PENGEMBANGAN MODEL JARINGAN SARAF TIRUAN UNTUK MENDUGA EMISI GAS RUMAH KACA DARI LAHAN SAWAH DENGAN BERBAGAI REJIM AIR

Abstract

Makalah ini menyajikan model Jaringan Syaraf Tiruan (JST) untuk memprediksi gas metan (CH4) dan Nitrous Oxide (N2O) yang diemisikan dari padi sawah dengan perlakukan berbagai pemberian air berdasarkan data parameter lingkungan biofisik di dalam tanah yang mudah diukur seperti kelembaban tanah, suhu tanah dan daya hantar listrik (DHL) tanah hanya dengan satu jenis sensor. Untuk melakukan validasi model. percobaan budidaya padi sawah di pot dilakukan di dua tempat berbeda, yaitu di rumah kaca, Meiji University, Kanagawa Jepang dari 4 Juni sampai 21 September 2012 dan di laboratorium Teknik Sumberdaya Air, Departemen Teknik Sipil dan Lingkungan-IPB dari 2 Juli sampai 10 Oktober 2014. Di setiap lokasi, terdapat tiga percobaan pemberian air dengan mengadopsi metode budidaya System of Rice Intensification (SRI). Perlakuan tersebut diberi nama SRI Basah (disingkat SRI Bl dan SRI S2 untuk lokasi pertama dan kedua), SRI Sedang (SRI S1 dan SRI S2) dan SRI Kering (SRI Kl dan SRI K2). Perbedaan percobaan antar perlakuan adalah pengaturan tinggi muka disetiap umur tanaman. Dari model JST yang dikembangkan didapatkan hasil validasi dengan nilai koefisien determinasi (R2) sebesar 0.93 dan 0.70 untuk prediksi emisi gas CH4 dan N2O yang mengindikasikan bahwa model dapat diterima. Dari model tersebut, karakteristik emisi gas CH4 dan N2O terhadap perubahan parameter lingkungan biofisik dapat dijelaskan dengan baik. Untuk strategi mitigasi dari percobaan pemberian air yang dilakukan, pemberian air pada perlakuan SRI Bl dan B2 dengan menjaga jeluk muka air disekitar permukaan tanah merupakan strategi yang terbaik dengan indikator produksi tertinggi dan emisi gas rumah kaca (GRK) terendah.

The paper proposes the artificial neural networks (ANN) model to predict methane (CH4) and Nitrous Oxide (N2O) emissions under different irrigation system based on easily measurable environmental biophysics parameters such as soil moisture, soil temperature and soil electrical conductivity. To verify the model, two experiments were conducted in the pot experiments in two different locations. The first location was in the greenhouse of Meiji University, Kanagawa Prefecture, Japan from 4 June to 21 September 2012, and the second location was in water resources engineering laboratory, Department of Civil and Environmental Engineering-IPB from 2 July to 10 October 2014. In each location, there were three different irrigation systems adopted with the System of Rice Intensification (SRI) principles. We called the experiment as SRI Basah (SRI B1 and SRI B2 for the first and second locations, respectively). SRI Sedang (SRI S1 dan SRI S2) dan SRI Kerinq (SRI K1 dan SRI K2). Each treatment has different water level during growth stages. As the results, the developed ANN model can predict CH4 and N2O emissions accurately with determination coefficients of 0.93 and 0.70 for CH4 and N2O prediction, respectively. From the model, characteristics of those greenhouse gas emissions can be well identified. For the mitigation strategy, SRI B1 and SRI B2 treatments in which the water level was kept at nearly soil surface are the best strategy with highest yield production and lowest GHG emission.