peramalan produksi padi berdasarkan luas panen dan...

2

1. Pendahuluan

Padi (Oryza sativa sp.) adalah tanaman yang berasal dari Bangladesh. Dari

tanaman padi dihasilkan beras, yang merupakan bahan makanan pokok sebagian

besar rakyat Indonesia. Padi dapat tumbuh dengan baik di daerah panas dengan

curah hujan yang tinggi. Produksi padi Indonesia mengambil pangsa sekitar 9%

dari total produksi dunia. Indonesia negara penghasil beras ke tiga terbesar di

dunia, setelahChina (30%) dan India (21%) [1]. Produksi padi di Indonesia pada

tahun 2001 mencapai hampir 50,5 juta ton Gabah Kering Giling (GKG), atau

menurun sebesar 1,4 persen dibandingkan dengan tahun 2000 yang mencapai

hampir 51,2 juta ton. Berdasarkan angka ramalan II dari Badan Pusat Statistik

produksi padi tahun 2003 sebesar 51,4 juta ton atau meningkat 0,04 persen

dibandingkan tahun 2002. Pola produksi padi yang fluktuatif tersebut belum

menunjukan hasil yang memuaskan. Sampai saat ini sekitar 56% produksi padi

berasal dari pulau Jawa, sedangkan lebihnya dihasilkan oleh pulau Sumatra

(22%), Sulawesi (10%), Kalimantan (5%) dan pulau-pulau lainnya (7%).

Tahun 2005 Indonesia merupakan negara peringkat ke-3 sebagai produsen

padi terbesar setelah China dan India dengan presentase sebesar 9% yaitu 54 juta

metrik ton. Hal ini menunjukkan betapa besarnya hasil padi yang di hasilkan oleh

Indonesia pada waktu itu, Indonesia sempat menjadi salah satu negara produsen

padi terkemuka di dunia [2].

Keberadaan lahan sangat penting dalam menunjang kegiatan produksi

hasil pertanian. Menurut Badan Pusat Statistik meningkatnya permintaan

lahan akibat pertumbuhan penduduk selain menyebabkan penurunan luas

lahan pertanian juga meningkatkan intensitas usaha tani di daerah aliran

sungai hulu Penurunan luas lahan pertanian cenderung semakin besar seiring

dengan peningkatan konversi ke non-pertanian. Dalam proses produksi padi,

faktor curah hujan berperan sangat penting karena jika intensitas curah hujan

terlalu rendah, produksi padi akan mengalami suatu penurunan yang drastis. Jika

hal ini terjadi terus menerus maka akan mengakibatkan kerawanan pangan. Agar

hal ini tidak terjadi maka dibutuhkan suatu solusi, salah satunya dengan

melakukan peramalan (forecasting).

Penelitian ini bertujuan untuk meramalkan produksi padi berdasarkan

luas panen dan curah hujan yang ada di kabupaten Boyolali. Pemilihan variabel

luas panen dan curah hujan berdasarkan pada penelitian sebelumnya yang

berjudul “Pengembangan Model Ramalan Produksi Padi Dengan Pendekatan

Bagging Mars”. Manfaat yang di dapatkan dari penelitian ini adalah keluaran

berupa grafik yang dapat membantu untuk dipergunakan sebagai acuan untuk

menghindari terjadinya kerawanan pangan, dengan adanya peramalan kita

mendapatkan suatu gambaran tentang masa yang akan datang dan mencari solusi

yang lebih tepat untuk mengantisipasi hal tersebut.

3

2. Tinjauan Pustaka

Deret waktu merupakan serangkaian nilai-nilai variabel yang disusun berdasarkan

waktu. Analisis deret waktu adalah suatu analisa yang dilakukan berdasarkan nilai

masa lalu dari suatu variabel masa lalu dengan tujuan untuk menemukan pola

dalam deret data histori dan mengekstapolasikan pola tersebut ke masa yang akan

datang sebagai suatu perkiraan kondisi masa depan [3].

Langkah penting yang harus dilakukan untuk memilih metode deret

berkala yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga

metode yeng paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibagi

menjadi 4 jenis yaitu [4]:

1) Pola Horizontal (H) dapat terterjadi apabila nilai data berfluktuasi disekitar

nilai rata-rata yang konstan.

