 39, 41


teridentifikasi sebagai tanaman padi adalah Group B, Group I, Group K, dan Group

Q (Tabel 3).

Tabel 3. Koefisien Korelasi Model R R Square Adjusted R

Square Std. Error of the Estimate

4 . 747d .557 .519 1299.55885

d.Predictors: (Constant), Group_Q, Group_B, Group_K, Group_I

Sumber: Pengolahan Data (2016) Analisis korelasi bertujuan untuk mengukur kekuatan hubungan linear antara

dua variabel atau lebih. Dari Tabel 3 diatas dapat terlihat bahwa nilai koefisien

korelasi (R) sebesar 0,747, yang berarti bahwa variabel luas panen dan kelompok

fenologi OSAVI memiliki hubungan linear yang sangat kuat. Berdasarkan tabel

diperoleh angka Adjusted R Square sebesar 0,557 atau 55,7%. Hal ini menunjukkan

bahwa luas panen berpengaruh sebesar 55,7% terhadap kelompok fenologi OSAVI.

Sedangkan sisanya sebesar 44,3% dipengaruhi oleh variabel atau faktor lain diluar

penelitian. Kemudian dilajutkan dengan melakukan Uji T. Uji T pada dasarnya

menunjukkan seberapa jauh pengaruh satu variabel bebas secara satu persatu dalam

menjelaskan variasi variabel terikat (Tabel 4).

Tabel 4. Uji Statistik T


Uji T dapat dilakukan dengan melihat p-value. Besar p-value harus lebih kecil

sama dengan α. Dengan nilai α sebesar 0,05 dan melihat p-value pada masing-masing

group, dimana pada masing- masing variabel bebas besar p-value lebih kecil

daripada α, maka dapat disimpulkan bahwa koefisien regresi dari Group Q, Group B,

Group K, dan Group I signifikan. Sehingga didapatkan model persamaannya, yaitu:

Model Unstandardized Coefficients t Sig.

B Std. Error

4 (Constant) 2599.332 223.909 11.609 .000

Group_Q 1.620 .248 6.534 .000

Group_B .611 .203 3.006 .004

Group_K .239 .103 2.311 .025

Group_I .237 .110 2.154 .037


! = !.!"",!! + !,!"# !"#$% ! + !,!"" !"#$% ! + !,!"# !"#$%& + !,!"# (!"#$% !)

dimana,

Y : Luas Sawah

Group Q, B, K, I : Luasan masing-masing group

Maka, untuk mendapatkan besar estimasi luas sawah dari model persamaan

diatas adalah dengan menjumlahkan dan mengalikan antara koefisien yang diperoleh

dari uji T dengan luasan sawah per piksel per kecamatan pada masing – masing

group. Sehingga estimasi luas sawah yang diperoleh sebesar 46.082,25 Ha. Hasil

estimasi luas panen sawah diatas kemudian dibandingkan dengan data luas panen

yang diperoleh dari Badan Pusat Statistik. Dalam data BPS, besar luas panen jauh

lebih besar dikarenakan dalam perhitungannya, luas panen dikalikan dengan

banyaknya rata- rata panen dalam satu tahun di Kabupaten Pandeglang dan

Kabupaten Lebak. Oleh karena itu agar dapat dibandingkan dengan data luas panen

yang diperoleh dari BPS, maka hasil estimasi luas panen diatas harus dikalikan 3

sehingga menghasilkan 138.246,75 ha dari luas panen yang diperkirakan. Dengan

rata-rata produktivitas sebesar 5,75ton/ha dari varietas yang ditanam di daerah

penelitian, maka estimasi produksi dapat dihitung sebagai berikut:

!"#$%&"$ !"#$%&'( = !"#.!"#,!" !" ∗ !,!" !"#/!"

= !"#.!"#,! !"#

Besar estimasi luas panen dan estimasi produksi dari hasil citra tahun 2015

kemudian dibandingkan dengan besar luas panen dan produksi yang diperoleh dari

BPS dari tahun 2014. Hal ini dikarenakan data dari BPS mengenai Luas Panen dan

Produksi di Kabupaten Pandeglang dan Lebak tahun 2015 belum tersedia. Maka

perlu dilakukan perhitungan untuk mengestimasi luas panen dan produksi padi di

kedua kabupaten ini pada tahun 2015.

