Transcript Dasar Peramalan OPT

DASAR
PERAMALAN OPT
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
DIREKTORAT JENDERAL TANAMAN PANGAN
DIMENSI WAKTU PERAMALAN OPT
Masa lampau
Waktu
meramal
Nilai ramalan
Data historis
t-n
Waktu ramalan
Saat
Ini
t
Jadi kalau menduga sesuatu pada waktu yang sama
berarti bukan peramalan
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
t+n
Arti peramalan adalah prakiraan/memprediksi peristiwa dimasa depan.
Peramalan bagian penting dalam proses pengambilan keputusan, sebab efektif
atau tidaknya suatu keputusan umumnya tergantung pada
beberapa faktor yang tidak dapat kita lihat pada waktu keputusan
itu diambil.
Tujuan peramalan adalah untuk memperkecil resiko yang mungkin terjadi akibat
suatu pengambilan keputusan.
Peramalan dan pengambilan keputusan merupakan dasar dalam menyusun
suatu bentuk perencanaan yang menjadi aktifitas kehidupan
sehari-hari.
KEPUTUSAN
=
HASIL RAMALAN
+
GALAT RAMALAN
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
Peramalan OPT adalah suatu kegiatan yang diarahkan untuk
mendeteksi atau memprediksi populasi/serangan OPT
serta kemungkinan penyebaran dan akibat yang
ditimbulkannya dalam ruang dan waktu tertentu.
Peramalan OPT komponem penting dalam strategi pengelolaan hama
dan penyakit tanaman sebab dengan adanya peramalan
dapat memberikan peringatan dini mengenai tingkat dan
luasnya serangan.
Tujuan peramalan OPT adalah menyusun saran tindak pengelolaan
atau penanggulangan OPT sesuai dengan prinsip dan
strategi PHT sehingga populasi/serangan OPT dapat
ditekan, tingkat produktivitas tanaman pada taraf tinggi,
secara ekonomis menguntungkan dan aman terhadap
lingkungan.
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
SISTEM PERAMALAN OPT
FAKTOR LINGKUNGAN
DATA BIOTIK
DATA ABIOTIK
DATA OPT
UNIT PERAMALAN
INSTANSI
TERKAIT
PETAK
HAMPARAN
WILAYAH
PERENCANA
:
:
:
:
:
:
PETANI
KELOMPOK TANI
PHP (KECAMATAN)
LPHP (AGROEKOSISTEM)
BPTPH (REGIONAL/KAB)
BBPOPT (NASIONAL)
HASIL PERAMALAN
PENELITI
UNIT INFORMASI
Media cetak, elektrotik, pelatihan, seminar,
Pertemuan, saresehan, surat-menyurat, dll
PENGGUNA: PETUGAS, PETANI
UNIT
PERAMALAN
LAIN
Peramalan tingkat PETAK
Model dibangun dan diimplemantasikan di tingkat
petani pada areal yang sempit atau tingkat petak.
Komponen ekosistem relatif homogen (komoditi,
varietas, stadia dan keadaan lingkungan fisik), kecuali
populasi/serangan OPT dan musuh alaminya
mengalami perubahan dari waktu ke waktu.
Pelaksana peramalan dan pengambilan keputusan
petani.
Faktor kunci satu strata variabel (pop./inten. ser. OPT
dan musuh alami dalam musim, meramal populasi/
serangan saat fase kritis.
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
Peramalan tingkat HAMPARAN
Model dibangun dan diimplemetasikan pada areal yang
cukup luas (hamparan pertanaman).
Kondisi ekosistem relatife heterogen (komoditi, varietas,
stadia, budidaya dan keadaan lingkungan).
Pelaksanaan peramalan dan pengambilan keputusan
dilakukan oleh kelompok tani.
Faktor kunci dua strata variabel yaitu
(1) pop./inten. ser. OPT dan musuh alami dan
(2) komposisi komoditi, varietas, stadia dan keadaan
lingkungan, dalam musim yang sedang berlangsung,
serta mempertimbangkan keadaan variabel tersebut
pada musim tanam sebelumnya.
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
Peramalan tingkat WILAYAH
Wilayah meliputi batas administrasi tertentu (desa,
kecamatan, kabupaten, propinsi, nasional, regional
ataupun internasional).
Model dibangun dan diimplementasikan pada tingkat
wilayah dengan ekosistem yang sangat heterogen
(luasnya, keadaan lingkungan, budidaya juga perbedaan
ekonomi, sosial dan budaya).
