Upload
trancong
View
234
Download
4
Embed Size (px)
Citation preview
Pemodelan Prediksi Curah Hujan
Menggunakan Metode Holt-Winters Sebagai Faktor Dominan
Dalam Penentuan Pola Cocok Tanam
(Studi Kasus : Kabupaten Boyolali)
Artikel Ilmiah
Diajukan kepada
Fakultas Teknologi Informasi
untuk memperoleh Gelar Sarjana Komputer
Oleh :
Vigor Wayan Sukma
NIM : 672007704
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
Juli 2015
1
2
3
4
5
6
Pemodelan Pola Cocok Tanam Baru Berdasarkan Curah Hujan
Menggunakan Metode Holt-Winters
(Studi Kasus : Kabupaten Boyolali)
1) Vigor Wayan Sukma, 2) Kristoko D. Hartomo, 3) Suprihadi
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Jl. Diponegoro 52-60, Salatiga 50711, Indonesia
Email: 1) [email protected], 2) [email protected] 3) [email protected]
Abstarct
Crops and rice become the main commodities in raising the regional income
of Boyolali distric. The displacement of seasons has given a significant effect to
the planting pattern. This displacement also has impacted the level of crops
productivity in Boyolali distric. The writer hopes by using Forecasting Holt-
Winters, the farmer will be able to predict the season pattern accurately. On the
other hand Forecasting Holt Winters will also help the goverment anf the farmer
to cultivicate their field in order to reduce the corp failure. Holt-Winters can be
use to predict rain fall with accuration error 0.808, result of prediction rain fall
use to make new cropping calendar in Boyolali distric.
Keywords : Forecasting, Holt Winters, Season
Abstrak
Kabupaten Boyolali sangat mengandalkan sektor pertanian sebagai komoditi
utama baik berupa padi maupun palawija, untuk menunjang pendapatan asli
daerah. Seiring terjadinya pergeseran musim baik musim penghujan maupun
kemarau hal ini sangat mempengaruhi pola cocok tanam dimana hal ini sangat
berdampak pada tingkat produktifitas tanaman pangan di Kabupaten Boyolali.
Diharapkan dengan menggunakan metode Forecasting Holt-Winters penulis dapat
memprediksi pola musim dengan tingkat keakuratan yang tinggi, sehingga dapat
membantu pemerintah maupun petani didalam mengolah lahan mereka sehingga
dapat mengurangi resiko terjadinya gagal panen. Holt-Winters dapat digunakan
untuk memprediksi curah hujan dengan tingkat akurasi error 0.808, hasil prediksi
curah hujan tersebut digunakan untuk membuat kalender pola tanam baru.
Kata Kunci : Sistem peramalan, Holt Winters, Musim
7
1. Pendahuluan
Kabupaten Boyolali merupakan salah satu kabupaten yang memiliki lahan
pertanian yang cukup luas sehingga salah satu sumbangan terhadap Produk
Domestik Regional Bruto. Kabupaten Boyolali yang dominan adalah sektor
pertanian 36%. Kondisi iklim, cuaca dan curah hujan seringkali mempengaruhi
kerberhasilan maupun kegagalan dalam usaha pertanian. Dampak konkrit
pengaruh cuaca maupun curah hujan terhadap produksi pertanian khususnya
tanaman pangan meliputi dua hal, pertama, kegagalan panen akibat kekeringan
atau banjir. Dan kedua penurunan produksi pertanian akibat penyimpangan cuaca
atau curah hujan yang mempengaruhi periode tanam tanaman pertanian. Jika hal
ini terjadi secara terus menerus dapat menganggu produksi tanaman pangan di
Kabupaten Boyolali [1].
Dalam penentuan pola tanam biasanya petani bergantung pada musim atau
curah hujan, pada curah hujan tinggi atau musim penghujan petani menggunakan
lahannya untuk bercocok tanam padi. Sedangkan pada musim kemarau dengan
curah hujan rendah petani menggunakan lahannya untuk bercocok tanam tanaman
palawija yang tidak membutuhkan air banyak. Berdasarkan sumber dari Dinas
Pertanian Perkebunan dan Kehutanan Kabupaten Boyolali, sekarang sangatlah
sulit menggantungkan metode pola tanam berdasarkan metode tahun tahun dulu,
dikarenakan perubahan iklim atau curah hujan yang menggalami pergeseran baik
dikarenakan dampak dari El nino maupun perubahan iklim secara global.
