Perancangan Kalender Tanam Berdasarkan Data...

Perancangan Kalender Tanam Berdasarkan Data Klimatologi

Menggunakan Metode Forecasting Holt-Winters (Studi Kasus : Boyolali)

Artikel Ilmiah

Peneliti : Gabriel Alvin Pryanto (672006257)

Kristoko Dwi Hartomo, M.Kom. M. A. Ineke Pakereng, M.Kom.

Program Studi Teknik Informatika Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana Salatiga

April 2013

1

1. Pendahuluan

Perubahan iklim merupakan rentetan kejadian alam yang secara global berdampak

terhadap pola kehidupan manusia di bumi. Pola kehidupan manusia memiliki tiga unsur dasar

yaitu : sandang, pangan, dan papan. Sumber bahan pangan mayoritas dihasilkan dari proses

produksi pertanian. Pada sektor pertanian, perubahan iklim memiliki pengaruh besar terhadap

perubahan pola tanam dan penurunan hasil produksi. Perubahan iklim secara langsung

mengakibatkan terjadinya pergeseran awal musim tanam [1]. Adanya perubahan iklim yang

ekstrim, baik kering (El-Nino) maupun basah (La-Nina) mengakibatkan kesalahan waktu masa

tanam. Hal ini membuat para petani Jawa khususnya di beberapa kabupaten sekitar wilayah

gunung Merapi dan Merbabu tidak dapat lagi menggunakan “Pranata Mangsa” dan ”Kertamasa”

sebagai pola strategi tanam [2]. Hal ini mengakibatkan kegagalan panen yang terjadi di sektor

pertanian di Kabupaten Boyolali. Berdasarkan data Dinas Kesbang Linmas Provinsi Jawa

Tengah, Kabupaten Boyolali mengalami kegagalan panen sebesar 613 ha pada tahun 2003, pada

tahun 2004 sebesar 715 ha. Pada tahun 2005 kegagalan panen sebesar 340 ha, pada tahun 2006

sebesar 175 ha dan sebesar 500 ha pada tahun 2007 [3].

Berdasarkan fakta-fakta tersebut, dapat diambil pemahaman bahwa perubahan iklim

secara langsung mempengaruhi sektor pertanian terutama di daerah yang memiliki lahan

pertanian ekstrim seperti di kabupaten Boyolali. Dampak dari perubahan iklim terhadap

produksi pertanian secara khusus meliputi dua hal, yaitu: hilangnya acuan masa tanam dalam

pertanian dan penurunan hasil produksi pertanian akibat terjadinya kegagalan panen. Bila hal ini

terjadi terus menerus, dapat menyebabkan kerugian pada sektor pertanian lokal dan secara

permanen akan mengancam ketahanan pangan nasional.

Metode forecasting merupakan sebuah metode yang digunakan untuk meramalkan suatu

waktu akan datang (future) dengan berdasarkan data masa lampau (past) dan masa sekarang

(present). Salah satu metode forecasting yang sering digunakan adalah metode forecasting Holt-

Winters. Metode forecasting Holt-Winters mampu meramalkan data dengan pola musiman

dengan atau tanpa trend. Untuk kasus di Kabupaten Boyolali ini, digunakan penerapan metode

forecasting Holt-Winters, yaitu dengan melihat grafik dan history dari sepuluh tahun (seratus

dua puluh periode) data klimatologi di Kabupaten Boyolali yang bersumber dari BMKG

Semarang. Metode forecasting Holt-Winters mampu memberikan gambaran mengenai iklim

dan cuaca di masa depan sehingga dapat memberikan informasi secara reliabilitas [4].

Penelitian yang dilakukan tentang Perancangan Kalender Tanam untuk komoditas Padi,

Jagung, dan Ketela Berdasarkan Data Klimatologi Menggunakan Metode Forecasting Holt-

Winters, yang mengambil Studi Kasus di Kabupaten Boyolali, diharapkan dapat menghasilkan

suatu pemodelan pengalenderan yang baru dengan menggunakan data history klimatologi

BMKG, sehingga para petani memiliki kembali acuan yang reliabilitas. Berdasarkan beberapa

fakta yang telah dijelaskan berikut, maka pada penelitian ini akan dipaparkan mengenai

bagaimana merancang kalender tanam untuk komoditas Padi, Jagung, dan Ketela berdasarkan

data klimatologi menggunakan metode forecasting Holt-Winters. Metode forecasting Holt-

Winters sendiri akan diterapkan dalam proses peramalan data klimatologi yang nantinya hasil

dari peramalan data klimatologi tersebut akan digunakan dalam penyusunan kalender tanam.