Tabel 5 Standar Eror Estimasi

Sumber: Badan Pusat Statistik Kabupaten Pandeglang dan Lebak

Standar Error Estimasi Tahun Luas Panen Produksi Padi

2011 70,15% 71,34% 2012 70,61% 68,70% 2013 67,77% 66,63% 2014 66,15% 65,40%


Pada Tabel 5 dapat dilihat dimana tingkat kesalahan untuk estimasi luas panen

sebesar 33,85% dan 34,6% untuk estimasi produksi padi. Adapun perbedaan dalam

perhitungan estimasi luas area sawah dan produksi padi dikarenakan adanya bias

yang dihasilkan oleh olahan citra MODIS dengan indeks vegetasi OSAVI ini dapat

disebabkan oleh:

• Resolusi citra MODIS yang mencakup 250m x 250m untuk satu pikselnya, dimana

dalam 1 piksel luasnya sekitar 6 ha. Apabila pada daerah penelitian banyak terdapat

sawah yang luasnya kurang dari 6 ha maka tidak dapat diidentifikasi sebagai tutupan

lahan sawah, melainkan terdeteksi sebagai tutupan lahan lain.

• Varietas yang ditanam pada lahan sawah setiap tahunnya tidak sama. Perbedaan

kepemilikan lahan sawah mengakibatkan keputusan penggunaan varietas yang

ditanam setiap tahunnya berbeda. Sehingga angka produktifitas varietas yang ditanam

berbeda-beda setiap tahunnya. Perhitungan akan lebih akurat jika angka produktifitas

varietas setiap tahunnya diketahui. Sedangkan data yang diperoleh dari instansi terkait

merupakan angka produktifitas varietas secara umum.

C. Pola Masa Tanam di Daerah Penelitian

Pola fenologi berdasarkan indeks vegetasi OSAVI, memiliki bentuk pola

fenologi yang berbeda antara satu sama lain. Masing-masing dari pola fenologi

tersebut menunjukkan awal tanam, fase vegetatif, fase generatif dan waktu panen.

Pada pola fenologi tanaman padi, waktu awal tanam dan waktu panen dapat dilihat

berdasarkan nilai kehijauan terendah. Sedangkan nilai kehijauan tertinggi

menunjukkan fase generatif pada fenologi tanaman padi. Dengan mengetahui pola

fenologi padi, maka pola masa tanam padi di daerah penelitian dapat diketahui.

Grafik 3 merupakan pola dari group terpilih yang merupakan fenologi tanaman padi

di Kabupaten Pandeglang dan Kabupaten Lebak pada tahun 2014 – Januari 2016.

0

50

100

150

200

250

1 33

65

97

129

161

193

225

257

289

322

354

386

418

450

482

514

546

578

610

658

690

722

754

Nilai O

SAVI (8

bit)

Hari Ke-‐

Group B Group I Group K Group Q

2014 2015


0

50

100

150

200

250

1 33

65

97

129

161

193

225

257

289

322

354

386

418

450

482

514

546

578

610

658

690

722

754

Nilai O

SAVI ( 8 bit)

Hari Ke-‐

0 50 100 150 200 250

1 33

65

97

129

161

193

225

257

289

322

354

386

418

450

482

514

546

578

610

658

690

722

754

Nilai O

SAVI (8

bit)

Hari Ke-‐

0 50 100 150 200 250

1 33

65

97

129

161

193

225

257

289

322

354

386

418

450

482

514

546

578

610

658

690

722

754

Nilai O

SAVI (8

bit)

Hari Ke-‐

0 50 100 150 200 250

1 33

65

97

129

161

193

225

257

289

322

354

386

418

450

482

514

546

578

610

658

690

722

754

Nilai O

SAVI (8

bit)

Hari Ke-‐

Grafik 3 Pola Fenologi Padi Berdasarkan Indeks Vegetasi OSAVI

Masa Tanam

Masa Tanam 2 Masa Tanam

Keterangan

Grafik 4 Pola Fenologi Padi Group B, I, K

Group B

Group I

Group K


Berdasarkan kalender tanam yang diperoleh dari Badan Penelitian dan

Pengembangan Pertanian, awal tanam pertama di Kabupaten Pandeglang dimulai

pada minggu pertama bulan November. Awal tanam kedua dimulai pada minggu

pertama bulan Maret. Awal tanam ketiga dimulai pada minggu pertama bulan Juli.