Berdasarkan uraian latar belakang tersebut, maka muncullah keinginan
untuk membuat sebuah sistem penentu pola tanam baru. Saat ini telah
berkembang teknologi informasi berupa metode peramalan cuaca menggunakan
metode Triple Exponential Smoothing atau Holt-Winters, yaitu prosedur
perbaikan secara terus menerus pada peramalan terhadap objek pengamatan
terbaru,metode ini menitik beratkan pada penurunan prioritas secara exponential
pada objek pengamatan yang lebih tua. Dengan kata lain observasi terbaru akan
diprioritaskan lebih tinggi bagi peramalan daripada observasi yang lebih lama.
Dengan metode ini dapat memberikan informasi dengan tingkat keakuratan
tinggi dan dapat membantu Petugas Penyuluh Lapangan dan para petani moderen
didalam menentukan pola cocok tanam baru. Hal ini akan mempengaruhi resiko
kegagalan tingkat produktifitas usaha tani, meningkatan produksi dan
ketersediaan pangan lokal serta meningkatkan pendapatan asli daerah.
2. Tinjauan Pustaka
Sistem informasi pola tanam pada suatu daerah dengan menggabungkan
data klimatologi, data koordinat dan ketinggian wilayah pada citra landsat
menggunakan data raster dan diolah dengan metode LVQ (Learning Vector
Quantization) [2]. Penyediaan fasilitas diseminasi pembelajaran mandiri terhadap
kelompok penyuluh pertanian lapangan (PPL) untuk penataan pola tanam
8
komoditas pertanian menggunakan perangkat Pranata Mangsa Baru yang disusun
dengan pendekatan agrometeorologi [3].
Variasi curah hujan bulanan rata-rata sangat penting dalam menentukan pola
musim tanam terutama kemungkinan musim tanam kedua dengan sistem tadah
hujan. Menurut Agro-climatic criteria dan classification Oldeman, paling sedikit
dibutuhkan 7 bulan basah (curah hujan lebih dari 200 mm/bulan) untuk dapat
menanam padi dua kali setahun (Hidrotopografi lahan kategori A dan B).
Berdasarkan klasifikasi dimaksud, sebagian besar daerah rawa pasang surut di
Indonesia berpeluang ditanami padi dua kali setahun [4].
Indonesia merupakan negara yang berada diantara dua benua dan dua
samudera. Posisi ini mengakibatkan Indonesia sebagai daerah pertemuan
sirkulasi meridional (Utara-Selatan) dikenal sebagai Sirkulasi Hadley dan
sirkulasi zonal (Timur-Barat) dikenal sebagai Sirkulasi Walker. Posisi Indonesia
berada pada posisi semu matahari perpindah dari 23.5o Lintang Utara ke 23.5 o
Lintang Selatan sepanjang tahun. Faktor lain adalah topografi yang beragam
menyebabkan sistem golakan lokal cukup dominan dalam iklim di Indonesia.
Serta aktivitas siklon tropis yang berlangsung sepanjang tahun. Secara
klimatologis pola iklim di Indonesia dapat dibagi menjadi tiga yaitu pola
moonson, pola ekuatorial dan pola lokal. Pola Moonson dicirikan oleh bentuk
pola hujan yang bersifat unimodal (satu puncak musim hujan). Selama tiga bulan
curah hujan relatif tinggi biasa disebut musim hujan, yakni Desember, Januari dan
Februari dan tiga bulan curah hujan rendah bisa disebut musim kemarau periode
Juni, Juli dan Agustus, sementara enam bulan sisanya merupakan periode
peralihan (tiga bulan peralihan kemarau ke hujan, dan tiga bulan peralihan hujan
ke kemarau). Pola ekuatorial dicirikan oleh pola hujan dengan bentuk bimodal
(dua puncak hujan) yang biasanya terjadi sekitar bulan Maret dan Oktober yaitu
pada saat matahari berada dekat ekuator. Pola lokal dicirikan oleh bentuk pola
hujan unimodal (satu puncak hujan) tapi bentuknya berlawanan dengan pola hujan
pada tipe moonson [5]. Kabupaten Boyolali merupakan salah satu dari Kabupaten
di Provinsi Jawa Tengah, yang terletak antara 110o22 -110o50 Bujur Timur dan
7o7 -7o36 Lintang Selatan, dengan ketinggian antara 75-1500 meter diatas
permukaan laut. Luas wilayahnya yaitu 1.015,07 Km2. wilayah ini terbagi atas 19
Kecamatan, 261 Desa [6].
