5 Bab 2 Tinjauan Pusaka 2.1 Peneliian Sebelumnya Dalam skripsi peneliian yang berjudul Pemodelan dinamis pola anam berbasis meode LVQ (Learning Vecor Quanizaion) (Bursa, 2010), menghasilkan sisem informasi pola anam pada suau daerah dengan menggabungkan daa klimaologi, daa koordina dan keinggian wilayah pada cira landsa menggunakan daa raser dan diolah dengan meode LVQ (Learning Vecor Quanizaion). Judul peneliian hibah bersaing Penyusunan Model Pranaa Mangsa Baru dengan Menggunakan Teknologi Map Server (Simanjunak, 2010), hasil peneliian ersebu adalah penyediaan fasilias diseminasi pembelajaran mandiri erhadap kelompok penyuluh peranian lapangan (PPL) unuk penaaan pola anam komodias peranian menggunakan perangka Pranaa Mangsa Baru yang disusun dengan pendekaan agromeeorologi. Perbedaan dari peneliian ini adalah selain menggabungkan daa klimaologi dan agromeeorologi yang akura, peneliian ini dilengkapi dengan peramalan cuaca. Sehingga sisem ini akan memperkirakan anaman yang cocok unuk dianam pada masa yang dienukan oleh user. 5
6 2.2 Idenifikasi Iklim di Jawa Tengah Leak geografis propinsi Jawa Tengah erleak pada 5 o 40' Linang Uara dan 8 o 30' Linang Selaan dan anara 108 o 30' Bujur Bara dan 111 o 30' Bujur Timur (ermasuk Pulau Karimunjawa). Secara adminisraif propinsi Jawa Tengah erbagi menjadi 29 Kabupaen dan 6 Koa. Luas Wilayah Jawa Tengah sebesar 3.250.000 hekar aau sekiar 25,04% dari luas pulau Jawa (1,70% luas Indonesia). Luas yang ada erdiri dari 1.000.000 hekar (30,80%) lahan sawah dan 2.250.000 hekar (69,20%) bukan lahan sawah (BPS Provinsi Jawa Tengah, 2011). Menuru penggunaannya, luas lahan sawah erbesar berpengairan eknis (38,26 persen), selainnya berpengairan seengah eknis, adah hujan dan lain-lain. Dengan eknik irigasi yang baik, poensi lahan sawah yang dapa dianami padi lebih dari dua kali sebesar 69,56%. Lahan kering yang dipakai unuk egalan/kebun/ladang/huma sebesar 34,36% dari oal bukan lahan sawah (DINHUBKOMINFO, 2009). Menuru Sasiun Klimaologi Klas 1 Semarang, suhu udara raaraa di Jawa Tengah berkisar anara 18 o C sampai 28 o C. Semenara iu, suhu raa-raa anah berumpu (kedalaman 5 Cm), berkisar anara 17 o C sampai 35 o C, raa-raa suhu air berkisar anara 21 o C sampai 28 o C. Sedangkan unuk kelembaban udara raa-raa bervariasi, dari 73% sampai 94%. Curah hujan erbanyak erdapa di Sasiun Meeorologi Peranian khusus baas Salaiga sebanyak 3.990 mm, dengan hari hujan 195 hari (DINHUBKOMINFO, 2009).