2) Pola Musiman (S) yaitu terjadi apabila suatu deret dipengaruhi oleh faktor

musiman.

3) Pola Siklus (C) yaitu terjadi apabila datanya dipengaruhi oleh frekuensi

ekonomi jangka panjang dan berhubungan dengan siklus bisnis

4) Pola Trend (T) yaitu terjadi apabila terdapat kenaikan atau penurunan jangka

panjang dalam data.

Gambar 1. Bentuk Pola Data

Pola Horizontal pada nomor 1 dapat kita lihat di Gambar 1a terjadi apabila

suatu deret dipengaruhi oleh faktor musiman. Pola musiman dapat di lihat di

Gambar 1b, pola ini terjadi apabila suatu deret dipengaruhi oleh faktor musiman.

Sedangkan untuk pola siklus dapat di lihat di gambar 1c dan pola trend terlihat di

gambar 1d. Penggunaan analisis deret waktu dimulai dengan mengamati data

deret waktu, karena akan terlihat komponen-komponen yang mempengaruhi suatu

pola data masa lalu dan sekarang, yang polanya cenderung berulang.

4

Menurut jurnal yang berjudul “Sistem Peramalan Harga Sembako Berbasis

Moving Average Dengan Brew Platform Sebagai Mobile Interface” moving

average di gunakan untuk meramalkan harga sembako dengan Brew Platform

sebagai media interface untuk pengoperasian di ponsel [5]. Sedangkan dalam

jurnal yang berjudul “Pengembangan Model Ramalan Produksi Padi Dengan

Pendekatan Bagging Mars” penelitian ini dilakukan sebagai salah satu upaya

untuk mendukung ketahanan pangan dengan informasi tentang ramalan produksi

padi dan luas panen padi ke depan. Data yang digunakan adalah data sekunder

yang diperoleh dari BPS dan Deptan kabupaten Ngawi, serta Badan Metereologi

Klimatologi dan Geofisika (BMKG) stasiun klimatologi Karangploso tahun 1993-

2008 [6]. Penelitian yang akan dilakukan membahas tentang peramalan produksi

padi, dengan menggunakan variabel produksi padi, luas panen, curah hujan

periode 2005-2010 dalam ruang lingkup kabupaten Boyolali dengan jumlah

kecamatan sebanyak 19.

Moving average banyak digunakan untuk menentukan trend dari suatu

deret waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala

dari data asli diubah menjadi deret rata-rata bergerak yang lebih baik. Metode ini

tidak cocok digunakan untuk data musiman karena moving average sesuai untuk

data berpola horisontal berfluktuasi di awal. Model rata-rata bergerak

mengestimasi permintaan periode berikutnya sebagai rata-rata data permintaan

aktual dari n periode terakhir.

Ada empat model dari metode weighted moving average yang memiliki

asumsi mengenai trend dan musiman [6]: 1) Simple Moving Average, model ini

mengasumsikan bahwa seri pengamatan tidak memiliki trend dan variasi

musiman. 2) Double Moving Average, model ini mengasumsikan bahwa seri

pengamatan memiliki trend linier namun tidak memiliki variasi musiman. 3)

Weighted Moving Average, model ini mengasumsikan bahwa seri pengamatan

memiliki trend linier dan variasi musiman. 4) Linier Moving Average, model ini

memungkinkan untuk melakukan penetapan komponen trend dan variasi

musiman.

Ada tiga parameter yang perlu penetapan, bergantung dari komponen trend

dan variasi musiman[7]:

1. Alpha (α) merupakan parameter yang mengontrol pembobotan relatif pada

pengamatan yang baru dilakukan. Parameter alpha digunakan pada semua

model. Jika nilai alpha 1 maka hanya pengamatan terbaru yang digunakan. Jika

alpha bernilai 0 maka pengamatan yang lalu dihitung sepadan dengan bobot

yang terbaru.

2. Beta (β) merupakan parameter yang mengontrol pembobotan relatif pada

pengamatan yang baru dilakukan untuk mengestimasi kemunculan trend seri.

Parameter beta digunakan pada model yang memiliki komponen trend linier

atau eksponenssial dengan tidak memiliki variasi musiman. Nilai beta berkisar

5

0 sampai 1. Jika nilai semakin besar akan menunjukkan pemberian bobot yang

semakin besar pada pengamatan terbaru.