Istilah pemodelan adalah terjemahan bebas dari istilah "modelling". Untuk
menghindari berbagai pengertian atau penafsiran yang berbeda-beda, maka istilah
"pemodelan" dapat diartikan sebagai suatu rangkaian aktivitas pembuatan model,
Model adalah suatu representasi atau formalisasi dalam bahasa tertentu dari
suatu sistem nyata. Pemodelan merupakan tahapan dalam membuat model
darisuatu sistem. Tujuan dari pemodelan adalah menentukan informasi (variabel
dan parameter) yang dianggap penting untuk dikumpulkan, sehingga tidak ada
model yang unik. Model yang dibuat dapat berfungsi sebagai a) Pembantu untuk
berpikir; b) Pembantu untuk berkomunikasi; c) Alat dan latihan; d) Alat prediksi;
e) Pembantu dalam percobaan. Kriteria model yang baik adalah : a) Mudah
dimengerti pemakainya; b) Harus mempunyai tujuan yang jelas; c) Dinyatakan
secara jelas dan lengkap; d) Mudah dikontrol dan dimanipulasi oleh pemakainya;
9
e) Mengandung pemecahan masalah yang penting dan jelas; f) Mudah diubah,
mempunyai prosedur modifikasi; g) Dapat berkembang dari sederhana menuju ke
kompleks [7].
Exponential Smoothing adalah suatu prosedur yang secara terus menerus
memperbaiki peramalan dengan merata-rata (menghaluskan = smoothing) nilai
masa lalu dari suatu data runtut waktu dengan cara menurun (exponential).
Menurut [8]. Analisis exponential smoothing merupakan salah satu analisis deret
waktu, dan merupakan metode peramalan dengan memberi nilai pembobot pada
serangkaian pengamatan sebelumnya untuk memprediksi nilai masa depan.
Berikut ini adalah macam - macam metode didalam Exponential smoothing
beserta persamaan yang terdapat didalamnya.
Metode Holt-Winters sering disebut metode pemulusan Exponential yang
melakukan pendekatan [9]. Metode ini terbagi menjadi dua bagian yakni:
1. Metode Pemulusan Exponential Holt-Winters dengan Metode Perkalian
Musiman (Multiplicative Seasonal Method) yang digunakan untuk variasi
data musiman yang mengalami peningkatan/penurunan (fluktuasi),
2. Metode Pemulusan Exponential Holt-Winters dengan Metode Penambahan
Musiman (Additive Seasonal Method) yang digunakan untuk variasi
musiman yang bersifat konstan.
Metode Holt-Winters didasarkan pada tiga persamaan pemulusan, yakni
persamaan pemulusan keseluruhan, pemulusan tren, dan persamaan pemulusan
musiman. Untuk pemulusan Exponential Holt-Winters dengan metode perkalian
musiman mempunyai perumusan sebagai berikut:
Pemulusan Keseluruhan
St = α −L + (1 − a)(St−1 + bt−1). (1)
Pemulusan Trend
bt = β(St − St−1) + (1 − β)bt−1. (2)
Pemulusan Musiman
It = γ + (1 − γ)I1−L. (3)
Ramalan
Ft+m = (St + btm)I1−L+m. (4)
Untuk Pemulusan Exponential Holt-Winters dengan Metode Penambahan
Musiman mempunyai persamaan sebagai berikut:
Pemulusan Keseluruhan
St = α(Xt − I1−L) + (1 − a)(St−1 + bt−1). (5)
Pemulusan Trend
bt = β(St−1 − St) + (1 − β)bt−1. (6)
10
Pemulusan Musiman
It = γ(Xt − St) + (1 − γ)It−L. (7)
Ramalan
Ft+m = St + btm + It−L+m. (8)
Simbol-simbol yang digunakan pada persamaan (1) sampai (8) adalah:
Xt = nilai aktual pada periode akhir t
α = konstanta penghalusan untuk data (0 < α < 1)
β = konstanta penghalusan untuk trend (0 < β < 1)
γ = konstanta penghalusan untuk musiman (0 < γ < 1)
St = nilai pemulusan awal
bt = konstanta pemulusan
I = faktor penyesuaian musiman
L = panjang musim
Ft+m = ramalan untuk m periode kedepan dari t.
Tingkat ketepatan peramalan suatu metode dipandang sebagai tolak ukur
seberapa jauh metode peramalan itu mampu memprediksi keakuratan data yang
telah diolahnya dengan baik. Dengan demikian perlu dilakukan evaluasi
kesesuaian metode peramalan terhadap suatu kumpulan data yang diberikan.
evaluasi dalam akurasi metode ini dapat diukur melalui penghitungan berikut ini
[10].
