PENERAPAN PREDIKSI ABU-ABU UNTUK PRAKIRAAN HASIL

PERTANIAN DENGAN MENGGUNAKAN SISTEM INFORMASI

GEOGRAFIS

Proposal Penelitian untuk Tesis S-2

Program Studi Magister Sistem Informasi

Asfan Muqtadir

30000413410022

PROGRAM PASCASARJANA

UNIVERSITAS DIPONEGORO

SEMARANG

2014

1

1. Pendahuluan

1.1 Latar Belakang

Prakiraan merupakan seni dan ilmu untuk memprediksi kejadian-kejadian

masa depan dengan melihat data sebelumnya dan menggambarkannya ke masa

depan dengan menggunakan model matematis (Render, 2001). Arti lain dari

prakiraan adalah suatu kegiatan penerapan model yang telah dikembangkan pada

waktu yang akan datang (Aritonang, 2002).

Dalam perekonomian dan keberlangsungan hidup masyarakat, sektor

pertanian mempunyai peranan penting didalamnya, terutama kontribusinya

terhadap lapangan kerja dan pangan dalam negeri. Pertanian memiliki dua

manfaat bagi penduduk miskin, terutama menciptakan lapangan kerja alternatif

dan menciptakan akses yang lebih baik untuk makanan (Galuh, 2013).

Perkembangan pertanian tanaman pangan saat ini sangat erat kaitannya

dengan permasalahan pemanfatan lahan, pengalihan guna lahan pertanian akan

sangat mengancam luas lahan produksi pertanian seiring semakin lajunya roda

pembangunan daerah yang semakin pesat. Meningkatnya kebutuhan hidup dan

penggunaan lahan pertanian baik untuk keperluan produksi pertanian maupun

keperluan dalam bidang lainya membutuhkan perencanaan dan pengambilan

keputusan kebijakan untuk pemanfaatan yang paling optimal (Kubelaborbir,

2010). Akibatnya, karena hasil pertanian dalam pengolahannya mempunyai

kontribusi penting dalam bidang lapangan kerja dan pangan dalam negeri, maka

diperlukan kebijakan-kebijakan untuk mengelola kelanjutan dari keberlangsungan

sektor pertanian. Dengan demikian, dalam penelitian ini memilih prakiraan

pertanian sebagai objek penelitian.

Terdapat beberapa metode yang sebelumnya digunakan untuk prakiraan

dalam bidang pertanian lainya, misalnya model jaringan syaraf tiruan digunakan

untuk memprediksi kutikula retak pada paprika dan tomat rumah kaca (Ehret,

2008), Memprediksi distribusi tekstur tanah dengan menggunakan model jaringan

syaraf tiruan (Zhao, 2009). Dengan menggunakan model ANN Backpropagation

untuk prediksi terjadinya populasi penggerak pertumbuhan padi (Yang dkk,

2009). Perbandingan algoritma genetika dan regresi nonlinier digunakan untuk

memprediksi dengan tepat timbulnya bibit rumput liar (Hajseyedhadi, 2009).

2

Masing-masing metode tersebut memiliki kelebihan dan kekurangan, yang dapat

menyebabkan beberapa perbedaan dalam hasil prediksi yang akurat. .

Grey Prediction berkaitan dengan model sistem yang tidak cukup jelas,

dengan informasi tersebut tidak cukup lengkap untuk menangani sistem analisis

relasional, konstruksi model, prediksi dan keputusan. Penerapan prediksi abu-abu

termasuk analisis relasional abu-abu, prakiraan abu-abu, pengambilan keputusan

abu-abu, dan kontrol abu-abu. Di antara model abu-abu, salah satu yang banyak

digunakan adalah prakiraan abu-abu. Bentuk umum dari model prakiraan abu-abu

adalah GM ( n , m ), dengan n dan m menunjukkan urutan persamaan diferensial

biasa dan jumlah variabel abu-abu. GM (1,1) adalah salah satu yang paling umum

digunakan model prakiraan abu-abu (Shang, 2012). GM (1,1) memiliki kelemahan

hanya cocok untuk jangka pendek dan perubahan kecil prakiraan data (Shen,

2009 ). Perusahaan industri opto-elektronik membandingkan prediksi abu-abu,

dan algoritma genetika untuk memprakirakan hasil industri, dengan pengambilan

data pembanding yang cukup serta digunakan untuk prediksi dalam jangka waktu

pendek (Hsu, 2011).

