2

1. Pendahuluan

Sampai saat ini Organisme Pengganggu Tanaman masih menjadi kendalaserius bagi para pengelola pertanian komoditas padi. OPT adalah salah satucekaman biotik yang menyebabkan kesenjangan antara potensi hasil dan hasilaktual, dan juga menyebabkan produksi tidak stabil. Hama atau OPT tanamanpadi sangat beragam, antara lain adalah penggerek batang padi, wereng batangcoklat dan ganjur. Serangan wereng batang coklat telah meyerang di 28Kabupaten atau kota di provinsi Jawa Tengah. Pada tahun 2010, serangan werengcoklat telah menyerang lebih dari 32 ribu hektar di Jawa Tengah. Menurut datayang diperoleh, untuk tahun 2011 hingga bulan Maret, wereng coklat telahmenyerang lebih dari 17 ribu hektar. [1].

Peningkatan populasi OPT dipengaruhi oleh beberapa faktor, diantaranyaadalah faktor iklim/cuaca dan musuh alami. Musuh alami telah diketahui sangatberguna dalam menekan populasi OPT padi, salah satu musuh alami tersebutadalah predator hama padi. Predator dapat mengendalikan kepadatan populasiOPT dengan baik karena mereka memburu, memakan atau menghisap cairantubuh OPT sehingga menyebabkan kematian.

Untuk mengetahui potensi predator sebagai musuh alami OPT tanamanpadi, maka dibutuhkan sebuah sistem yang dapat memberikan gambaran seranganorganisme pengganggu tanaman padi, serta gambaran potensi predator terhadapOPT tanaman padi dalam bentuk besaran kejadian dan dalam peta prediksikejadian serangan. Oleh karena itu dalam penelitian ini akan dikembangkansistem pemetaan dan prediksi dalam Sistem Informasi Geografis (SIG) berbasisweb. Sistem informasi geografis yang dirancang akan dapat memberikaninformasi tentang OPT padi dan predator beserta prediksi di wilayah Jawa Tengahmenggunakan metode runtun waktu yaitu triple exponential smoothing.

2. Kajian Pustaka

Prediksi merupakan kegiatan untuk memperkirakan nilai-nilai sebuah darivariabel yang akan datang berdasarkan nilai yang diketahui dari variabel tersebutatau variabel yang berhubungan. Teknik peramalan dibagi menjadi dua bagian,yaitu metode peramalan subjektif dan metode peramalan objektif. Metodeperamalan subjektif mempunyai model kualitatif sedangkan metode peramalanobjektif mempunyai dua model, yaitu model kausal dan model time series. Modelkualitatif tidak menggunakan pendekatan matematis atau hanya menggunakanintuisi saja, model ini akan sangat bermanfaat jika data kuantitatif yang akuratsulit diperoleh. Model kausal mempertimbangkan nilai sebuah variabel sebagaipengaruh dari banyak variabel yang lain. Sedangkan model time series hanyameninjau nilai sebuah variabel sebagai fungsi waktu. Model time series digunakanuntuk memprediksi masa depan dengan menggunakan data historis. Dengan katalain, model time series mencoba menggunakan data masa lalu untuk melihat apayang terjadi pada masa mendatang dalam suatu kurun waktu tertentu. Contoh darimodel time series ini antara lain Moving average, Exponential Smoothing danproyeksi trend. [2].

3

Langkah penting dalam memilih metode peramalan adalah denganmengidentifikasi jenis pola data. Pola data yang mungkin terjadi ketika suatu dataakan dianalisis ada tiga jenis yaitu, pola data stasioner, pola data trend dan poladata musiman yang ditunjukkan pada Gambar 1. [3]. Pola data stasionermerupakan pola data yang terjadi jika terdapat data yang berfluktuasi disekitarnilai rata-rata (mean) dan varians yang konstan dari waktu ke waktu. Pola datatrend merupakan kondisi dimana terdapat flutuasi data yang cenderung naik atauturun. Pola data ini terjadi jika terdapat kenaikan atau penurunan sekuler jangkapanjang dalam data. Pola data musiman dapat dilhat jika terdapat suatu deret datayang dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan,atau hari-hari pada minggu tertentu). Musiman didefinisikan sebagaikecenderungan data time series untuk menunjukkan perilaku yang berulang setiapperiode tertentu. [4]. Panjang periode musiman dapat dilihat dari jarak periodeantar puncak pada plot time series.