1. Error / kesalahan pada periode ke-t
et = Yt -Y
t x 100% (9)
Yt
tY merupakan data aktual untuk periode t
tY merupakan ramalan untuk periode t
2. Nilai tengah kesalahan mutlak (Mean Absolute Deviation) dari seluruh
peramalan.
(10)
3. Nilai tengah kesalahan kuadrat (Mean Squared Error)
(11)
4. Nilai tengah kesalahan persentase (Mean Percentage Error)
(12)
n
t
tt
n
YY
1
||MAD
n
t
tt
n
YY
1
2)(MSE
n
y
YYn
t t
tt
%
||MPE
1
11
5. Nilai tengah kesalahan persentase absolut (Mean Absolute Percentage
Error)
(13)
3. Perancangan Sistem
Dalam sistem ini, hanya ada satu pengguna yakni, user. Untuk masuk ke
dalam sistem, user tida perlu login. User di sini adalah pegawai penyuluh
lapangan, atau pegawai Dinas Pertanian Perkebunan dan Kehutanan Kabupaten
Boyolali. Didalam proses perhitungan menggunakan metode Holt-Winters dengan
pengukuran tingkat akurasi menggunakan metode MASE (Mean Absolute Scaled
Error) user tinggal memilih bulan dan tahun sistem akan secara otomatis
menampilkan hasil perhitungan dan grafik. Dalam mengimplementasikan sistem
ini, diperlukan beberapa persiapan yg harus dilakukan. Secara teknis, pada tahap
ini yg harus disiapkan adalah bagaimana mengimplementasikan algoritma dan
metode kedalam sistem dan bagaimana desain physical dari sistem yg akan
diimplementasikan. Pada Gambar 2 adalah rancangan diagram alir sistem
Tahapan penelitian.
Mulai
User Menentukan data
Kecamatan, tahun dan
bulan yang akan
diramalkan
Sistem mengambil data curah hujan
berdasarkan data yang dipilih
Prediksi CH
(Holt Winters)
Hasil prediksi CH
Menghitung Ketepatan Peramalan
Data Hasil Predksi Curah Hujan dan
Pola tanam
Peta / kalender pola
tanam
Selesai
Data
ba
se
Data Curah
Hujan
Tepat ?
Data hasil
prediksi ?
Y
T
Y
T
1
2
3
4
5
6
7
8
9
Gambar 2 Tahapan penelitian
n
y
YYn
t t
tt
%
||MAPE
1
12
Tahapan penelitian pada gambar 2, terbagi dalam sembilan tahapan yaitu :
1) Pemilihan data curah hujan yang dilakukan user, merupakan langkah awal
pemilihan data di dalam database pada tahun 2001 - 2013.
2) Sistem akan memilih data curah hujan berdasarkan tahun dan bulan serta
kecamatan yang dipilih oleh user.
3) Sistem akan menampilkan data yang telah dipilih dan diambil apakah sesuai
dengan data yang dipilih oleh user apabila terjadi kekeliruan maka proses
akan kembali menuju proses pemilihan data kembali apabila telah sesuai
akan diteruskan ke tahap berikutnya.
4) Apabila data yang diambil benar maka sistem akan memproses perhitungan
peramalan curah hujan menggunakan metode Holt-Winters.
5) Sistem akan menampilkan hasil peramalan yang telah dilakukan.
6) Pada tahap ini sistem akan menghitung nilai ketepatan peramalan atau tingkat
error peramalan dengan menggunakan metode SSE (Sum Squared Error)
dan MASE ( mean absolute scaled error).
7) Pada tahapan ini sistem akan menampilkan hasil dari perhitungan Error
apabila terjadi error yang sangat besar maka sistem akan menghitung lagi
proses peramalan dan perhitungan error sedangkan apabila telah sesuai
maka akan diteruskan ke proses selanjutnya .
8) Pada tahap ini proses yang terjadi yaitu sistem menampilkan tanaman yang
sesuai dengan curah hujan yang terjadi pada bulan yang dipilih.
9) Pada tahapan yang terakhir yaitu sistem akan menampilkan hasil
perhitungan permalan, grafik dan peta curah hujan dan pola cocok tanam,
yang mengacu pada klasifikasi kesesuaian lahan pertanian [11].
Rancangan diagram alir penerapan penghitungan peramalan menggunakan
metode Holt-Winters dan penghitungan ketepatan peramalan menggunakan
metode sum of squared error (SSE) dan MASE ( mean absolute scaled error) ,
dengan menggunakan dua metode itu dapat menentukan apakah perhitungan yang
dilakukan sudah mendekati tingkat akurasi yang sesuai ataukah harus dilakukan
kembali perhitungan forecasting baru, didalam mencari nilai MASE ( mean
absolute scaled error) tingkat akurasi yang terbaik yaitu dengan skala 0 sampai
dengan 1. Hal ini dapat dilihat pada Gambar 3.