Prakiraan konsumsi listrik dengan menggunakan prediksi abu-abu, karena

tingkat pertumbuhan ekonomi di negara-negara berkembang biasanya tinggi dan

tidak stabil, tidak mudah untuk mendapatkan prediksi yang akurat menggunakan

data jangka panjang, dengan demikian peramalan dengan jangka pendek data

lebih efektif dan cukup menarik (Li dkk, 2012). Prediksi abu-abu merupakan

salah satu pendekatan yang dapat digunakan untuk membangun sebuah model

dengan sampel yang terbatas untuk memberikan keuntungan yang lebih baik

dengan peramalan masalah jangka pendek. Oleh karena itu, penelitian ini

disarankan dengan menggunakan prediksi abu-abu untuk memprakirakan hasil

pertanian.

Sistem Informasi Geografis merupakan kombinasi manajemen database

dalam mengumpulkan dan menyimpan sejumlah data geospasial yang besar,

bersama-sama dengan kemampuan analisis spasial untuk mengetahui hubungan

geospasial antara entitas dari masing-masing data yang digunakan, ditambah

dengan peta layar yang berfungsi menggambarkan hubungan data geospasial

dalam dua dan tiga dimensi dalam bentuk peta (Nyerges, 2009).

3

SIG untuk evaluasi lahan menunjukkan bahwa model evaluasi lahan

berguna untuk mengidentifikasi daerah yang cocok untuk budidaya udang dan

untuk mengalokasikan lahan untuk mendapatkan penghasilan yang efisien,

konservasi yang efektif, dan pengelolaan lahan yang berkelanjutan (Dao, 2005).

Dalam penelitian yang akan dilakukan ini, memiliki perbedaan dengan

penelitian-penelitian yang telah dilakukan sebelumnya, perbedaan tersebut

terletak pada penerapan prediksi abu-abu yang digunakan untuk memprakirakan

hasil pertanian, dengan output yang dihasilkan akan diintegrasikan dalam sistem

informasi geografis. Sehingga pemetaan yang diperoleh dari SIG merupakan hasil

dari perhitungan dengan menggunakan prediksi abu-abu.

1.2 Tujuan Penelitian

Tujuan penelitian ini menerapkan metode prediksi abu-abu untuk

memperkirakan hasil pertanian tanaman pangan dengan menyajikan

informasi berbasis Sistem informasi Geografis.

1.3 Manfaat peneilitian

1. Memperoleh hasil pertanian yang akan datang, sehingga hasil dari prakiraan

tanaman pangan tersebut bisa dimanfaatkan Dinas yang berkaitan.

2. Dengan arti luas, data hasil penelitian ini dapat dimanfaatkan sebaik-baiknya

oleh Bidang Tanaman Pangan Dinas Pertanian Kabupaten Tuban dalam

menyusun rencana kebijakan lahan pertanian sesuai Rencana dan Strategi

yang telah ada.

3. Bahan pembanding bagi peneliti lain yang studi dalam bidang pemetaan

lahan petanian di Kabupaten Tuban.

2. Landasan Teori

2.1 Grey Prediction

GM (1,1) model dasarnya adalah model eksponensial. Hal ini didasarkan

pada penerapan akumulasi menghasilkan operasi seri menjadi sebuah

peningkatan urutan non-negatif dan dengan demikian melemahkan keacakan

urutan data asli, dan menyoroti tren. Kemudian, model menemukan seri data

4

dengan keteraturan internal. Dalam rangka membangun model prakiraan abu-

abu, kita perlu menilai asli seri data x ( 0 ) melalui rasio kelas. Rasio kelas

didefinisikan sebagai λ ( 0 ) (k)=x ( 0 ) (k-1) / x ( 0 ) (k), k=2,3,…,n

(Deng,2002) .

