Ekologi Produksi dan Fisiologi Tanaman Karet dengan Beberapa Frekuensi Sadap dan Stimulan Pada Sistem Low Tapping Frequency
Abstract
Tanaman karet (Hevea brasiliensis) merupakan salah satu tanaman perkebunan yang menjadi sumber devisa Indonesia. Fluktuasi harga karet yang terjadi pada beberapa tahun terakhir menyebabkan kondisi usaha tani karet kurang menggairahkan. Salah satu pendekatan yang dapat dilakukan untuk meningkatkan pendapatan petani yaitu menurunkan biaya produksi dengan efisiensi biaya pada kegiatan tenaga kerja penyadapan. Pengoptimalan produksi dapat dilakukan dengan penggunaan sistem sadap yang tepat, selain itu penggunaan metode lain seperti peramalan juga dapat dilakukan untuk dapat dijadikan acuan dalam penyusunan rencana kerja. Penelitian ini bertujuan untuk meramal produksi tanaman karet menggunakan Artificial Neural Network (ANN) serta mengetahui respon tanaman karet pada sistem penyadapan frekuensi rendah. Penelitian dilaksanakan dalam dua kegiatan percobaan, yaitu percobaan pertama mengenai peramalan produksi tanaman karet menggunakan program ANN dan percobaan kedua mengenai pelaksanaan penyadapan intensitas rendah di lapangan. Pada percobaan pertama, prosedur analisa menggunakan data-data sekunder yang meliputi data klimatik, biotik, dan teknologi budidaya. Tahapan yang dilakukan yaitu perancangan, training, dan pengujian arsitektur data ANN. Percobaan kedua dilakukan di Kebun Percobaan dan Laboratorium Pusat Penelitian Karet Sembawa, Sumatera Selatan pada bulan Juli 2020 hingga Juni 2021. Tanaman karet yang digunakan adalah klon BPM 24, IRR 112, dan IRR 118 yang ditanam pada tahun 2010 dengan jarak tanam 6 m x 3 m. Rancangan yang digunakan yaitu petak tersarang (nested design) dengan dua faktor. Faktor pertama yaitu frekuensi penyadapan dan faktor kedua adalah frekuensi aplikasi stimulan etepon, dimana frekuensi aplikasi stimulan tersarang pada frekuensi sadap. Parameter yang diamati meliputi produksi, lilit batang, konsumsi kulit, indeks penyumbatan, diagnosa lateks (kadar sukrosa, tiol, fosfat anorganik), total solid content, persentase kering alur sadap, kadar air tanah, serta kondisi iklim. Hasil percobaan pertama menunjukkan bahwa peramalan produksi tanaman karet dapat dilakukan dengan program ANN dan faktor yang paling berpengaruh terhadap produksi berdasarkan skenario terbaik adalah data curah hujan, hari hujan, hari sadap efektif dan populasi tanaman. Pada percobaan kedua, penyadapan dengan intensitas rendah, faktor frekuensi sadap dan frekuensi stimulan berpengaruh pada beberapa parameter pengamatan, namun interaksi kedua faktor tersebut hanya berpengaruh terhadap parameter konsumsi kulit pada klon IRR 118. Penurunan produksi klon BPM 24 dan IRR 112 secara umum lebih besar dibandingkan dengan klon IRR 118. Penurunan ini dapat dikompensasi dengan pemberian aplikasi stimulan 18-21/y. Dengan demikian, sadap frekuensi rendah diikuti dengan pemberian stimulan dapat digunakan untuk mengurangi biaya tenaga kerja tanpa dampak yang besar pada penuruan produksi karet total. Rubber tree (Hevea brasiliensis) is one of plantation crops which is a source of foreign exchange for Indonesia. Fluctuations in rubber prices that have occurred in recent years have made rubber farming less attractive. One approach that can be taken to maintain farmer income is to reduce production costs with cost efficiency in tapping labor, for example reducing the tapping frequency, by changing the tapping every 3 days (d3) to 4 (d4), 5 (d5), 6 (d6), or even 7 (d7) a day. Optimization the production can be done by using the proper tapping system, besides that, the use of other methods such as forecasting can also be done which can be used as a reference in the work plan. This study aims to predict the production of rubber tree using an Artificial Neural Network (ANN) and to determine the response production of several rubber clones in a low tapping frequency system. The research was carried out in two experiments. First experiment focused on forecasting rubber production using ANN program, and the second experiment on implementation of low tapping intensity in the field. The first experiment used secondary data included climatic, biotic, and cultivation technology. The step carried out were design, training, and testing the architecture of ANN. The second experiment was carried out at the Experimental Field and Laboratory of Indonesian Rubber Research Institute, Sembawa, South Sumatera from July 2020 to June 2021. The planting materials used were 3 clones i.e., BPM 24, IRR 112, and IRR 118 planted in 2010 with a spacing of 6 m x 3 m. The experiment used is nested design with two factors. The first factor was tapping frequency and the second was frequency of stimulant application; where the frequency of stimulant application is nested in tapping frequency factor. Parameters observed included production, girth, bark consumption, plugging index, latex diagnosis (contents of sucrose, thiol, and phosphate inorganic), total solid content, percentage of tapping panel dryness, soil moisture content, and climatic conditions. The results of first experiment showed that forecasting of rubber production could be done using ANN program and best model of forecasting based on rainfall data, rain day, effective tapping day and tree population. In the second experiment of low tapping intensity, frequency of tapping and stimulant application individually affected several observation parameters, but the interaction of these two factors only affected by bark consumption in IRR 118 clones. In general, the decrease in production of clones BPM 24 and IRR 112 was greater than IRR 118. This decrease could be compensated by the application of stimulants 18-21/y. Here, low tapping frequency followed by stimulant application could be used to reduce labor cost without any detrimental effect on the rubber production.
Collections
- MT - Agriculture [3683]