13
Mulai
yt = (b1 +b2t) St + εt
St = α(Xt − I1−L) + (1 − a)(St−1 + bt−1)
Ft+m = St + btm + It−L+m
It = γ(Xt − St) + (1 − γ)It−L
bt = β(St−1 − St) + (1 − β)bt−1
Hasil Perhitungan
Dasar
Hasil Pemulusan
Keseluruhan
Hasil Pemulusan
Trend
Hasil Pemulusan
Musiman
Hasil Peramalan
EoF ? A
A
Selesai
MASE terkecil
Nilai MASE ?
T Y
Y
T
Data Curah
Hujan
Gambar 3 Diagram Alir Proses Peramalan dan Ketepatan Peramalan
Desain sistem peramalan produksi tanaman pangan ini dilakukan
menggunakan sebuah bahasa pemodelan sistem, yaitu UML (Unified Modeling
Language). UML (Unified Modeling Language) adalah sebuah bahasa yang
berdasarkan gambar, dapat digunakan untuk melakukan visualisasi, spesifikasi,
14
dan pendokumentasian dari sebuah sistem pengembangan sistem yang bersifat
object oriented. Pemakaian UML dalam merancang sebuah sistem dilakukan
dengan pembuatan berbagai diagram yang menggambarkan proses operasi dan
entitas aplikasi yang saling terkait. Diagram tersebut antara lain use case diagram,
activity diagram, sequence diagram [12]. Pseudocode Peramalan dapat dilihat
pada tabel dibawah ini.
Kode Program 1. Kode Pseudocode peramalan
Use case diagram memberi visualisasi apa yang terjadi dalam sistem secara
fungsionalitas, visualisasi antara user dengan sistem. Dalam use case diagram
ditonjolkan secara khusus apa saja yang dikerjakan oleh sistem. Dalam penelitian
ini digunakan satu buah use case diagram, dikarenakan sistem ini hanya memiliki
fungsi umum yaitu untuk mengolah data. Use case diagram keseluruhan sistem
dapat dilihat pada Gambar
Gambar 4 Use Case Diagram keseluruhan sistem
Berdasarkan Gambar 4 dapat dilihat bahwa hal yang dapat dilakukan oleh PPL
adalah:
1. Mulai
2. Select Kecamatan
3. Read Kecamatan,Curah Hujan dari Database
4. If True Lanjutkan ke Proses perhitungan Holt-Winters
If Else kembali ke pilih kecamatan
5. Output Hasil perhitungan prediksi
6. Hitung Ketepatan peramlan
7. Output hasil ketepatan pelamaran
8. Mengelompokkan curah hujan
if 175 - 500mm padi
if 165 - 400mm Jagung
if 200 - 400mm Ketela
If Else BERA
9. Input data pengelompokan kedalam peta
10. End
15
Melihat hasil Forecasting pola tanam
Input Data dan Melakukan Olah data
Melakukan Manage atau mengolah Data Curah Hujan dan data Tanaman
pangan.
Dalam sistem peramalan produksi tanaman pangan ini digunakan beberapa
activity diagram untuk menjelaskan beberapa aktivitas utama yang merupakan inti
dari sistem.
Gambar 5 Activity Diagram Forecasting Pada Activity Diagram Forecasting yang ditunjukkan Gambar 5 menjelaskan
bahwa proses forecasting atau peramalan pola tanam dapat dilakukan oleh setiap
user.
Gambar 6 Sequence Diagram Forecasting
Pada Gambar 6 terlihat bahwa dalam proses forecasting, setelah user masuk
kedalam sistem, user akan memilih menu forecasting, selanjutnya sistem akan
16
mengambil data dari database. Setelah sistem mendapatkan data dari database,
kemudian sistem akan mengolah data dan menampilkan report sehingga user
dapat melihat secara langsung report yang dihasilkan oleh sistem.
4. Hasil dan Pembahasan
Pada bagian ini berisi dengan pembahasan dan analisis hasil penerapan
forecasting menggunakan metode Holt-Winters pada data curah hujan Kabupaten
Boyolali, serta pengaruh curah hujan terhadap pola cocok tanam pertanian
menggunakan data tahun 2001 sampai dengan tahun 2013 dengan tahun
peramalan 2014 dari bulan Januari sampai dengan Desember. Data curah hujan
terdapat data yang bernilai 0, hal itu bukanlah tidak adanya curah hujan tetapi
terjadinya kelalaian pengisian data (human missing) karena tidak adanya
pengukuran curah hujan di lapangan.