Sehingga penelitian yang dilakukan diharapkan dapat membantu para petani di daerah

Kabupaten Boyolali memiliki kembali acuan pola tanam berupa kalender tanam yang

reliabilitas.

2. Tinjauan Pustaka

Pada tahun 2009, dilakukan sebuah penelitian mengenai produksi kelapa sawit di PT.

Perkebunan Nusantara III untuk tahun 2010 dan tahun 2011 dengan menggunakan metode

pemulusan eksponensial ganda dari Brown untuk prediksi produksi kelapa sawit. Data yang

digunakan adalah hasil produksi kelapa sawit. Produksi kelapa sawit yang digunakan adalah

2

produksi dalam waktu tiga tahun yaitu tahun 2006 sampai dengan tahun 2008 [5]. Penelitian

lainnya dilakukan oleh Arista Wisnu Irawan pada tahun 2012 adalah menerapkan metode

prediksi Exponential Smoothing dalam perencanaan kalender tanam berdasarkan data Curah

Hujan dan modifikasi Pranata Mangsa [6]. Sedangkan perbedaan dengan penelitian yang

dilakukan adalah membahas tentang perancangan kalender tanam tahun 2013 di daerah Adi

Sumarmo, Kabupaten Boyolali berdasarkan data klimatologi / iklim (yang mencakup Curah

Hujan, Suhu Udara, dan Kelembaban Udara) dari tahun 2000 sampai tahun 2009 menggunakan

metode Forecasting Holt-Winters.

Penelitian yang dilakukan membahas tentang Interpolasi Polinomial Newton. Interpolasi

Polinomial Newton merupakan suatu metode yang dapat digunakan untuk mencari nilai di

antara data yang ada. Misalnya, jika pada data tersedia untuk tahun 2000 dan 2005, maka dapat

ditentukan data untuk tahun di antaranya. Bentuk persamaan polinomial yang lengkap

ditampilkan pada Persamaan 1 dengan beda terbagi tiga seperti yang ditampilkan pada Tabel 1

[7].

𝑃𝑛 𝑥 = 𝑓 𝑥 + 𝑥 − 𝑥0 𝑓 𝑥1 , 𝑥0 + 𝑥 − 𝑥0 𝑥 − 𝑥1 𝑓 𝑥2 , 𝑥1 , 𝑥0 +

𝑥 − 𝑥0 𝑥 − 𝑥1 … 𝑥 − 𝑥𝑛−1 𝑓 𝑥𝑛 , 𝑥𝑛−1, … , 𝑥1 , 𝑥0 (1)

Tabel 1 Beda Terbagi Newton [7] 𝑖 𝑥𝑖 𝑦𝑖 = 𝑓 𝑥𝑖 ST-1 ST-2 ST-3

0 𝑥0 𝑓 𝑥0 𝑓 𝑥1 , 𝑥0 𝑓 𝑥2 , 𝑥1 , 𝑥0 𝑓 𝑥3 , 𝑥2 , 𝑥1 ,𝑥0 1 𝑥1 𝑓 𝑥1 𝑓 𝑥2 , 𝑥1 𝑓 𝑥3 , 𝑥2 , 𝑥1 2 𝑥2 𝑓 𝑥2 𝑓 𝑥3 , 𝑥1 3 𝑥3 𝑓 𝑥3

Metode peramalan yang digunakan dalam penelitian ini adalah metode forecasting Holt-

Winters. Metode forecasting Holt-Winters merupakan turunan dari metode forecasting

Exponential Smoothing yang dapat meramalkan data dengan pola musiman dengan atau tanpa

trend. Prinsip metode forecasting Holt-Winters adalah metode yang menggunakan penghalusan

secara eksponensial sebagai ramalan dari kejadian di satu waktu yang akan datang, yaitu suatu

metode analisis statistika untuk membantu user menggambarkan keadaan iklim dan cuaca yang

selalu berubah-ubah berdasarkan data klimatologi di masa lampau. Metode forecasting Holt-

Winters menitikberatkan pada penurunan prioritas secara eksponensial pada objek pengamatan

yang lebih tua. Dengan kata lain, nilai terbaru akan diberikan prioritas lebih tinggi bagi prediksi

daripada nilai yang lebih lama. Penggunaan model Holt-Winters pada penelitian ini dianggap

cocok untuk meramalkan kebutuhan suatu produk berdasarkan data yang memiliki trend dan

perilaku musiman.

Ada tiga parameter yang perlu penetapan, bergantung dari komponen trend dan variasi

musiman [9] : 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. Parameter alpha digunakan

untuk model eksponensial sederhana dan model eksponensial Holt; 2) Beta (β) merupakan

parameter yang mengontrol pembobotan relatif pada pengamatan yang baru dilakukan untuk

kemunculan trend seri. Parameter beta digunakan pada model yang memiliki komponen trend

linier atau eksponensial yang tidak memiliki variasi musiman. Nilai beta berkisar 0 sampai 1.

