SISTEM PERINGATAN DINI SERANGAN HAMA PENYAKIT PADI DI JAWA TENGAH MENGGUNAKAN GI DAN GI* STATISTIC Sri Yulianto Joko Prasetyo Dosen Universitas Kristen Satya Wacana Salatiga Jalan Diponegoro No.52-60 Salatiga Sur-el:
[email protected] Abstract: The research aims to develop the early warnung system application of the endemic areas of pest using Gi and Gi * statistic methods. The research focused on developing early warning system based Geograpical Information System (GIS) technology. The research was conducted through two stages: (1) data preprocessing based on the local characteristics of the studied areas, processing and modeling the data including the digitalization process of cumulative pest area attack using database and (2) architectural design and develop of GIS application. Developing of GIS application using PHP Programming and MapServer. The result of the research showed it can be used to provide information of endemic areas in the future based on the indicator of attack pest. The result of the research could be developed as decission support tool to determine of the endemic pest areas which has been done by observation center for Pest Plant Diseases Laboratory Observations Region V Surakarta, Central Java, Indonesia, Ministry of Agriculture, Republic of Indonesia for many times. Keywords: Getis Ord, GIS, Pest Outbreak, Early Waning System Abstrak: Penelitian ini bertujuan untuk mengembangkan aplikasi sistem peringatan dini wilayah endemik hama penyakit tanaman menggunakan metode Gi dan Gi* statistic. Penelitian ini difokuskan pada pengembangan aplikasi peringatan dini menggunakan sistem atau teknologi informasi geografi (SIG). Penelitian ini dilakukan melalui dua tahapan yaitu : (1) pemrosesan awal data didasarkan pada karakteristik local wilayah studi, pemrosesan pemodelan data, digitalisasi data Luas Tambah Serangan (LTS) pada basisdata, dan (2) desain arsitektural dan pengembangan aplikasi SIG. Aplikasi SIG dikembangkan menggunakan pemrograman PHP dan MapServer. Hasil penelitian menunjukkan bahwa metode ini dapat diterapkan untuk menyediakan informasi wilayah endemik Organisme Pengganggu Tanaman (OPT) dimasa mendatang menggunakan indikator LTS. Hasil peneltian ini dapat dikembangkan sebagai perangkat pendukung keputusan untuk menetapkan wilayah endemik OPT khususnya di wilayah observasi yaitu di Laboratorium Pengamatan hama Penyakit Tanaman Padi Wilayah 5 Surakarta, Jawa Tengah, Indonesia. Kata kunci: Getis Ord, SIG, Serangan OPT, Sistem Peringatan Dini
1.
(spasial) dan dipengaruhi oleh beberapa faktor
PENDAHULUAN
yang meliputi faktor jarak (euclidean distance) Proses epidemis yang terjadi di alam
faktor tetangga (neighborhood) dan faktor
selalu melibatkan dua atau lebih objek yang
interaksi (Chowel,.et al, 2006). Pola distribusi
saling berhubungan satu dan lainnya, objek
objek dapat digunakan untuk menggambarkan
pertama
serangan
kecenderungan interaksi, efek herarkis dan efek
penyakit dan objek kedua disebut pihak yang
tetangga (wilayah yang berdekatan/dikelilingi
terserang
keterhubungan
wilayah lainnya dalam ruang geografis tertentu)
sumber dan target serangan penyakit disebut
dan wilayah resiko suatu kejadian. (Langford,
sebagai konektivitas antar variabel atau objek.
1999). Penentuan derajat konektivitas objek
Konektivitas
dalam ruang geografis atau spasial dapat
disebut
sebagai
penyakit.
antar
sumber
Bentuk
objek
pada
fenomena
epidemis terjadi pada keruangan geografis
dilakukan
dengan
menggunakan
Sistem Peringatan Dini Serangan Hama Penyakit Padi di Jawa Tengah …… (Sri Yulianto Joko Prasetyo)
metode
205
spatial–temporal autocorrelation. ((Chowel,.et
Selama ini metode analisis dan pemetaan
al, 2006). Spatial autocorrelation merupakan
daerah endemis OPT pada komoditi tanaman
metode
pangan dan hortikultura menggunakan empat
yang
eksplorasi
digunakan
dan
analisis
untuk
atau
parameter yang meliputi : (1) frekuensi serangan,
exploratory spatial data spatial (ESDA). ESDA
(2) rata – rata luas tambah serangan terkena, (3)
selama ini telah banyak digunakan oleh para
rata-rata luas tambah serangan puso, (4) rasio
ilmuwan
puso.
untuk
data
melakukan
spasial
memodelkan
dan
mensimulasikan fenomena alam di dunia nyata.