Gambar 1 Jenis-jenis Pola Data, (a) Pola Data Stationer / Horizontal, (b) Pola DataTrend, (c) Pola Data Musiman

Metode triple exponential smoothing disebut juga metode “Holt-Winters”sesuai dengan nama penemunya. Model Holt-Winters digunakan untukmemodelkan data dengan pola musiman, baik mengandung trend maupun tidak.Winter’s Method memberikan tiga pembobotan dalam prediksinya, yaitu α, β,dan γ yang bernilai antara 0 dan 1. Pembobotan α memberikan pembobotanpada nilai ramalan, β memberikan pembobotan pada slope, dan γ memberikanpembobotan pada efek musiman. Winter’s Method mempunyai dua bentuk model.Bila besarnya efek musiman konstan dari waktu ke waktu, maka bentuk modelyang dipakai adalah Additive Seasonality. Sedangkan bila besarnya efek musimanberubah dari waktu ke waktu, maka bentuk model yang dipakai adalahMultiplicative Seasonality. [5]. Dalam penelitian ini akan digunakan model Holt-Winters Multiplicative.

(a) (b)

(c)

4

Model Holt-Winters Additive.

Model ini digunakan apabila data time series mempunyai pola musiman

dengan variasi musiman konstan.

Level : Lt = α (Yt – St-s) + (1 - α) (L t-1+ Tt-1)

Trend : Tt = β (Lt - Lt-1) + (1 - β)Tt-1

Musiman : St = γ (Yt - Lt) + (1 - γ)St-s

Ramalan : Yt+m = L + Ttm + St-s+m

Model Holt-Winters Multiplicative.Model ini digunakan apabila data time series mempunyai pola musiman

dengan variasi musiman tidak konstan.

Keterangan :Yt = data pada periode waktu tLt = level factor periode waktu tTt = trend factor periode waktu tSt = seasonal index periode waktu tYt+m = hasil peramalan periode waktu m

Sebuah data musim lengkap terdiri dari periode musiman "m". Untuk ituperlu memperkirakan trend factor dari satu periode ke periode berikutnya. Untukmencapai hal ini, disarankan untuk menggunakan dua musim lengkap, yaituperiode 2m. [6].

Rumus untuk mencari initial trend adalah :

Besarnya populasi OPT di dalam tanaman padi sangat dipengaruhi olehbeberapa faktor, beberapa diantaranya adalah faktor cuaca, musuh alami yangsalah satu jenisnya adalah predator. Predator merupakan organisme hidup yangpaling penting dalam mengendalikan OPT pada tanaman padi secara alami, karenaselain jenisnya yang beragam, jumlahnya juga sangat melimpah di alam [7].Predator dapat menyerang serangga mangsa dari mulai fase immature (pradewasa) sampai dengan fase dewasa. Dan untuk mencapai fase dewasa, predatormembutuhkan lebih dari satu individu inang.

5

OPT dan predator yang akan diprediksi dalam penelitian ini adalahserangga yang tertangkap lampu perangkap. Tangkapan tersebut terdiri dari 10jenis data OPT, 7 jenis data predator. Nama – nama OPT dan predator ditunjukkanpada tabel berikut.

Tabel 1 Daftar Jenis – jenis Serangga

Jenis Nama Serangga

OPT

Penggerek BatangWereng Batang CoklatWereng DaunGanjurKepinding TanahWalang SangitAnjing TanahKepik HijauBelalang DaunSerangga PengganguLainnya

Predator

Kumbang CoccinelidCapungPaederus SpCyrtorhinusParasitKumbang AirMusuh Alami Lainnya

Iklim atau cuaca merupakan faktor yang sangat berpengaruh padaperkembangan OPT serta predator [8]. Di dalam kondisi cuaca normal, organismepengganggu tanaman hampir tidak pernah menjadi masalah serius kecualiorganisme pengganggu tanaman yang bisa berkembang dan berkonsolidasi di luarekosistem tanaman pangan seperti tikus, belalang, burung, dan lain lain [9].