Pelaksana peramalan dan pengambilan keputusan oleh
petugas/ institusi (bekerjasama dengan petugas/institusi
yang terkait sampai petugas lapang dan kelompok tani).
Faktor kunci peramalan mempertimbangkan strata yang
ketiga yaitu tingkat ekonomi, sosial dan budaya
masyarakat petani.
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
1)
Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan
manajemen.
2)
Alasan utama bagi peramalan dan perencanaan: adanya senjang waktu (time
lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan
peristiwa itu sendiri.
3)
Kebutuhan akan peramalan meningkat sejalan dengan usaha manajemen untuk
mengurangi ketergantungannya pada hal-hal yang belum pasti, karena dalam
menentukan sasaran dan tujuan berusaha menduga faktor-faktor lingkungan,
lalu memilih tindakan yang diharapkan akan menghasilkan pencapaian sasaran
dan tujuan.
4)
Arti peramalan yang sesungguhnya adalah menduga/memprediksi peristiwa di
masa depan dan bertujuan untuk memperkecil resiko yang mungkin terjadi
akibat suatu pengambilan keputusan.
5)
Pengendalian Hama Terpadu (PHT) atau “Integrated Pest Management (IPM)”
dalam operasionalnya memerlukan kegiatan peramalan untuk membuat
perencanaan ekosistem pertanian yang tahan terhadap gangguan OPT.
( lanjutan )
6)
Peramalan OPT adalah kegiatan yang diarahkan untuk mendeteksi dan
memprediksi populasi/serangan OPT serta kemungkinan penyebaran dan akibat
yang ditimbulkan dalam ruang dan waktu tertentu.
7)
Operasional peramalan yang baik maka dalam perencanaan perlindungan
tanaman akan lebih efektif dan efisien karena mengacu kepada skala prioritas
penanganan OPT menurut ruang dan waktu peramalan.
8)
Sasaran Peramalan: (a) menduga kemungkinan timbulnya OPT, (b) mendeteksi
dan memprediksi populasi/serangan dan kerusakan yang ditimbulkan OPT,
berdasarkan hasil pengamatan terhadap komponen-komponen yang
berpengaruh di lapangan, (c) menduga kerugian atau kehilangan hasil akibat
gangguan OPT.
9)
Tujuan Peramalan: untuk menyusun saran tindak/tindakan pengelolaan OPT
sesuai dengan prinsip, strategi, dan langkah operasional penerapan PHT,
sehingga populasi/ serangan OPT dapat ditekan, tingkat produktivitas tanaman
dipertahankan pada taraf tinggi, menguntungkan dan aman terhadap
lingkungan.
10) Peramalan OPT tidak hanya meramalkan peningkatan populasi atau serangan,
juga menduga tingkat kehilangan hasil baik tonase maupun nilai ekonominya
( lanjutan )
11) Kerugian ekonomi yang dapat diselamatkan, yang digambarkan dengan
peningkatan produktivitas tanaman adalah merupakan pendapatan (“PAD =
pendapatan asli daerah”) yang diterimakan langsung oleh petani.
12) Peramalan OPT yang dilakukan sebelum musim tanam (peramalan antar musim)
memberikan waktu kepada petani untuk merencanakan ekosistem yang tahan
OPT dan melakukan kegiatan “preemtif”.
13) Peramalan OPT yang dilakukan setelah tanam (peramalan dalam musim)
memberikan waktu kepada petani untuk melakukan kegiatan “responsif”
pengendalian OPT seperti dengan menggunakan bahan pengendali alami/agens
hayati/parasitoid yang telah disiapkan (aman terhadap lingkungan).
14) Peramalan OPT juga dapat memberikan peluang kapan waktu tanam komoditi
tertentu berdasarkan ramalan/kemungkinan munculnya OPT, yang disinkronkan
dengan nilai jual pasar tinggi, baik pada “on-season” maupun “off-season”.
15) Rumusan model peramalan OPT antar musim maupun dalam musim yang
dibangun oleh BB-POPT disajikan dalam buku Pedoman Pengembangan dan
Operasional Peramalan OPT pada Tanaman Pangan dan Hortikultura dan harus
terus dikembangkan secara spesifik lokasi/ model dibangun pada ekosistem
setempat
JENIS PERAMALAN
KUALITATIF
KUANTITATIF
METODE FORMAL
METODE KAUSAL
METODE INTUISI
METODE RUNTUN WAKTU
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
Peramalan kualitatif
Peramalan kualitatif (tanpa angka / nilai)
digunakan apabila informasi data kuantitatif
sangat sedikit atau tidak tersedia.
