IMPLEMENTASI MODEL GREY PREDICTION UNTUK PRAKIRAAN HASIL PERTANIAN DENGAN MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS

Transkripsi

1 IMPLEMENTASI MODEL GREY PREDICTION UNTUK PRAKIRAAN HASIL PERTANIAN DENGAN MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS Tesis untuk memenuhi sebagian persyaratan mencapai derajat Sarjana S-2 Program Studi Magister Sistem Informasi Asfan Muqtadir PROGRAM PASCASARJANA UNIVERSITAS DIPONEGORO SEMARANG 2016 i

2 HALAMAN PERSETUJUAN Tesis dengan judul : IMPLEMENTASI MODEL GREY PREDICTION UNTUK PRAKIRAAN HASIL PERTANIAN DENGAN MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS Oleh : Asfan Muqtadir Telah dilakukan pembimbingan tesis dan dinyatakan layak untuk mengikuti ujian tesis pada Program Pascasarjana Magister Sistem Informasi Universitas Diponegoro. Semarang, Januari 2016 Mengetahui Pembimbing I Pembimbing II Dr. Suryono, S.Si, M.Si NIP V. Gunawan S.K, M.Si, Ph.D NIP ii

3 PERNYATAAN Dengan ini saya menyatakan bahwa dalam tesis ini tidak terdapat karya yang pernah diajukan untuk memperoleh gelar akademik di suatu perguruan tinggi, dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain, kecuali secara tertulis diacu dalam naskah ini dan disebutkan dalam daftar pustaka. Semarang, 09 Februari 2016 Asfan Muqtadir iii

4 PERNYATAAN PERSETUJUAN PUBLIKASI TESIS UNTUK KEPENTINGAN AKADEMIS Sebagai civitas akademik Universitas Dipenogoro, saya yang bertanda tangan dibawah ini : Nama : Asfan Muqtadir NIM : Program Studi : Magister Sistem Informasi Program : Pascasarjana Jenis Karya : Tesis Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Diponegoro Hak Bebas Royalti Noneksklusif atas karya ilmiah saya yang berjudul : IMPLEMENTASI MODEL GREY PREDICTION UNTUK PRAKIRAAN HASIL PERTANIAN DENGAN MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS Beserta perangkat yang ada. Dengan Hak Bebas Royalti Noneksklusif ini Magister Sistem Informasi Pascasarjana Universitas Dipenogoro berhak menyimpan, mengalihmedia/formatkan, mengelola dalam bentuk pangkalan data (database) merawat, dan mempublikasikan tesis saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta. Dibuat di : Semarang Pada tanggal : Yang menyatakan Asfan Muqtadir NIM : iv

5 KATA PENGANTAR Puji syukur Kepada Tuhan Yang Maha Esa yang telah memberikan rahmat serta hidayah-nya, sehinngga penulis dapat menyelesaikan tesis dengan judul IMPLEMENTASI MODEL GREY PREDICTION UNTUK PRAKIRAAN HASIL PERTANIAN DENGAN MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS dengan baik tanpa halangan yang berarti. Banyak pihak telah berperan baik secara langsung maupun tidak langsung dalam menyelesaikan tesis ini, Oleh karena itu dalam kesempatan ini penulis ingin mengucapkan terimakasih yang sebesar-besarnya kepada : 1. Prof. Dr. Ir. Purwanto DEA selaku Direktur Pascasarjana Universitas Diponegoro Semarang. 2. Dr. Suryono, S.Si, M.Si, selaku Ketua Program Studi Magister Sistem Informasi dan selaku dosen pembimbing pertama. Terima kasih atas waktu, ilmu, saran dan nasihat yang Bapak berikan selama bimbingan. 3. Vincensius Gunawan, S.K, M.Si., Ph.D, selaku pembimbing kedua. Terima kasih atas waktu, ilmu, saran, semangat, dan nasihat yang Bapak berikan selama bimbingan. 4. Ibu, Istri dan Bapak terimakasih atas do a, dukungan dan semangat yang luar biasa selama dimulai pengerjaan sampai terselesaikannya tesis ini.. 5. Semua pihak yang tidak disebutkan namanya namun telah banyak membantu selama penyelesaian tesis ini. Penulis menyadari bahwa tesis ini jauh dari kesempurnaan, penulis berharap semoga kerja keras ini dapat memberikan sumbangan bagi kemajuan ilmu pengetahuan dan bermanfaat bagi yang membacanya. Semarang, Februari 2016 Asfan Muqtadir v