Prosedur pemodelan dapat diringkas dalam langkah-langkah sebagai

berikut:

1) Membangun seri data asli dari nilai hasil pertanian.

x ( 0 ) = (x ( 0 ) (1) , x ( 0 ) (2) , . . . , x ( 0 ) (k) ). (1)

2) Dengan mengambil orde pertama akumulasi menghasilkan operasi (1-

sebelumnya) pada x ( 0 ) , Kita dapat memperoleh serangkaian data baru,

yaitu:

x ( 1 ) = (x ( 1 ) (1) , x ( 1 ) (2) , ⋯ , x ( 1 ) (k) ) , (2)

dengan , k=2,3,…,n .

3) Hitung nilai latar belakang z ( 1 ) dibangun dengan metode generasi

berdasarkan rata-rata.

(3)

4) Jika x ( 1 ) menunjukkan variasi eksponensial, persamaan diferensial abu-abu

yang digunakan dalam GM (1,1) model , Dan persamaan

perbedaan yang ditampilkan sebagai:

x ( 0 ) (k) + z ( 1 ) (k) = b, (4)

Dengan a adalah koefisien pengembangan, dan b adalah variabel kontrol abu-

abu.

5

5) Metode kuadrat terkecil (OLS) digunakan untuk menghitung

parameter a dan b .

(5a)

Dengan

. . (5b)

6) Di bawah kondisi awal x ( 1 ) (1) = x ( 0 ) (1), Solusi dari hasil persamaan

diferensial abu-abu:

(6)

7) Gunakan akumulasi terbalik menghasilkan operasi teknik untuk

mendapatkan nilai-nilai perkiraan .

(7)

Pada Grey Prediction, terdapat beberapa parameter untuk hasil prakiraan

yang diklasifikasikan sebagai berikut :

Tabel 1. Klasifikasi Parameter Grey Forecasting (Delurgio, 1998)

RMSPE dan MAPE (%) Daya prakiraan

<10 Sangat akurat

10-20 Baik

20-50 Masuk akal

> 50 Akurat

6

2.2 Sistem Informasi Geografis

GIS merupakan suatu alat yang dapat digunakan untuk mengelola (input,

manajemen, proses, dan output) data spasial atau data yang bereferensi geografis.

Setiap data yang merujuk lokasi di permukaan bumi dapat disebut sebagai data

spasial bereferensi geografis. Misalnya, data kepadatan penduduk suatu daerah,

data jaringan jalan suatu kota, data distribusi lokasi pengambilan sampel, dan

sebagainya (Nuarsa, 2005).

Sistem Informasi Geografis merupakan kombinasi manajemen database

dalam mengumpulkan dan menyimpan sejumlah data geospasial yang besar,

bersama-sama dengan kemampuan analisis spasial untuk mengetahui hubungan

geospasial antara entitas dari masing-masing data yang digunakan, ditambah

dengan peta layar yang berfungsi menggambarkan hubungan data geospasial

dalam dua dan tiga dimensi dalam bentuk peta (Nyerges, 2009).

2.3 Pmapper

Pmapper merupakan salah satu framework atau tool yang dapat digunakan

untuk membangun aplikasi pemetaan (SIG) yang berbasiskan layanan web.

Framework ini telah dikembangkan oleh DM Solutions Group dengan tujuan

untuk menghasilkan lingkungan kerja yang sangat customizable dan adaptable

dalam pendistribusian dan pengelolaan aplikasi-aplikasi web-mapping.