Ukuran kesalahan yang termasuk ukuran standar statistik adalah nilai rata-rata kesalahan (mean error), nilai rata-rata kesalahan absolut (mean absoluteerror), dan nilai rata-rata kesalahan kuadrat (mean squared error). Ukurankesalahan yang termasuk ukuran relatif adalah nilai rata-rata kesalahan persentase(mean percentage error) dan nilai rata-rata kesalahan persentase absolut (meanabsolute percentage error).

Cara yang cukup sering digunakan dalam mengevaluasi hasil peramalanyaitu dengan menggunakan metode Mean Squared Error (MSE). Denganmenggunakan MSE, error yang ada menunjukkan seberapa besar perbedaan hasilestimasi dengan hasil yang akan diestimasi.

6

Dimana:MSE = Mean Square ErrorN = Jumlah Sampelt y = Nilai Aktual Indekst yˆ = Nilai Prediksi Indeks

3. Metode Penelitian

Dalam pengembangan aplikasi, metode yang digunakan pada penelitian iniadalah metode prototyping model yang dimulai dengan pengumpulan bahan dandata yang berhubungan dengan organisme pengganggu tanaman dan predator,kemudian dilanjutkan dengan perancangan aplikasi, dan evaluasi prototipe sebagailangkah akhir dari metode ini.

Sebelum melakukan peramalan atau implementasi peramalan, langkahpertama yang harus dilakukan adalah mengidentifikasi pola data dengan melihatpada plot data. Data yang digunakan untuk peramalan adalah data tangkapanlampu perangkap selama 4 tahun yaitu tahun 2008 – 2011 dari Balai PengamatanOPT (BPOPT) provinsi Jawa Tengah. Data total OPT yang telah dirata-rata diplotdengan menggunakan aplikasi excel. Salah satu data yang sudah diplot adalah datatotal OPT kabupaten Pemalang tahun 2008 - 2011.

Gambar 2 Grafik Total OPT Kabupaten Pemalang

Setelah mendapatkan plot data tersebut kemudian dianalisis jenis poladatanya untuk menentukan metode peramalan yang sesuai. Dari pola data tersebutdapat dilihat data tidak stationer dan dipengaruhi oleh faktor musiman denganvariasi musiman tidak konstan, karena pada hampir setiap akhir tahun terjadikenaikan jumlah populasi OPT. Maka metode peramalan yang akan digunakanadalah metode triple exponential smoothing multiplicative.

7

Setelah menentukan metode peramalan, maka akan dilakukan uji cobaperamalan dengan perhitungan manual. Dengan menggunakan program bantuexcel akan dicari nilai α, β dan γ untuk menentukan nilai Mean Squared Error(MSE) terkecil. Berikut ini adalah perbandingan dari nilai MSE.

Tabel 2 Perbandingan MSE

MSE α β γ

451.24 0.4 0 0

517.10 0.1 0.1 0438.47 0.1 0.1 0.2

422.84 0.001 0.001 0.2

253.62 0.001 0.001 0.6

Tabel 2 menunjukkan nilai MSE terkecil adalah 253.62 denganperhitungan optimal prediksi menggunakan α = 0.001, β = 0.001, γ = 0.6. Denganmendapatkan nilai parameter yang optimal maka error yang didapatkan dari hasilperamalan semakin kecil dan hasil peramalan mendekati data yang riil.

Aplikasi Sistem Informasi Geografis berbasis web ini dibangun denganmenggunakan bahasa pemrograman PHP. Berikut ini adalah spesifikasi daripembuatan SIG, yakni : Sistem Operasi Windows 7 Ultimate 32-bit, PHP version5.3.10, MapServer 6.0.2 dan MySQL 5.1.41. Sistem ini dibuat untuk dua pemakaidengan hak akses yang berbeda-beda yakni user dan admin. Pemakai pertamaadalah admin yang mempunyai hak penuh atas sistem yang dibuat. Pemakai keduaadalah user yang mempunyai hak akses untuk melihat data historis dan melakukanprediksi. Hak akses dan hubungan dari pengguna dan sistem akan ditunjukkandalam use case diagram pada Gambar 3.