Penelitian
Model dan simulasi diperlukan karena tidak
mengembangkan
setiap fenomena alam dapat diidentifikasi secara
metode peringatan dini terhadap serangan hama
visual faktor penyebab dan dampaknya. Dalam
penyakit tanaman padi dengan menggunakan
Metode ESDA didefinisikan sebagai kumpulan
aplikasi Sistem Informasi Geografi (SIG).
teknik untuk proses visualisasi distribusi spasial,
Besarnya serangan OPT padi di Indonesia dalam
identifikasi
kurun waktu tahun 2000 – 2011 adalah sebagai
lokasi
atipikal
atau
pencilan
(outliers), representasi pola asosiasi spasial,
ini
bertujuan
kerangka
untuk
konseptual
dan
berikut :
identifiksi klaster spasial atau hotspot, coldspot dan
memberikan
rezim
spasial
sebagai
heterogenitas spasial (Anselin, 1994). Dalam bidang surveilans dan epidemiologi, ESDA menyediakan tool yang dapat digunakan untuk tujuan: (1) pemetaan kejadian serangan penyakit, (2) analisis dinamika penyakit, dan (3) prediksi serangan/wabah penyakit di suatu wilayah tertentu (Goodchild MF, 1992). Di Indonesia aktivitas perlindungan tanaman pangan dan
Gambar 1. Peningkatan Serangan OPT di Indonesia dari Tahun 2000 - 2011
hotikultura adalah tugas pokok dan fungsi dari Balai
Perlindungan
Tanaman
dan
Peningkatan serangan OPT yang semakin
Hotikultura (BPTPH) yang meliputi : (1)
meluas ini mengindikasikan akan terjadinya
Surveilans
Organisme
kegagalan panen yang semakin besar di masa
Penganggu Tanaman (OPT) dan sentra produksi
mendatang. Berdasarkan hal ini maka diperlukan
padi, (2) Mengumpulkan dan menganalisis data
sebuah
serangan OPT untuk prakiraan serangan OPT
terhadap serangan OPT melalui penyediaan
dan
pemetaan wilayah sebaran OPT, (3)
instrumen pendukung seperti Sistem deteksi dan
Bimbingan teknis bagi petugas PPL dalam
peringatan dini terhadap potensi terjadinya
menindaklanjuti
hasil
serangan OPT dimasa mendatang.
Pengembangan
teknologi
wilayah
endemis
prakiraan,
peramalan dan pengendalian OPT.
206
Pangan
(4)
pengamatan,
kebijakan
antisipatif
dan
preventif
Sistem Informasi Geografi (SIG) adalah sekumpulan perangkat dan teknik atau metode Jurnal Ilmiah MATRIK Vol.17 No.3, Desember 2015: 205-214
untuk menghimpun, menyimpan, mengelola,
OPT yang dikembangkan pada penelitian ini
mengubah,
menggunakan
menganalisis,
merangkum
dan
algoritma
yang
disusun
menampilkan data dalam bentuk spasial dengan
menggunakan fungsi Getis – Ord. Fungsi Getis
tujuan untuk memahami dan mencari solusi
Ord Statistics terdiri dari 2 persamaan yaitu
terhadap permasalahan nyata (Taupier, R., &
Global Gi statistic atau dinotasikan dengan 𝑮𝒊
Willis, C, 1994). Umumnya SIG tersusun dalam
dan Local Gi statistic dinotasikan dengan 𝑮∗𝒊 .
empat lapisan (layer) yaitu: (1) model data, (2) media penyimpanan data (storage), (3) metode
Persamaan
persamaan (1) dan (2).
