Escolar Documentos
Profissional Documentos
Cultura Documentos
AGROINFORMATIKA
SEMESTER : 7 (VII)
GOLONGAN PRATIKUM : B3
Agroinformatika adalah mata kuliah aplikasi di bidang pertanian dengan ide-ide inovatif,
teknik dan pengetahuan ilmiah untuk memperluas cakrawala dari penerapan teknologi informasi
dan komputer di bidang pertanian. Materi ajar Agroinformatika antara lain membahas berbagai
dimensi agro-informatika, mencakup berbagai bidang mulai dari pengantar database pertanian,
teknologi internet dan cyber marketing, kecerdasan buatan, sistem pendukung
keputusan,pengantar sistem informasi geografis, sistem informasi manajemen bidang pertanian.
Diharapkan bahwa matakuliah ini akan memberikan pengetahuan dasar pemanfatan TIK di
bidang pertanian dan pemahaman konsep sistem pertanian presisi (Precision Farming System).
Perangkat lunak DSSAT atau Decision Support System for Agrotechnology Transfer
adalah sebuah perangkat lunak yang diproduksi oleh ICASA (International Consortium for
Agricultural Systems Applications) dari Amerika Serikat. ICASA merupakan organisasi yang
bertujuan untuk memajukan penelitian di bidang sistem pertanian melalui pengembangan dan
penerapan analisa sistem peralatan dan metodologi yang kompatibel dan lengkap. DSSAT
digunakan untuk mensimulasikan pertumbuhan berbagai varitas tanaman sekaligus
memprediksi sejumlah nilai variabel yang berkaitan dengan produktivitas tanaman.
DSSAT dan model simulasi tanamannya telah digunakan untuk berbagai aplikasi pada
skala spasial dan temporal yang berbeda. Ini termasuk manajemen on-farm dan presisi,
penilaian regional dari dampak variabilitas iklim dan perubahan iklim, pemodelan berbasis gen
dan seleksi pemuliaan, penggunaan air, emisi gas rumah kaca, dan keberlanjutan jangka panjang
melalui keseimbangan karbon dan nitrogen organik tanah. DSSAT telah digunakan oleh lebih
dari 14.000 peneliti, pendidik, konsultan, penyuluh, petani, dan pembuat kebijakan dan
keputusan di lebih dari 150 negara di seluruh dunia.
Salah satu aplikasi model simulasi tanaman (DSSAT) adalah untuk memperkirakan hasil
panen selama musim tanam saat ini. Beberapa penelitian telah mencoba mengintegrasikan
model simulasi tanaman dengan data penginderaan jauh melalui metode asimilasi data.(Fang, et
all., 2008).
Manfaat DSSAT dapat digunakan di tingkat petani untuk memberikan informasi yang
digunakan untuk meningkatkan rencana dan keputusan. Mereka juga menyediakan rencana aksi
terbaik yang berguna di tingkat pertanian, regional, nasional dan global. DSS memberikan
informasi tentang sistem pertanian dan agro-ekologi dan sikap risikonya. DSS dapat digunakan
untuk menganalisis manfaat atau risiko yang terlibat dalam mengadopsi praktik baru di
pertanian. Ini juga memberikan gambaran ekonomi yang terlibat dalam praktik pertanian,
memberikan rasio manfaat biaya untuk menghasilkan panen di bawah praktik manajemen
tertentu.
Manfaat DSSAT / CSM yang dirancang ulang yang baru akan memberikan peluang besar
bagi para pengembangnya dan orang lain dalam komunitas ilmiah untuk kerja sama yang lebih
besar dalam penelitian interdisipliner dan dalam penerapan pengetahuan untuk memecahkan
masalah di lapangan, pertanian, dan tingkat yang lebih tinggi (Jones et al. 2003).
II. METODA
2.1. Pengujian model kelas tanaman
1. Buka program aplikasi DSSAT version 4.5.0.0.
2. Klik Crop Management Data pada halaman Tool.
3. Berpindah pada bagian Selector, kemudian klik Crops dan pilih salah satu jenis tanaman
seperti Cereals > Barley.
4. Pada halaman Experiment, klik salah satu experiment dan klik Run hingga muncul
halaman DSSAT Simulation.