6 DAFTAR ISI Halaman Halaman Judul... i Halaman Pengesahan... ii Halaman Pernyataan... iii Halaman Pernyataan Publikasi... iv Kata Pengantar... v Daftar Isi... vi Daftar Gambar... viii Daftar Tabel... x Daftar Lampiran... xi Abstrak... xii Abstract... xiii BAB I PENDAHULUAN Latar Belakang Tujuan Penelitian Manfaat Penelitian... 3 BAB II TINJAUAN PUSTAKA DAN DASAR TEORI Tinjauan Pustaka Dasar Teori Definisi Prakiraan Model Prakiraan Teori Grey System Grey Generating Prosedur Model Grey System Keakuratan Model Sistem Informasi Geografis Pmapper MapServer BAB III METODE PENELITIAN Bahan dan Alat Penelitian Prosedur Penelitian Kerangka Sistem Informasi Desain Sistem Identifikasi Pemakai Proses Aktivitas Sistem Diagram Alir Sistem ERD Sistem Informasi Geografis Prakiraan Pertanian Desain User Interface Desain Halaman Admin Desain Content Desain Form Dashboard Pemetaan vi

7 BAB IV HASIL PENELITIAN DAN PEMBAHASAN Hasil Penelitian Tampilan Web Tampilan Pengguna User Tampilan Pengguna Admin Prosedur Menjalankan Aplikasi Pembahasan Perhitungan Metode Grey Prediction Keakuratan Hasil Perhitungan Analisa Pola Forecasting Sistem BAB V KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN vii

8 DAFTAR GAMBAR Halaman Gambar 2.1 Grafik data asli... 9 Gambar 2.2 Grafik data setelah AGO... 9 Gambar 2.3 Prosedur prakiraan dengan Grey Prediction Model GM (1,1) Gambar 3.1 Peta Pola Ruang RTRW Kab. Tuban (BAPPEDA Tuban, 2012) Gambar 3.2 Prosedur penelitian prakiraan hasil pertanian Gambar 3.3 Kerangka sistem informasi Gambar 3.4 Hubungan aktivitas pemakai dengan sistem Gambar 3.5 Digram alir sistem Gambar 3.6 ERD Sistem Informasi Geografis prakiraan pertanian Gambar 3.7 Relasi antar tabel Gambar 3.8 Desain utama halaman web Gambar 3.9 Perancangan desain esain halaman admin Gambar 3.10 Desain Content Gambar 3.11 Desain dashboard pemetaan sistem informasi geografis Gambar 4.1 Tampilan halaman utama Web Gambar 4.2 Halaman profil Gambar 4.3 Halaman informasi lahan dan grafik luas wilayah Gambar 4.4 Halaman jenis tanaman Gambar 4.5 Halaman produksi pertanian tiap kecamatan Gambar 4.6 Halaman hasil produksi per kecamatan Gambar 4.7 Halaman berita Gambar 4.8 Halaman SIG pertanian Gambar 4.9 Halaman kontak kami Gambar 4.10 Halaman utama admin Gambar 4.11 Halaman pengelolaan data produksi Gambar 4.12 Halaman pengelolaan tanaman pertanian Gambar 4.13 Halaman pengelolaan tahun Gambar 4.14 Halaman hasil perhitungan prakiraan hasil pertanian Gambar 4.15 Halamam pengelolaan user Gambar 4.16 Perhitungan langkah pertama memilih data kecamatan Gambar 4.17 Perhitungan langkah kedua memilih data tanaman Gambar 4.18 Perhitungan langkah ketiga Gambar 4.19 Halaman perhitungan prakiraan grey prediction Gambar 4.20 Tampilan cetak laporan Gambar 4.21 Tabel keakuratan hasil perhitungan Gambar 4.22 Dashboard pemetaan hasil pertanian Gambar 4.23 Detail informasi SIG Gambar 4.24 Tampilan layer penggunaan lahan Gambar 4.25 Tampilan layer administrasi desa Gambar 4.26 Tampilan detail layer administrasi desa Gambar 4.27 Hasil perhitungan sistem viii