analisis, dan (4) representasi informasi geografis (Anselin, 1996). SIG selama ini digunakan untuk berbagai tujuan analisis, yaitu: (1) perubahan data secara spatiotemporal, (2) identifikasi karakteristik spasial fisik dan biologi (3)
𝑮𝒊 dan 𝑮∗𝒊 dapat dilihat pada
𝐺𝑖 𝑑 =
𝑚 𝑗 =1 𝑤 𝑖𝑗 𝑋 𝑗 𝑚 𝑗 =1,𝑗 ≠𝑖 𝑥 𝑖
……
(1)
……
(2)
dan
𝐺𝑖∗ =
penentuan karakteristik spasial seperti proximity,
𝑚 𝑗 =1 𝑤 𝑖𝑗 𝑋 𝑗 𝑚 𝑗 =1 𝑋 𝑖
contiguity, ukuran patch dan bentuk, (4)
Pada persamaan ini 𝑛 adalah wilayah yang
visualisasi informasi grafis, dan (5) visualisasi,
diidentifikasi dengan georeferensi ke 𝑖= 1,2,…
model atau simulasi untuk menghasilkan data
𝑛. Masing – masing nilai 𝑖 berasosiasi dengan
spasial baru (Johnson, L.B, 1990). Konsep dan
nilai variabel penelitian pada wilayah studi yang
desain arsitektural SIG pada tahun berikutnya
direpresentasikan dengan notasi 𝑥.
semakin berkembang dan meluas pada berbagai
𝑤𝑖𝑗 𝑑 adalah vektor spatial weight dengan nilai
bidang penerapan seperti bidang Pertanian (Aziz,
yang didefinisikan sebagai jarak antar wilayah 𝑖.
F.A.A., dkk, 2008), Kehutanan (Malek, I.A.A,
Notasi 𝑥𝑖 𝑥𝑗 adalah nilai variabel OPT hasil
1999), Epidemiologi (Bindu, B., & Janak, J.,
observasi satu tempat ke tempat lainnya. Notasi
2012) dan sistem peringatan dini kebencanaan
𝑛 adalah jumlah seluruh wilayah observasi.
(Mioc, D., et al, 2008).
Notasi 𝑊𝑖𝑗 𝑑 adalah elemen weight matrix atau
Notasi
Fokus penelitian SIG ini berada dalam
bobot berdasarkan jarak antara centroid lokasi
kelompok keilmuan agroklimatologi. Penelitian
observasi ke i sampai ke j. (Prasetyo S.Y.J.P.,
ini
Widyawati N., Hartomo K.D., & Simanjuntak
adalah
lanjutan
dari
hasil
penelitian
sebelumnya dalam kelompok keilmuan yang
B.H.,
sama yaitu : (1) penataan pola tanam efektif
memberikan hasil analisis secara optimal apabila
dengan kearifan lokal Pranatamangsa Baru
diterapkan untuk atribut spasial yang bersifat
(Hartomo KD., Prasetyo S.Y.J.P., Sediyono E,
alamiah. (Getis A.& Ord J.K, 1992).
Hasiholan B, 2012)
2014).
Metode
Global
Statistic
tataguna lahan (Prasetyo
S.Y.J.P., Hartomo KD., Hasiholan B, 2012) dan automatisasi
zona
agroekologi
(Prasetyo
S.Y.J.P., Hartomo KD., Hasiholan B., Paseleng M., Nuswantoro B, 2012). SIG Peringatan dini Sistem Peringatan Dini Serangan Hama Penyakit Padi di Jawa Tengah …… (Sri Yulianto Joko Prasetyo)
207
Pemilihan OPT utama padi ditentukan
METODOLOGI PENELITIAN
2.
berdasarkan analisis data dari BPTPH Dinas Penelitian ini dilaksanakan dalam dua tahapan yaitu: (1) pemrosesan awal data
Pertanian Provinsi Jawa Tengah sebagaimana pada Tabel 1.
penelitian, dan (2) desain arsitektural dan
Tabel 1. Hama Padi Utama di Jawa Tengah
pembuatan aolikasi SIG. Pemrosesan awal data
Hama Padi Utama
penelitian mencakup aktivitas penghimpunan
Penggerek Batang Padi (Scirpophaga sp. Wlk)
data OPT padi, klasifikasi data dan pembuatan
Wereng Batang Cokelat (Nilaparvata lugens Stal.)
basisdata data atribut. Desain arsitektural dan
Tikus (Rattus argentiventer Rob & Kloss) Blas (Pyricularia grisea)
pembuatan aplikasi SIG mencakup pembuatan modul pemrosesan data spasial, pemrosesan data atribut dan visualisasi informasi peringatan dini (Gambar 2).