5. Klik bagian Analisys, dan pilih salah satu file yang tersedia didalamnya, contoh Summary
OUT > View, sehingga muncul halaman baru Summary OUT : Bloc de Notas. Dan
kemudian tutup kembali.
6. Memilih satu file tersedia lainnya, selain Summary OUT, seperti PlantGro OUT > Plot.
Hingga muncul halaman GBuild.
7. Klik variabel Leaf Area Index (LAID), dan centang Bagian Run semua > next.
9. Kemudian klik Leaf number per stem (L#SD) > Next, sehingga muncul grafik.
14. Pilih salah satu variabel dalam halaman GBuild Time Series Plot. Contohnya pilih
Relative cloudiness factor (0-1) (CLDD), dan centang Runs nomor 1 > Next.
16. Klik Back > Close > Klik File > Exit untuk menutup GBuilds.
17. Centang file Overview OUT pada halaman Analisys dan klik View, sehingga muncul
hasil seperti berikut.
2.2.Simulasi dengan Model-1 kelas tanaman ICSIM
1. Buka aplikasi DSSAT4.5
2. Pilih menu accessories disebelah kiri windows, lalu klik kiri
3. Didalam accessories terdapat introductory simulation, lalu klik kiri
4. Setelah terbuka windows ICSim maka klik file yang terdapat pada menu bar
5. Dalam menu file terdapat new, open, close, save dan exit
6. Pilih atau klik kiri new
17. Klik Simulate, lalu klik “Accept” atau “OK” setelah itu muncul Simulated results for
VCC08705
18. Ubah OVERVIEW.OUT menjadi SUMMARY.OUT
19. Setelah melihat file pada SUMMARY.OUT lalu ubah menjadi SOILWAT.OUT
20. Klik Graph lalu akan muncul tampilan seperti dibawah ini
21. Kemudian centang pada: UCC08705, Soil water soil layer 1, Soil water soil layer 2, Soil
water soil layer 3, Soil water soil layer 4, Soil water soil layer 5 dan klik “Next”
23. Kemudian klik “File” pada bagian pojok kiri atas lalu klik Exit
24. Ubah “SOILWAT.OUT” menjadi “PLANTGRO.OUT” lalu klik “Graph”
25. Setelah muncul Time Series Plot lalu centang bagian UCCO08705, Yield Potential dan Leaf
Area Index kemudian klik “Next”
26. Setelah itu akan muncul Time Series seperti dibawah ini kemudian cek grafik lalu klik Back
untuk kembali pada Time Series Plot
27. Hilangkan tanda centang pada Leaf Index Area lalu klik centang pada root density soil layer
1, root density soil layer 2, root density soil layer 3, root density soil layer 4, root density
soil layer 5. Lalu klik Next
28. Setelah itu akan muncul Time Series seperti dibawah ini kemudian cek grafik lalu klik Back
untuk kembali pada Time Series Plot
29. Hilangkan tanda centang pada Yield Potential dan klik centang pada Water stress-
photosynthesis lalu klik Next dan muncul Time Series seperti berikut
30. Hilangkan centang pada root density soil layer 1, root density soil layer 2, root density soil
layer 3, root density soil layer 4, root density soil layer 5. Lalu klik NEXT
31. Setelah itu akan muncul Time Series seperti dibawah ini kemudian cek grafik lalu klik Back
untuk kembali pada Time Series Plot
32. Klik centang pada water stress expansion lalu klik next
33. Lalu akan muncul Time Series seperti di bawah ini lalu klik Back untuk kembali pada Time
Series Plot
34. Lalu klik Top Weight dan Yield Potential lalu klik Next dan muncul Time Series seperti
dibawah ini lalu klik Back
35. Kemudian klik Close, klik File pada pojok kiri atas lalu klik Exit
36. Ubah PLANTGRO.OUT menjadi SOILNI.OUT lalu klik Graph
37. Centang bagian NO3 soil layer 1, NO3 soil layer 2, NO3 soil layer 3, NO3 soil layer 4, NO3
soil layer 5 lalu klik Next
38. Kemudian klik Aceptar
39. Klik UCCO8705 klik Next, lalu muncul Time Series seperti di bawah ini dan kemudian klik
Back
13. Pilih environment > pilih field > pilih UCCO pada name di weather seation
14. Pilih ‘’DEFAULT-MEDIUM SANDY LOAM (SOIL.SOL)’’ pada name di SOIL
15. Pilih SANDY LOAM pada surface tektur pada soil