Jika nilai semakin besar, maka menunjukkan pemberian bobot yang semakin besar pada

pengamatan terbaru. Parameter beta digunakan di dalam model Holt-Winters; 3) Gamma (γ)

merupakan parameter yang mengontrol pembobotan relatif pada pengamatan yang baru

dilakukan untuk kemunculan variasi musiman. Parameter gamma digunakan pada model yang

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

besar, maka menunjukkan pemberian bobot yang semakin besar pada pengamatan yang terbaru.

Parameter gamma digunakan untuk model Holt-Winters.

3

Pada penelitian ini model Exponential Smoothing yang digunakan adalah model Holt-

Winters yang menggunakan satu kali tahap pemulusan dengan satu parameter α yang merupakan

metode dengan data musiman. Besarnya α terletak di antara 0 dan 1. Persamaan 2 digunakan

untuk prediksi. Persamaan 2 adalah bentuk umum yang digunakan dalam penyusunan suatu

prediksi dengan metode Exponential Smoothing model Holt-Winters. Pada metode ini nilai α

terletak di antara 0 dan 1. St merupakan nilai prediksi Curah Hujan pada satu tahun yang akan

datang. St-1 adalah nilai prediksi Curah Hujan pada tahun sebelumnya. Xt-1 adalah nilai data

Curah Hujan asli pada tahun sebelumnya [10]. Fungsi prediksi pada model Holt‐Winters aditif

(untuk runtun waktu dengan panjang periode p) adalah [4]

𝑌ℎ𝑎𝑡 𝑡 + ℎ = 𝑎 𝑡 + ℎ ∗ 𝑏 𝑡 + 𝑠[𝑡 − 𝑝 + 1 + ℎ − 1 𝑚𝑜𝑑 𝑝] (2)

dengan 𝑎 𝑡 , 𝑏 𝑡 dan 𝑠[𝑡] didapat dari

𝑎 𝑡 = 𝛼 𝑌 𝑡 − 𝑠 𝑡 − 𝑝 + 1 − 𝛼 (𝑎 𝑡 − 1 + 𝑏 𝑡 − 1 )

𝑏 𝑡 = 𝛽 𝑎 𝑡 − 𝑎 𝑡 − 1 + 1 − 𝛽 𝑏[𝑡 − 1]

𝑠 𝑡 = 𝛾 𝑌 𝑡 − 𝑎 𝑡 + 1 − 𝛾 𝑠[𝑡 − 𝑝]

Ketepatan prediksi dapat diuji dengan menggunakan Mean Square Error (MSE) atau nilai

tengah kesalahan kuadrat adalah metode alternatif untuk mengevaluasi teknik peramalan

masing-masing kesalahan (selisih data aktual terhadap data peramalan) dikuadratkan, kemudian

dijumlahkan dan dibagi dengan jumlah data. MSE dapat dihitung dengan Persamaan 3 [11].

𝑀𝑆𝐸 = 𝐸𝑡

2

𝑛𝑛𝑡=1 𝐸𝑡 = 𝑋𝑡 − 𝐹𝑡 (3)

dimana : t : periode ke-t

Et : nilai kesalahan pada periode ke-t

n : total jumlah periode

Xt : nilai data asli periode ke-t

Ft : forecast untuk periode ke-t

Persamaan 3 adalah bentuk umum yang digunakan untuk menghitung kesalahan kuadrat

suatu prediksi. Semakin kecil (mendekati nilai 0) jumlah error yang dihasilkan maka prediksi

dinyatakan valid [12].

Penelitian yang dilakukan juga membahas tentang Standart Kesesuaian Lahan.

Kesesuaian lahan adalah tingkat kecocokan suatu bidang lahan untuk penggunaan tertentu.

Dalam menilai kesesuaian lahan ada beberapa cara, antara lain dengan perkalian parameter,

penjumlahan, atau menggunakan hukum minimum yaitu mencocokkan (matching) antara

kualitas lahan sebagai parameter dengan kriteria kelas kesesuaian lahan yang telah disusun

berdasarkan persyaratan penggunaan atau persyaratan tumbuh tanaman atau komoditas lainnya

yang dievaluasi [13]. Berdasarkan penilaian yang dilakukan didapatkan tabel Kesetaraan Iklim

yang merujuk pada penilaian kesesuaian lahan seperti ditampilkan pada Tabel 2.

