GIS dan Pemetaan OPT


SISTEM INFORMASI GEOGRAFIS DAN PEMETAAN ORGANISME PENGGANGGU TUMBUHAN HORTIKULTURA

oleh Edi Suwardiwijaya

Balai Besar Peramalan Organisme Pengganggu Tumbuhan

Jatisari, Karawang

PENDAHULUAN

Peta merupakan sajian informasi penting dalam berbagai sektor kehidupan manusia.  Karena dirasakan sangat penting, maka manusia telah mengembangkan berbagai ilmu pengetahuan dan teknologi dibidang pemetaan.  Salah satunya dewasa ini telah dikembangkan suatu teknologi berbasis komputer yang dikenal dengan istilah Sistem Informasi Geografis (SIG).  University of  Edinburgh bekerjasama dengan FAO dan National Resources Institute (NRI UK) juga telah mengembangkan SIG yang diberi nama SWARMS, tujuannya untuk menangani system administrasi, pemetaan, analisis data dan peramalan belalang kembara (Cressman, 1997).

Kegiatan pemetaan juga dirasakan sangat penting dalam program pembangunan agribisnis hortikultura dan dimasukan sebagai salah satu “Strategi Pengembangan Agribisnis Hortikultura” yang harus ditempuh, yaitu memberikan pelayanan informasi tentang peta pewilayahan komoditas, kesesuaian lahan dan agroklimat, serta ketersediaan sarana-prasarana yang diperlukan (Sumarno, 2001; Mohtarom, 2001).

Untuk mendukung program pengembangan agribisnis hortikultura, maka salah satu kegiatan penanganan gangguan organisme pengganggu tumbuhan (OPT) adalah menetapkan lokasi dalam skala prioritas.  Prioritas lokasi ditentukan berdasarkan daerah sentra produksi, daerah endemis serangan OPT, dan daerah eksplosi OPT (Daryanto, 2001).

Sesuai dengan pernyataan di atas, dalam penanganan permasalahan OPT selalu mengarah pada penyelesaian sejumlah pertanyaan yang menyangkut LOKASI yaitu; DIMANA OPT itu menyerang, KEMANA akan menyebar, BERAPA luas serangannya, BERAPA jarak dari kota/instansi pertanian/gudang saprotan terdekat, DARI ARAH MANA daerah tersebut mudah ditempuh, DEKATKAH dengan sumber air atau fasilitas lain yang diperlukan, dst?

Dengan demikian kegiatan pemetaan pada dasarnya bertujuan membantu manusia dalam proses pengambilan keputusan dalam menangani permasalahan. Pengambilan keputusan melalui pemetaan dan analisis keruangan dapat dibuat sebuah perencanaan yang mengacu pada alternatif terbaik, akurat, efektif dan efisien, baik ditinjau dari sasaran, waktu maupun biaya.  Hubungannya dengan gangguan OPT, pemetaan adalah merupakan langkah awal untuk mengetahui penyebaran OPT, sebagai dasar menentukan langkah-langkah dalam menghadapi masalah yang timbul, sehingga dampak pada masa yang akan datang penurunan kualitas dan kuantitas produksi dapat ditekan (Ditlin, 1994).

Dalam metode pemetaan dan analisis keruangan mencakup berbagai analisis dan penilaian sejumlah data dan informasi baik yang berupa peta atau laporan yang diidentifikasi secara geografis.  Agar setiap pengguna mempunyai persepsi dan interpretasi yang sama terhadap sebuah peta, maka salah satu hal penting dalam kegiatan pemetaan adalah standarisasi metode pemetaan yang sesuai dengan tujuan pemetaan.  Secara umum metode pemetaan antara lain menyangkut; (1) penentuan posisi geografis, (2) identifikasi dan pengumpulan data, (3) klasifikasi dan kodifikasi (penentuan symbol atau warna), serta (4) pengolahan data dan analisis keruangan

METODE PEMETAAN

a. Posisi geografis

Dalam pembuatan peta yang benar selalu dilengkapi dengan informasi mengenai posisi lokasi tersebut secara geografis.  Penentuan posisi geografis secara umum telah ditetapkan dengan standar garis lintang dan garis bujur (latitude/longitude).  Berdasarkan proyeksi peta Transverse Mercator dengan menggunakan sistem grid Geografi, Indonesia berada pada posisi 95oBT – 141oBT dan 6oLU – 11oLS.