Lahan sawah terlebih dahulu dilakukan pengeringan sebelum sawah siap untuk

diolah. Pengolahan tanah biasanya dilakukan pada minggu pertama atau minggu

kedua dari awal tanam. Sedangkan awal tanam pertama di Kabupaten Lebak dimulai

pada minggu pertama bulan Oktober. Awal tanam kedua dimulai pada minggu

kedua bulan Januari. Dari Tabel 6 dapat dilihat bahwa pada tahun 2014 dan 2015,

sawah yang diwakili group B, group I, dan group K memulai masa tanam pertama

pada tahun 2013. Group Q memulai masa tanam pertama pada akhir tahun 2013.

Tabel 6 Kalender Tanam Berdasarkan MODIS OSAVI


Gro

up

Masa Tanam Padi (MT) 2014

MT1 MT2 MT3 B (2013) - jan (I) feb (I) - mei (I) Palawija I (2013) - jan (II) feb (II) - mei (IV) Palawija K (2013) - jan (III) apr (I) - jul (IV) agus (III) - des (II) Q (2013) - apr (I) apr (II) - agus (II) okt (III) - feb (II) 2015

Gro

up

2015

MT1 MT2 MT3 B okt (II) 2014 - jan (IV) feb (II) - jun (I) Palawija I okt (III) 2014 - jan (IV) feb (I) - mei (I) Palawija K des (III) 2014 - mar (I) mar (II) - jul (II) agus (II) - nov (IV) Q mar (II) - agustus (III) okt (I) - jan (II) 2016 feb (I) 2016 - jun (II) 2016

Grafik 5 Pola Fenologi Padi Group Q

Masa Tanam

Masa Tanam 2 Masa Tanam

Keterangan


Kelompok padi group B, I, K, dan

Q menunjukkan masa tanam padi

dalam setahun (Gambar 3). Group B

dan I menunjukkan dua masa tanam

padi, sedangkan group K dan Q

menunjukkan tiga masa tanam padi

Hal ini dapat dilihat dari Gambar 4

warna merah menunjukkan dua kali

panen setahun dan warna hijau

menunjukkan tiga kali panen

setahun. Adapun perbedaan lamanya

masa tanam dari masing-masing

kelompok dikarenakan perbedaan

varietas yang ditanam. Masing-masing varietas memiliki perbedaan umur panen. Namun

pada umumnya varietas padi yang digunakan di Kabupaten Pandeglang dan Kabupaten

Lebak memiliki umur panen dari 110 – 120 hari. Selain itu hal lain yang menyebabkan

perbedaan masa tanam antara group B dan I dengan group K dan Q dikarenakan group K

dan Q merupakan daerah yang paling dekat dengan sumber air.

Gambar 3 Peta Kelompok Padi (Group B, I, K, Q)



Sumber air untuk irigasi

sawah berasal dari bendungan dan sungai – sungai yang mengairi Kabupaten Pandeglang

dan Lebak. Terdapat tiga bendungan utama pada Kabupaten Pandeglang, yaitu Situ

Cikedal dan Situ Gongong berada di Kecamatan Cikedal, dan Situ Cukang Sadang

berada di Kecamatan Pagelaran. Arah aliran sungai di Kabupaten Pandeglang dan Lebak

dibedakan menjadi dua, yaitu aliran dari arah timur yang kemudian bermuara di Selat

Sunda dan aliran dari arah utara yang bermuara di Samudera Hindia. Group B dan I

terdapat pada daerah yang cukup jauh dari bendungan dan hanya sebagian kecil

wilayahnya yang dilewati oleh aliran sungai (Gambar 5). Bila dilihat berdasarkan

dengan ketinggian wilayah group B banyak berada pada ketinggian wilayah > 1000

mdpl. Sedangkan group I banyak berada pada ketinggian wilayah 100 – 500 mdpl.