Tabel 2 Tabel Kesetaraan Iklim [13]

Komoditas Curah Suhu Kelembaban

Hujan Udara Udara

Padi 175 - 500 24 - 29 33 - 90

Jagung 165 - 400 20 - 26 > 42

Ketela 200 - 400 22 - 25 < 75

4

Data penelitian yang digunakan dalam penelitian ini, dijelaskan sebagai berikut. Data

Curah Hujan Boyolali Tahun 2000-2009 dipaparkan pada Tabel 3, Data Suhu Udara Boyolali

Tahun 2000-2009 dipaparkan pada Tabel 4, dan Data Kelembaban Udara Boyolali Tahun 2000-

2009 dipaparkan pada Tabel 5.

Tabel 3 Data Curah Hujan Boyolali Tahun 2000-2009 THN JAN FEB MRT APR MEI JUN JUL AGS SEP OKT NOV DES

2000 253 301 400 206 85 29 21 8 71 128 210 96

2001 359 316 320 208 100 78 14 0 44 190 240 135

2002 398 449 304 284 46 8 7 0 0 15 245 341

2003 322 404 285 75 96 30 0 14 31 50 210 210

2004 533 219 309 114 86 11 108 0 0 79 558 435

2005 426 391 632 579 84 165 292 0 236 235 482 491

2006 108 595 407 464 462 266 2 0 0 4 1 23

2007 136 448 305 452 67 22 0 0 0 42 194

2008 264 429.4 471 198 42.6 0 0 0 0 0 298 303

2009 551 735 202 230 265 184 0 0 0 39 246 87

Tabel 4 Data Suhu Udara Boyolali Tahun 2000-2009 THN JAN FEB MRT APR MEI JUN JUL AGS SEP OKT NOV DES

2000 25.6 25.7 25.8 26.4 27.2 26.2 26.5 26.5 28.0 27.4 26.8 26.9

2001 25.9 25.6 25.7 26.1 26.2 25.6 25.0 24.8 26.5 25.9 26.2 25.9

2002 25.9 25.6 25.9 26.2 26.2 25.3 24.9 24.2 25.9 27.4 27.1 26.2

2003 26.3 26.0 27.0 28.7 27.0 25.3 24.0 24.3 27.6 27.8 27.5 26.6

2004 26.3 25.8 26.3 27.7 27.4 26.0 25.1 24.1 26.1 28.2 27.7 26.5

2005 26.6 26.4 26.8 27.1 27.4 27.2 26.6 26.5 27.5 27.8 27.9 25.6

2006 25.7 26.3 26.5 26.3 25.6 26.3 25.7 25.7 26.4 27.1 28.0 26.1

2007 26.2 25.6 26.2 26.7 27.3 26.8 26.4 26.3 25.4 26.8 25.9 25.6

2008 26.0 25.6 25.9 25.8 26.5 26.5 24.1 25.4 26.1 27.0 26.6 26.6

2009 26.0 25.5 26.9 27.0 26.9 26.8 26.4 26.4 27.3 28.9 27.7 27.6

Tabel 5 Data Kelembaban Udara Boyolali Tahun 2000-2009 THN JAN FEB MRT APR MEI JUN JUL AGS SEP OKT NOV DES

2000 83 85 84 82 77 74 70 67 69 74 81 77

2001 85 84 85 83 81 82 81 77 76 83 85 82

2002 85 85 84 84 81 80 80 75 71 70 81 85

2003 86 88 87 81 80 80 78 76 67 71 75 83

2004 77 85 84 78 77 75 81 76 74 68 78 86

2005 82 83 83 81 78 78 75 70 69 74 74 87

2006 86 87 83 83 81 65 70 70 64 68 71 84

2007 80 86 84 85 79 76 71 68 72 74 82 82

2008 82 84 86 85 74 71 81 78 77 81 82 81

2009 86 87 80 80 81 77 67 68 69 68 75 76

3. Metode Penelitian

Penelitian ini dilakukan di Kabupaten Boyolali dengan acuan data klimatologi berupa data

Curah Hujan, Suhu Udara, dan Kelembaban Udara berdasarkan referensi dari Badan

Meteorologi, Klimatologi, dan Geofisika Stasiun Klimatologi Semarang. Berdasarkan data yang

diperoleh, dirancang sebuah sistem pola tanam dalam bentuk sebuah kalender tanam pertanian

pada komoditas Padi, Jagung, dan Ketela.