Posisi geografis yang tepat dari suatu lokasi dapat ditentukan dengan menggunakan alat yang disebut Global Positioning System (GPS).  Alat yang hanya berukuran sebesar handphone tersebut memiliki presisi yang tinggi dalam menentukan dan menyimpan data posisi geogafis, arah dan ketinggian dari permukaan air laut.  Data yang tersimpan dapat diakses oleh komputer dengan perangkat lunak SIG.

b. Indentifikasi dan pengumpulan data

Dalam kegiatan pemetaan dan SIG ada tiga dimensi data yang digunakan, yaitu spasial, tematik dan temporal, dengan uraian sebagai berikut:

Dimensi spasial adalah merupakan data yang diamati dan diidentifikasi menurut lokasi geografis yang digambarkan dalam satuan entity/keberadaan (Gambar 1).  Ada lima entity dasar yang dapat digunakan dalam mengidentifikasi dan mengelompokan data menurut suatu model peta, yaitu:

Titik (Point) :  Unsur-unsur yang digambarkan suatu titik. Contoh: Peta SMPK, kantor, mesjid, dan distribusi serangga (Biolink).

Garis (Line) :  Unsur-unsur yang digambarkan dalam lokasi titik-titik yang memiliki karakter yang sama.  Contoh: Peta irigasi, sungai, jalan, dan batas pemilikan.

Area (Area) :  Unsur-unsur yang digambarkan dalam satuan luasan (2 dimensi).  Contoh: persil tanah, batas kabupaten dan system tanah.

Permukaan (Surface) :  Unsur-unsur yang digambarkan dalam 3 dimensi.  Pada suatu titik lokasi permukaan mengidentifikasi suatu nilai.  Contoh dalam menggambarkan kerapatan populasi, peta ketinggian, dan temperatur.

Jaringan (Network) :  Rangkaian garis-garis atau titik yang saling berhubungan.  Contoh: jaringan jalan atau sungai.

Dimensi tematik adalah data atribut sebagai informasi yang terhubung dengan data spasial. Data tersebut merupakan karakteristik dari suatu entity atau lokasi sehingga dapat diiterpretasikan sebagai peta yang mempunyai tema tertentu (peta tematik).  Contoh: nama jalan, nama kabupaten, jumlah populasi, luas serangan, dan jarak.

Data temporal merupakan pengukuran entity berdasarkan waktu.  Dengan ini memungkinkan dilakukan suatu penilaian mengenai perubahan kejadian.  Pengamatan-pengamatan yang dilakukan secara multitemporal memungkinkan adanya penilaian perubahan, perkembangan, hubungan keterkaitan, serta prediksi/peramalan.  Data temporal dibagi dua kelompok data, yaitu data temporal statis dan data temporal dinamis.

Data temporal statis adalah data yang tidak mengalami perubahan nilai (kadar, volume, luas, derajat) dalam waktu yang relatif lama. Contoh: Peta batas administrasi. kandungan/ jenis/ ketinggian/ penggunaan/ system/ kesesuaian lahan, jalan, sungai, dan irigasi.

Data temporan dinamis adalah data yang mengalami perubahan relatif cepat. Contoh: Data perkembangan serangan, perkembangan populasi, iklim, vegetasi, dan komoditi.

Dari ketiga dimensi data di atas secara sederhana dapat dikelompokan kedalam dua jenis data, yaitu data spasial dan non spasial.

Data spasial adalah data yang menyangkut ruang atau wilayah yang terukur dalam bentuk peta luasan/penyebaran.  Contoh: peta pewilayahan curah hujan, peta kontur, dan peta system lahan.

Data non-spasial adalah data numerik atau tektual yang menyertai dan terhubung dengan lokasi tertentu sebagai atribut. Contoh: data laporan PHP seperti luas serangan dan populasi OPT, serta data curah hujan sebagai atribut wilayah pengamatan, namun tidak terukur secara tepat, baik  luas, batas maupun posisi geografisnya.

Sesuai dengan jenis serta dimensi data yang telah diuraikan di atas maka pengumpulan data dalam kegiatan pemetaan dan SIG dapat diperoleh dengan beberapa cara, yaitu:

  1. Survey dan observasi lapangan,
  2. Penginderaan jarak jauh (remote sensing) baik melalui pemotretan udara, citra radar maupun citra satelit.