Contoh:
Apabila terjadi kemarau panjang di daerah penyebaran belalang
kembara maka populasi dan serangan akan meningkat.
Semakin panjang kemarau terjadi maka peluang meningkatnya
populasi dan serangan belalang kembara semakin tinggi.
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
Back Next
Peramalan kuantitatif
Mengikutkan atau menggunakan angka / nilai,
yang terbagi dalam peramalan non formal
dan formal.
Peramalan non formal yaitu mencakup intuisi, pengalaman maupun
“professional judgement” yang didasarkan atas pengalaman
empiris dengan penggunaan prinsip-prinsip ekstrapolasi dan
penetapan nilai namun tidak menggunakan aturan yang baku.
Contoh:
Seorang PHP/POPT mengatakan bahwa luas serangan WBC di
wilayahnya diprediksi pada bulan depan akan meningkat
sebanyak 5%.
Seorang pakar mengatakan bahwa produksi padi tahun 2005
diperkirakan akan meningkat sebanyak 4,5%
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
Back Next
Peramalan kuantitatif (lanjutan)
Peramalan formal menggunakan ekstrapolasi
secara sistematik, bersifat baku berdasarkan
kaidah statistik.
Yt+n =
f ( I, J, K, L, … )
METODE FORMAL:
KAUSAL (CAUSAL) = Sebab - Akibat
RUNTUN WAKTU (TIME SERIES) = Deret berkala
SYARAT PERAMALAN KUANTITATIF
1
Tersedianya informasi masa lampau (historis)
2 Informasi dalam bentuk kuantitatif atau kualitatif yang dapat
dikuantitatifkan
3
Pola masa lalu akan terjadi dimasa mendatang
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
Back Next
PERBEDAAN HUBUNGAN
KAUSAL
RUNTUN WAKTU
Sistem
Agro-ekosistem
botani
virologi
zoologi
BIOLOGI
bakteriologi
ornithologi
perkembangan
molekuler
genetika
ekologi
Ouput
HUBUNGAN
SEBAB-AKIBAT
entomologi
Input
Sistem
Input
PROGRAM
BANGKITAN
BLACK
BOX
klimatologi
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
Ouput
VARIABEL PERAMALAN OPT
Variabel yang meramal
(X = independent)
Populasi OPT,
populasi musuh alami,
intensitas serangan OPT,
komposisi varietas,
komposisi vegetasi,
komposisi stadia tanaman,
luas tanam,
luas serangan,
tindakan pengendalian,
cara budidaya,
iklim dan
sosial, ekonomi, budaya.
Variabel yang diramal
(Y = dependent)
Populasi OPT,
intensitas serangan,
luas serangan, dan
kehilangan hasil
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
PROSES PEMBANGUNAN DAN
PENGEMBANGAN MODEL PERAMALAN OPT
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
PRINSIP
PENYUSUNAN MODEL PERMALAN
1
MANAGEABLE
model harus sesedikit mungkin melibatkan
parameter dan dikembangkan secara
sederhana sehingga dapat diaplikasikan
sesuai dengan sumberdaya manusia, dana
dan sarana yang tersedia
Parsimony
(hemat)
2
QUALITY
model harus memiliki kualitas yang tinggi
sehingga dapat menyatakan data ramalan
yang akurat
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
THE END
Jumlah WBC per rumpun
--- Kepadatan ---
--- Kepadatan ---
--- Kepadatan ---
--- Kepadatan ---
G0
G1
G2
G3
R3
r3
R2
r2
r1
Minggu setelah tanam
Contoh Peramalan Populasi WBC (Nilaparvata lugens)
Tingkat petak dalam musim hujan di lokasi A
Diketahui rata2 pop. WBC pada G0 (umur padi <30 hst) = 0,2 ekor/rmp,
Berapa pop. G2 pada umur padi 60-90 hst. (1 – 2 bulan lagi) ?
Log G2 = 2,403 + 0,61 Log (G0)
Log G2 = 2,403 + 0,61 Log (0,2)
Log G2 = 2,403 + 0,61 (-0,699)
Log G2 = 1,977.
Jadi diramalkan padat pop. G2 = 101,977 = 94,8 ekor / rumpun.
Jika anda meramalkan pop. WBC pada umur padi 60-90
hst (1-2 bulan lagi sejak anda pengamatan) rata-rata 94,8
ekor per rumpun (mungkin terjadi hopperburn).
Apa yang anda rencanakan dan putuskan sebagai sarantindak agar populasi tinggi/hopperburn tidak terjadi?
BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN
CONTOH PENGEMBANGAN MODEL PERAMALAN KAUSAL
Hubungan Sebab-akibat Hama Penggerek Batang Padi
KEHILANGAN HASIL
(% / Berat)
Intensitas Serangan
Luas Serangan
Populasi Larva
Pertanaman
Populasi Telur
Populasi MA
Populasi Ngengat G-2
Iklim
Populasi Pupa
Intensitas Serangan
Luas Serangan
Populasi Larva
Pertanaman
Populasi Telur
Populasi MA
Populasi Ngengat G-1
Iklim
Populasi Pupa
Intensitas Serangan
Luas Serangan
Populasi Larva
Populasi MA
Populasi Telur
Populasi Ngengat G-0
Pertanaman
Iklim
MUSIM HUJAN
MUSIM HUJAN
OPT
Model
C.L
R*R
Wereng Coklat
Log YMH = 0,503 + 0,365 Log (YMK) + 0,380 Log (YMH-1)
0.12
0.46
Penggerek Batang
Log YMH = 0,3358 + 0,3116 Log (YMK) + 0,5857 Log (YMH-1)
0.05
0.71
Tikus
Log YMH = 0,160 + 0,4516 Log (YMK) + 0,5073 Log (YMH-1)
0.06
0.76
Tungro
Log YMH = 0,2712 + 0,718 Log (YMK) + 0,1324 Log (YMH-1)
0.09
0.62
Blast
Log YMH = 0,3289 + 0,3516 Log (YMK) + 0,5433 Log (YMH-1)
0.09
0.57
MUSIM KEMARAU
MUSIM KEMARAU
OPT
Model
C.L.
R*R
Wereng Coklat
Log YMK = 0,161 + 0,570 Log (YMH) + 0,278 Log (YMK-1)
0.12
0.48
Penggerek Batang
Log YMK = 0,2275 + 0,3567 Log (YMH) + 0,5533 Log (YMK-1)
0.06
0.64
Tikus
Log YMK = 0,3817 + 0,3085 Log (YMH) + 0,5638 Log (YMK-1)
0.06
0.72
Tungro
Log YMK = 0,1929 + 0,375 Log (YMH) + 0,4972 Log (YMK-1)
0.09
0.65
Blast
Log YMK = 0,2685 + 0,3916 Log (YMH) + 0,3402 Log (YMK-1)
0.08
0.48
MUSIM HUJAN
MUSIM HUJAN
OPT
Model
C.L
R*R
Ulat Grayak
Log YMH = 0,2022 + 0,2533 Log (YMK) + 0,4745 Log (YMH-1)
0,12
0,41
Penggulung daun
Log YMH = 0,2249 + 0,6489 Log (YMK) + 0,1772 Log (YMH-1)
0,09
0,60
Ulat Jengkal
Log YMH = 0,1704 + 0,2826 Log (YMK) + 0.5482 Log (YMH-1)
0,18
0,51
Lalat Kacang
Log YMH = 0,0448 + 0,6694 Log (YMK) + 0,1098 Log (YMH-1)
0,09
0,59
Penggerek polong
Log YMH = 0,0333 + 0,3608 Log (YMK) + 0,5237 Log (YMH-1)
0,08
0,53
Tikus
Log YMH = 0,0565 + 0,2858 Log (YMK) + 0,3940 Log (YMH-1)
0,09
0,46
MUSIM KEMARAU
MUSIM KEMARAU
OPT
Model
C.L.
R*R
Ulat Grayak
Log YMK = 0,2988 + 0,5174 Log (YMH) + 0,2609 Log (YMK-1)
0,11
0,49
Penggulung daun
Log YMK = 0,2089 + 0,1957 Log (YMH) + 0,6491 Log (YMK-1)
0,08
0,62
Ulat Jengkal
Log YMK = 0,130 + 0,2850 Log (YMH) + 0,4683 Log (YMK-1)
0,05
0,48
Lalat Kacang
Log YMK = 0,2021 + 0,2579 Log (YMH) + 0,5388 Log (YMK-1)
0,08
0,58
Penggerek Polong
Log YMK = 0,3021 + 0,2213 Log (YMH) + 0,5090 Log (YMK-1)
0,09
0,49
Tikus
Log YMK = 0,1740 + 0,2604 Log (YMH) + 0,5031 Log (YMK-1)
0,15
0,50
S. litura
S. litura
1
log Y = 0,023 + 0,14 L2 ; R = 0,90
Y = Intensitas serangan pada stadia kritis
L2 = Kepadatan populasi Larva generasi-2
2
log L2 = 0,57 + 0,92 log L1 ; R = 0,94
L1 = Kepadatan populasi Larva generasi-1
L2 = Kepadatan populasi Larva generasi-2
Etiella spp.