8

user

admin

Melihat halamanutama

melihat info dan petajawa tengah

<<extend>>

melihat data dan petaOPT

melihat data dan petapredator

melihat data dan petacurah hujan

mengakses halamanprediksi

melihat data dan peta pertahun

melihat data dan peta perkabupaten

<<extend>>

<<extend>>

<<extend>>

<<extend>>

<<extend>>

<<extend>>

mengupload data

mengubah data

<<include>>

melihat peta dan hasilprediksi

melihat halaman about

Gambar 3 Use Case Diagram Sistem

Class diagram merupakan diagram yang digunakan untuk menampilkanbeberapa kelas serta paket-paket yang ada di dalam sistem yang akandikembangkan. Class diagram pada sistem ini akan ditunjukkan pada Gambar 4seperti berikut.

uploadDatajenisDatatahunData

ubahData()tambahData()

adminusernamepassword

login()uploadData()

1 0..*1 0..*

user

predatorjenisPredatornamaPredatorjumlahPredatortanggalbulantahunkode_kab

OPTjenisOPTnamaOPTjumlahOPTtanggalbulantahunkode_kab

kabupatenkode_kabnama_Kab

0..*

1

0..*

1

0..*

1

0..*

1

lihatDatajenisDatatanggalbulantahun

selectData()viewData()

1

0..*

1

0..*

1

0..*

1

0..*

0..* 10..* 1

1

0..*

1

0..*

1

0..*

1

0..*

jenisDataidJenisnamaJenis1

0..*

1

0..*

1

0..*

1

0..*

curahHujanjenisCHnamaCHjumalhCHtanggalbulantahunkode_kab

0..*

1

0..*

1

1

0..*

1

0..*

1

0..*

1

0..*

prediksijenisPrediksitahunPrediksi

hitungPrediksi()saveDataPrediksi()showDataPrediksi()

1

0..*

1

0..*

1

0..*

1

0..*

1

0..*

1

0..*

1

0..*

1

0..*

1

0..*

1

0..*

Gambar 4 Class Diagram

9

4. Implementasi dan Pengujian Sistem

Dari penelitian ini dihasilkan sebuah sistem informasi geografis berbasisweb pemetaan dan prediksi serangan OPT dan potensi predator. Secara garis besarsistem ini terbagi menjadi dua bagian utama, yaitu bagian pemetaan dan bagianprediksi. Gambar 5 menunjukkan tampilan halaman utama dari aplikasi. Halamanutama dalam sistem ini berisikan tampilan selamat datang dan peta wilayah JawaTengah beserta menu dan submenu untuk mengakses halaman lainnya.

Gambar 5 Halaman Utama

Bagian pemetaan merupakan bagian yang berisikan semua informasi dandata historis dari seluruh jenis indikator-indikator. Informasi dan data historistersebut disajikan dalam bentuk map, tabel, grafik serta informasi dari masing-masing jenis indikator. Setiap jenis dari masing-masing indikator ditampilkandalam halaman sendiri-sendiri.

Gambar 6 Halaman OPT Wereng Daun

Untuk data geografis data disajikan dalam bentuk peta Jawa Tengahdisertai dengan parameter tinggi rendahnya nilai. Penyajian data untukmemberikan perbandingan tinggi rendahnya data di tiap kabupaten akan disajikandalam bentuk grafik. Gambar 7 merupakan tampilan grafik total OPT kabupatenPemalang pada tahun 2008.

10

Gambar 7 Grafik Total OPT kabupaten Pemalang tahun 2008

Pada sistem ini fokus penelitian akan menggunakan prediksi denganmetode triple exponential smoothing atau holt winters untuk menghasilkan outputberupa nilai prediksi dimasa yang akan datang. Data yang akan diprediksi adalahvariabel organisme pengganggu tanaman pada tahun 2008 – 2011 digunakanuntuk memprediksi nilai tahun 2012 – 2015.