Pengelolaan data atribut serta hubungan topologi dari elemen-elemen geografis yang menyajikan objek di permukaan bumi atau data-data yang dikumpulkan dalam dimensi temporal disusun horizontal dalam kolom (Column/Field) database menurut baris vertical (record/row) dari posisi wilayah/lokasi entity yang bersangkutan.  Contoh-contoh penyusunan database SIG dan pemetaan sebagai berikut:

  1. Entity: Point; Tabel data ketersediaan sarana.
Record Entity Nama Instansi/Perusahaan

Posisi

Lat/Long

Handsprayer (buah) Pestisida (ton) dst
1 Gudang Diperta oBT-oLS 20 150
2
3
dst

Contoh 2. Entity: Area; Tabel data statistik pertanian kecamatan

Record Entity Kode Kec. Kab. Prop. Luas areal (ha) Luas tanam kubis (ha) Luas serangan OPT (ha) dst
1 110112 A B C 15000 1200 250
2 50 300 1200
3
dst

Contoh 3.  Entity: Area; Tabel perkembangan serangan OPT di kecamatan dalam dimensi temporal.

Record

Entity

Kode Kec. Kab. Prop. Luas serangan OPT (ha)
Jan Feb Mar dst
1 110112 A B C 1500 1200 250
2
dst

Keterangan: Record entity sama dengan Contoh 2.

  1. Entity: Line dan Network; Tabel data ruas saluran irigasi dan sungai

Record

Entity

Nama Kelas Lokasi Panjang (m) Lebar (m) Debit air (m3/detik) dst
1 Tarum 1 Desa/kec/kab 2500 10 150
2
dst

Contoh 5. Entity: Surface; Tabel data system/kesesuaian lahan

Record

Entity

Nama

Kelas

Permukaan

Luas Penampang (m2)

Deskripsi

dst

1 Bukit Rotan 1 Berbukit 2500 Batuan tufa
2
dst

c. Klasifikasi dan kodifikasi

Klasifikasi data merupakan rangkaian kegiatan penting dalam proses pemetaan dan analisis keruangan.  Kegiatan ini pada dasarnya proses penyederhanaan data entity yang komplek, sehingga mudah dalam memahami dan menginterpretasikan distribusi point, line, dan area pada suatu peta.  Pendefinisian suatu klasifikasi dilaksanakan melalui rangking atau mengelompokan data-data ke dalam beberapa kelas data, dimana masing-masing kelas menggambarkan suatu range nilai tertentu yang ada dalam suatu areal.  Klasifikasi standar yang digunakan dalam pemetaan pada umumnya maksimum terbagi dalam 5 kelas, namun bisa lebih tergantung dari tujuan pemetaan.

Menurut kaidah statistik, klasifikasi ditentukan berdasarkan skala pengukuran yang digunakan.  Secara umum skala pengukuran yang digunakan ada empat, yaitu:

Skala nominal, merupakan skala pengukuran menggambarkan kualitas, umumnya terdiri dari data dikotomi,  misalnya baik atau buruk yang diidentifikasikan dalam angka baik=1 dan buruk=0, dsb,

Skala ordinal atau ranking, merupakan skala pengukuran relatif dan tidak dinyatakan dalam nilai numerik.  Dalam membedakan suatu entitas atau lokasi selalu menggunakan penjelasan kualitatif.   Contoh: data serangan OPT; ringan (R), sedang (S), berat (B) dan puso ( P ) yang dapat diidentifikasikan dalam angka R=1, S=2, B=3 dan P=4, dsb.

Skala interval, merupakan skala pengukuran yang memberikan informasi mengenai besarnya dari suatu nilai diantara interval yang ditetapkan.  Misalnya mengenai suhu 0o – 10o, 10o – 15o dst.

Skala rasio, merupakan skala pengukuran level tertinggi yang menggambarkan nilai perbandingan aritmatik antar elemen dan nilai nol masuk, misalnya data populasi, data luas, data ketinggian, persentase (/100), frekquensi kejadian (../5) dsb.

Beberapa jenis klasifikasi yang biasa digunakan dalam pemetaan (fasilitas software SIG/MapInfo Profesional 5.0) adalah sebagai berikut:

Equal count, setiap kelas mempunyai jumlah data (n) yang sama, jika n=50 maka 50/5=10 kelas.

Equal range, setiap kelas mempunyai interval data yang sama, jika data maksimum 100 ha maka intervalnya 100/5=20 ha.