Pmapper merupakan suatu framework yang menyediakan beberapa fungsi

yang tereintegrasi dengan aplikasi MapServer berbasis PHP / MapScript. Berikut

merupakan beberapa fungsi yang terdapat di Pmapper adalah:

a. Pan/zoom dengan mouse, keyboard, slider, dan reference map.

b. Fungsi query (identify, select, search).

c. Hasil query ditampilkan dengan menggabungkan basis data dan

hyperlinks.

d. Konfigurasi pada beberapa fungsi, tingkah laku dan tampilan

menggunakan INI file.

e. Berbagai macam model untuk tampilan legenda dan tabel.

7

2.4 MapServer

MapServer adalah sebuah lingkungan pengembangan bersifat sumber

terbuka (open source) untuk pengembangan aplikasi internet yang

memungkinkan pengolahan spasial. Bisa dijalankan sebagai sebuah program

CGI atau melalui Mapscript yang mendukung beberapa bahasa pemrograman.

MapServer dulunya dikembangkan oleh Universitas Minnesota. MapServer

asalnya dikembangkan dengan dukungan NASA, yang membutuhkan sebuah

cara untuk membuat citra satelit mereka bisa tersedia untuk umum. (Vatsavai,

2006).

3. Metode Penelitian

3.1 Bahan dan Alat Penelitian

Adapun alat yang digunakan untuk mendukung pengerjaan Sistem Informasi

Geografis ini spesifikasinya sebagai berikut :

a. Quantum GIS 1.8.0 sebagai Pengolah Peta dan data spasial

b. MS4W 3.0.6 sebagai Webgis Server

c. pmapper-4.3.1 sebagai Framework Webgis

d. PHP 5.4.0 Sebagai bahasa pemrograman webnya

e. PostgreSQL 9.0 dan Postgis sebagai database

3.2 Prosedur Penelitian

Langkah-langkah yang dilakukan dalam membuat suatu rancangan sistem

informasi geografis yang dapat memberikan informasi Pemetaan Lahan

Pertanian Di Kabupaten Tuban yang digunakan sebagai pengambilan informasi

Untuk Analisa Kebijakan Bidang Pertanian, sebagai berikut :

8

Gambar 3.1 Prosedur Penelitian

3.2.1 Pengumpulan Data

Adapun metode pengumpulan data-data informasi yang dipergunakan adalah

sebagai berikut :

a. Metode Observasi

Metode ini digunakan untuk mendapatkan data Raster Peta Wilayah dan

penggunaan lahan Kabupaten Tuban serta data atribut pendukung lainnya

seperti berikut :

Pengumpulan Data Penelitian

Identifikasi dan Pengolahan Data

Analisis dan Perancangan Sistem

Implementasi Sistem

Pengujian Sistem

9

Gambar 3.2 Peta Pola Ruang RTRW Kab. Tuban dan Legenda Peta Pola

Ruang RTRW Kab. Tuban (BAPPEDA Tuban)

(Sumber : Peta Rencana Pola Ruang RTRW Kab. Tuban, 2012)

10

b. Metode Kepustakaan

Metode ini digunakan untuk mencari data hasil produksi, luas panen,

penggunan lahan dan komoditas tanaman pangan dari tahun 2005 sampai tahun

2014 serta data lainnya yang berhubungan dengan penelitian ini. Beberapa

datanya adalah sebagai berikut :

Data penggunaan lahan meliputi :

Lahan Sawah

Mencakup sawah pengairan, tadah hujan, sawah pasang surut, rembesan,

lebak dan sebagainya.

Lahan Tegalan atau ladang

11

Lahan kering yang ditanami tanaman musiman seperti padi ladang,

palawija dan letaknya terpisah dengan halaman sekitar rumah.

Tanaman Pangan adalah tanaman bahan makanan dalam produksi. Berikut ini

adalah jenis tanaman pangan, tanaman sayuran dan Buah-Buahan semusim yaitu

sebagai berikut :

3.2.2 Analisa Sistem

Pada tahapan ini dilakukan analisa terhadap sistem lama dengan analisa

sistem yang diusulkan, serta kebutuhan data yang dibutuhkan untuk

pengembangan sistem.