7 2.3 Analisis Abnormalias Cuaca pada Curah Hujan dan Pola Tanam Kondisi iklim di Indonesia pada dasarnya dipengaruhi oleh sirkulasi monsoon yang menimbulkan perbedaan iklim anara musim hujan dan musim kemarau. Besarnya curah hujan akan sanga erganung pada sirkulasi monsoon. Sirkulasi monsoon akan dipengaruhi oleh kejadian ENSO (El Nino Souhern Oscillaion) yang secara meeorologis diekspresikan dalam nilai Souhern Oscillaion Index (SOI). Berdasarkan hal ersebu maka flukuasi curah hujan sanga berkorelasi dengan flukuasi SOI. Kejadian El Nino dapa berdampak pada penurunan curah hujan, dan kejadian La Nina dapa menimbulkan peningkaan curah hujan. Pola produksi anaman pangan umumnya berbeda pada musim kemarau dan musim hujan. Musim hujan dimulai manakala curah hujan pada hari erenu elah mencapai anara 200-350 mm. Definisi dari Badan Meeorologi dan Geofisika, awal musim hujan curah hujan harian sebesar 50 mm selama 10 hari berurur-uru yang kemudian diikui dengan curah hujan diaas 50 mm pada 10 hari berikunya. Dengan menggunakan baasan curah hujan ersebu periode musim hujan di wilayah Indonesia bervariasi menuru lokasi eapi umumnya berlangsung anara bulan Sepember/Okober hingga bulan Mare/April (Irawan, 2006). Anomali iklim El Nino dan La Nina menimbulkan pengaruh erhadap besaran curah hujan dan keersediaan air irigasi, periode musim hujan dan musim kemarau dan pergeseran musim anam. Di Provinsi Lampung, El Nino dapa menyebabkan awal musim kemarau lebih cepa 2-5 dasarian (1 dasarian = 10 hari) dibanding kondisi iklim
8 normal sedangkan akhir musim kemarau lebih lamba 2-4 dasarian, sehingga musim kemarau menjadi lebih panjang dari yang biasanya sekiar 8-20 dasarian menjadi 14-25 dasarian. Musim kemarau yang semakin panjang juga erjadi di Provinsi Jawa Bara dan Jawa Tengah sekiar 7-9 dasarian menuru daerah (Irawan, 2006). Perisiwa El Nino dan La Nina dapa menimbulkan variasi besarnya dampak yaiu : besarnya dampak yang diimbulkan oleh anomali iklim erhadap siuasi iklim lokal aau curah hujan lokal, dan kemampuan peani dalam mencegah penurunan produksi yang disebabkan oleh anomali iklim di seiap daerah. Kedua fakor ersebu menyebabkan penurunan curah hujan yang ergolong besar di suau daerah, dapa saja idak menimbulkan dampak serius erhadap produksi pangan jika penurunan suplai air akiba El Nino dapa dianggulangi. Sebaliknya,daerah yang mengalami penurunan curah hujan relaif kecil dapa mengalami dampak penurunan produksi yang inggi, jika peani idak mampu melakukan adapasi dan anisipasi yang diperlukan (Irawan, 2006). Sisem usaha ani memiliki keerganungan yang sanga besar erhadap fakor klimaologi, sebagaimana digambarkan oleh Gambar 2.1. Benuk resiko iklim pada pola anam lahan sawah adalah sebagaimana beriku ini : Bulan Januari Februari komodias padi (padi 1) beresiko erkena banjir di beberapa daerah. Komodias padi 2 resiko erkena kekeringan (awal musim kemarau lebih cepa). Jagung resiko erkena kekeringan (hari kering panjang menuju musim hujan).
9 Gambar 2.1 Pengaruh curah hujan erhadap sisem usaha ani (Boer, 2004) Benuk resiko iklim pada pola anam lahan kering adalah sebagaimana beriku ini: Jagung/kacang kacangann resiko erkena kekeringan (hari kering panjang awal musim hujan dan awal musim kering lebih cepa). Jagung resiko erkena angin kencang (bulan Januari Februari). 2.4 Pemodelan Konsep dan eknik analisis sisem semula dikembangkan oleh para ahli milier unuk keperluan mengeksplorasi dan mengkaji keseluruhan implikasi yang diakibakan oleh alernaif-alernaif sraegi milier. Pendekaan ini merupakan suau sraegi peneliian yang luas dan sisemaik unuk menyelesaikan suau problem peneliian yang kompleks. Obyek peneliian biasanya merupakan suau sisem dengan kerumian-kerumian yang sanga kompleks