16. Ketik ‘’UCCO8109’’ pada field ID
17. Ketik “150’’ pada depth,cm pada soil
18. Ketik ‘’0’’ surface stones
19. Klik ‘’OK’’
20. Klik environment > pilih initial condition > klik acceptar
21. Klik envciroment > pilih field > klik management > klik planting
22. Ketik ‘’05/01/1981’’ pada planting date
23. Pilih dry seed pada planting metode
24. Pilih rows planting distribution
25. Ketik ‘’70’’ pada row spasing,cm
26. Ketik ‘’2’’ pada plant population at seeding,plant m2
27. Ketik ‘’2’’ pada plant population at emergence,plant m2
28. Ketik ‘’0’’ pada rowderection, degrees from north
29. Ketik ‘’5’’ pada planting deep, cm > klik ‘’OK’’
30. Klik environment > pilih initial condition
31. Klik residue > klik acceptar
32. Ketik ‘’05/01/1981’’ pada measurement date
33. Pilih wheat pada previous crop
34. Ketik ‘’1000’’ pada root weight,kg/ha
35. Ketik ‘’0’’ pada number
36. Ketik ‘’0’’ pada evectiveness
37. Ketik ‘’2000’’ pada crop residu , kg/ha
38. Ketik ‘’1’’ pada N % pada residue
39. Ketik ‘’100’’ pada % di incorporation
40. Ketik ‘’20’’ pada deep, cm > profile
41. Ketik ‘’100’’ pada water (% available)
42. Ketik ‘’50’’ pada nitrogen (kg/ha)
43. Klik recalculate > klik ‘’OK’’
44. Pilih management > pilih fertilizer > pilih urea pada kolom fertilizer material
45. Pilih banded on surface pada kolom fertilizer application
46. Ketik ‘’1’’ pada kolom deep,cm
47. Ketik ‘’100’’ pada kolom N, Kg/ha
48. Klik add application > ganti tanggal ‘’06/01/1981’’ pada kolom date
49. Klik add application > ganti tanggal ‘’07/01/1981’’ pada kolom date
50. Klik ‘’OK’’
51. Klik simulation option
52. Ketik ‘’9’’ pada years di runs
53. Pilih ceres-maize pada crop model
54. Pilih option > pilih NO pada simbiosis > pilih metod > pilih measured data pada weather
55. Pilih management > pilih irrigation and water management
56. Pilih automatic when requiret
57. Ketik ‘’100’’ pada management deep,cm
58. Pilih output
59. Ketik ‘’1’’ frequency of output (days)
60. Klik “OK’’
61. Pilih treatment > pilih ‘’1’’ pada kolom fertile > klik ‘’OK’’
62. Pilih management > pilih planting
63. Ketik ‘’2’’ pada kolom description
64. Klik add > ketik ‘’4’’ pada plant population at seeding, plant m2
65. ketik ‘’4’’ pada plant population at emergency, plant m2
66. Ketik ‘’4’’ pada kolom description
67. Klik add > Ketik ‘’6’’ pada kolom description
68. Klik add > ketik ‘’6’’ pada plant population at seeding, plant m2
69. ketik ‘’6’’ pada plant population at emergency, plant m2
70. Klik add > Ketik ‘’8’’ pada kolom description
71. Klik add > ketik ‘’8’’ pada plant population at seeding, plant m2
72. ketik ‘’8’’ pada plant population at emergency, plant m2
73. Klik add > Ketik ‘’10’’ pada kolom description
74. Klik add > ketik ‘’10’’ pada plant population at seeding, plant m2
75. ketik ‘’10’’ pada plant population at emergency, plant m2
76. Klik add > Ketik ‘’12’’ pada kolom description
77. Klik add > ketik ‘’12’’ pada plant population at seeding, plant m2
78. ketik ‘’12’’ pada plant population at emergency, plant m2
79. klik ‘’OK’’
80. pilih treatment > klik add (5x) > ganti angka pada kolom plant sesuai urutan
81. ganti sim1 pada kolom description muali angka ‘’2 hingga 12’’ > klik ‘’OK’’
82. pilih file > save as > local disk C > DSSAT 45 > seasonal dengan nama file ‘’UCC08109.SNX >
klik guarder
83. pilih file > exit
84. Buka aplikasi DSSAT4.5
85. Pilih menu seasonal, lalu disebelah kanan muncul kotak experiment.
86. Setelah muncul ada beberapa experiment, pilih atau centang pada nomor 4.
87. Dikotak experiment nomor 4 akan muncul treatment. Selanjutnya klik run.
88. Dalam kotak DSSAT v45 Simulation, akan muncul model. Selanjutnya klik Run
Model.