12

Gambar 3.3 Arsitektur sistem prakiraan hasil pertanian

a. Data Peta

Peta yang digunakan adalah peta berbasis vektor yang digunakan untuk

menampilkan informasi mengenai luas lahan pertanian di masing-masing

kecamatan dan desa. Line dan Polygon yang dimunculkan pada peta

dimaksudkan untuk memudahkan para pengguna untuk mendapatkan

informasi mengenai data-data lahan pertanian yang tersebar di kabupaten

tuban yang dipilih dengan mengklik layer dan kemudian muncul informasi

atribut yang dibutuhkan.

b. Data Spasial

Penggunaan data spasial untuk menggambarkan lahan pertanian

tanaman pangan dalam bentuk polygon dan line untuk menggambarkan

Mengklasifikasikan hasil

pertanian perkecamatan

Analisa menggunakan Grey

Prediction untuk memprakirakan

Hasil pertanian tanaman pangan

Menerapkan perhitungan Grey

Prediction kedalam GIS

GIS

Menampilkan pemetaan hasil

pertanian sesuai perhitungan

tahun yang diinputkan

Input data hasil

pertanian sebelumnya

13

batas wilayah kecamatan maupun desa di Kabupaten Tuban. Objek ini

diperoleh dari hasil georeferensing, digitasi dan geoprosesing dari peta

pola ruang RTRW BAPPEDA dengan menggunakan perangkat lunak

Quantum GIS 1.8.0 sehingga menjadi peta yang mempunyai koordinat

sesuai keadaan sebenarnya dan menghasilkan proyeksi UTM.

c. Data Atribut

Data atribut adalah data yang menjelaskan tentang detail spasial. Data

yang akan ditampilkan berupa data nama kecamatan, desa, luas lahan,

ketinggian tanah, nama lahan dan penggunaan lahan. Atribut pada masing-

masing data tersebut akan dijelaskan pada kamus data. Pengguna dapat

melihat data atribut dari peta dengan mengklik line dan polygon tersebut,

jika pengguna mengklik line dan polygon maka akan menghasilkan

informasi field-field data yang ditampilkan secara otomatis.

3.2.3 Desain Sistem

Langkah ini menentukan dasar sistem yang akan dibuat. Kesalahan

dalam desain dapat menimbulkan hambatan, sebaliknya bila desainnya baik

akan membuat pengembangan (development), peningkatan fungsi

(enhancement), dan pemeliharaan (maintenance) sistem menjadi lebih

mudah dan efisien.

a. Kerangka Sistem Informasi

Kerangka sistem informasi merupakan gambaran fisik sebuah

sistem informasi dimana terdapat beberapa data yang merupakan sebuah

inputan dari sistem tersebut. Terdapat beberapa proses dan hasil

keluaran berupa data yang di tampilkan dengan beberapa model

penyajian.

14

Gambar 3.3 Kerangka Sistem Informasi

Pada gambar diatas merupakan kerangka sistem yang terdapat

input yang terdiri dari data-data yang akan di masukkan ke dalam sistem,

dan juga terdapat proses mengelola data dan menampilkan kedalam

beberapa model penyajian data. Hasil dari sebuah sistem tersebut di

sajikan dengan output berupa tampilan Webgis , tabel dan grafik.

3.2.4 Implementasi Sistem

Tujuan dari tahapan implementasi yaitu untuk melakukan uji coba

mengenai perangkat lunak sistem maupun perangkat keras sebagai sarana

pengolah data dan sekaligus penyaji informasi yang dibutuhkan. Selanjutnya akan

diimplementasikan pada sebuah sistem. Analisa dilakukan untuk melihat apakah

semua proses yang telah dibangun sudah berjalan dengan baik dan hasil yang

dikeluarkan sesuai dengan yang diharapkan.