3. Gamma (γ) merupakan parameter yang mengontrol pembobotan relatif pada

pengamatan yang baru dilakukan untuk mengestimasi kemunculan variasi

musiman. Parameter gamma digunakan pada model yang memiliki variasi

musiman. Nilai gamma berkisar dari 0 sampai 1. Jika nilai gamma semakin

besar, menunjukkan pemberian bobot yang semakin besar pada pengamatan

yang terbaru.

Metode weighted moving average merupakan perkembangan dari metode

moving average sederhana, persamaan 1 [8]:

(1) (1) ( (1)

dengan :

Data : nilai produksi sebelumnya.

Bobot : penilaian sesuai dengan panjang periode

Persamaan (1) adalah bentuk umum yang digunakan dalam penyususnan suatu

ramalan dengan metode weighted moving average.

Timbangan yang digunakan untuk metode ini ialah koefisien binomial.

Rata-rata bergerak tertimbang per 3 tahun di beri koefisien 1,2,1 sebagai

timbangannya. Pada metode ini hanya data observasi yang paling baru dan nilai

ramalan yang terakhir yang harus disimpan [9]. Untuk mengetahui kesalahan

peramalan digunakan persamaan 2 sebagai berikut :

(2)

.

Dimana ,

t : periode tahun

: nilai t pada periode tahun ke

n : total jumlah periode

: nilai data asli periode tahun ke t

: ramalan(forecast) untuk periode ke t

Persamaan (2) adalah bentuk umum yang digunakan untuk menghitung kesalahan

suatu ramalan. Semakin kecil (mendekati nilai 0) jumah error yang di hasilkan

maka prediksi dinyatakn valid.

3. Metode Penelitian

6

Tahapan penelitian ini dibagi dalam 3 tahap, yaitu :

(1) Tahap penyusunan data awal,

(2) Desain dan arsitektural simulasi,

(3) Pemodelan dan visualisasi. Tahap penyusunan data bertujuan untuk

menentukan data, lokasi dan studi pustaka yang digunakan dalam proses

penelitian.

Tahap penyusunan data awal terdiri dari:

1) Pengumpulan data dengan melakukan survei di Badan Pusat Statistik (BPS)

kabupaten Boyolali.

2) Pengumpulan data produksi padi dan luas panen di beberapa kecamatan

Boyolali. Tahap penyusunan di sajikan pada gambar 2.

Gambar 2. Tahap Penelitian

Tahap desain dan arsitektural simulasi terdiri dari proses masukan data,

peramalan curah hujan menggunakan metode Weighted Moving Average. Adapun

data dan variabel yang digunakan dalam penelitian meliputi: Data Curah Hujan

kecamatan di kabupaten Boyolali di wilayah BMKG Semarang Provinsi Jawa

Tengah periode 2005-2010. Data DBD Dinas Kesehatan Kecamatan Ungaran

periode 2005-2010.

1. Data luas panen dan produksi padi di kabupaten Boyolali periode 2005-2010.

2. Data curah hujan di kabupaten Boyolali periode 2005-2010

Tahap Penyusunan Awal

Survei di Badan Pusat Statistik (BPS) dan

dinas kecamatan Boyolali yang berupa:

- Data curah hujan

- Data pertanian

Pengolahan data produksi padi ,

luas panen dan curah hujan

dengan metode Weighted

Moving Average

Visualisasi Grafik

7

Gambar 3 Desain Arsitektural Model

Gambar 3 menunjukkan desain arsitektural model yang dijelaskan sebagai

berikut. Pada bagian Data Layer, terdiri dari tahap survei data curah hujan tingkat

kecamatan di wilayah Boyolali Provinsi Jawa Tengah periode 2005-2010 dan data

produksi dan luas panen wilayah Boyolali Provinsi Jawa Tengah periode 2005-

2010. Kedua data tersebut sebagai data masukan pada proses Application Layer.

Pada bagian Application Layer, dilakukan proses peramalan curah hujan

menggunakan metode Weighted Moving Average, dengan pemrosesan data

menggunakan tool R untuk mendapatkan hasil peramalan curah hujan periode

tahun ke 3. Tahap terakhir adalah menganalisa hubungan antara curah hujan,

produksi padi, dan luas panen yang ditampilkan dalam bentuk grafik.