Group K dan Q berada di wilayah rendah dengan ketinggian 0 – 100 mdpl. Perbedaan

ketinggian wilayah mengakibatkan kurangnya sumber air yang digunakan untuk

pertanian. Dimana pada ketinggian 100 – 1000 mdpl sawah yang ada merupakan sawah

tadah hujan yang hanya memanfaatkan air hujan sebagai sumber air untuk mengairi

sawah. Sedangkan sawah irigasi lebih banyak terdapat di ketinggian 0 – 100 mdpl. D. Uji Akurasi

Untuk mengetahui seberapa besar akurat indeks vegetasi OSAVI dalam

menggambarkan fase pertumbuhan tanaman padi, maka dilakukan pengambilan data

Gambar 5 Peta Sumber Air Untuk Irigasi Sawah


Gambar 4 Peta Pengelompokan Berdasarkan Masa Tanam



dengan melakukan survei lapangan di Kabupaten Pandeglang dan Kabupaten Lebak.

Survei lapangan dilakukan dengan mengambil titik – titik sampel secara acak bertingkat

pada setiap penggunaan lahan sawah. Dari setiap titik - titik sampel tersebut diperoleh

informasi mengenai, lokasi titik sampel, umur padi, dan varietas yang ditanam. Informasi

tersbut nantinya akan digunakan untuk melihat fase pertumbuhan padi di lapangan,

kemudian akan dibandingkan dengan fase pertumbuhan yang terlihat pada citra MODIS

OSAVI. Dari 41 titik sampel yang diambil pada saat survei lapangan, terdapat 17 titik

sampel yang bertampalan dengan distribusi kelompok padi Group B, I, K, dan Q.

Pengelompokan berdasarkan fase pertumbuhan dilakukan dengan melihat umur padi yang

diperoleh pada saat survei lapangan. Fase vegetatif adalah fase pertumbuhan padi pada

umur 1 – 60 hari setelah tanam. Lamanya fase vegetatif tergantung dengan varietas yang

ditanam. Sedangkan fase generatif adalah fase pertumbuhan padi pada umur setelah 60

hari. Pada fase generatif padi mulai keluar malai dan menguning, sampai akhirnya gabah

matang sempurna.

Dalam penelitian ini uji akurasi temporal dilakukan untuk mengetahui besar

akurasi citra MODIS dengan indeks vegetasi OSAVI dalam menggambarkan pola

masa tanam tanaman padi di Kabupaten Pandeglang dan Kabupaten Lebak. Uji

akurasi dilakukan dengan membuat matriks kesalahan. Akurasi yang dapat dihitung

antara lain User accuracy, producer accuracy dan overall accuracy. Berikut adalah

perhitungan uji akurasi temporal:

Tabel 7 Confusion Matrix

Data Hasil Pengolahan Citra MODIS OSAVI User's

Accuracy

Data Hasil Lapangan

Sampel Vegetatif Generatif Total Vegetatif 15 0 15 100% Generatif 2 0 4 0

Total 17 0 17

Producer's Accuracy 88,23% 0 88,23%



Dari Tabel 7 diatas menunjukkan bahwa akurasi temporal dari keseluruhan

penelitian ini sebesar 88,23% dengan tingkat kesalahan sebesar 11,76%. Artinya

88,23% fase pertumbuhan pada hasil lapangan sama dengan fase pertumbuhan pada

citra MODIS OSAVI. Bila diuji akurasi secara spasial, perhitungan akurasi

dilakukan dengan menghitung antara jumlah sampel yang bertampalan dengan

kelompok padi dibagi dengan jumlah sampel keseluruhan yang diambil pada saat

survei lapangan. Hasil perhitungan uji akurasi spasial diatas menghasilkan nilai

sebesar 41,46%, artinya MODIS OSAVI memiliki akurasi sebesar 41,46% dalam

mengidentifikasi pola fenologi tanaman padi.

Kesimpulan Berdasarkan hasil interpretasi citra MODIS dengan indeks vegetasi OSAVI dapat

menggambarkan pola masa tanam padi di Kabupaten Pandeglang dan Kabupaten Lebak.