Natural break, setiap kelas ditentukan berdasarkan frequensi distributsi data, dan dibagi jumlah kelas yang telah ditentukan.

Standar Deviation, ditetapkan berdasarkan batasan variansi data.

Custom, setiap kelas ditentukan sesuai kehendak yang membuat.

  1. Klasifikasi data.

Kelas

Equal count

Equal range

Natura break

Stand. Dev

Custom

1

0 – 10

0 – 20

0

0

0

2

>10 – 20

>20 – 40

>0 – 20

>0 – m-S

>0 – 5

3

>20 – 30

>40 – 60

>20 – 50

>m-S – m

>5 – 50

4

>30 – 40

>60 – 80

>50 – 70

>m – m+S

>50 – 80

5

>40 – 100

>80 – 100

>70 – 100

>m+S

>80 – 100

Ket: m = rata-rata (average), S=Standar deviation

Range nilai yang telah dikelompokan ke dalam kelas numerik secara visual dalam pemetaan digambarkan dengan simbol (symbol) yang mempunyai pengertian dalam gradasi nilai mengacu kepada model entity (jenis peta).  Symbol dalam pemetaan dibuat atau ditentukan sesuai dengan tujuan pemetaan, beberapa diantaranya adalah symbol Cartographic, symbol Transportasi, symbol Miscellaneous, symbol Oil&Gas, symbol Real Estate, symbol Wheather, symbol Arrow, symbol Mathematic dan symbol Botanic.

Symbol yang digunakan untuk entity point dibedakan berdasarkan bentuk, ukuran, warna symbol.  Untuk entity line dibedakan dengan jenis, ketebalan atau warna line.  Sedangkan untuk entity area dibedakan warna, gradasi warna, arsir atau ketebalan titik.  Contoh penggunaan symbol, antara lain:

Contoh 7.  Penggunaan symbol untuk entity point dan line.

Kelas

Entity point

Entity line

Bentuk

Ukuran

Warna

Jenis

Ketebalan

Warna

1

(

2

!

(

3

(

4

#

(

5

$

(

Hal lain yang tidak kalah pentingnya dalam pemetaan adalah proses kodifikasi data.  Kodifikasi data bertujuan untuk memudahkan dalam managemen data, seperti identifikasi, entry, verifikasi, rektifikasi dan pencarian (querying) data.  Dalam penggunaan kode sebaiknya mengacu pada kode-kode standar yang telah dibuat oleh lembaga-lembaga internasional atau nasional agar database yang telah terkumpul dapat dengan mudah dibaca dan dianalisis dengan persepsi dan interpretasi yang sama.

Contoh 8.  Penggunaan symbol untuk entity area.

Kelas

Entity area

Warna

Gradasi

Pattern

Ketebalan titik

1

2

3

4

5

Kodifikasi biasanya digunakan untuk data model hirarki yang memiliki struktur organisasi berbentuk akar pohon.  Secara sederhana kodifikasi adalah proses pemberian alamat (kode) terhadap suatu data yang dikumpulkan, pada record untuk suatu entity.  Pada umumnya kode dibuat dengan angka (numeric), namun ada juga yang menggunakan huruf (alphabets) atau gabungan angka dan huruf (alphanumeric).  Karena pentingnya system kodifikasi maka beberapa lembaga internasional maupun nasional telah menetapkan kode-kode standar sesuai dengan kebutuhan masing-masing, antara lain:

  1. Perlindungan tanaman membuat kode OPT dengan hirarki jenis komoditi dan jenis/spesies OPT.
  2. Bakosurtanal juga membuat kode dalam alphabet antara lain kode Sistem Lahan/Kesesuaian Lahan yang mengacu pada hirarki kandungan tanah, seperti PRT=Pulau Rotan (Deskripsi: Batu dan pulau-pulau karang (B53); Bentuk lahan: kemiringan <2%, relief <2m); Litologi: Batuan karang, Aluvium muda berasal dari endapan laut; Asosiasi tanah: Taksonomi, tekstur tanah; Selang iklim: Ch, Suhu; Penggunaan lahan: Tak sesuai untuk lahan umum dan lahan tani), dst.
  3. Kode alphanumeric; Jaringan Internet PHT ASEAN (ASEAN IPM-Network) menggunakan kode referensi untuk perpustakaan hasil penelitian PHT (IPM-Knowledge base) dengan kode alphanumeric, contohnya INA000001 berarti INA=Indonesia dan 000001=Nomor referensi hasil penelitian PHT di Indonesia  yang  pertama dimasukan.

d. Pengolahan data dan analisis keruangan

  1. Hasil analisis dituangkan dalam tabulasi kriteria daerah serangan menurut kabupaten di Indonesia dan peta penyebarannya.