Dasar pemilihan dari variabel yang digunakan pada penelitian kali ini

adalah berdasarkan penelitian sebelumnya yang menggunakan variabel curah

hujandan luas panen, karena kedua variabel sangat berpengaruh besar pada

produksi padi. Keluaran yang di hasilkan dapat digunakan pihak-pihak terkait

yaitu, Dinas Pertanian, petani, dan masyarakat luas. Proses dari pertama

pengolahan data sampai dengan dihasilkannya keluaran di sajikan pada gambar 4.

Gambar 4. Bagan Alur Manfaat Penelitian

Survey ke BPS Boyolali,data yang di hasilkan:Data produksi padi, luas

, panen, dan curah hujan periode 2005-2010

Mengolah data-data yang sudah di dapatkan dengan tools Rstudio

dan menggunakan metode Weigthed Moving Average

Dapat digunakan oleh Dinas Pertanian, para petani, dan masyarakat

luas sebagai acuan untuk menghindari kerawan pangan yang dapat

terjadi sewaktu-waktu

0

200

400

600

800

1000

1200

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

2021

2022

2023

2024

2025

2026

2027

2028

2029

2030

2031

ribu

ton

produksi konsumsi

8

4. Hasil Penelitian dan Pembahasan

Langkah pertama yang dilakukan adalah mengolah data asli dengan

memasukan ke databae, database yang dipakai adalah SQL Expert Personal

3.3.29.2159. selanjutnya yaitu menghubungkan database dengan R Studio agar

data dapat di tampilkan. Dengan menggunakan langkah-langkah yang telah

dibahas sebelumnya, data curah hujan, produksi padi dan luas panen di Kabupaten

Boyolali, Provinsi Jawa Tengah diolah menggunakan database SQL Expert.

Gambar 5. Plot Curah Hujan Tahun 2005-2010

Gamba

r 6. Plot Data Peramalan 2007

Gambar 2 menunjukkan pola grafik peramalan produksi padi pada tahun

2008. Hasil peramalan ini didapatkan dengan mengolah data produksi pada tahun

2005-2007 yang kemudian dibandingkan dengan data asli pada tahun 2007.

Pertama-tama data asli yang dipakai adalah produksi padi,luas panen, dan curah

hujan dengan periode tahun 2005-2007 kemudian di panggil ke program R dengan

langkah sebelumnya yaitu dengan menyimpannya di database SQL Expert.

Setelah itu data di olah kembali dengan menggunakan metode weighted moving

average sehingga menghasilkan output sebagai berikut yaitu indikator grafik

berwarna hijau merupakan hasil data peramalan dengan metode weighted moving

average, grafik berwarna hitam merupakan data produksi padi masa lampau,

grafik bernama merah menunjukan data luas panen, dan grafik berwarna oranye

menunjukan data curah hujan. Hasil yang didapatkan adalah bahwa luas panen

9

dan curah hujan yang tinggi di tahun 2007 menyebabkan peningkatan produksi

padi di beberapa wilayah di kabupaten Boyolali.

Gambar 7. Plot Grafik Peramalan Padi 2008

Gambar 5 memperlihatkan pola grafik peramalan produksi padi pada tahun





langkah sebelumnya yaitu dengan menyimpannya di database SQL Expert.

Setelah itu data di olah kembali dengan menggunakan metode weighted moving

average sehingga menghasilkan output sebagai berikut yaitu indikator grafik

berwarna hijau merupakan hasil data peramalan dengan metode weighted moving

average, warna hitam merupakan data produksi padi masa lampau, merah

menunjukan.

Gambar 8. Plot Grafik Peramalan Padi Tahun 2009

10

Gambar 6 menunjukkan data peramalan produksi padi pada tahun 2010

yang didapatkan dari pengolahan data asli pada tahun 2007-2009 dan

dibandingkan lagi dengan data asli 2009. indikator grafik berwarna hijau

merupakan hasil data peramalan dengan metode weighted moving average, warna

hitam merupakan data produksi padi masa lampau, merah menunjukan data luas

panen, dan warna oranye menunjukan data curah hujan. Hasil peramalan ini

didapatkan dengan mengolah data produksi pada tahun 2005-2007 yang kemudian

dibandingkan dengan data asli pada tahun 2007. Pertama-tama data asli yang

dipakai adalah produksi padi,luas panen, dan curah hujan dengan periode tahun

2005-2007 kemudian di panggil ke program R dengan langkah sebelumnya yaitu

dengan menyimpannya di database SQL Expert. Setelah itu data di olah kembali

dengan menggunakan metode weighted moving average sehingga menghasilkan

output sebagai berikut yaitu indikator grafik berwarna hijau merupakan hasil data

peramalan dengan metode weighted moving average, grafik hitam merupakan

data produksi padi masa lampau, grafik merah menunjukan data luas panen, dan

grafik oranye menunjukan data curah hujan. Luas panen dan curah hujan yang

meningkat di tahun ini membuat jumlah produksi padi juga kian bertambah.