5

Gambar 1 Tahapan Penelitian

Tahapan penelitian pada Gambar 1, terbagi dalam lima tahapan yaitu : 1) Pengumpulan

Data Klimatologi, merupakan langkah awal pengumpulan data klimatologi dari BMKG

Semarang. Data-data yang dibutuhkan pada penelitian ini antara lain : data Curah Hujan, data

Suhu Udara, dan data Kelembaban Udara Boyolali pada tahun 2000-2009 [14]; 2) Interpolasi

Polinomial Newton, tahapan untuk mencari nilai data yang hilang dengan menggambil nilai data

di antara data yang hilang menggunakan Interpolasi Polinomial Newton dengan beda terbagi

tiga; 3) Peramalan (Holt-Winters), tahapan peramalan data klimatologi Boyolali untuk tahun

2010, 2011, 2012, dan tahun 2013. Data klimatologi Boyolali diolah menggunakan metode

prediksi Holt-Winters. Data melewati tiga proses yaitu : proses input menggunakan fungsi scan

data .dat, proses penghalusan menggunakan fungsi Holt-Winters, dan proses peramalan

menggunakan fungsi Prediction. Dimana ketiga proses ini dilakukan untuk 48 periode dengan

merujuk pada 48 bulan atau sama dengan empat tahun, sehingga menghasilkan nilai ramalan

tahun 2010, 2011, 2012, dan tahun 2013; 4) Pengujian Hasil Peramalan, tahapan pengujian dari

hasil peramalan menggunakan standar deviasi untuk melihat seberapa jauh simpangan setiap

data peramalan dari rata-rata; dan 5) Penyusunan Kalender Tanam, adalah tahapan penyusunan

kalender tanam. Dimana nilai ramalan tahun 2013 dibandingkan secara manual terhadap tabel

kesetaraan kalender tanam sehingga menghasilkan sebuah pola strategi tanam yang disebut

dengan kalender tanam. Tabel kesetaraan kalender tanam mengacu pada klasifikasi kesesuaian

lahan pertanian [13].

6

4. Pembahasan dan Analisis

Pada bagian ini, dibahas dan dianalisis hasil penerapan metode forecasting Holt-Winters

pada data klimatologi Boyolali, serta perbandingan nilai prediksi terhadap tabel kesetaraan

kalender tanam untuk mengetahui pola tanam per komoditas per bulan selama 12 bulan di

Tahun 2013 untuk Kabupaten Boyolali. Pada Data Curah Hujan terlihat bahwa terdapat data

yang bernilai nol dan kosong. Data yang bernilai nol tidak sama dengan data yang kosong. Data

yang bernilai nol masih memiliki nilai yaitu nol, sedangkan data yang kosong dapat

diasumsikan bahwa data tidak ada atau tidak ada pengisian (human missing) dikarenakan tidak

dilakukannya pengukuran klimatologi lapangan. Pada kasus ini, bisa diasumsikan bahwa adanya

data kosong pada data Curah Hujan Boyolali bulan Desember tahun 2007 dinilai atas dasar

kelalaian dalam pengukuran klimatologi. Sehingga untuk data Curah Hujan Boyolali bulan

Desember tahun 2007 diberi nilai nol (0) sebagai nilai data yang baru.

Interpolasi Polinomial Newton digunakan untuk mencari nilai di antara data yang ada.

Pada kasus ini data Curah Hujan bulan Desember tahun 2007 hilang. Sehingga untuk

membangkitkan nilai pada data Curah Hujan bulan Desember tahun 2007 yang hilang, diambil

nilai data pada bulan Oktober 2007, November 2007, Januari 2008, dan Februari 2008. Nilai

data di antaranya dapat ditentukan dengan persamaan Interpolasi Polinomial Newton. Sehingga

data Curah Hujan bulan Desember tahun 2007 dapat diperoleh 226.84 ≈ 227.

𝑃4 𝑥 = 20.58𝑥3 − 183.06𝑥2 + 557.12𝑥 − 352.64

𝑃4 𝑥 = 226.84 ≈ 227

Data Fix Curah Hujan Boyolali tahun 2000-2009 setelah dilakukan proses Interpolasi

Polinomial Newton dipaparkan seperti pada Tabel 6.

Tabel 6 Data Fix Curah Hujan Boyolali Tahun 2000-2009 THN JAN FEB MRT APR MEI JUN JUL AGS SEP OKT NOV DES

2000 253 301 400 206 85 29 21 8 71 128 210 96

2001 359 316 320 208 100 78 14 0 44 190 240 135

2002 398 449 304 284 46 8 7 0 0 15 245 341

2003 322 404 285 75 96 30 0 14 31 50 210 210

2004 533 219 309 114 86 11 108 0 0 79 558 435

2005 426 391 632 579 84 165 292 0 236 235 482 491

2006 108 595 407 464 462 266 2 0 0 4 1 23

2007 136 448 305 452 67 22 0 0 0 42 194 227

2008 264 429.4 471 198 42.6 0 0 0 0 0 298 303

2009 551 735 202 230 265 184 0 0 0 39 246 87

Data Curah Hujan Boyolali tahun 2000-2009 digambarkan ke dalam bentuk Grafik Curah

Hujan seperti ditampilkan pada Gambar 2.