Analisa grey

prediction dari hasil

pertanian

15

3.2.5 Pengujian

Pada tahapan ini mencakup koreksi dari berbagai error yang tidak

ditemukan pada tahap-tahap terdahulu, perbaikan atas implementasi unit sistem

dan pengembangan pelayanan sistem, sementara persyaratan-persyaratan baru

ditambahkan. Pada tahap ini disarankan ada dua tahap review yang harus

dilaksanakan. Review pertama dilaksanakan pada saat yang tidak terlalu lama

setelah penerapan sistem, dimana proyek tim masih ada dan masing-masing

anggota masih segar untuk mengingat sistem yang mereka buat. Review

berikutnya dapat dilakukan kira-kira setelah semester pertama sistem berjalan,

tujuannya untuk meyakinkan apakah sistem tersebut sudah berjalan sesuai dengan

tujuan semula atau masih adakah perbaikan dan penyempurnaan yang harus

dilakukan.

4. Jadwal Penelitian

Berikut ini merupakan rancangan jadwal kegiatan penelitian tesis adalah

sebagai berikut :

Tabel 4.1 Jadwal Kegiatan Penelitian Tesis

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1 Survey Obyek Penelitian

2 Studi Kepustakaan

3 Pengumpulan Data

4 Desain dan Analisis Sistem

5 Pembuatan Sistem Aplikasi

6 Tes Awal Sistem Aplikasi

7 Perbaikan Error dan Bug

8 Tes Akhir Sistem Aplikasi

9 Implementasi Sistem

10 Penyusunan Laporan Tesis

Bulan VKEGIATANNO

Bulan I Bulan II Bulan III Bulan IV

16

Daftar Pustaka

Shang, L. (2012). Forecasting agricultural output with an improved grey

forecasting model based on the genetic algorithm, Journal of Computers and

Electronics in Agriculture, 85, 33–39. Gkatzoflias, D., Mellios, G., Samaras, Z., (2013). Development of a web GIS

application for emissions inventory spatial allocation based on open sources

of software tools, Journal of Computers & Geosciences, 52, 21–33.

Jansen, B. J., Ciamacca, C. C., & Spink, A. (2008). An analysis of travel

searching on the web. Journal of Information Technology and Tourism,

10,101-118.

Chang, Grace, Canedy, L. (2011). Web-based GIS in tourism information search:

Perceptions, tasks, and trip attributes. Journal of Tourism Management, 32,

1435-1437.

Dao, H. G., Yang ,Y., Amararatne Y., (2005). GIS for land evaluation for shrimp

farming in Haiphong of Vietnam, Journal of Ocean & Coastal

Management, 48, 51–63.

Nyerges, T., (2009). Gis and Society, University of Washington, Seatle, WA,

USA.

Zhang, N., Runquist, R., Schrock, M., Havlin, J., Kluitenburg, G., Redulla, R.,

(1999). Making GIS a versatile analytical tool for research inprecision

farming, Journal of Computers and Electronicsin Agriculture, 22, 221–

231.

Simao, A., J.Denshamd, P., Mordechai Haklay, (2009). Web-based GIS for

collaborative planning and public participation: An application to the

strategic planning of wind farm sites, Journal of Environmental

Management, 90, 2027–2040.

Kubelaborbir, H., Yarangga, K., (2010). Zona Agreokologi Kabupaten Keerom

Provinsi Papua Berdasarkan Pendekatan Sistem Informasi Geografis

(SIG), Journal Agrikultura, 21(1), 77-84.

R. R. Vatsavai, S. Shekhar, T. E. Burk, S. Lime, (2006). Umn mapserver: A high

performance, interoperable, and open source web mapping and geo-

spatial analysis system, Geographic Information Science, pp. 400-417.

BPS, 2013. Tuban Dalam Angka 2013. Tuban: Badan Pusat Statistik Tuban.

17

Wayan, I Nuarsa, 2005. Belajar Sendiri Menganalisis Data Spasial dengan

Arcview GIS 3.3 Untuk Pemula. Jakarta : PT. Media Komputindo