G

ambar 9. Plot Grafik Peramalan Padi Tahun 2010

Gambar 7 memperlihatkan pola grafik peramalan produksi padi pada tahun





langkahsebelumnya yaitu dengan menyimpannya di database SQL Expert. Setelah

itu data diolah kembali dengan menggunakan metode weighted moving average

sehingga menghasilkan output sebagai berikut yaitu indikator grafik berwarna

hijau merupakan hasil data peramalan yang di olah dengan metode weighted

11

moving average, warna hitam merupakan data produksi padi masa lampau, merah

menunjukan data luas panen, dan warna oranye menunjukan data curah hujan.

Gambar 10. Tabel Perhitungan MSE

Gambar 10 menunjukan perhitungan kesalahan peramalan, yaitu pengujian

yang di lakukan terhadap ketiga variabel yang di pakai dalam dalam penelitian ini

adalah luas panen, produksi padi , dan curah hujan. Nilai error diperoleh dari hasil

nilai rata-rata data awal kemudian di kurangi nilai rata-rata dari peramalan. Hasil

pengurangan disebut Et kemudian hasil tersebut di kuadratkan dan di bagi dengan

banyaknya jumlah data prediksi untuk memperoleh nilai yang ingin di capai.

Gambar 11. Perhitungan metode peramalan WMA

Gambar 11 menunjukan salah satu proses peramalan dari metode Weighted

Moving Average, di ambil dari peramalan pada tahun 2007.

12

5. Simpulan

Berdasarkan hasil penelitian dan pembahasan dapat ditarik kesimpulan

bahwa hasil peramalan dapat digunakan oleh Dinas Pertanian sebagai acuan untuk

mengantisipasi terjadinya kerawanan pangan dengan keluaran yang berupa grafik

jumlah peramalan produksi padi. Curah hujan dan produksi padi memiliki nilai

MSE (Mean Square Error) yang kecil, ini menunjukan bahwa peramalan yang

dilakukan sudah cukup akurat. Variable curah hujan, produksi padi, dan luas

panen terlihat berhubungan terlihat dari keterkaitan yang dihasilkan.Jika semakin

tinggi curah hujan maka produksi padi pun akan meningkat, dan sebaliknya jika

curah hujan rendah maka produktivitas padi akan menurun.

6. Daftar Pustaka

[1] Agusta Hermawan, 2007, Edukasi Pertanian.

[2] Tommy Prayoga, 2005, Perkembangan Produksi Beras.

[3] A.Husni Malian, Sudi Mardianto, Mewa Ariani, 2004, Faktor-Faktor

Yang Mempengaruhi Produksi, Konsumsi, dan Harga Beras Serta

Inflansi Bahan Makanan.

[4] Makridakis, S., Wright, S.C.W.,dan Mc Gee V. 1999. Alih Bahasa

Suminto, H,Ir. Metode dan Aplikasi Peramalan. Edisi Kedua. Binaputra

Aksara. Jakarta.

[5] Marcelina Rizka Falevy, M.Zen Samsono H,S.T,M.Sc,Akuwan

Saleh,SST, 2004, Sistem Peramalan Harga Sembako Berbasis Moving

Average Dengan Brew Platform Sebagai Mobile Interface.

[6] Alif Yuanita, Bambang Widjarnako Otok, Sutikno, 2007, Peramalan

Model Ramalan Produksi Padi Dengan Pendekatan Bagging Mars.

[7] Badria, 2008, Penggunaan Metode Exponential Smoothing Untuk

meramalkan Kebutuhan Cengkeh di Pabrik Rokok Adi Bungsu. [8] Priyanto, 2005, Handout Peramalan.

peramalan produksi padi berdasarkan luas panen dan...

Documents