View
56
Download
20
Category
Preview:
DESCRIPTION
Implementasi Grey Forecasting untuk hasil pertanian dengan sistem informasi geografis
Citation preview
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.
Recommended