Penentuan Jadwal Tanam Padi Optimal untuk Varietas IR64 dan IR72 di Pesawaran dengan Simulasi ORYZA v3

Abstract

Ketepatan penentuan jadwal tanam padi sangat berpengaruh terhadap hasil panen, terutama di wilayah dengan pola curah hujan yang bervariasi setiap tahunnya. Penelitian ini bertujuan mengoptimalkan jadwal tanam padi varietas IR64 dan IR72 di Kabupaten Pesawaran, Lampung menggunakan model simulasi ORYZA v3. Data iklim harian dari NASA POWER dikoreksi dengan data pengamatan lokal agar lebih sesuai dengan kondisi lapangan. Simulasi dilakukan sepanjang tahun dengan interval tanam setiap 10 hari, kemudian hasilnya dibandingkan dengan produktivitas aktual. Analisis curah hujan digunakan untuk mendukung penentuan periode tanam yang ideal. Hasil menunjukkan bahwa IR64 memberikan hasil tertinggi jika ditanam pada bulan September atau Oktober dengan tingkat kesesuaian model yang tinggi terhadap data aktual (R = 0,85; R² = 0,72; p-value = 0,06; RMSE = 0,58 ton/ha). IR72 lebih stabil jika ditanam pada Januari-Februari, meskipun tingkat kesesuaiannya lebih rendah (R = 0,56; R² = 0,31; p-value = 0,19; RMSE = 1,02 ton/ha). Penelitian ini merekomendasikan bahwa model ORYZA v3 dengan data iklim terkoreksi dapat menjadi alat bantu yang efektif dalam merencanakan jadwal tanam padi yang presisi sesuai kondisi curah hujan setempat.

The accuracy of determining rice planting schedules greatly influences yield, especially in regions with varying annual rainfall patterns. This study aimed to optimize the planting schedule for IR64 and IR72 rice varieties in Pesawaran Regency, Lampung, using the ORYZA v3 simulation model. Daily climate data from NASA POWER were bias-corrected with local observations to better reflect actual field conditions. Simulations were conducted year-round with 10-day planting intervals, and the results were compared with actual productivity data. Rainfall analysis was used to support the determination of the ideal planting period. The results showed that IR64 achieved the highest yields when planted in September or October, with strong agreement between the model and actual data (R = 0,85; R² = 0,72; p-value = 0,06; RMSE = 0,58 ton/ha). IR72 performed more consistently when planted in January–February, although with lower agreement (R = 0,56; R² = 0,31; p-value = 0,19; RMSE = 1,02 ton/ha). This study recommends that the ORYZA v3 model, combined with bias-corrected climate data, can serve as an effective tool for planning precise rice planting schedules according to local rainfall conditions.