10 sehingga memerlukan pengabsraksian. Dalam hubungan inilah dikenal isilah "model dan pemodelan". Isilah pemodelan adalah erjemahan bebas dari isilah "modelling". Unuk menghindari berbagai pengerian aau penafsiran yang berbeda-beda, maka isilah "pemodelan" dapa diarikan sebagai suau rangkaian akivias pembuaan model (Soemarno, 2003). Model adalah suau represenasi aau formalisasi dalam bahasa erenu dari suau sisem nyaa. Pemodelan merupakan ahapan dalam membua model darisuau sisem. Tujuan dari pemodelan adalah menenukan informasi (variabel dan parameer) yang dianggap pening unuk dikumpulkan, sehingga idak ada model yang unik. Model yang dibua dapa berfungsi sebagai : Pembanu unuk berpikir Pembanu unuk berkomunikasi Ala dan laihan Ala prediksi Pembanu dalam percobaan Krieria model yang baik anara lain: Mudah dimengeri pemakainya Harus mempunyai ujuan yang jelas Dinyaakan secara jelas dan lengkap Mudah dikonrol dan dimanipulasi oleh pemakainya Mengandung pemecahan masalah yang pening dan jelas Mudah diubah, mempunyai prosedur modifikasi Dapa berkembang dari sederhana menuju ke kompleks
11 Adapun hubungan model dengan sisem nyaa dapa diliha pada Gambar 2.2 (Hasanah, 2010). Gambar 2.2 Hubungan Model dengan Sisem Nyaa (Hasanah, 2010) 2.5 Produksi Para ahli ekonomi mendefinisikan produksi sebagai menghasilkan kekayaan melalui eksploiasi manusia erhadap sumber-sumber kekayaan lingkungan. Aau bila kia arikan secara konvensional, produksi adalah proses menghasilkan aau menambah nilai guna suau barang aau jasa dengan menggunakan sumber daya yang ada. Produksi idak berari mencipakan secara fisik sesuau yang idak ada, karena idak seorang pun yang dapa mencipakan benda (Choir, 2010). 2.6 Tanaman Pangan Pangan diarikan sebagai segala sesuau yang bersumber dari sumber hayai dan air, baik yang diolah maupun yang idak diolah. Baasan unuk anaman pangan adalah kelompok anaman sumber karbohidra dan proein. Secara sempi, anaman pangan adalah
12 anaman sumber karbohidra anpa dibaasi pada kelompok anaman semusim (Purwono, 2003). Pada peneliian ini anaman pangan yang digunakan adalah jagung, padi dan kedelai. Alasan pemilihan komodias ersebu adalah peranannya sebagai sumber karbohidra dan sumber proein bagi sebagian besar masyaraka Indonesia sehingga disebu sebagai anaman pangan uama. 2.7 Daa Spasial Daa spasial mempunyai pengerian sebagai suau daa yang mengacu pada posisi, obyek, dan hubungan dianaranya dalam ruang bumi. Daa spasial merupakan salah sau iem dari informasi, dimana didalamnya erdapa informasi mengenai bumi ermasuk permukaan bumi, dibawah permukaan bumi, perairan, kelauan dan bawah amosfir (Rajabidfard, 2000). Karakerisik uama dari daa spasial adalah bagaimana mengumpulkannya dan memeliharanya unuk berbagai kepeningan. Selain iu juga diujukan sebagai salah sau elemen yang kriis dalam melaksanakan pembangunan sosial ekonomi secara berkelanjuan dan pengelolaan lingkungan. Berdasarkan perkiraan hampir lebih dari 80% informasi mengenai bumi berhubungan dengan informasi spasial (Wulan, 2002). 2.7.1 Meode Daa Spasial Pada pemanfaaannya daa spasial yang diolah dengan menggunakan kompuer (daa spasial digial) menggunakan model sebagai pendekaannya. Model daa sebagai suau se logika aau auran dan karakerisik dari suau daa spasial. Model daa merupakan
13 represenasi hubungan anara dunia nyaa dengan daa spasial (Economic and Social Comminssion for Asia and he Pasific, 1996). Gambar 2.3 menjelaskan erdapa 2 model dalam daa spasial, yaiu model daa raser dan model daa vekor. Keduanya memiliki karakerisik yang berbeda, selain iu dalam pemanfaaannya erganung dari masukan daa dan hasil akhir yang akan dihasilkan. Model daa ersebu merupakan represenasi dari obyek-obyek geografi yang erekam sehingga dapa dikenali dan diproses oleh kompuer. Gambar 2.3 Klasifikasi Model Daa Spasial (Chang, 2002) 2.7.1.1 Model Daa Raser. Model daa raser memiliki srukur daa yang ersusun dalam benuk mariks aau piksel dan membenuk grid. Seiap piksel memiliki nilai erenu dan memiliki aribu ersendiri, ermasuk nilai koordina yang unik seperi diunjukkan oleh Gambar 2.4. Tingka keakurasian model ini sanga erganung pada ukuran piksel aau biasa disebu dengan resolusi (D. Gumelar, 2003).