9 Gambar 4.28 Pola produksi tanaman pangan Gambar 4.29 Hasil pengujian perhitungan dengan pola tren Gambar 4.30 Grafik hasil pengujian perhitungan dengan pola tren Gambar 4.31 Hasil keakuratan pola tren Gambar 4.32 Hasil pengujian perhitungan dengan pola acak Gambar 4.33 Grafik hasil pengujian perhitungan dengan pola acak Gambar 4.34 Hasil keakuratan pola acak Gambar 4.35 Hasil pengujian perhitungan dengan pola siklus Gambar 4.36 Grafik hasil pengujian perhitungan dengan pola siklus Gambar 4.37 Hasil keakuratan pola siklis ix

10 DAFTAR TABEL Halaman Tabel 2.1 Klasifikasi parameter Grey Forecasting (Tsai, 2012) Tabel 3.1 Proses sistem aktivitas pemakai Tabel 4.1 Pemeriksaan keakuratan model grey prediction GM (1,1) Tabel 4.2 Data tanaman padi sawah pada Kecamatan Singgahan Tabel 4.3 Data tanaman ubi jalar pada Kecamatan Kenduruan Tabel 4.4 Data tanaman jagung pada Kecamatan Kenduruan x

11 DAFTAR LAMPIRAN Halaman Lampiran 1. Peta Rencana Kawasan Strategis Kabupaten Tuban Lampiran 2. Data Produksi Tanaman Padi Sawah Kecamatan Singgahan Tahun Lampiran 3. Data Produksi Tanaman Ubi Jalar Kecamatan Kenduruan Tahun Lampiran 4. Data Produksi Tanaman Jagung Kecamatan Singgahan Tahun Lampiran 5. Perhitungan Manual xi

12 Implementasi Model Grey Prediction Untuk Prakiraan Hasil Pertanian Dengan Menggunakan Sistem Informasi Geografis ABSTRAK Meningkatnya kebutuhan tanaman pangan menunculkan beberapa permasalahan yang berkaitan dengan pemanfaatan lahan. Permasalahan pemanfaatan lahan disebabkan kurangnya informasi yang berhubungan dengan produktifitas dan kelayakan penggunaan lahan. Pemanfaatan SIG dalam pengembangan sistem pendukung spasial sangat cocok untuk ketepatan informasi lokasi pertanian. Tujuan dari penelitian ini adalah mengimplementasikan model Grey prediction atau GM(1,1) untuk prakiraan hasil produksi pertanian dengan memanfaatkan SIG untuk menampilkan hasil prakiraan. GM(1,1) digunakan untuk membangun sebuah model dengan sampel data terbatas dan menghasilkan prakiraan yang baik untuk prakiraan jangak pendek. Penelitian ini menggunakan data produksi pertanian tanaman pangan dari tahun untuk dapat dilakukan perhitungan dengan menggunakan model GM(1,1). Hasil penelitian menunjukkan model GM(1,1) dapat menghasilkan prakiraan yang sangat akurat, dari hasil percobaan untuk pola tren menghasilkan nilai ARPE 5,74% atau keakuratan prakiraan mencapai 94,26% pada produksi tanaman. Kata Kunci: Grey Prediction, Prakiraan, Hasil Pertanian, Sistem Informasi geografis xii

13 Grey Prediction Model Implementation To Estimated Agricultural Products Using Geographic Information Systems ABSTRACT The increasing need for food crops raised several issues relating to land use. Problems of land use caused by the lack of information related to productivity and eligibility use of land. Utilization of GIS in the development of spatial support system is suitable for precision farming location information. The goal of this research is to implement a model or Grey prediction GM(1,1) to forecast agricultural production by utilizing GIS to display the results forecast. GM(1,1) is used to build a model with limited data samples and generate good forecasts for short libertine forecasts. This research uses data from the production of food crops for the years can be calculated by using the model of GM (1,1). The results showed the model GM (1,1) can produce highly accurate forecasts, from the experimental results for pattern trends generate value ARPE 5.74% or accuracy of forecasts reached 94.26% in crop production. Keywords : Grey Prediction, Forecasts, Agricultural Products, Geographical Information System xiii