Data yang digunakan adalah data yang berasal dari 19 Kecamatan di
Kabupaten Boyolali dengan sumber data Dinas Pertanian dan Perkebunan yang
memiliki 19 Unit Pelayanan Terpadu (UPTD) di tiap kecamatan. Data jadi curah
hujan di 19 Kecamatan Boyolali setelah dilakukan pengolahan dan penataan dapat
dilihat pada gambar 7 diambil sampel Kecamatan Ampel.
Gambar 7 Data Curah Hujan Kec. Ampel setelah diolah
Data tersebut diolah menggunakan fungi yang dapat dilihat pada kode program 1.
Kode Program 2. pengurutan dan pengolahan data curah hujan
Kode tersebut mengurutkan data secara otomatis mulai dengan tahun 2001 bulan
Januari sampai dengan Desember 2013.
Data curah hujan Kec. Ampel tahun 2001 - 2013 digambarkan dengan grafik
dapat dilihat pada gambar 8.
ampel.ts <- ts(ampel, start=c(2001,1), freq=12)
ampel.ts
17
Gambar 8 Grafik Curah Hujan Kec. Ampel tahun 2001 - 2013
Untuk mendaptakan hasil peramalan tahun 2014 dari ketersediaan data
curah hujan tahun 2001 sampa dengan tahun 2013, maka dilakukan peramalan
untuk tahun 2014 sampai dengan tahun 2015 dari bulan januari sampai dengan
Desember. Ditampilkan pada gambar 9.
Gambar 9 Grafik data asli dan peramalan menggunakan 2 metode berbeda
Grafik prediksi memperlihatkan 3 macam garis. Garis hitam
menggambarkan data asli yang digunakan untuk meramalkan data curah hujan
tahun 2014 sampai dengan 2015. Garis merah menggambarkan hasil prediksi
peramalan menggunakan metode Holt-Winters additive dengan tingkat Error yang
ditampilkan pada gambar 10.
18
Gambar 10. Tingkat Error perhitungan metode Additive
Hasil tersebut didapatkan menggunakan fungi yang dapat dilihat pada kode
program 2 .
Kode Program 3. Kode program pengukuran tingkat keakuratan
Kode fit1 adalah kode program class pemanggilan data curah hujan dengan
peramalan menggunakan metode additive, Sedangkan kode accuracy digunakan
untuk mendapatkan nilai error peramalan tersebut. Adapun hasil perumusan
peramlan menggunakan kode program 3.
Kode Program 4. Kode program peramalan dengan menggunakan multiplicative
Pada kode program 3 dilakukan untuk melakukan prediksi dengan metode
multiplicative dengan periode minimal 2 periode, jika tidak akan tidak bisa
dilakukan perhitungan, adapun dalam perhitungan tersebut akan mencari nilai
perhitungan yang paling halus menggunakan kode program diatas. Untuk garis
hijau adalah pengukuran peramalan menggunakan metode Holt-Winters
Multiplicative dengan tingkat error yang ditampilkan pada gambar 11.
function (x, alpha = NULL, beta = NULL, gamma = NULL, seasonal =
c("additive",
"multiplicative"), start.periods = 2, l.start = NULL, b.start =
NULL,
s.start = NULL, optim.start = c(alpha = 0.2, beta = 0, gamma =
0.1), optim.control = list())
{
x <- as.ts(x)
seasonal <- match.arg(seasonal)
f <- frequency(x)
if (!is.null(alpha) && (alpha == 0))
stop("cannot fit models without level ('alpha' must not be 0
or FALSE)")
if (!all(is.null(c(alpha, beta, gamma))) && any(c(alpha,
beta, gamma) < 0 || c(alpha, beta, gamma) > 1))
stop("'alpha', 'beta' and 'gamma' must be within the unit
interval")
if ((is.null(gamma) || gamma > 0)) {
if (seasonal == "multiplicative" && any(x == 0))
stop("data must be non-zero for multiplicative Holt-
Winters")
if (start.periods < 2)
stop("need at least 2 periods to compute seasonal start
values")
fit1 <- hw(ampel.ts,seasonal="additive")
accuracy(fit1)
19
Gambar 11. Tingkat Error perhitungan metode Multiplicative
Hasil tersebut didapatkan menggunakan fungsi yang dapat dilihat pada kode
program 4 .