Gambar 2 Grafik Curah Hujan Boyolali Tahun 2000-2009

7

Untuk mendapatkan hasil peramalan pada tahun 2013 dari ketersediaan data 2000-2009,

maka dilakukan peramalan selama 48 periode dengan merujuk pada 48 bulan atau sama dengan

empat tahun, yaitu : tahun 2010, 2011, 2012, dan tahun 2013.

Grafik Prediction memperlihatkan ada dua garis biru dan satu garis merah. Garis biru

menggambarkan batas atas dan bawah dari prediksi, sedangkan garis merah adalah nilai

tengahnya. Garis biru atas mewakili nilai upper (upr) , garis merah mewakili nilai fit (fit), dan

garis biru bawah mewakili nilai lower (lwr). Nilai upper (upr) dan nilai lower (lwr) merupakan

batas simpangan kesalahan maximum pada permalan yang dilakukan. Grafik Prediction Curah

Hujan Boyolali tahun 2010, 2011, 2012, dan tahun 2013 ditampilkan seperti pada Gambar 3.

Gambar 3 Grafik Prediction Curah Hujan Boyolali Tahun 2010, 2011, 2012, dan 2013





batas simpangan kesalahan maximum pada permalan yang dilakukan. Grafik Prediction Suhu

Udara Boyolali tahun 2010, 2011, 2012, dan tahun 2013 ditampilkan seperti pada Gambar 4.

Gambar 4 Grafik Prediction Suhu Udara Boyolali Tahun 2010, 2011, 2012, dan 2013

8





batas simpangan kesalahan maximum pada permalan yang dilakukan. Grafik Prediction

Kelembaban Udara Boyolali tahun 2010, 2011, 2012, dan tahun 2013 ditampilkan seperti pada

Gambar 5.

Gambar 5 Grafik Prediction Kelembaban Udara Boyolali Tahun 2010, 2011, 2012, dan 2013

Nilai fit dari R Process yang dilakukan pada data klimatologi BMKG Semarang

menghasilkan peramalan klimatologi di Tahun 2013 seperti ditampilkan pada Tabel 7.

Tabel 7 Prediksi Klimatologi Boyolali Tahun 2013

No Bulan Peramalan Klimatologi Boyolali tahun 2013

Curah Hujan Suhu Udara Kelembaban Udara

1 Januari 346 28.1 74

2 Febuari 448 27.7 76

3 Maret 338 28.5 74

4 April 271 28.7 73

5 Mei 130 28.8 69

6 Juni 77 28.6 65

7 Juli 26 27.6 64

8 Agustus -4 27.7 63

9 September 37 28.4 62

10 Oktober 83 29.6 63

11 November 270 29.0 68

12 Desember 218 28.6 71

Pengujian proses peramalan ini dilakukan untuk mendapatkan peramalan klimatologi di

tahun 2013 dengan alpha, beta, dan gamma terpilih dengan trial & error yang disesuaikan

dengan standar deviasi terkecil. Untuk Curah Hujan standar deviasi : 145.1229, untuk Suhu

Udara standar deviasi : 0.651034, dan untuk Curah Hujan standar deviasi : 5.134079. Tabel

parameter terpilih ditampilkan seperti pada Tabel 8.

9

Tabel 8 Parameter Klimatologi Boyolali Tahun 2013

Curah Hujan Suhu Udara Kelembaban Udara

alpha 0.1832593 0.2712768 0.326593

beta 0 0.02851754 0.03166622

gamma 0.1820199 0.4151946 0.4405462

Hasil peramalan klimatologi menggunakan metode forecasting Holt-Winters tahun 2013

kemudian dianalisis dan disusun secara manual sehingga dapat menghasilkan sebuah pola tanam

yang sesuai dengan standar kesetaraan iklim dan nantinya disebut dengan kalender tanam.

Standar kalender tanam sendiri disesuaikan berdasarkan klasifikasi kesesuaian lahan [13].

Beberapa tipe klasifikasi tanah yang sesuai untuk pertanian, diklasifikasikan ke dalam setiap

komoditas pertanian. Struktur klasifikasi kesesuaian lahan sebagai standar kalender tanam

ditampilkan pada Tabel 9.