1
Y = 4,45 + 1,08 T ; R = 0,57
Y = Intensitas polong terserang pada saat panen
T = Kepadatan populasi Telur pada pembungaan
2
Y = 1,83 + 3,49 L ; R = 0,75
Y = Intensitas polong terserang pada saat panen
T = Kepadatan populasi Larva pada pembungaan
3
P = 1044,52 – 531,227 log Y ; R = 0,83
P = Produksi kedele (kg/ha)
Y = Intensitas polong terserang pada saat panen
MUSIM HUJAN
MUSIM HUJAN
OPT
Model
C.L
R*R
Penggerek batang
Log YMH = 0.177 + 0.354 Log (YMK) + 0.514 Log (YMH-1)
0.08
0.53
Ulat grayak
Log YMH = 0.351 + 0.407 Log (YMK) + 0.294 (YMH-1)
0.11
0.24
Lalat bibit
Log YMH = 0.261 + 0.377 Log (YMK) + 0.366 Log (YMH-1)
0.09
0.38
Tikus
Log YMH = 0.294 + 0.333 Log (YMK) + 0.386 Log (YMH-1)
0.10
0.35
Bulai
Log YMH = 0.452 + 0.313 Log (YMK) + 0.358 Log (YMH-1)
0.11
0.26
Penggerek tongkol
Log YMH = 0.329 + 0.247 Log (YMK) + 0.518 Log (YMH-1)
0.09
0.46
MUSIM KEMARAU
MUSIM KEMARAU
OPT
Model
C.L.
R*R
Penggerek batang
Log YMK = 0.263 + 0.202 Log (YMH) + 0.511 Log (YMK-1)
0.08
0.45
Ulat grayak
Log YMK = 0.28 + 0.143 Log (YMH) + 0.194 (YMK-1)
0.08
0.11
Lalat bibit
Log YMK = 0.0895 + 0.281 Log (YMH) + 0.489 Log (YMK-1)
0.07
0.52
Tikus
Log YMK = 0.215 + 0.153 Log (YMH) + 0.611 Log (YMK-1)
0.09
0.48
Bulai
Log YMK = 0.172 + 0.174 Log (YMH) + 0.539 Log (YMK-1)
0.08
0.42
Penggerek tongkol
Log YMK = 0.194 + 0.309 Log (YMH) + 0.441 Log (YMK-1)
0.07
0.52
Model Peramalan
Serangan Belalang Kembara Model Pulau Sumba
Peramalan luas serangan berdasarkan parameter luas
serangan sebelumnya pada lag 1 bulan.
Log Ŷt = 0,127225 + 0,870733 (Log Yt-1); R2 = 0,75
Atau
Ŷt = 1,34037 (Yt-1 0,870733 )
Ŷt
Dimana:
= Ramalan luas serangan bulanan yang akan terjadi (ha)
Yt-1 = Kumulatif luas tambah serangan bulanan (ha)
t = Bulan
Model Peramalan
Serangan Belalang Kembara Model Propinsi Lampung
Peramalan luas serangan berdasarkan parameter luas serangan dan
jumlah koloni pada lag 1 bulan.
Log Ŷt = 0,002342 + 0,219787 Log Yt-1 + 0,715199 Log Kt ; R2 = 0,73
Dimana:
Ŷt
= Ramalan luas serangan bulanan yang akan terjadi (ha)
Yt-1 = Kumulatif luas tambah serangan bulanan (ha)
K = Jumlah koloni belalang kembara dewasa dan nimfa
t = Bulan
MODEL PERAMALAN POPULASI LALAT BUAH
PADA TANAMAN BUAH-BUAHAN
Log Yt = 0,90 + 0,49 Log Y t-1 + 0,35 Log Y t-3; R=0,82)
Log Y t = 1,02 + 0,64 Log Yt-1 ; R=0,76)
Log Y t = 1,20 + 0,50 Log T t-2; R=0,70)
Log Y t = 1,24 + 0,51 Log Y t-3; R=0,74)
Log Y t = 1,20 + 0,67 Log Y t-4; R=0,72)
Yt
= Puncak populasi lalat buah (Nopember-Desember)
Y t-1 = Populasi lalat buah 1 bulan sebelum puncak (Oktober)
Y t-2 = Populasi lalat buah 2 bulan sebelum puncak (September)
Y t-3 = Populasi lalat buah 3 bulan sebelum puncak (Agustus)
Y t-4 = Populasi lalat buah 4 bulan sebelum puncak (Juli)