Seyogyanya data yang digunakan untuk penentuan daerah endemis adalah data dalam dimensi temporal yang terdiri dari:

  1. Luas tambah serangan bulanan dalam kategori ringan (R), sedang (S), berat (B) dan puso (P) yang dikelompokan menjadi 2 (dua) kelompok, yaitu terkena (T=R+S+B+P) dan puso (P).
  2. Luas tambah tanam bulanan masing-masing komoditi.

Berdasarkan data-data tersebut sebagai Gagasan awal metode analisis daerah endemis OPT hortikultura adalah menggunakan parameter sebagai berikut:

  1. Frekuensi serangan (FS), banyaknya kejadian serangan musiman.
  2. Luas serangan (LS), rata-rata luas tambah serangan musiman.
  3. Indeks luas serangan (ILS), luas serangan dibagi luas tanam
  4. Rasio puso (RP), luas puso dibagi LS

Dari formulasi keempat parameter tersebut dapat menentukan kriteria daerah serangan berdasarkan musim tanam (MK=April-September dan MH=Oktober-Maret) masing-masing menjadi 5 (lima) kategori daerah serangan.  Kategori daerah serangan tersebut meliputi daerah aman, potensial, sporadic, endemic dan endemic berat.

Dalam proses analisis daerah endemis OPT hortikultura mengalami beberapa kendala, khususnya yang menyangkut ketersediaan data, antara lain:

  1. Data serangan OPT hortikultura (sayuran maupun buah-buahan) secara nasional sulit dibagi kedalam musim tanam, karena pola tanamnya tidak mengikuti musim, bahkan untuk beberapa tanaman buah-buahan merupakan tanaman tahunan.
  2. Tidak semua kabupaten di Indonesia merupakan sentra produksi hortikultura dengan komoditas yang sama.
  3. Ketersediaan data serangan OPT hortikultura nasional dalam dimensi temporal bulanan yang tersusun menurut entity wilayah kabupaten masih sangat terbatas.
  4. Tidak tersedianya data luas tanam komoditas hortikultura nasional yang tersusun menurut kabupaten secara histories (bulanan).
  5. Beberapa data yang terkumpul belum standar, baik dari metode pengumpulan maupun satuan datanya.

Dengan adanya kendala data tersebut maka analisis dan pemetaan daerah endemis OPT hortikultura hanya menggunakan data luas tambah serangan dengan parameter:

  1. Frekuensi serangan (FS), banyaknya kejadian serangan atau jumlah bulan yang dilaporkan terjadi serangan.
  2. Luas serangan (LS), rata-rata luas tambah serangan bulanan.

Metode pengolahan data dan analisis keruangan dengan menggunakan kedua parameter tersebut dapat diuraikan sebagai berikut:

Pengolahan data. Data yang telah terinventarisasi dan terkumpul diolah, dianalisis dan dipetakan dengan bantuan fasilitas komputer.  Untuk pengolahan dan analisis data digunakan perangkat lunak Microsoft Excel, hasilnya dipetakan dengan menggunakan perangkat lunak SIG MapInfo-Profesional.  Tahapan pengolahan data adalah sebagai berikut:

1. Tahap pertama rekapitulasi dan tabulasi data.

Rekapitulasi dan tabulasi data dimensi temporal bulanan disusun dalam kolom dan banyaknya data (nama kabupaten/kodya/ kecamatan) disusun dalam baris, selama kurun waktu data yang dapat dikumpulkan.

2. Tahap kedua verifikasi data.

Verifikasi data sangat diperlukan untuk mengidentifikasi adanya kehilangan dan/atau kesalahan data, yang selanjutnya dilakukan perbaikan atau melengkapi data yang hilang.

3. Tahap ketiga menghitung jumlah luas tambah serangan bulanan.

Data laporan 2 (dua) mingguan diolah menjadi data bulanan.