Sistem peringatan dini serangan hama padi ini diterapkan di wilayah Provinsi Jawa Tengah dengan satuan wilayah yang dianalisis adalah kecamatan.
3.
HASIL DAN PEMBAHASAN
Desain arsitektur aplikasi SIG ini dapat dilihat pada Gambar 3. Ditinjau dari aristektural sistem ada tiga kelompok komponen dalam aplikasi, yaitu: (1) komponen input data, (2) komponen analisis data dan (3) komponen visualisasi informasi geografi. INPUT DATA SISTEM Upload data CSV
RDBMS Ms. Acces
Analisis Data Spatial Weight matrics
PHP
Modul Gi & Gi* Logika Fuzzy
Visualisasi Informasi Geografi Apache CGI Application Mapscript
Gambar 2. Diagram Tahapan Penelitian Gambar 3. Arsitektur Aplikasi SIG
208
Jurnal Ilmiah MATRIK Vol.17 No.3, Desember 2015: 205-214
Komponen input data sistem terdiri dari dua
dengan yang memiliki keterhubungan tidak
proses yaitu proses pemasukan data pengguna
langsung. Sebagai contoh adalah Gambar 5.
dari luar menuju ke dalam sistem dan proses
Wilayah yang menjadi sumber serangan hama
penyimpanan data atribut ke dalam sistem
tikus adalah Kecamatan Sambi dengan nilai G*
basisdata. Formulir pemasukan data ke dalam
> 1.96 atau dalam keadaan endemik (warna ungu
aplikasi dapat dilihat pada Gambar 4.
gelap). Hama tikus ini akan lebih mudah bermigrasi menuju kecamatan yang berbatasan secara langsung dengan Kecamatan Sambi yaitu Kecamatan Simo, Nogosari, Ngemplak dan Banyudono dibandingkan wilayah Kecamatan Boyolali yang tidak berbatasan secara langsung.
Gambar 4. Pemasukan Data OPT
Untuk mempermudah pengguna dalam pengisian data disediakan file formulir yang dapat diunduh dalam format csv sebagai template. Pada formulir ini disediakan petunjuk
Gambar 5. Migrasi dari Wilayah Endemik Menuju Wilayah Tetangganya
pengisian data dalam Bahasa Indonesia. Data Modul Gi dan Gi* digunakan untuk
yang sudah diunggah pada sistem secara otomatis tersimpan dalam basisdata di komputer. Bagian analisis data sistem terdiri atas tiga modul yang dibuat dengan menggunakan bahasa pemrograman PHP, yaitu: (1) modul weight metrics, (2) modul G dan G* dan (3) modul logika Fuzzy. Modul weight metrics digunakan untuk wilayah
menetukan
hubungan
ketetanggaan
dengan
sekelilingnya.
observasi
Wilayah yang disebut bertetangga adalah apabila memiliki keterhubungan atau bersinggungan secara langsung dengan wilayah sekitarnya. Pada konteks
endemisitas,
keterhubungan
secara
wilayah
dengan
langsung
memiliki
probabilitas lebih tinggi sebagai wilayah target serangan hama penyakit jika dibandingkan
menganalisis terjadinya pemusatan data OPT ada wilayah
tertentu.