Kode Program 5. Kode Program tingkat keakuratan metode Multiplicative
Kode ampel.hw2 adalah kode program class pemanggilan data curah hujan
dengan peramalan menggunakan metode additive adapun dengan perhitungan
manual Ft+m = St + btm + It−L+m. Sedangkan kode accuracy digunakan untuk
mendapatkan nilai error peramalan tersebut.
dengan rumus manual
Sehingga diperoleh data peramalan curah hujan yang ditampilkan pada gambar
12.
Gambar 12. Data Hasil Peramalan
Perbandingan antara data ramalan dengan data asli yang diperoleh dari
stasiun pemantau hujan milik Dinas Ketahanan pangan dan tingkat prosentase
keakuratan dapat dilihat pada tabel 1.
ampel.hw2 <- forecast.HoltWinters(ampel.hw, h=4*12)
accuracy(ampel.hw2)
20
Tabel 1 Perbandingan data ramalan dengan data asli
Hasil peramalan klimatologi menggunakan metode Holt-Winters Addictive
pada tahun 2014 kemudian di analisa dan disusun secara manual sehingga
mendapatkan pola tanam baru yang sesuai dengan standar kesetaraan curah hujan
sehingga bisa terbentuknya kalender pola tanam baru. Standar kalender tanam
sendiri disesuaikan berdasarkan klasifikasi kesesuaian lahan [13]. Beberapa tipe
klasifikasi tanah yang sesuai untuk pertanian, diklasifikasikan kedalam setiap
komoditas pertanian. Struktur klasifikasi kesesuaian lahan sebagai standar
kalender tanam ditampilkan pada tabel 2.
Tabel 2 Kesetaraan iklim [12]
Komoditas Curah Hujan Suhu Udara Kelembapan
Udara
Keputusan
Padi 175 - 500
<174 atau >500
24 - 29
<24 atau >29
33 - 90
<33 atau >90
Diterima
Ditolak
Jagung 165 - 400
<165 atau >400
20 - 26
<20 atau >26
>42
<42
Diterima
Ditolak
Ketela 200 - 400
<200 atau >400
22 - 25
<22 atau >25
<75
>75
Diterima
Ditolak
Tahapan penyusunan kalender tanaman ini dibagi menjadi 3 komoditas
yaitu : Komoditas padi, komoditas jagung dan komoditas ketela. Didalam
penyusunan kalender tanam ini penulis melakukan secara manual antara
klasifikasi kesesuaian lahan dengan hasil prediksi Curah hujan Kabupaten
Boyolali pada tahun 2014 dari bulan Januari sampai dengan Desember. Hasil
prediksi pada gambar 12 akan disesuaikan dengan tabel 1 menggunakan data
curah hujan untuk penyusunan kalender tanam 2014. Kalender tanam komoditas
padi, komoditas jagung dan komoditas ketela ditentukan berdasarkan intensitas
curah hujan dan dikelompokkan menjadi 2 jenis yaitu tanam dan bera hal itu dapat
dapat dilihat pada tabel 3.
21
Tabel 3 Tabel kalender tanam di daerah Kabupaten Boyolali pada tahun 2014
Bulan Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des
Padi TANAM
BERA TANAM
Jagung BERA TANAM
BERA TANAM
Ketela BERA TANAM BERA TANAM
Hasil dari peramalan curah hujan menggunakan metode Holt-Winters ditampilkan
pada gambar 13.
Gambar 13 Peta Curah Hujan di Kabupaten Boyolali
Pada gambar 13 menunjukkan intensitas curah hujan di daerah Kabupaten
Boyolali yang disajikan menggunakan data tiap kecamatan yang berasal dari hasil
peramalan curah hujan tahun 2014 yang ditampilkan menggunakan ArvView,
untuk mempermudah dalam penggunaan digunakan PHP atau berbasis web,
dengan data Curah Hujan Rendah yaitu tingkat curah hujan kurang dari 200 mm
curah hujan sedang tigkat curah hujan antara 200 mm sampai dengan 400 mmm
sedangkan curah hujan lebih dari 400 mm tergolong curah hujan dengan intensitas
tinggi. Adapun hasil akhir dari metode peramalan dan klasifikasi kesesuaian lahan
yaitu pola cocok tanam yang menggunakan ArcView, dengan metode ini
22
diharapkan Petugas Penyuluh Lapangan dan juga para petani modern lebih mudah
didalam melihat kalender pola tanam. Gambar peta ditampilkan pada gambar 14.