Klasifikasi rata-rata luas serangan

1. Tahap pertama menghitung rata-rata luas serangan (=pohon terserang).

Data LTS bulanan yang telah tersusun dalam tabulasi database menurut kabupaten/kodya, kecamatan, untuk masing-masing kabupaten/kodya, kecamatan dihitung rata-rata luas/pohon terserang per bulan (RBj), dengan rumus:

n = Banyaknya bulan yang disertakan dalam analisis. Lij = Jumlah luas/pohon terserang bulanan pada masing-masing kabupaten/ kodya, kecamatan-j disetiap bulan. i =1, 2, 3, …, n bulan.  j =1, 2, 3, …, k  kabupaten/kodya, kecamatan.

2. Tahap kedua menentukan kisaran klasifikasi rata-rata serangan bulanan.

Kisaran klasifikasi RBj ditentukan dengan metode klasifikasi equal range, dihitung dari nilai maksimum RB dibagi 3 (tiga) kelas (ARB), dengan rumus:

Maks RB = Nilai tertinggi dari rata-rata bulanan (RBj) dari seluruh  kabupaten/ kodya, kecamatan yang terlibat dalam analisis.  Nilai 3 = Tiga kelompok data dengan luas serangan yaitu rendah, menengah, dan tinggi.

3. Tahap ketiga menentukan kelas RBj

Berdasarkan nilai ARB dapat ditentukan kelas RBj untuk masing-masing kabupaten/kodya, kecamatan-j (KRBj) dengan klasifikasi pada Contoh 9 berikut:

  1. Klasifikasi rata-rata luas/pohon terserang untuk masing-masing kabupaten/kodya/ kecamatan.

KRBj

Kisaran RBj

Kriteria

0

0

Tidak pernah terjadi serangan

1

>0 sampai ARB

Luas serangan rendah (Low)

2

>ARB sampai 2 * ARB

Luas serangan menengah (Medium)

3

>2 * ARB sampai 3 * ARB

Luas serangan tinggi (High)

Klasifikasi Frekuensi Serangan

1. Tahap pertama menghitung frequensi serangan.

Menghitung banyaknya bulan yang dilaporkan terjadi serangan di kabupaten/kodya, kecamatan-j atau frekuensi serangan (Fj).

2. Tahap kedua menentukan kisaran klasifikasi rata-rata serangan bulanan.

Kisaran klasifikasi Fj ditentukan dengan metode klasifikasi equal range yang dihitung dari nilai maksimum F dibagi 3 (tiga) kelas (AF), dengan rumus:

Maks F = Nilai tertinggi frequensi serangan (Fj) dari seluruh  kabupaten/kodya, kecamatan yang terlibat dalam analisis.  Nilai 3 = Tiga kelompok frequensi serangan yaitu rendah, menengah, dan tinggi.

3. Tahap ketiga menentukan kelas Fj

Berdasarkan nilai AF dapat ditentukan kelas Fj untuk masing-masing kabupaten/kodya, kecamatan-j (KFj) dengan klasifikasi pada Contoh 10 berikut:

  1. Klasifikasi frequensi serangan untuk masing-masing kabupaten/kodya/ kecamatan.

KFj

Kisaran RFj

Kriteria

0

0

Tidak pernah terjadi serangan

1

> 0 sampai AF

Frequensi serangan rendah (Low)

2

>AF sampai 2 * AF

Frequensi serangan menengah (Medium)

3

>2 * AF sampai 3 * AF

Frequensi serangan tinggi (High)

Analisa kriteria katagori daerah serangan

Tahap terakhir dalam analisis data adalah menganalisa katagori daerah serangan OPT untuk masing-masing kabupaten/kodya/kecamatan-j yang ditentukan berdasarkan nilai klasifikasi RBj (KRBj) dan klasifikasi Fj (KFj) melalui 2 tahap berikut ini:

  1. Tahap pertama menghitung jumlah kombinasi KRBj dan KFj.

Untuk masing-masing kabupaten/kodya/kecamatan-j nilai kombinasi klasifikasi rata-rata luas/pohon terserang dan frequensi kejadian serangan (KRBFj) dengan rumus sebagai berikut:

KRBFj = KRBj + KFj

j =          1,2,3, …, k kabupaten/kodya/kecamatan

Berdasarkan rumus tersebut maka akan dihasilkan nilai kombinasi seperti yang tercantum dalam Contoh 11 berikut:

  1. Nilai jumlah kombinasi antara klasifikasi rata-rata dan frequensi serangan.

KRB

0

1

2

3

KF

0

0

1

2

3

4

2

3

4

5

3

4

5

6

2. Tahap kedua menentukan kelas katagori daerah serangan

Berdasarkan nilai KRBFj ditentukan kelas daerah serangan untuk masing-masing kabupaten/kodya/kecamatan-j (KKRBFj) dengan klasifikasi pada Contoh 12 berikut:

Contoh 12.  Klasifikasi dan kategori daerah serangan.