Tabel 9 Kesetaraan Iklim [13]

Komoditas Curah Suhu Kelembaban

Keputusan Hujan Udara Udara

Padi 175 - 500 24 - 29 33 - 90 Diterima

< 175 atau > 500 < 24 atau > 29 < 33 atau > 90 Ditolak

Jagung 165 - 400 20 - 26 > 42 Diterima

< 165 atau > 400 < 20 atau > 26 < 42 Ditolak

Ketela 200 - 400 22 - 25 < 75 Diterima

< 200 atau > 400 < 22 atau > 25 > 75 Ditolak

Tahap penyusunan kalender tanam ini dibagi menjadi per komoditas yaitu : komoditas

Padi, komoditas Jagung, dan komoditas Ketela. Penyusunan kalender tanam dilakukan

berdasarkan perbandingan secara manual antara klasifikasi kesesuaian lahan dengan nilai

prediksi klimatologi Boyolali Tahun 2013. Hasil prediksi pada Tabel 8 akan disesuaikan dengan

Tabel 9 untuk menentukan strategi tanam dalam proses penyusunan kalender tanam. Dalam

penelitian ini ditentukan dengan aturan berikut :

Strategi Tanam apabila dua dari tiga parameter diterima

Strategi Bera apabila kurang dari dua parameter yang diterima.

Sebagai contoh pada komoditas padi untuk bulan Januari 2013, Curah Hujan diterima,

Suhu Udara diterima, Kelembaban Udara diterima. Karena ketiga parameter diterima sehingga

ditentukan untuk komoditas Padi pada bulan Januari tahun 2013 dengan strategi Tanam.

Kalender Tanam Komoditas Padi, Jagung, dan Ketela Boyolali Tahun 2013 dipaparkan

pada Tabel 10.

Tabel 10 Tabel Kalender Tanam Boyolali Tahun 2013

Bulan Jan Feb Mrt Apr Mei Jun Jul Ags Sep Okt Nov Des

Padi tanam bera tanam

Jagung tanam bera tanam

Ketela tanam bera tanam

Berdasarkan pengujian atau observasi hasil penelitian “Perancangan Kalender Tanam

Berdasarkan Data Klimatologi Menggunakan Metode Prediksi Holt-Winters (Studi Kasus :

Boyolali)” yang dilakukan pada tanggal 15 Januari 2013 melalui Dinas Pertanian, Perkebunan,

dan Kehutanan Boyolali, didapatkan sebuah fakta bahwa kenyataan yang terjadi di lapangan

berbeda dengan hasil penelitian. Hal ini bisa terjadi dikarenakan ada pembagian wilayah dalam

sektor pertanian di kota Boyolali yang mana dibagi menjadi tiga wilayah, yaitu : 1) Wilayah

Utara, Pertanian Boyolali wilayah utara mencakup daerah : Juwangi, Wonosegoro, Kemusu,

Andong, Klego, dan Karanggede. Daerah ini merupakan daerah yang bisa dikatakan rawan

pertanian, dikarenakan sukarnya tanaman pertanian untuk bertahan hidup di daerah ini.

10

Kebanyakan para warga menggunakan lahan pertanian untuk menanam jenis tanaman untuk

perkebunan dan jenis pepohonan besar; 2) Wilayah Selatan, Pertanian Boyolali wilayah selatan

mencakup daerah : Ngemplak, Nogosari, Simo, Sambi, Bayudono, Sawit, dan Teras. Daerah ini

merupakan daerah subur pertanian, dikarenakan daerah ini memiliki iklim yang cocok untuk

pertanian dan dijadikan sebagai lumbung pertanian kota Boyolali. Dalam setahun saja dapat

terjadi tiga masa tanam untuk daerah tersebut ini; dan 3) Wilayah Lereng, Pertanian Boyolali

wilayah lereng mencakup daerah : Boyolali, Mojosongo, Musuk, Cepogo, Selo, dan Ampel.

Daerah ini merupakan daerah yang sukar untuk pertanian karena berada di dalam jalur deret

lereng gunung Merapi. Tanaman yang cocok dan sering digunakan warga untuk senjata

pertanian adalah tanaman jenis perkebunan.

Adanya pembagian wilayah pertanian Boyolali menjadi tiga, berdampak pada keakuratan

data mentah, karena data satu wilayah tidak dapat mewakili value dari satu Kabupaten Boyolali.

Data yang digunakan dalam penelitian ini merupakan data klimatologi dari BMKG Semarang

yang merupakan rata-rata secara global dari Kabupaten Boyolali. Sedangkan di Kabupaten

Boyolali sendiri terdapat tiga wilayah pertanian dengan tiga tipe klimatologi yang berbeda. Hal

tersebut mengakibatkan adanya perbedaan antara hasil penelitian dengan kondisi kenyataan di

lapangan pada saat dilakukan pengujian atau observasi lapangan. Sebagai contoh pada

komoditas Padi, pada hasil penelitian menghasilkan satu setengah kali masa tanam (enam

bulan). Sedangkan fakta yang didapatkan dari Dinas Pertanian Perkebunan dan Kehutanan

Boyolali bahwa kota boyolali memiliki antara dua kali sampai tiga kali masa tanam untuk

komoditas Padi.