Pola masa tanam padi menunjukkan waktu awal tanam, fase vegetatif, fase generatif dan

waktu panen. Terdapat 2 pola masa tanam di kedua kabupaten ini, yaitu masa tanam

dengan 2 kali panen setahun (Group B dan Group I) dan masa tanam dengan 3 kali

panen setahun (Group K dan Group Q). Masa tanam dengan 2 kali panen dimulai dari

Oktober – Januari, dan Februari – Mei. Sedangkan masa tanam dengan 3 kali panen

dimulai dari Desember – Maret, April – Juli, dan Agustus – November. Adapun

perbedaan masa tanam di Kabupaten Pandeglang dan Kabupaten Lebak dikarenakan

irigasinya yang banyak di dataran rendah dibandingkan di dataran tinggi yang hanya

memanfaatkan hujan sebagai sumber air untuk pertaniannya.

Estimasi produksi padi dengan indeks vegetasi OSAVI menghasilkan nilai

sebesar 795.143,5 ton dan bila dibandingkan dengan data dari BPS memiliki akurasi

sebesar 66,15% untuk estimasi luas panen serta 65,40% untuk estimasi produksi.

Adapun perbedaan dalam perhitungan estimasi luas panen dan luas produksi padi yang

berbeda dari BPS dikarenakan resolusi spasial MODIS 1 pikselnya sebesar 250m x

250m. Sehingga lahan sawah yang memiliki luas kurang dari 250m x 250m akan

terindentifikasi sebagai tutupan lahan lain. Pola masa tanam di kedua kabupaten ini telah

diuji akurasi dengan menggunakan confussion matrix antara fase yang terlihat pada citra


MODIS dengan aktual di lapangan dan menghasilkan taraf akurasi keseluruhan sebesar

88,23%.

Daftar Referensi Badan Pusat Statistik. (2011). Produksi padi, jagung, dan kedelai Angka Ramalan III (ARAM III) tahun 2011.

Berita Resmi Statistik No. 69/11/Th. XIV, 1 November 2011. Jakarta: Badan Pusat Statistik. http://bps.go.id/website/brs_ind/brsInd-20141008154626.pdf Diakses tanggal 15 November 2015 pukul 20:51 WIB

Domiri, D. D., Adhyani, N. L., & Nugraheni. (2005). Model Pertumbuhan Tanaman Padi menggunakan Data MODIS untuk Pendugaan Umur Padi Sawah. Pertemuan Ilmiah

Tahunan MAPIN XIV (hal. 17-24). Surabaya: LAPAN.

Emyati. (2012). Identifikasi Pola Tanam Padi Sawah Menggunakan Data Modis Multitemporal di Kabupaten Kebumen. Jurnal INDERAJA Vol.III, 4-9. Pusat Pemanfaatan Penginderaan Jauh LAPAN, Jakarta.

Mosleh, Mostafa K., Hassan, Q. K., Chowdhury, E. H., Application of Remote Sensors in Mapping Rice Area and Forecasting Its Production: A Review. (2014). Department of Geomatics Engineering, Schulich School of Engineering, University of Calgary.

Rondeaux, G., M. Steven, and F. Baret. "Optimization of Soil-Adjusted Vegetation Indices." Remote Sensing of Environment 55 (1996): 95-107.

Sari, D.K., Ismullah, I.H., Suladi, W.N., dan Harto, A.B., (2010). “Detecting Rice Phenology in Paddy Fields with Complex Cropping Pattern Using Time Series MODIS Data A Case study of Northern Part of West Java – Indonesia”, ITB Journal of Science, 42 A, No. 2, pp. 91-106.

Sudiana, D., Diasmara, E., (2008). Analisis Indeks Vegetasi Menggunakan Data Satelit NOAA/AVHRR dan Terra/Aqua MODIS. Seminar on Intellogent Technology and Its Applications 2008. Depok.

Undang – Undang RI No. 7 Tahun 1996 Tentang Pangan

Wahyunto, & Hikmatullah. (2006). Menduga Produksi Padi dengan Teknologi Citra Satelit. Bogor: Balai Besar Litbang Sumberdaya Lahan Pertanian.

Zubaidah, A., Dede D., Junita.M, Dini Oktavia A., (2012). “Pemantauan Fase Pertumbuhan Tanaman Padi Sawah Menggunakan Data MODIS Wilayah Provinsi Banten dan Jawa Barat”. Jurnal INDERAJA Vol.3 No.5 Desember 2012. LAPAN, Jakarta.

Pola Masa Tanam dan Estimasi Produksi Tanaman Padi di ...

Documents

Transcript of Pola Masa Tanam dan Estimasi Produksi Tanaman Padi di ...