Variabel yang akan diprediksi bukan hanya OPT, namun juga variabelpredator dan iklim yaitu curah hujan dan juga hujan harian. Untuk melakukanprediksi user harus membuka halaman prediksi yang terdiri dari halaman prediksiOPT, halaman prediksi predator dan halaman prediksi curah hujan. Tampilanhalaman prediksi ditunjukkan pada Gambar 8. Pada tampilan awal user akanmemasukan input pilihan jenis variabel yang akan diprediksi dan juga tahunprediksi.

Gambar 8 Halaman Prediksi OPT

Pilihan jenis variabel disesuaikan dengan pilihan halaman prediksi padamenu. Sedangkan pilihan tahun berisikan tahun prediksi yaitu tahun 2012 – 2015.Data historis dari tiap kabupaten diprediksi menggunakan metode holt winters.Setelah mendapatkan hasil prediksi, sistem akan menyimpannya pada database.Kemudian data-data tersebut akan ditampilkan dalam bentuk peta, tabel dangrafik.

11

Validasi merupakan perbandingan antara data riil dengan data hasilprediksi. Setelah sistem melakukan proses prediksi dari data historis, maka akandihasilkan nilai prediksi dari data historis tersebut. Sistem akan menampilkanperbandingan kedua data tersebut dalam grafik validasi. Grafik validasi padasistem dapat dilihat melalui pilihan kabupaten pada tab grafik.

Gambar 9 Grafik Validasi Curah Hujan Kabupaten Pemalang Tahun 2011

Gambar 9 menunjukkan grafik validasi dari prediksi curah hujankabupaten Pemalang pada tahun 2011. Grafik data historis ditunjukkan dengangaris berwarna oranye, sedangkan grafik data prediksi ditunjukkan dengan garisberwarna biru.

Dalam melakukan pengujian peramalan pada sistem ini, akan dilakukanvalidasi prediksi WBC tahun 2011 dari 5 kabupaten lalu akan dihitung nilai MSEdari setiap kabupaten tersebut.

Tabel 3 Hasil MSE Peramalan

Kabupaten MSERembang 19.08

Kudus 12.28Pati 1.29

Batang 20.67Banjarnegara 0.38

Tabel 3 menampilkan nilai MSE dari prediksi di 5 kabupaten. Hasil daritabel tersebut menunjukkan nilai error pada peramalan menggunakan metodetriple exponential smoothing pada sistem ini sangat kecil dengan nilai rata-rataMSE 10.74 dan nilai MSE terbesar adalah 20.67 pada kabupaten Pemalang, haltersebut menunjukkan hasil prediksi mendekati nilai riil. Nilai MSE yang tinggididuga karena adanya fluktuasi pola serangan OPT selama pembentukan model

12

dengan validasi model. Semakin banyak data time series maka hasil prediksi dannilai MSE akan lebih baik, karena data time series semakin dimuluskan.

Pada penelitian ini analisis akan difokuskan pada analisis hubungan antarajumlah OPT dan predator. Sebagai variabel tambahan akan dianalisis hubungankedua indikator tersebut dengan data curah hujan. Analisis data historis dilakukanuntuk menganalisa data pada masa lampau, sedangkan untuk analisis data prediksidilakukan untuk menganalisa kapan keadaan atau kondisi seperti pada analisisdata historis akan terulang kembali.

Untuk data historis data yang dianalisa adalah data dari jenis-jenisserangga pada tahun 2008 – 2011. Langkah pertama yaitu mencari data historisdari salah satu jenis OPT dengan nilai tertinggi atau terendah pada tahun dankabupaten tertentu.

Gambar 10 Peta Wereng Batang Coklat tahun 2009

Pada Gambar 10 menunjukkan peta historis populasi wereng batang coklat(WBC) pada tahun 2009. Dalam peta tersebut diketahui bahwa kabupatenPemalang mempunyai jumlah populasi wereng batang coklat tinggi pada tahun2009. Setelah mengetahui data peta tersebut, pengguna akan melihat grafikwereng batang coklat pada kabupaten Pemalang tersebut. Setelah melihat grafikdata OPT tersebut, pengguna membandingkannya dengan data historis musuhalami dari jenis OPT tersebut pada tahun dan kabupaten yang sama. Salah satumusuh alami dari WBC adalah Kumbang Coccinelid. Karena kedua indikator(OPT dan predator) tersebut tidak lepas dari pengaruh iklim, maka akan dilakukanperbadingan antara dua data tersebut dengan data curah hujan pada kabupaten dantahun yang sama. Ketiga grafik tersebut akan ditunjukkan pada Gambar 11.