14 Gambar 2.4 Srukur Model Daa Raser (D. Gumelar, 2003) 2.7.1.2 Model Daa Vekor. Model daa vekor merupakan model daa yang paling banyak digunakan, model ini berbasiskan pada iik (poins) dengan nilai koordina (x, y) unuk membangun obyek spasialnya. Obyek yang dibangun erbagi menjadi iga bagian lagi yaiu berupa iik (poin), garis (line), dan area (polygon) seperi diunjukkan pada Gambar 2.5 (D. Gumelar, 2003). Tiik (Poin) Tiik merupakan represenasi grafis yang paling sederhana pada suau obyek. Tiik idak mempunyai dimensi eapi dapa diampilkan dalam benuk simbol baik pada pea maupun dalam layar monior. Conoh : Lokasi Fasiliasi Kesehaan, dll Garis (Line) Garis merupakan benuk linear yang menghubungkan dua aau lebih iik dan merepresenasikan obyek dalam sau dimensi. Conoh : Jalan, Sungai, dll. Area (Polygon) Polygon merupakan represenasi obyek dalam dua dimensi. Conoh : Danau, Persil Tanah, dll. Gambar 2.5 Conoh Represenasi Daa Vekor (D. Gumelar, 2003)
15 2.8 Analisis Exponenial Smoohing Meode exponenial smoohing menggunakan daa masa lalu unuk memprediksi nilai sebuah variabel dengan memberi bobo aau fakor pengali yang berbeda-beda. Besarnya bobo berubah secara eksponensial, semakin kecil unuk daa yang semakin usang (Makridakis, 1999). Dalam analisa exponenial smoohing ini ada iga kaegori aau meode yang berbeda yaiu single exponenial smoohing, double exponenial smoohing, dan riple exponenial smoohing (Sanoso, 2009). Beriku akan dijelaskan karakerisik masing-masing meode dan persamaan yang digunakan dalam penghiungan iap meode. 2.8.1 Pemulusan Single Exponenial Smoohing Meode ini menggunakan sebuah parameer α, yang dibobokan kepada daa yang paling baru dan membobokan nilai (1-α) kepada hasil peramalan periode sebelumnya. Harga α erleak anara 0 dan 1. Persamaan saisik pemulusan yang digunakan dalam peramalan erliha pada persamaan 2.1 (Arsyad, 2001). A = α[ + (1- α) -1 + (1- α) 2-2 +...]...(2.1) Dari persamaan 2.1 maka dapa dilakukan subsiusi sederhana yang menghasilkan persamaan 2.2 : A = α + (1- α) A -1...(2.2) Dari persamaan saisik pemulusan 2.1 dan 2.2, jika nilai peramalan menjadi ) +1 maka menghasilkan persamaan 2.3 : ) +1 = α + (1-α) )...(2.3)
16 Dari persamaan ini dapa pula diulis menjadi persamaan 2.4 ) +1 = ) + α (e )...(2.4) Kemudian unuk nilai e dapa dihiung dengan persamaan 2.5 e = ( - ) )...(2.5) Dimana : ) +1 : nilai ramalan unuk periode berikunya α : konsana pemulusan (0<α<1) : daa baru aau nilai yang sebenarnya pada periode ) : nilai pemulusan aau raa-raa yang dimuluskan hingga periode -1 e : adalah kesalahan dalam peramalan 2.8.2 Pemulusan Double Exponenial Smoohing Berbeda dengan pemulusan single exponenial smoohing yang hanya memiliki sau meode, dalam pemulusan double exponenial ini dibagi menjadi dua menuru penemunya, yaiu double exponenial smoohing dari Brown dan double exponenial smoohing dari Hol. Pemulusan dengan meode double exponenial smoohing (Brown) digunakan unuk daa yang mengandung rend linier. Meode ini sering disebu juga meode linear sau-parameer dari Brown. Sedangkan meode double exponenial smoohing dari Hol lebih banyak dipengaruhi oleh fakor musiman. Persamaan yang dipakai dalam implemenasi pemulusan double exponenial smoohing akan