Nilai
Gi
dan
Gi*
diinterpretasikan menggunakan skor Z yaitu ambang batas kepercayaan dan signifikasi secara statistik Gi dan Gi*. Karakteristik pola spasial menurut Getis - Ord pada Gi dan Gi* adalah : (1) hotspot, kemungkinan data atribut memusat, jika
nilai
Z
>
1.96
dan
(2)
coldspot,
kemungkinan data atribut menyebar, jika nilai Z < 1.96. Contoh pada Gambar 5. Kecamatan Sambi merupakan wilayah hotspot atau endemik, sedangkan wilayah sekitarnya yang memiliki nilai Z < 1.96. merupakan wilayah coldspot. Skor Z = 0 berarti nilai Gi dan Gi* wilayah observasi ekuivalen terhadap nilai tengah seluruh wilayah observasi. Skor Z < 0 berarti nilai Gi
Sistem Peringatan Dini Serangan Hama Penyakit Padi di Jawa Tengah …… (Sri Yulianto Joko Prasetyo)
209
dan Gi* wilayah observasi lebih kecil dari nilai
Karanggede
1.47
Hotspot
95%
tengah seluruh wilayah observasi. Skor Z > 0
Andong
1
Coldspot
< 90%
berarti nilai Gi dan Gi* wilayah observasi lebih
Wonosegoro
1
Coldspot
< 90%
besar dari nilai tengah seluruh wilayah observasi. Contoh pada Gambar 5. Kecamatan Sambi menunjukkan bahwa wilayah observasi lebih besar dari nilai tengah seluruh wilayah observasi. Tingkat kepercayaan dan signifikansi secara statistik skor Z adalah sebagai berikut ini. Z >= 1.645 tingkat kepercayaan 90%,
Z >= 2.576
tingkat kepercayaan 99%, dan
Z >= 3.291
tingkat kepercayaan 99,9% (Chayne S, 2008). Contoh pada Gambar 5. Kecamatan Sambi menunjukkan skor Z adalah 4 sehingga tingkat kepercayaan sebesar 99,9%. Angka ramalan OPT bulan April 2015 dan interpretasi skor Z pada hama tikus dapat dilihat pada Tabel 2. Tabel 2. Angka Ramalan OPT Bulan April 2015 dan Interpretasi Skor Z pada Hama Tikus Skor Z pada Hama Tanaman Tikus Z
melakukan analisis data penentuan pergeseran puncak hujan pada kearifan lokal Pranatamangsa dan penentuan dasarian (Wisnusubroto, 1997). Pranatamangsa adalah kearifan lokal yang digunakan untuk peramalan musim di Jawa
Z >=
1.960 tingkat kepercayaan 95%,
Kecamatan
Modul logika Fuzzy digunakan untuk
Tengah khususnya berlaku di wilayah Kabupaten Klaten, Boyolali, Sukoharjo, Wonogiri, Sragen dan
Karanganyar.
Pranatamangsa
mulai
digunakan pada tahun 1855 sampai sekarang (Prasetyo
S.Y.J.P.,
Hartomo
Simanjuntak B.H, 2014).
K.D.,
&
Perubahan iklim
global dan anomali iklim berdampak terhadap pergeseran musim hujan harian dan pola tanam pertanian. Logika Fuzzy dapat mengidentifikasi pergeseran puncak hujan antara data 1979 – 1989 dan data tahun 2001 – 2010 dapat dilihat pada Gambar 6. Pada gambar ini dapat ditunjukkan
bahwa
pergeseran
periodisitas
Pola Spasial
Probabilitas
Selo
0.25
Coldspot
< 90%
Cepogo
0.5
Coldspot
< 90%
Boyolali
0
Coldspot
< 90%
VII.
Teras
1.111
Coldspot
< 90%
memperkirakan awal bertanam padi dengan
Banyudono
1.133
Coldspot
< 90%
melihat curah hujan harus > 200 mm.
Ngemplak
1
Coldspot
< 90%
Simo
0.958
Coldspot
< 90%
Klego
0.887
Coldspot
< 90%
Kemusu
1
Coldspot
< 90%
Juwangi
1
Coldspot
< 90%
Ampel
1
Coldspot
< 90%
Musuk
0.75
Coldspot
< 90%
Mojosongo
-0.05
Coldspot
< 90%
Sawit
1
Coldspot
< 90%
Sambi
4
Hotspot
99.90%
Nogosari
1
Coldspot
< 90%
210
puncak hujan dapat diidentifikasi kejadian dan besarannya dari Mangsa VI menjadi Mangsa Informasi
ini
sangat
penting
untuk
Gambar 6. Pergeseran Puncak Hujan Antara Data 1979-1989 dan Data Tahun 2001-2010 Jurnal Ilmiah MATRIK Vol.17 No.3, Desember 2015: 205-214
Logika Fuzzy dapat juga digunakan untuk memperkirakan terjadinya dasarian pada suatu wilayah. Dasarian adalah terjadinya hujan secara berturut-turut selama 10 hari. Kejadian dasarian digunakan sebagai patokan untuk memulai budidaya pertanian sawah. Modul
visualisasi
informasi
geografi
menggunakan MapServer. MapServer adalah framework yang digunakan untuk menampilkan peta pada halaman web. MapServer bekerja menggunakan
webserver
Apache,
CGI
Gambar 7. Visualisasi Informasi Migrasi OPT Kabupaten Boyolali
Application dan Mapscript Application. Peta dasar yang digunakan dalam penelitian adalah
Pada Gambar 7, pengguna dapat melihat secara
peta Provinsi Jawa Tengah, satuan wilayah
langsung pola distribusi empat jenis hama
kecamatan dan dengan format file shp.
penyakit dalam satu periode yang sama atau
Sesuai dengan tujuan dan pengembangan sistem,
periode yang berbeda yaitu hama wereng batang
ada beberapa informasi pemetaan yang disajikan
coklat, penggerek batang, tikus dan BLB.
yaitu: 1) Peta pola spasial hama penyakit (Gambar 7). Peta ini menyajikan informasi migrasi empat jenis OPT utama. 2) Peta peringatan dini serangan OPT (Gambar 8). Peta ini menyajikan informasi wilayah yang potensial akan terjadi ledakan hama penyakit utama. 3) Peta pranatamangsa (Gambar 10). Peta ini menyajikan
informasi
pola
tanam
Gambar 8. Visualisasi Informasi Peringatan Dini Ledakan OPT Kabupaten Boyolali
pranatamangsa berdasarkan data 30 tahun yang lalu dan data pola tanam sekarang. 4) Peta distribusi hujan (Gambar 11). Peta ini menyajikan persebaran hujan berdasarkan periodisitas waktu tertentu.
Pada Gambar 8, pengguna dapat melihat secara langsung kecamatan yang potensial mengalami ledakan hama penyakit wereng batang coklat, penggerek batang, tikus dan BLB pada satu sampai dua periode yang akan datang. Wilayah
Visualisasi peta pola spasial hama penyakit
yang potensial akan mengalami ledakan hama
menyediakan informasi migrasi OPT pada
penyakit ditunjukkan dengan warna khusus
periode bulanan, mangsa dan tahunan.
sesuai dengan besaran populasi.
Sistem Peringatan Dini Serangan Hama Penyakit Padi di Jawa Tengah …… (Sri Yulianto Joko Prasetyo)
211
4.
SIMPULAN
Persamaan Gi dan Gi* dalam aplikasi SIG peringatan dini OPT bekerja secara optimal dalam mendeteksi dan memberikan informasi potensi terjadinya hotspot sebagai wilayah endemik dan coldspot. Sistem ini menyediakan informasi jalur migrasi OPT utama padi di Jawa Tengah yaitu wereng batang coklat, penggerek batang, tikus dan BLB secara tabular maupun peta tematik. Pola migrasi OPT dari wilayah hotspot menuju wilayah yang mendukung untuk hidup
ditunjukkan
dengan
terjadinya
konektivitas spasial antara wilayah satu dengan wilayah
sekitarnya.
menginformasikan signifikasi
secara
kepercayaan
Sistem tepat hasil
ini tingkat analisis
menggunakan skor Z.
212
Jurnal Ilmiah MATRIK Vol.17 No.3, Desember 2015: 205-214
DAFTAR RUJUKAN Anselin L. 1994. Local Indicator of Spatial Analysis. Regional Research Institute West Virginia University, Morgantown, WV. Anselin L. 1996. The Moran Scatterplot as an ESDA Tool to Asses Local Instability in Spatial Association, Spatial Analytical Perspective in GIS. Taylor and Francis. London. Aziz, F.A.A., Shariff, A.R.M., & Mohd, M.A. 2008. GIS Based System for Paddy Precision Farming. IAALD Afita WCCA 2008, Proc. World Conference on Agricultural Information and IT, Tokyo, Japan.
Pattern. International Journal of Computer Science Issues, Mahebourg, Republic of Mauritius.9 (6)2. Johnson, L.B. 1990. Analyzing spatial and temporal phenomena using geographical information systems, A Review of Ecological Applications. Landscape Ecology 4 (1): 31-43. Springer International Publishing AG. Netherlands. Langford H.L. 1999. Multilevel Modelling of The Geographical Distributions of Disease. University of East Anglia, Norwich, University College London and Institute of Education London, UK, Appl. Statist (1999) 48 part 2, 253-268.
Bindu, B., & Janak, J. 2012. GIS In Epidemiology: Application and Services. National Journal of Community Medicine 3(2):259-263.India.
Mioc, D., et al. 2008. Early Warning and Mapping for Flood Disasters. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 37 (B4): 1507-1509. Copernicus Publication. Germany.
Chowell G, Ariel L.R., Stephen D.S.MS., Hyman J.M. 2006. Identification of Case Clusters and Counties with High Infective Connectivity in the 2001 Epidemic of footand-Mouth, Disease in Uruguay. AJVR, Vol 67, No. 1, January 2006. United State.
Malek, I.A.A. 1999. Conceptual Design and Implementation of Geographic Information System (GIS) for Hutan Simpan Ayer Hitam,Selangor, Malaysia. Pertanika Jornal of Tropical Agricultural Science. 22(2): 171-177(1999).
Chayne S. 2008 Advanced Hotspot Analysis: Spatial Significance Mapping Using Gi*. Director of Geographic Information Science. University of California.
Prasetyo S.Y.J.P., Hartomo KD., Hasiholan B., Paseleng M., Nuswantoro B. 2012. Geographic Information System of Critical Level of Land Degradation (Critical Land) Based on Agroecological Zone (AEZ) in Agricultural Areas with Recombination Method of Fuzzy Logic and Scoring. International Journal of Computer Science Issues, 10(6)1. Mahebourg, Republic of Mauritius.
Goodchild MF. 1992. Whose hand on the tiller? Revisiting Spatial Statistical Analysis and GIS, National Center for Geographic Information and Analysis and Department of Geography. University of California. Santa Barbara. Getis A.& Ord J.K. 1992. The Analysis of Spatial Association by Use of Distance Statistics. Geographical Analysis,24 (3). Ohio State University. Hartomo KD., Prasetyo S.Y.J.P., Sediyono E, Hasiholan B. 2012. Updated Pranata Mangsa: Recombination of Local Knowledge and Agro Meteorology using Fuzzy Logic for Determining Planting
Prasetyo S.Y.J.P., Hartomo KD., Hasiholan B. 2012. The Agroecological Zone using Fuzzy Logic for Land Suitability and Regional Sustainable Food Insecurity in Boyolali, Central of Java Indonesia, International Journal of Computer Science Issues, 9 (6) 3. Mahebourg, Republic of Mauritius.. Prasetyo S.Y.J.P., Widyawati N., Hartomo K.D., & Simanjuntak B.H. 2014. Geographic
Sistem Peringatan Dini Serangan Hama Penyakit Padi di Jawa Tengah …… (Sri Yulianto Joko Prasetyo)
213
Information System for Detecting Spatial Connectivity Brown Planthopper Endemic Areas Using a Combination of Triple Exponential Smoothing - Getis Ord. Computer and Information Science; Vol. 7, No. 4. Canadian Center of Science and Education. Canada. Taupier, R., &Willis, C. 1994. Geographic Information Systems and Applied Economics: An Initial Discussion of Potential Applications and Contributions. Office of Geographic Information and Analysis, Blaisdell House, Box 30320, University of Massachusetts, Amherst, MA.
PENGHARGAAN DAN TERIMA KASIH Publikasi ini merupakan bagian dari Hibah Penelitian Bersaing tahun 2014/2016, UBCHEA Foundation dan Penelitian Unggulan Strategis Nasional
tahun
2016/2019.
Penelitian
ini
merupakan hasil kerjasama antara Pusat Studi Sistem Informasi Pemodelan dan Mitigasi Tropika UKSW, BPTPH dan BMKG Provinsi Jawa Tengah.
Wisnusubroto Sukardi. 1997. Sumbangan pengenalan waktu tradisional Pranata Mangsa pada Pengelolaan Hama Terpadu. Jurnal Perlindungan Tanaman Indonesia, Vol. 4. No.1. 46-50. Fakultas Pertanian Universitas Gadjah Mada. Yogyakarta.
214
Jurnal Ilmiah MATRIK Vol.17 No.3, Desember 2015: 205-214