13

Gambar 11 Grafik Analisis Kabupaten Pemalang tahun 2009, (a) Grafik WBC, (b) GrafikKumbang Coccinelid, (c) Grafik Curah Hujan

Setelah mendapatkan ketiga grafik tersebut, maka dapat dianalisishubungan dari ketiga jenis data tersebut. Dari ketiga grafik tersebut bisa dilihatbahwa pada saat jumlah WBC mencapai nilai tertinggi yaitu pada bulan Agustus,nilai predator berada pada nilai rendah. Sedangkan pada bulan Oktober saatjumlah predator mencapai nilai tertinggi, jumlah WBC berada pada nilai rendah.Keadaan tersebut menunjukkan ada hubungan antara WBC dengan musuhalaminya bahwa keberadaan musuh alami WBC yaitu kumbang Coccinelid dapatmenekan populasi WBC dengan baik.

Selain itu pada saat nilai curah tinggi yaitu pada bulan Januari sampaibulan April nilai data WBC dan predator berada pada nilai rendah. Hal inimenunjukkan bahwa populasi OPT dan predator juga dipengaruhi oleh iklim.

(a)

(b)

(c)

14

Selanjutnya adalah analisis data prediksi. Langkah pada analisis dataprediksi sebenarnya hampir sama dengan analisis data historis, perbedaannyadalah untuk mengetahui kapan keadaan seperti pada analisis historis terulangkembali. Pada penelitian ini akan dianalisis data WBC tahun 2012.

Gambar 12 Peta Prediksi Wereng Batang Coklat tahun 2012

Pada Gambar 12 menunjukkan peta prediksi populasi wereng batangcoklat (WBC) pada tahun 2012. Dalam peta tersebut diketahui bahwa kabupatenPemalang mempunyai jumlah populasi wereng batang coklat dengan nilai tinggipada tahun 2012. Setelah mengetahui data peta tersebut, akan dilihat grafikwereng batang coklat pada kabupaten Pemalang tersebut. Setelah melihat grafikdata OPT tersebut, akan dibandingkan dengan data prediksi kumbang Coccinelidpada tahun dan kabupaten yang sama. Kemudian setelah mendapatkan keduagrafik prediksi tersebut, akan dilakukan perbadingan antara dua data tersebutdengan data curah hujan pada kabupaten dan tahun yang sama. Ketiga grafikprediksi tersebut akan ditunjukkan pada Gambar 13.

(a)

15

Gambar 13 Grafik Analisis Prediksi Kabupaten Pemalang tahun 2012, (a) Grafik Prediksi WBC,(b) Grafik Prediksi Kumbang Coccinelid, (c) Grafik Prediksi Curah Hujan

Setelah mendapatkan ketiga grafik tersebut, maka akan dianalisishubungan dari ketiga jenis data tersebut. Data prediksi ditunjukkan dengan warnabiru. Dari ketiga grafik tersebut bisa dilihat bahwa populasi WBC akan mencapainilai tinggi pada bulan Agustus dan pada waktu tersebut diprediksi jumlahkumbang Coccinelid akan berada pada jumlah rendah. Selain itu populasi WBCdan musuh alaminya pada tahun 2012 diprediksi berada pada nilai rendah saatnilai curah tinggi yaitu pada bulan Januari sampai bulan April nilai.

Pada penelitian ini pengujian sistem dilakukan dengan menggunakanmetode black box dan kuesioner. Pengujian dengan metode black box merupakanmetode pengujian sistem untuk mengetahui apakah sistem telah berfungsi denganbenar dan sesuai dengan spesifikasi sistem yang dibuat. Pengujian pada userdilakukan untuk melihat bagaimana kinerja sistem ketika user menggunakanfungsi-fungsi yang ada di dalamnya, seperti fungsi menampilkan data historis,memprediksi OPT, predator serta curah hujan semua sudah berjalan dengan baik.Sedangkan kuesioner dilakukan untuk menguji sistem kepada responden.