17 menggunakan meode dari Brown dengan persamaan yang erulis pada persamaan 2.6 sampai 2.10 (Arsyad, 2001) : Persamaan saisik pemulusan unggal : A = α + (1- α) A -1...(2.6) Persamaan saisik pemulusan ganda, aau lebih dikenal dengan nilai double exponenial smoohing. A = α A + (1-α) A -1...(2.7) Selanjunya berdasarkan model rend linier, cari selisih anara A dan A dengan persamaan 2.8 dan 2.9 : a = 2A -A...(2.8) b α = ( A - A' )...(2.9) 1 α Sedangkan persamaan unuk nilai peramalan + p erliha pada persamaan 2.10 : + p = a + b p...(2.10) Dimana : α : konsana pemulusan A : pemulusan ahap perama unuk periode ' A : pemulusan ahap kedua unuk periode A 1 : pemulusan ahap perama unuk periode -1
18 ' A 1 : pemulusan ahap kedua unuk periode - 1 a b : nilai pemulusan baru selisih anara A dan A : esimasi rend / fakor penyesuaian ambahan +p : ramalan unuk periode waku + p p : periode waku yang diramalkan : 1,2,3,4, 2.8.3 Pemulusan Triple Exponenial Smoohing Meode ini merupakan meode forecas yang dikemukakan oleh Brown, dengan menggunakan persamaan kwadra. Meode ini lebih cocok dipakai unuk membua forecas hal yang berflukuasi aau mengalami gelombang pasang suru (Subagyo, 1986). Prosedur pembuaan forecasing dengan meode ini sebagai beriku: Carilah nilai S dengan rumus sebagai beriku S` = αx + (1 α)s`-1...(2.11) Unuk ahun perama nilai S` belum bisa dicari dengan rumus di aas, maka boleh dienukan dengan bebas. Biasanya dienukan sama seperi nilai yang elah erjadi pada ahun perama. Carilah nilai S`` dengan rumus S`` = α S`+ (1 α)s`-1...(2.12) Pada ahun perama biasanya nilai S`` dienukan seperi nilai yang erjadi pada ahun perama. Carilah nilai S``` dengan rumus S``` = α S``+ (1 α)s```-1......(2.13)
19 Unuk ahun perama biasanya nilai S``` dianggap sama dengan daa ahun perama. Carilah α = 3 S` -3 S`` + S```......(2.14) Carilah nilai b = ( ) (6 5 )S` (10 8 )S``+(4 3 )S```...(2.15) Carilah nilai c = ( ) (S` 2S``+S``` )...(2.16) Persamaan forecas-nya = + +... (2.17) adalah jangka waku ke depan, yaiu berapa ahun yang akan daang forecas dilakukan. α, b, c adalah nilai yang elah dihiung sesuai dengan rumus 2.14, 2.15 dan 2.16. Pada peneliian ini menggunakan meode peramalan (forecas) dengan meode Triple Exponenial Smoohing, dikarenakan meode ersebu cocok dipakai unuk peramalan yang berflukuasi. 2.9 Keepaan Meode Peramalan Tingka keepaan peramalan suau produk dipandang sebagai olok ukur seberapa jauh model peramalan iu mampu memprediksi daa yang elah diolahnya dengan baik. Dengan demikian perlu dilakukan evaluasi kesesuaian meode peramalan erhadap suau kumpulan daa yang diberikan. Evaluasi dalam keepaan meode ini dapa diukur melalui penghiungan beriku ini (Arsyad, 2001): 1. Error/kesalahan pada periode ke- e = - ) x 100%
20 merupakan daa akual unuk periode merupakan ramalan unuk periode 2. Nilai engah kesalahan mulak (Mean Absolue Deviaion) dari seluruh peramalan. = = n n 1 MAD 3. Nilai engah kesalahan kuadra (Mean Squared Error) = = n n 1 )2 ( MSE 4. Nilai engah kesalahan persenase (Mean Percenage Error) n y n % MPE 1 = = 5. Nilai engah kesalahan persenase absolu (Mean Absolue Percenage Error) n y n % MAPE 1 = =