89. Setelah itu akan mucul windows CMD.
90. Pilih Analysis, lalu akan muncul kotak Summary. Klik OK
91. Akan muncul kotak penyimpanan file dengan nama UCCO8109.OSR, Klik save
92. Lalu muncul kotak seasonal analysis, selanjutnya pilih variabel harvest yield, lalu klik view
summary data. Klik OK
93. Lalu pilih top wt kg/ha, klik view summary data, klik ok
94. Pilih Et total mm, view summary data, klik ok
95. Kemudian hilangkan ctg pada top wt dan et total. Lalu klik plot, dan muncul tabel plot. Lalu
klik close,
96. Hilangkan ctg pada harvested yield, lalu pilih tops n kg/ha, Klik plot, klik CLOSE (X)
97. Hilangkan lagi ctg pada tops wt kg/ha, plot lagi, klik back
98. Lalu hilangkan ctg pd tops wt, plih lagi harvested yield, ganti tipe graph dg
commulative function plot, klik plot, lalu klik back
99. Ganti type graph dg mean variance plot, klik plot, klik back
100. Klik regresi, akan muncul kotak regresi, lalu mengganti kotak variabel x dg et total, lalu
variabel y diganti dg harvested yield, lalu klik regresi, akan muncul kotak regresi, lalu klik
close, kemudian ganti mode all values, lalu klik regresi, diatas klik file regresipilih linear, lalu
klik oke.
101. Lalu klik close ganti mode means, lalu klik regresi, plih linear klik ok. Klik close
102. Di tabel regresi ganti ep total mm, Ganti tops wt. Ulangi seperti langkah nomer sebelas
dan selanjutnya.
103. Variabel x ganti n uptake, regresi
104. Variabel y ganti harvested yield, regresi
105. Ganti means, regresi, close
2.4.Analisis Musim dalam Pembandingan Distribusi
1. Klik seasonal kemudian centang UCCO8109 > run
2. Setelah muncul DSSATv46 Simulation kemudian pilih run model pada model kemudian
klik ok pada menu information
3. Kemudian klik analysis, setelah muncul table summary klik ok dan save
3. Select a crop Barley > select hasil dari Pengujian model kelas tanaman (Default UCCO8705)
> klik GO
7. Klik file > Model Outputs > Evaluate > Check/Final run > View
III. HASIL PENGAMATAN
3.1 Pengujian Model Kelas Tanaman
Hasil PlantGro.OUT Leaf Area Index
Hasil PLANTGRO.OUT root density, soil layer 1-5 and water stress- phothosysthesis
Hasil PLANTGRO.OUT water stress- phothosysthesis and water stress expansion
Hasil PLANTGRO.OUT water stress- phothosysthesis and water stress expansion and tops
weight
Hasil SOILNI.OUT NO3 soil layer 1-5
Hasil analisis ekonomi dari program Analisis Musiman memperkirakan hasil panen setiap
perlakuan dari tanaman jagung. Grafik menunjukkan bahwa pada perlakuan 6 memiliki hasil
panen yang lebih tinggi dari perlakuan lainnya. Dengan adanya economi analisis dapat
menentukan besaran hasil panen yang diharapkan dari setiap perlakuan. Pengaplikasian
perlakuan 6 untuk hasil panen khususnya analisis Mean-Gini, menunjukkan bahwa
pengaplikasian tersebut mendapatkan perolehan 705,3 t / ha dan hasil mean returnnya 1284,9 t /
ha. Penelitian ini mengungkapkan bahwa data cuaca masa depan yang dihasilkan dapat
diandalkan dan DSSAT dapat berhasil menggunakannya untuk memprediksi hasil panen di
masa mendatang di bawah praktik manajemen yang berbeda dan memilih yang terbaik untuk
produksi jagung yang berkelanjutan oleh DSSAT.