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