Gambar 14 Peta Pola Tanam tahun 2014 di Kabupaten Boyolali
Gambar 14 adalah peta pola tanam baru tahun 2014 hasil tersebut
didapatkan dari perbandingan data curah hujan dengan data kesesuaian lahan
sehingga diperolehlah peta pola tanam baru tersebut. Daerah sawah
menggambarkan daerah Kecamatan yang memiliki lahan sawah, komoditas padi
adalah dimana daerah tersebut memiliki curah hujan 175 mm sampai dengan 500
mm, komoditas ketela dimana daerah tersebut cocok ditanami ketela dengan
intensitas hujan 200 mm - 400 mm dan komoditas jagung dimana daerah tersebut
cocok ditanami ketela dengan intensitas hujan 165 mm - 400 mm.
5. Simpulan
Pemodelan pola cocok tanam berbasis data spasial dan curah hujan dapat
menghasilkan peramalan pola cocok tanam baru yang berdasarkan curah hujan.
Hal tersebut diramalkan dengan metode Holt-Winters sehingga dapat
menghasilkan peramalan dengan tingkat eror seminimal mungkin. Dengan
dibuatnya metode pola cocok tanam baru ini sehingga Petugas Penyuluh
Lapangan dan para petani moderen dapat memperkirakan jenis tanaman apakah
yang cocok ditanam pada bulan - bulan yang akan datang sehingga dapat
23
berkurangnya kegagalan panen. Sebagai saran pengembang pada penelitian
mendatang diharapkan dapat dikembangkanya program ini kedalam platform
Android sehingga para Petugas Penyuluh lapangan dan petani moderen lebih
mudah didalam pemanfaatan program ini.
.
6. Daftar Pustaka
[1] BPS Provinsi Jawa Tengah, 2011, Keadaan Geografi,
http://jateng.bps.go.id/2006/web06bab101/101geog_ind.html (Diakses
tanggal 12 Juni 2015).
[2] Bursa, Khulung., Hartomo, Kristoko D., Suprihadi., 2010, Pemodelan
Dinamis Pola Tanam Berbasis Metode Learning Vector Quantization,
Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana, Salatiga.
[3] Simanjuntak, Bistok H., Yulianto, Sri., & Hartomo, Kristoko D., 2010,
Laporan Hibah Bersaing Pranatamangsa,
http://bp3m.uksw.edu/uploads/documents/Laporan_HB_Pranatamangsa.pdf
[4] http://birohukum.pu.go.id/uploads/DPU/2015/Lamp1-PermenPUPR11
2015.pdf
[5] Effendy, Sobri, 2001, Urgensi Prediksi Cuaca dan Iklim di Bursa
Komoditas Unggulan Pertanian, Program Pasca Sarjana/S-3,
InstitutPertanian Bogor, Bogor.
[6] https://id.wikipedia.org/wiki/Kabupaten_Boyolali.
[7] Hasanah, Lilik, 2010, Pemodelan Sistem,upi.edu/Direktori/FPMIPA/
JUR._PEND._FISIKA/197706162001122LILIK_HASANAH/Pemodelan_S
istem_%255B Compatibilit Mode%255D.pdf
[8] Wisnu, Arista I, 2012 Perencanaan Kalender Tanam Berdasarkan
Modifikasi Pranata Mangsa dan Klimatologi Menggunakan Metode Prediksi
Exponential Smoothing.
[9] Makridakis, Spyros.1993. Metode dan Aplikasi Peramalan. Jakarta:Erlangga
[10] Arsyad, Lincolin, 2001, Peramalan Bisnis, Edisi Pertama, Yogyakarta
:BPFE-Yogyakarta.
[11] Djaenudin, D., Marwan H., Subagyo H., dan A. Hidayat. 2003. Petunjuk
Teknis untuk Komoditas Pertanian.Edisi Pertama tahun 2003, ISBN979-
9474-25-6. Balai Penelitian Tanah, Pusat Penelitian dan Pengembangan
Tanah dan Agroklimat, Bogor, Indonesia.
[12] Dhawiyanti, Sri, 2003, Pengantar Unified Modeling Language
(UML),http://bos.fkip.uns.ac.id/pub/bebas/v15/umum/yanti/yantiuml.doc.
[13] Djaenudin, D., Marwan H., Subagyo H., dan A. Hidayat. 2003. Petunjuk
Teknis untuk Komoditas Pertanian.Edisi Pertama tahun 2003, ISBN979-
9474-25-6. Balai Penelitian Tanah, Pusat Penelitian dan Pengembangan
Tanah dan Agroklimat, Bogor, Indonesia.