Sistem ini telah diujikan kepada 15 orang yang terdiri dari 10 orangPenyuluh Pertanian Lapangan (PPL) Kabupaten Banyumas dan 5 orangmahasiswa dari Fakultas Teknologi Informasi (FTI). Peneliti melakukandemonstrasi program dan menjelaskan cara kerja sistem kepada responden,

(b)

(c)

16

kemudian responden menguji coba program dan mengisi kuesioner. Kuesionerterdiri dari 14 pernyataan terkait kualitas sistem, mulai dari user interface, kinerjasistem dan kemampuan prediksi.

Hasil dari kuesioner yang telah diisi menunjukkan bahwa sistem Pemetaandan Prediksi serangan OPT dan potensi Predator ini dapat berfungsi dengan baikdan dapat membantu PPL dalam menganalisa data serta memprediksi seranganOPT. Pada Gambar 14 akan ditunjukkan grafik dari respon pernyataan nomor 14mengenai kepuasan terhadap sistem.

012345678

1st Qtr

Sangat Setuju

Setuju

Ragu-ragu

Tidak Setuju

Sangat TidakSetuju

Gambar 14 Grafik Kepuasan Responden

Dari 15 responden, 8 orang memilih sangat setuju bahwa mereka puasdengan sistem ini, 7 orang memilih setuju dan tidak ada yang memilih ragu-ragu,tidak setuju atau sangat tidak setuju.

5. Simpulan

Prediksi dengan metode triple exponential smoothing baik diterapkanuntuk memprediksi data dengan pola musiman seperti data OPT, predator danCurah Hujan. Dengan menganalisis nilai data historis OPT dan musuhalaminya/predator dari grafik yang ditampilkan sistem dapat diketahui bahwajumlah predator mempengaruhi jumlah populasi dari OPT. Sedangkan denganmenganalisis data curah hujan akan diketahui bahwa jumlah OPT dan predatorjuga dipengaruhi oleh intensitas curah hujan seperti terlihat pada grafik analisiskabupaten Pemalang tahun 2009 yang telah dilakukan dalam penelitian ini..Analisis data prediksi digunakan untuk mengetahui kapan populasi OPT akanmencapai nilai tinggi karena sedikitnya jumlah predator pada waktu tersebut.

17

6. Daftar Pustaka

[1] BB Padi. 2011. Upaya Antisipasi Ancaman Gagal Panen Karena HamaWereng Coklat. http://bbpadi.litbang.deptan.go.id/index.php/in/berita/info-aktual/375-upaya-antisipasi-ancaman-gagal-panen-karena-hama-wereng-coklat (diakses tanggal 19 Juni 2012)

[2] Makridakis, Spyros dan Wheelwright, Steven C. 1999. Metode danAplikasi Peramalan.Jakarta : Binarupa Aksara.

[3] Raharja, Alda, Wiwik Angraeni, dan Retno Aulia Vinarti. 2010.Penerapan Metode Exponential Smoothing Untuk Peramalan PenggunaanWaktu Telepon Di PT.Telkomsel DIVRE3 Surabaya.

[4] Kalekar, Prajakta S. 2004. Time series Forecasting using Holt-WintersExponential Smoothing. Kanwal Rekhi School of Information Technology

[5] Prasetyo, Dedy Dwi. 1998. Peramalan Menggunakan Metode Pemulusan(Smoothing). Analisis Time Series.

[6] NIST/SEMATECH. 2003. NIST/SEMATECH e-Handbook of StatisticalMethods. http://www.itl.nist.gov/div898/handbook/pmc/section4/pmc43.htm (diakses tanggal 25 Juni 2012).

[7] Natanegara, Firdaus. 1997. Peran Parasitoid Dan Predator DalamPengendalian Hayati.

[8] Hendartoro 2012. Prediksi Wilayah Endemis Serangan Hama WerengBatang Coklat (WBC) Berdasarkan Indikator Curah Hujan MenggunakanMetode Single Exponential Smoothing Berbasis Spasial Temporal.Salatiga : Universitas Kristen Satya Wacana.

[9] Supriyono, S.W., 2006, Keterkaitan Antara Penyimpangan CuacaPertanian dengan Organisme.