KKRBFj

Kisaran KRBFj

Kategori daerah serangan

0

0

Aman

1

1 – 2

Potensial

2

3 – 4

Sporadik

3

5 – 6

Endemik

Nilai klasifikasi daerah serangan (KKRBFj) didistribusikan ke masing-masing kabupaten/kodya, kecamatan, yang selanjutnya dibuat peta penyebaran daerah endemis OPT hortikultura dengan menggunakan SIG.

SISTEM INFORMASI GEOGRAFIS

a.         Pengertian

Sistem Informasi Geografik merupakan teknologi berbasis komputer yang digunakan untuk mengelola, mengorganisir, menganalisis dan memproduksi informasi/data spasial dan non-spasial secara terpadu.

b.         Tujuan

SIG yang didasarkan pada cara berpikir spasial, dimana penilaian informasi berkaitan dengan peta lokasi (luas, distribusi, pola dll.) digunakan dengan tujuan untuk:

  1. Visualisasi informasi menurut persepsi pengguna.
  2. Mengorganisir data menurut hubungan logika, misalnya kode pos dikaitkan dengan lokasi serangan OPT.
  3. Mengkombinasikan data/informasi dari berbagai sumber menurut format yang diinginkan.
  4. Menganalisis data untuk memahami keterkaitan antara satu fenomena dengan fenomena lainnya.
  5. Prediksi keadaan berdasarkan pola data yang dikumpulkan.

c.         Ruang lingkup

Sesuai dengan tujuannya, maka ruang lingkup SIG adalah melakukan semua kegiatan yang berhubungan dengan pemetaan dan analisis keruangan.  Oleh karena itu, berdasarkan “GIS Survey Report 1989”, perangkat lunak SIG yang handal harus memiliki minimal 11 “GIS Analytical Power”, yaitu:

  1. Mampu berinteraksi dengan salah satu jenis DBMS, semacam ORACLES, INGRES, IMFORMIX, SYBASE, Dbase, dll.
  2. Mampu menghitung jarak (jarak garis dan jarak kurva) dan luas.
  3. Mampu membuat batas/buffers (batas titik, batas poligon, batas garis).
  4. Dapat melakukan operasi aljabar (trigonometri, *, :, +, -)
  5. Mampu melakukan oprerasi Boolean (multiple maps, multiple themes).
  6. Mampu menghitung koordinat geografis.
  7. Mampu melakukan network tracing.
  8. Mampu melakukan remote sensing image analysis (klasifikasi, FCC).
  9. Mampu melakukan terrain analysis (slope, elevasi, DTM, terrain cross-section, perhitungan cut and fill).
  10. Mampu melakukan operasi poligon (poligon overlay, path computation).
  11. Mampu melakukan konversi raster-vektor dan vector-raster.
  1. SIG: Balai Peramalan OPT, Jatisari

Balai Peramalan OPT (BPOPT), Jatisari sejak tahun 1989 telah memiliki laboratorium SIG dengan menggunakan perangkat lunak Spasial Analysis System (SPANS) yang merupakan hibah dari Pemerintah Jepang melalui Proyek ATA-162.  Mulai tahun 1997 Lab. SIG telah ditingkatkan kemampuan dan pemanfaatannya dimana kegiatannya mengacu kepada tugas dan fungsi BPOPT dalam melaksanakan peramalan OPT.

Sesuai dengan acuan maka kegiatan pemetaan dijital dengan SIG yang dipersiapkan adalah peta tematik yang dapat dimanfaatkan untuk pengembangan dan operasional peramalan OPT. Jenis peta dijital yang telah dibuat dan dimiliki oleh BPOPT Jatisari adalah sebagai berikut:

  1. Peta dijital format SPANS;

Peta dijital format SPANS yang telah dibuat, yaitu Sumatera (Aceh, Sumut, Bengkulu, Sumbar, Sumsel, Lampung dan TA 2002 Jambi), Jawa (DKI, Banten, Jabar, Jateng, Yogya, Jatim), Bali, Kalimatan (Kalsel dan Kalteng), Sulawesi (Sulut dan Sulsel), Nusa Tenggara (NTT dan TA 2002 NTB).  Peta tematik yang dibuat adalah Peta Dasar (batas wilayah propinsi dan sungai), Peta administrasi (batas kabupaten dan kecamatan), Peta Land use (penggunaan lahan sawah, hutan, tegalan, perkebunan dll.), Peta Land system/suitability (system dan kesesuaian lahan untuk pemukiman atau pertanian mengandung informasi jenis tanah, tekstur tanah, litologi, selang iklim, bentuk permukaan dll.), dan Peta kontur (peta ketinggian tanah dari permukaan air laut).  Peta-peta tersebut dibuat dengan menggunakan standar Bakosurtanal dengan Skala 1:250.000.

  1. Peta dijital format MapInfo Profesional;

Untuk keperluan operasional peramalan BPOPT juga telah memiliki peta wilayah/batas administrasi kecamatan, kabupaten dan propisni di seluruh Indonesia.  Peta tersebut dibuat dengan kode wilayah standar BPS.

Sesuai dengan peta-peta yang telah dibuat dan dimiliki BPOPT maka hanya sebagian telah dimanfaatkan untuk kegiatan pengembangan dan operasional peramalan OPT, antara lain:

  1. Berdasarkan peta-peta tersebut juga telah ditentukan daerah yang mempunyai potensi untuk berkembangnya belalang kembara di Indonesia.
  2. Pemetaan ramalan luas serangan OPT utama pada tanaman pangan dan hortikultura.
  3. Pemetaan dan analisis daerah endemis OPT utama pada tanaman pangan dan hortikultura.

DAFTAR PUSTAKA

Ditlin. 1994. Penyebaran Organisme Pengganggu Tumbuhan Penting pada Tanaman Sayuran.  Direktorat Bina Perlindungan Tanaman. Direktorat Jenderal Tanaman Pangan dan Hortikultura.

  1. SWARMS: A geographic information system for desert locust forecasting. In: New Strategies in Locust Control. Birkhauser Verlag, Basel – Boston – Berlin.

Daryanto. 2001. Pengembangan Perlindungan Tanaman Hortikultura Pada Tahun 2002. Pertemuan Nasional Pengembangan Agribisnis Hortikultura. Bogor, 24-27 September 2001.

  1. Model Pengembangan Agribisnis Hortikultura. Pertemuan Nasional Pengembangan Agribisnis Hortikultura. Bogor, 24-27 September 2001.
  2. Kebijakan dan Strategi Pembangunan Agribisnis Hortikultura. Pertemuan Nasional Pengembangan Agribisnis Hortikultura. Bogor, 24-27 September 2001.

Untuk catatan saya, mohon kirimkan komentar dan identitas anda, jika anda menggunakan (download) tulisan pada Blog’s saya

============================

For my note, request to deliver your identity and comment if you use (article download) in my Blog’s


11 responses to this post.

  1. Posted by weri on January 15, 2011 at 3:43 am

    pak edi, mohon izin untuk mendownload

    Reply

  2. Posted by Christine on January 19, 2011 at 1:23 am

    Informasi yg sgt bermanfaat utk sy dan teman2 di BP3M. Hatur nuhun, izin download ya Pa.

    Reply

  3. Posted by elly antika on May 29, 2012 at 9:48 pm

    pak, apakah penelitian ini pernah dijurnalkan? kalau pernah di jurnal apa pak? saya minja ijin untuk mengunduh tulisan bapak, terimakasih sebelumnya

    Reply

    • Posted by edisw on July 25, 2012 at 3:38 am

      Belum dijurnalkan. Kalau untuk mengunduh silakan dari tulisan ini.
      Terima kasih atas responnya

      Reply

  4. Salam….
    1. Pak, apa persyaratan agar suatu provinsi dibuatkan peta Digitas Format Spans.
    2. Mhn dikirimi pemetaan atau analisis endemis OPT yg berhubungan dgn Sulawesi Barat kalau ada….sekalian dgn Peta dijital format MapInfo Profesional wil. Sulbar pak; T.ksh.

    Reply

  5. Posted by M Syafrudin on September 27, 2012 at 3:11 am

    Saya pengen belajar lagi Pak Edi. Ijin download makalahnya. Dari M. Syafrudin Kotawaringin Barat Kalimantan Tengah, peserta pelatihan Mei 2011.

    Reply

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: