SPETINDO, Sistem Pendukung Keputusan Pembudidayaan Tanaman Menggunakan Algoritma
Quantum Swarm EvolutionaryEka Ayu Puspitaningrum
5109100176
Dosen PembimbingUMI LAILI YUHANA, S.Kom., M.Sc.
WIJAYANTI NURUL KHOTIMAH, S.Kom, M.Sc
JURUSAN TEKNIK INFORMATIKAFAKULTAS TEKNOLOGI INFORMASI
INSTITUT TEKNOLOGI SEPULUH NOPEMBERSURABAYA 2013
1
2
Latar Belakang
Indonesia negara agraris, tetapi Indonesiamasih membutuhkan beberapa bahanpangan yang di impor dari luar negeri.Berdasarkan Badan Pusat Statistik (BPS)beberapa bahan pangan yang masih perlu diimpor adalah kentang, singkong, biji gandum,terigu, kedelai, jagung, dan beras.(Detik Finance, 2012)
3
Penurunan kualitas dan kuantitas sumber dayalahan pertanian.
Dari segi kualitas, faktanya lahan pertanian kitasudah mengalami degradasi yang luar biasa, dari sisikesuburannya akibat dari penggunaan lahan yangtidak bervariasi sehingga tanah menjadi jenuh.
Selain itu konversi lahan pertanian ke komoditaslainnya juga menjadi penyebab menurunnyaproduktivitas, karena perubahan komoditasnyatidak sesuai dengan jumlah kebutuhan pasar.(Sekretaris Kabinet Republik Indonesia, 2012)
Menurut masalah pembangunanKabid pertanian yaitu:
4
Petani harus cerdik memilih alternatiftanaman budidaya, sedangkanpengetahuan mengenai tanamantersebut tidak mereka ketahui. Petanijuga mengabaikan informasi pasar.Konsekuensinya, pemilihan tanamanalternatif tersebut menjadipermasalahan yang kompleks.Sedikitnya usulan alternatif tanamanberbasis sains, rendahnya transferpengetahuan teknis, adalah kesulitanutama yang dihadapi petani Indonesia.
Tantangan Petani
Sistem Pendukung Keputusan yang dapat memberikan usulan tanaman budidaya
alternatif untuk petani
Solusi
5
6
Rumusan Masalah
1. Bagaimana menentukan data yang akan digunakan sebagaiatribut dataset serta memastikan data yang didapatkan akurat.
2. Bagaimana membaca data repositori dan kemudianmerubahnya kedalam format kondisi bit kuantum atau Qbitpendek dan menyajikannya dalam sudut kuantum.
3. Bagaimana membuat model atau rule yang akan digunakanuntuk subsistem manajemen model pada sistem pendukungkeputusan.
4. Bagaimana mengimplementasikan model yang ditemukanuntuk mengembangkan aplikasi yang dapatmerekomendasikan tanaman yang akan dibudidayakan olehpetani.
5. Bagaimana mendesain dan membangun sistem pendukungkeputusan yang siap dipakai oleh stakeholder.
7
SPETINDO adalah sebuah aplikasi SistemPendukung Keputusan berbasis web yangmembantu penyuluh pertanian dan masyarakatmenentukan jenis tanaman yang paling sesuaiuntuk ditanam dilahan tertentu sesuai ciri–ciriatau karakteristik lahan dan kondisi pasar.
SPETINDO ?
8
QSE adalah salah satu algoritma AssociationRule Mining. Association Rule Mining bertujuanuntuk menemukan aturan yang akanmemprediksi terjadinya item berdasarkan padakejadian barang-barang lainnya dalam transaksi.QSE adalah hibridisasi dari quantumevolutionary algorithm (QEA) dan particle swarmoptimization (PSO).
Quantum Swarm Evolutionary ?
Membuat suatu perangkatlunak yang mampu
memberikan rekomendasitanaman yang akan
dibudidayakan oleh petani
Manfaat Aplikasi
9
10
System
Administrator
Pengguna
Mengelola informasi pupuk
Melihat rekomendasi tanaman budidaya
melihat informasi pencegahan hama
melihat informasi penggunaan pupuk
melihat informasi harga pasar
melihat informasi permintaan pasar
Menambah Data Admin
Mengelola informasi hama
Meminta data pencegahan hama
<<include>>
Kebutuhan Fungsional
Arsitektur Perangkat Lunak
DBMS
Modul NasihatSubsistem Manajemen BerbasisPengetahuan
Modul BudidayaModul Profil
Pasar
SubsistemManajemen
Model
Berbasis WebSubsistem AntarmukaPengguna
Subsistem ManajemenData
Web Server
LapisanAplikasi
LapisanPenyimpanan
LapisanPresentasi
Dataset
Kumpulan Model
Pengguna Admin
1
2
3
4
5
PengubahanDataset ke
XML
Praproses Dataset
Mengumpulkan semua data yang
didapat
Mengklasifikasikan nilai atribut
Mengubah dataset ke dalam bentuk
XML
• Atribut pada dataset pertanian di Ponorogo ada 6 kategoriatribut meliputi jenis tanaman, jenis tanah, suhu,ketinggian tanah, luas panen, dan jumlah produksi.
• Jenis tanaman: padi, jagung, kedelai.• Jenis Tanah: aluvial, listosol.• Suhu: suhu rendah (180-260 C), suhu tinggi (270-310 C).• Ketinggian tanah: dataran rendah (<700 m dpl) dan
dataran tinggi (>=700 m dpl).• Untuk pengelompokkan luas lahan dan hasil produksi panen
menggunakan metode histogram di Excel.
12
Dataset dalam bentuk XML
Masuk ke fungsi looping
t<-0
Menginisialisasi Q(t)
Membuat P(t) dengan
mengobservasi state Q(t)
Mengevaluasi P(t) dengan dihitung
nilai fitness function
Menyimpan solusi terbaik diantara P(t)
ke B(t)
PROSES TRAINING MENGGUNAKAN ALGORITMA QSE
Banyak baris (banyak data) = 63Banyak kolom (banyak kategori dalam atribut) = 17
Perubahan posisi sudut<=0,5
Proses saat t<-0
Mendapatkan rule dengan mengambil 10 nilai
terbaik pada B(t)
Ya
Tidak
t<-t+1
Membuat P(t) dengan
mengobservasi state Q(t-1)
Mengevaluasi P(t) dengan dihitung
nilai fitness function
Menyimpan nilai terbaik
diantara B(t-1) dan P(t) pada
B(t)
FUNGSI DI DALAM LOOPPADA ALGORITMA QSE
Mengubah nilai Q(t)
menggunakan PSO
PROSES TESTING MENGGUNAKAN METODE JACCARD
Input == rule
Tidak
Ya
Mencocokkan masukan dengan
rule yang dihasilkan
Mendapatkan keputusan
perkiraan hasil panen
Penghitungan kemiripan tiap
rule dengan masukan
menggunakan metode Jaccard
Cari rule yang memiliki tingkat
kemiripan tertinggi dengan
masukan
Rule yang dihasilkan
C P
{1,0,0,0,1,1,0,0,1,1,0,1,0,0,0,1,0}
A
{0,1,0,1,0,0,1,1,0,1,0,0,0,0,0,0,0}
B
Input ={0,0,1,1,0,0,1,1,0,
0,0,0,1,0,0,0,0}
Rule=
6
Arsitektur Perangkat Lunak
DBMS
Modul NasihatSubsistem Manajemen BerbasisPengetahuan
Modul BudidayaModul Profil
Pasar
SubsistemManajemen
Model
Berbasis WebSubsistem AntarmukaPengguna
Subsistem ManajemenData
Web Server
LapisanAplikasi
LapisanPenyimpanan
LapisanPresentasi
Dataset
Kumpulan Model
Pengguna Admin
1
2
3
4
5
PengubahanDataset ke
XML
Modul Budidaya• Rekomendasi Pemupukan
Pada proses ini subsistem manajemen berbasis pengetahuannya terletak pada: 1. Pengetahuan untuk cara mengukur status hara,2. Pengetahuan peta status hara, 3. Pengetahuan rekomendasi pemupukan berdasarkan
status hara suatu tanah. • Informasi Pencegahan Hama
Pada proses ini subsistem manajemen berbasis pengetahuannya terletak pada pengetahuan cara pencegahan hama.
17
Proses Rekomendasi Pemupukan
Mendapatkan Takaran
Penggunaan Pupuk Menggunakan
Query
Mengkalikan Takaran Penggunaan Pupuk dengan Luas Lahan
Mengkalikan Total Kebutuhan Pupuk
Dengan Harga Pupuk
• Takaran pupuk yang cocok sesuai kondisi status haratanah telah dimasukkan ke database dan menggunakanquery untuk membacanya.
• Takaran pupuk yang sudah didapatkan dengan querykemudian dikalikan dengan luas lahan yang dimiliki.
• Takaran pupuk yang sudah didapatkan kemudiandikalikan dengan harga pupuk saat ini yangdisimpan dalam database.
18
Cara Mengetahui Status Hara Menggunakan Alat-Alat Sederhana
Cara Mengetahui Status Hara Menggunakan Peta
Status Hara
Rekomendasi takaran pemupukan dan total
harga pupuk
Rekomendasi Pemupukan
19
Memilih jenis tanaman yang diserang dan nama
hamanya
Jika hama yang dicari tidakada, pengguna bisa request ke admin
Cara pencegahan /penanganan hama yang
menyerang
Informasi Pencegahan Hama
20
Modul Profil Pasar• Informasi Harga Pasar• Informasi Permintaan Pasar
Proses pengambilan data menggunakan metode JSON. Pertama harus diketahui dulu link dari website Kementerian Pertanian untuk mendapatkan data harga pasar dan permintaan pasar kemudian dicari struktur datanya, setelah itu dibaca menggunakan deserialisasi JSON.
21
Proses Pengambilan Data Harga Pasar Menggunakan JSON
Mendapatkan link website
Kementerian Pertanian
Mencari Struktur Data Harga Pasar
Membaca Harga Pasar
Menggunakan Deserialisasi JSON
• Pertama harus diketahui dulu linkdari website KementerianPertanian untuk mendapatkandata harga pasar .
• Mencari struktur dataharga pasarmenggunakan JSONParser.
• Membaca data harga pasar menggunakandeserialisasi JSON
22
23
Informasi Harga Pasar
Memilih parameter tanggal yang ingin diketahui
harga pasarnya
Harga pasar semua jenistanaman per kabupaten
24
Informasi Permintaan Pasar
Memilih parameter jenis tanaman
Permintaan pasar per kabupaten sesuai
tanaman yang dipilih
Modul NasihatRekomendasi TanamanProses pemberian rekomendasi tanamanmemberikan hasil perhitungan laba yangkemungkinan didapatkan petani. Petanidirekomendasikan untuk menanam tanamanyang memiliki laba tertinggi.Subsistem manajemen berbasis pengetahuandisini berupa pengetahuan dalam menghitunglaba petani yang didapatkan dalam satu kalimusim panen.
25
Proses Rekomendasi Tanaman
Menghitung Total Pemasukan
(Harga pasar * perkiraan hasil
panen)
Menghitung Total Pengeluaran (biaya sewa tanah + biaya
tenaga kerja + biaya pupuk + biaya bibit)
Menghitung laba dan
membandingkannya diantara 3 jenis
tanaman
• Perkiraan hasil panen didapatkan dari hasil pengolahanmodel yang dibentuk menggunakan algoritma QSE.Harga pasar didapatkan dari data website KementerianPertanian.
• Biaya pemupukan didapatkan dari hasil perhitungan padamodul budidaya. Biaya bibit dihitung melalui query ygdatanya sudah disimpan dalam database.
• Laba dihitung dari total pemasukan dikurangipengeluaran.
26
27
Modul Nasihat
Memasukkan karakteristik lahan yang dimiliki dan
pengeluaran biaya budidaya
28
Hasil Rekomendasi Modul Nasihat
Teknik validasi model untuk menilai bagaimana hasil analisis statistik akan generalisasi ke set data independen.
Untuk memperkirakan seberapa akurat model prediktif akan tampil dalam praktek. Pada pengujian ini akan menggunakan 10 putaran (k).
K-Fold Validation
Di mana:
adalah nilai prediksi hasil panen,
adalah nilai output hasil panen asli,
n adalah jumlah data testing.
Mean Square Error
29
Pengujian Akurasi
n MSE Akurasi1 0,5 50%2 0,625 37,5%3 0,75 25%4 0,75 25%5 0,75 25%6 0,5 50%7 0,875 12,5%8 0,75 25%9 0,75 25%10 0,5 50%Rata-Rata 32,5%
30
Pengujian Akurasi
31
Kesimpulan
1. Data pertanian dari Dinas Pertanian Ponorogo yang digunakan sebagai dataset berupa data jenis tanaman, jenis tanah, suhu, ketinggian tanah, luas lahan dan hasil panen memiliki tingkat akurasi rata-rata 32,5%. Akurasi yang rendah tersebut kemungkinan didapatkan karena keterbatasan data serta datanya kurang variatif atau algoritma yang digunakan kurang cocok.
2. Algoritma Quantum Swarm Evolutionary dapat digunakan untuk membuat model yang digunakan untuk subsistem manajemen model pada aplikasi sistem pendukung keputusan pembudidayaan tanaman. Metode untuk memilih model yang cocok digunakan metode Jaccard.
Kesimpulan
32
Kesimpulan
3. Hasil dari model yang ditemukan diolah dengan data harga pasar dan beberapa data pengeluaran seperti biaya sewa tanah, biaya sewa pekerja, biaya pembibitan dan biaya pemupukan untuk mendapatkan nilai laba yang digunakan sebagai nilai rekomendasi untuk tanaman yang akan dibudidayakan oleh petani.
4. Aplikasi SPETINDO untuk sementara dapat diakses di riset.ajk.if.its.ac.id/spetindo, dan siap menjadi sistem pendukung keputusan pembudidayaan tanaman yang siap dipakai oleh stakeholder.
Kesimpulan
33
Saran1. SPETINDO memiliki nilai akurasi yang rendah
kemungkinan disebabkan oleh dataset yang kurang banyak dan kurang bervariatif. Sehingga dibutuhkan dataset yang lebih lengkap untuk pengembangan lebih lanjut.
2. Aplikasi ini untuk pengembangan selanjutnya dapatbekerjasama dengan disatukan melalui website sebuah Dinas Pertanian agar penggunaannya lebih tepat sasaran dan bermanfaat.
3. Aplikasi ini dalam pengembangan selanjutnya bisa dibuatkan versi mobile-nya agar lebih mudah untuk diakses oleh semua kalangan.
4. Aplikasi ini dalam pengembangan selanjutnya bisa dibuatkan lebih dari tiga jenis tanaman alternatif pilihan.
Saran
TERIMA KASIH
34