DASAR PERAMALAN OPT

1. DASAR PERAMALAN OPT BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN DIREKTORAT JENDERAL TANAMAN PANGAN

2. Peramalan Perencanaan Pengamatan Pengendalian

3. Saat Ini BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN DIMENSI WAKTU PERAMALAN OPT Waktu meramal Masa lampau Waktu ramalan Nilai ramalan Data historis t - n t + n t Jadi kalau menduga sesuatu pada waktu yang sama berarti bukan peramalan

4. BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN Peramalan Umum Arti peramalan adalah prakiraan/memprediksi peristiwa dimasa depan. Peramalanbagian 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. Persamaan pengambilan keputusan berdasarkan ramalan KEPUTUSAN HASIL RAMALAN GALAT RAMALAN + =

5. BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN Peramalan OPT 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.

6. FAKTOR LINGKUNGAN DATA BIOTIK DATA ABIOTIK DATA OPT UNIT PERAMALAN PETAK : PETANI HAMPARAN : KELOMPOK TANI WILAYAH : PHP (KECAMATAN) : LPHP (AGROEKOSISTEM) : BPTPH (REGIONAL/KAB) : BBPOPT (NASIONAL) UNIT PERAMALAN LAIN INSTANSI TERKAIT PERENCANA PENELITI HASIL PERAMALAN UNIT INFORMASI Media cetak, elektrotik, pelatihan, seminar, Pertemuan, saresehan, surat-menyurat, dll PENGGUNA: PETUGAS, PETANI SISTEM PERAMALAN OPT

7. 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 Dimensi Ruang Peramalan OPT

8. 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 Dimensi Ruang Peramalan OPT

9. Peramalan tingkat WILAYAH • Wilayah meliputi batasadministrasi 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 Dimensi Ruang Peramalan OPT

10. Peran Peramalan dalam Perencanaan dan Pengambilan Keputusan • Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen. • Alasan utama bagi peramalan dan perencanaan: adanya senjang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. • 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. • Arti peramalan yang sesungguhnya adalah menduga/memprediksi peristiwa di masa depan dan bertujuan untuk memperkecil resiko yang mungkin terjadi akibat suatu pengambilan keputusan. • Pengendalian Hama Terpadu (PHT) atau “Integrated Pest Management (IPM)” dalam operasionalnya memerlukan kegiatan peramalan untuk membuat perencanaan ekosistem pertanian yang tahan terhadap gangguan OPT.

11. Peran Peramalan dalam Perencanaan dan Pengambilan Keputusan ( lanjutan ) • 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. • 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. • 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. • 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. • Peramalan OPT tidak hanya meramalkan peningkatan populasi atau serangan, juga menduga tingkat kehilangan hasil baik tonase maupun nilai ekonominya

12. Peran Peramalan dalam Perencanaan dan Pengambilan Keputusan ( lanjutan ) • Kerugian ekonomi yang dapat diselamatkan, yang digambarkan dengan peningkatan produktivitas tanaman adalah merupakan pendapatan (“PAD = pendapatan asli daerah”) yang diterimakan langsung oleh petani. • Peramalan OPT yang dilakukan sebelum musim tanam (peramalan antar musim) memberikan waktu kepada petani untuk merencanakan ekosistem yang tahan OPT dan melakukan kegiatan “preemtif”. • 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). • 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”. • 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

13. BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN JENIS PERAMALAN KUALITATIF KUANTITATIF METODE FORMAL METODE INTUISI METODE KAUSAL METODE RUNTUN WAKTU

14. 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. Back Next

15. BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN 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% Back Next

16. Peramalan kuantitatif(lanjutan) 1 Tersedianya informasi masa lampau (historis) 3 Pola masa lalu akan terjadi dimasa mendatang f Yt+n = ( I, J, K, L, … ) Informasi dalam bentuk kuantitatif atau kualitatif yang dapat dikuantitatifkan 2 BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN Peramalan formalmenggunakan ekstrapolasi secara sistematik, bersifat baku berdasarkan kaidah statistik. METODE FORMAL: KAUSAL (CAUSAL) = Sebab - Akibat RUNTUN WAKTU (TIME SERIES) = Deret berkala SYARAT PERAMALAN KUANTITATIF Back Next

17. perkembangan molekuler BLACK BOX genetika BIOLOGI ekologi botani zoologi virologi bakteriologi ornithologi entomologi BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN PERBEDAAN HUBUNGAN KAUSAL RUNTUN WAKTU Sistem Sistem HUBUNGAN SEBAB-AKIBAT PROGRAM BANGKITAN Ouput Ouput Input Input Agro-ekosistem klimatologi

18. BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN VARIABEL PERAMALAN OPT

19. BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN PROSES PEMBANGUNAN DAN PENGEMBANGAN MODEL PERAMALAN OPT

20. 1 MANAGEABLE model harus sesedikit mungkin melibatkan parameter dan dikembangkan secara sederhana sehingga dapat diaplikasikan sesuai dengan sumberdaya manusia, dana dan sarana yang tersedia 2 QUALITY model harus memiliki kualitas yang tinggi sehingga dapat menyatakan data ramalan yang akurat BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN PRINSIP PENYUSUNAN MODEL PERMALAN Parsimony (hemat)

21. BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN contoh-contoh aplikasi peramalan opt THE END

23. --- Kepadatan --- G3 --- Kepadatan --- G2 --- Kepadatan --- G0 --- Kepadatan --- G1 R3 r3 R2 Jumlah WBC per rumpun r2 r1 Minggu setelah tanam

25. BALAI BESAR PERAMALAN ORGANISME PENGGANGGU TUMBUHAN 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 diramalkanpadat 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 saran-tindak agar populasi tinggi/hopperburn tidak terjadi?

26. 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 Pertanaman Populasi MA Populasi Telur Iklim Populasi Ngengat G-0 CONTOH PENGEMBANGAN MODEL PERAMALAN KAUSAL Hubungan Sebab-akibat Hama Penggerek Batang Padi

27. Model Peramalan Serangan OPT Padi Antar Musim MUSIM HUJAN MUSIM HUJAN

28. Model Peramalan Serangan OPT Padi Antar Musim MUSIM KEMARAU MUSIM KEMARAU

29. Model Peramalan Serangan OPT Kedele Antar Musim MUSIM HUJAN MUSIM HUJAN

30. Model Peramalan Serangan OPT Kedele Antar Musim MUSIM KEMARAU MUSIM KEMARAU

31. Model Peramalan Serangan OPT Kedele Dalam Musim 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 log L2 = 0,57 + 0,92 log L1 ; R = 0,94 2 L1 = Kepadatan populasi Larva generasi-1 L2 = Kepadatan populasi Larva generasi-2

32. Model Peramalan Serangan OPT Kedele Dalam Musim Etiella spp. Y = 4,45 + 1,08 T ; R = 0,57 1 Y = Intensitas polong terserang pada saat panen T = Kepadatan populasi Telur pada pembungaan Y = 1,83 + 3,49 L ; R = 0,75 2 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

33. Model Peramalan Serangan OPT Jagung Antar Musim MUSIM HUJAN MUSIM HUJAN

34. Model Peramalan Serangan OPT Jagung Antar Musim MUSIM KEMARAU MUSIM KEMARAU

35. 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-10,870733 ) Dimana: Ŷt = Ramalan luas serangan bulanan yang akan terjadi (ha) Yt-1 = Kumulatif luas tambah serangan bulanan (ha) t = Bulan

36. 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

37. 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) Y t = 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)

38. terima kasih terima kasih