5. Simpulan

Berdasarkan hasil penelitian, dapat disimpulkan bahwa model forecasting Holt-Winters

dapat digunakan untuk meramalkan klimatologi yang akan terjadi di tahun 2013 guna

menunjang dalam penelitian “Perancangan Kalender Tanam Berdasarkan Data Klimatologi

Menggunakan Metode Prediksi Holt-Winters (Studi Kasus : Boyolali)” dengan menggunakan

data klimatologi tahun 2000 – 2009 dari BMKG Semarang. Hal ini dibuktikan dengan

dirancangnya sebuah pola tanam berupa kalender tanam menggunakan data Curah Hujan, Suhu

Udara, dan Kelembaban Udara pada komoditas pertanian Padi, Jagung, dan Ketela. Sebagai

saran pengembangan pada penelitian selanjutnya dapat ditambahkannya data sesuai dengan

ketiga data klimatologi yang ada di tiga wilayah pertanian Boyolali secara terpisah, guna

mendapatkan hasil penelitian yang lebih akurat dan lebih baik lagi.

6. Daftar Pustaka

[1] Balai Penelitian Agroklimat dan Hidrologi (BPAH), 2008, Kalender Tanam Tanaman

Pangan Pulau Jawa.

pustaka.litbang.deptan.go.id/publikasi/wr303082.pdf.

Diakses 4 November 2012.

[2] Wiriadiwangsa, Dedik, 2005, Pranata Mangsa, masih penting untuk pertanian.

pustaka.litbang.deptan.go.id/bppi/lengkap/st090305-1.pdf.

Diakses pada 4 November 2012.

[3] Badan Perencanaan Pembangunan Nasional (BAPPENAS), 2008, Provinsi jawa Tengah.

bappenas.go.id/get-file-server/node/8852/. Diakses pada 17 November 2012.

[4] Suhartono, 2008, Analisis Data Statistik dengan R, Jurusan Statistika, Institut Teknologi

Sepuluh Nopember, Surabaya.

[5] Susanti Endang P., 2009, Proyeksi Tingkat Produksi Ketersediaan Jagung Propinsi

Sumatra Utara.

http://www.repository.usu.ac.id/bitstream/123456789/14118/1/09E02364.pdf.

Diakses pada 4 november 2012.

11

[6] Wisnu, Arista I., 2012, Perencanaan Kalender Tanam Berdasarkan Modifikasi Pranata

Mangsa dan Klimatologi Menggunakan Metode Prediksi Exponential Smoothing. Skripsi

Fakultas Teknologi Informasi Univesitas Kristen Satya wacana.

[7] Munir, Rinaldi, 2003, Metode Numerik, Bandung.

[8] Yusup, M., 2005, Penggunaan Metode Exponential Smoothing Dalam Prediksi Jumlah

Calon Mahasiswa Baru Tahun 2006 Di Jurusan Matematika FMIPA Unnes, Semarang.

[9] Badria, 2008, Penggunaan Metode Exponential Smoothing untuk meramalkan Kebutuhan

Cengkeh di Pabrik Rokok Adi Bungsu.

http://elibrary.ub.ac.id/bitstream/123456789/24310/1/Penggunaan-metode-exponential-

smoothing-untuk-meramalkan-kebutuhan-cengkeh-di-Pabrik-Rokok-Adi-Bungsu.pdf.


[10] Subagyo, P., 1986, Forecasting Konsep dan Aplikasi. Yogyakarta: BPFE.

[11] Bahri S.T.M, Syaipul, 2009, Prediksi Produksi Jagung Kabupaten Simalungun pada

Tahun 2012.

repository.usu.ac.id/bitstream/123456789/14032/1/09E02354.pdf.

Diakses pada 24 oktober 2012.

[12] Hendra, Riki, 2005, Peramalan Produk Dengan Menggunakan Metode Exponential

Smoothing.

http://elib.unikom.ac.id/files/disk1/30/jbptunikompp-gdl-s1-2005-rikihendra-1470-bab-

ii.doc.


[13] D. Djaenudin, Marwan H., Subajo H., A. Hidayat, 2003, Petunjuk Teknis Evaluasi Lahan

untuk Komoditas Pertanian, Badan Penelitian Tanah, Bogor.

[14] Lutfiati, Evi, 2010, Badan Meteorologi, Klimatologi dan Geofisika, Stasiun Klimatologi

Semarang, Semarang.

Perancangan Kalender Tanam Berdasarkan Data...

Documents

Transcript of Perancangan Kalender Tanam Berdasarkan Data...