Aplikasi Prediksi Hasil Panen Padi Dengan Metode Least Square (Study Kasus : RT.001 RW.006 Ds.Warujayeng Kab.Nganjuk) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom) Program Studi Teknik Informatika Fakultas Teknik UNP Kediri Oleh : ACHMAD FAUZI NURUDIN NPM : 11.1.03.02.0005 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UNP KEDIRI 2015 Achmad Fauzi Nurudin 11.1.03.02.0005 1
Achmad Fauzi Nurudin 11.1.03.02.0005 2
Achmad Fauzi Nurudin 11.1.03.02.0005 3
APLIKASI PREDIKSI HASIL PANEN PADI DENGAN METODE LEAST SQUARE Achmad Fauzi Nurudin 11.1.03.02.0005 Fakultas Teknik - Program Studi Teknik Informatika Achmad.izuaf@gmail.com Suhartono, M.Pd dan Ratih Kumalasari N, S.ST, M.Kom ABSTARK Padi (Oryza Sativa) merupakan salah satu tanaman yang penting di Indonesia. Dari tanaman padi dihasilkan beras, yang merupakan bahan makanan pokok bagi rakyat Indonesia. Hasil produksi padi setiap tahun selalu berubah-ubah. Sebuah prediksi sangat diperlukan untuk mengetahui gambaran dimasa depan apakah hasil produksi akan meningkat atau menurun. Di sini peneliti mencoba untuk membuat sebuah aplikasi prediksi hasil panen padi. Permasalahan peneliti dalam kasus ini adalah bagaimana membuat aplikasi prediksi panen padi dengan metode least square dengan hasil yang akurat. Penelitian ini menggunakan data hasil panen berdasarkan luas tanah di RT.01 RW.06 Ds. Warujayeng Kec. Tanjunganom Kab. Nganjuk. Penelitian dilakukan dengan mengumpulkan data-data hasil panen padi dari tahun 2013 sampai dengan tahun 2015 berdasarkan luasnya. Hasil akhir dari penelitian ini adalah sebuah aplikasi berbasis dekstop yang dibangun menggunakan Microsoft Visual Basic 2010 untuk memprediksi hasil panen padi pada musim kedepan dengan menerapkan metode least square. Dengan melakukan prediksi panen padi petani dapat mengetahui dan menentukan harga jual dari panen padinya. Kata kunci : Prediksi, Padi, Least Square Achmad Fauzi Nurudin 11.1.03.02.0005 4
I. PENDAHULUAN Padi (Oryza Sativa) merupakan salah satu tanaman yang penting di Indonesia. Dari tanaman padi dihasilkan beras, yang merupakan bahan makanan pokok bagi rakyat Indonesia. Padi dapat tumbuh dengan baik didaerah panas dengan curah hujan yang tinggi. Produksi padi di Indonesia mengambil pangsa sekitar (9%) dari total produksi dunia. Indonesia negara penghasil beras ke tiga terbesar di dunia, setelah China (30%) dan India (21%). Produksi padi di Indonesia tahun 2014 sebanyak 70,85 juta ton gabah kering giling (GKG) atau mengalami penurunan sebanyak 0,43 juta ton (0,61 persen) dibandingkan tahun 2013. Produksi padi setiap tahun selalu berubah-ubah. Sebuah prediksi sangat diperlukan untuk mengetahui gambaran dimasa depan apakah hasil produksi akan meningkat atau menurun. Badan Pusat Statistik sebenarnya sudah melakukan prediksi tentang produksi panen padi, namun hasil prediksi tersebut hanya diperuntukan untuk pemerintah sedangkan untuk para petani hasil prediksi tersebut kurang ada manfaatnya. memprediksi produksi padi agar para petani dapat mengetahui berapa perkiraan produksi padi mereka kedepan untuk menentukan metode penjualan padi dan mengetahui berapa keuntungannya. Hal inilah yang melatar belakangi penulis untuk merancang sebuah aplikasi yang dapat membantu para petani dalam memprediksi hasil panen kedepannya. II. LANDASAN TEORI 2.1 Definisi Aplikasi Pengertian Aplikasi adalah program komputer yang dibuat untuk membantu manusia dalam mengerjakan tugas-tugas tertentu Eko Sujatmiko (2012 : 23). Aplikasi adalah penerapan dari rancang sistem untuk mengolah data yang menggunakan aturan atau ketentuan bahasa pemrograman tertentu Kamus Besar Bahasa Indonesia (2005 : 52). Jadi aplikasi adalah kumpulan dari instruksi atau pernyataan yang disusun sedemikian rupa yang kemudian diterapkan pada rancang sistem untuk membantu manusia mengerjakan tugastugas tertentu seperti melakukan pengolahan data, memproses input menjadi output. Berdasarkan kondisi di atas maka diperlukan sebuah sistem yang mampu 5
2.2 Prediksi Prediksi adalah sama dengan ramalan atau perkiraan. Peramalan merupakan suatu usaha untuk meramalkan keadaan di masa yang akan datang melalui pengujian keadaan di masa lalu (Hery Prasetya dan Fitri Lukiastuti (2009 : 43). 2.3 Definisi Padi Padi merupakan tanaman bahan makanan terpenting di dunia, terutama bagi penduduk di negara-negara Asia. Padi (oryza sativa) merupakan tumbuhan penghasil beras yang diduga berasal dari India atau Indocina, masuk Indonesia 1.500 SM bersamaan dengan migrasi nenek moyang dari daratan Asia Kamus Besar Ilmu Pengetahuan (2006 : 764). 2.4 Metode Kuadrat Terkecil (Least Square) Metode Kuadrat Terkecil (Least Square) adalah metode peramalan yang digunakan untuk melihat trend dari data deret waktu. Analisis time series dengan metode kuadrat terkecil dibagi dalam dua kasus, yaitu kasus data genap dan kasus data ganjil (Joko Widodo, 2008). Secara umum persamaan garis linier dari analisis time series adalah : Y = a+b(x1)+c(x2)...+n(xn) (1) Rumus diatas merupakan rumus persamaan regresi linier untuk menentukan nilai prediksi berdasarkan variabel-variabel yang mempengaruhi. Sedangkan pada penelitian ini digunakan persamaan regresi linier sebagai berikut : Y = a+b(x1)+c(x2)+d(x3) (2) Keterangan : Y adalah hasil prediksi yang dicari X1 adalah variabel bulan panen X2 adalah variabel curah hujan X3 adalah variabel hama A adalah nilai konstanta B, C,...N adalah nilai parameter yang mempengaruhi prediksi Untuk mentukan variabel bulan panen digunakan aturan sebagai berikut : 1. Untuk n ganjil a. Jarak antara 2 waktu diberi nilai satu satuan b. Diatas 0 diberi tanda negatif ( - ) c. Dibawahnya diberi tanda positif ( + ) Contoh : -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5 2. Untuk n genap a. Jarak antara 2 waktu diberi nilai dua satuan b. Diatas 0 diberi tanda negatif ( - ) c. Dibawahnya diberi tanda positif ( + ) Contoh : -5, -3, -1, 1, 3, 5 Sedangkan untuk menentukan variabel curah hujan dan hama peneliti menggunakan persentase silih dari rata-rata 6
hasil penen yang dipengaruhi curah hujan dan hama di daerah penelitian. Curah hujan dibagi menjadi tiga golongan : 1. Tinggi : -20% Hasil panen dengan curah hujan yang tinggi berkurang 20% dari rata-rata hasil panen maksimal 2. Sedang : 20% Hasil panen dengan curah hujan yang sedang berambah 20% dari rata-rata hasil panen maksimal 3. Rendah : 22,5% Hasil panen dengan curah hujan rendah bertambah 20% dari rata-rata hasil panen maksimal Hama dibagi menjadi dua golongan : 1. Ya : -20% Hasil panen yang terserang hama akan mengalami penurunan sebesar 20% 2. Tidak : 20% Hasil panen yang tidak terkena hama akan mengalami kenaikan sebesar 20% 2. Luas Tanah 2500 m 2 Model regresi yang didapat : Y = 1748,159 + 14,157X1 13,290X2 + 18,603X3 3. Luas Tanah 5000 m 2 Model regresi yang didapat : Y 2 = 59,824 0,078X1 0,093X2 + 0,229X3 4. Luas Tanah 7500 m 2 Model regresi yang didapat : Y 2 = 74,624 +0,080X1 0,089X2 + 0,191X3 III. PERANCANGAN SISTEM 3.1 Flowchart Flowchart adalah suatu bagan dengan simbol-simbol tertentu yang menggambarkan urutan proses secara mendetail dan hubungan antara suatu proses dengan proses lainnya dalam suatu program. Adapun flowchart dari sistem yang akan dibangun adalah sebagai berikut : Uji Kurva Prediksi Berdasarkan Luas Tanah 1. Luas Tanah 1000 m 2 Model regresi yang didapat : Y 2 = 30,419 + 0,178X1 0,086X2 + 0,158X3 7
Gambar 4.1 Flowchart Sistem Pada gambar 4.1 flowchart sistem dapat dijelaskan proses awal untuk menjalakan aplikasi dimulai dengan melakukan proses login yang kemudian dilanjutkan dengan menginputkan datadata panen, lalu dilanjutkan ke proses prediksi. Berikut adalah flowchart proses Least Square untuk mengitung prediksi hasil panen padi : 3.2 Data Flow Diagram (DFD) Diagram aliran data merupakan model dari sistem untuk menggambarkan pembagian sistem ke modul yang lebih kecil. Salah satu keuntungan menggunakan diagram aliran data adalah memudahkan pemakai atau user yang kurang menguasai bidang komputer untuk mengerti sistem yang akan dikerjakan. Adapun Data Flow Diagram dari sistem yang akan dibangun adalah seperti yang terlihat pada gambar berikut : Gambar 4.4 DFD Level 1 Pada Gambar 4.4 ditunjukan bagaimana keseluruhan proses dari sistem aplikasi. User pada gambar tersebut merupakan petani sedangkan admin merupakan administrator. Admin hasur login terlebih dahulu untuk dapat menggunakan sistem dengan sempurna. IV. HASIL DAN PEMBAHASAN Gambar 4.2 Flowchart Proses Prediksi Berikut adalah simulasi penghitungan prediksi panen padi dengan luas tanah 2500 m 2 bulan November 2015 adalah sebagai berikut: 8
Tabel 5.1 Data hasil panen dengan luas tanah 2500 m 2 bulan Maret 2013 sampai Juli 2015. No Bulan Bulan Curah Panen Hama Panen Hujan (Y) (X3) (X1) (X2) 1 Maret 2013 1749-7 22,5 20 2 Juli 2013 1578-5 -20-20 3 November 2013 1065-3 20-20 4 Maret 2014 1795-1 20 20 5 Juli 2014 1643 1-20 -20 6 November 2014 1850 3 22,5 20 7 Maret 2015 1924 5 22,5 20 8 Juli 2015 1750 7-20 -20 (-13,29 (22,5)) + (18,603 (20)) Y = 1948,61 Setelah mendapatkan nilai akhir dari peramalan dengan menggunakan metode Least Square dengan nilai 1948,61 yang kemudian akan dibulatkan. Jadi hasil yang diperoleh untuk peramalan hasil panen padi dengan luas 2500 m 2 pada musim berikutnya adalah 1949 kg. Berdasarkan dengan hasil yang diperoleh di atas, peramalan menggunakan Least Square secara manual sesuai dengan hasil sistem seperti pada gambar. Berdasarkan data Tabel 5.1 kita akan memprediksi hasil panen pada musim berikutnya dengan menggunakan rumus regresi linier dimana bulan panen November 2015, curah hujan rendah dan tidak terserang hama. X1 = Bulan Panen November 2015 : 9 X2 = Curah hujan rendah : 22,5 X3 = Tidak terserang hama : 20 Y = A + B (X1) + C (X2) + D (X3) Y = 1748,159 + (14,157(X1)) + (-13,29(X2)) + (18,603(X3)) Selain memberikan hasil ramalan panen padi aplikasi juga memberikan ramalan harga jual berdasarkan hasil panen yang diperoleh serta harga jual padi per kg. V. KESIMPULAN Berdasarkan hasil uji coba yang telah dilakukan didapatkan beberapa kesimpulan sebagai berikut : Y = 1748,159 + (14,157 (9)) + 9
1. Berdasarkan hasil simulasi metode prediksi panen padi pada musim kedepan dengan luas tanah 2500 m 2 adalah 1949 kg, dengan demikian hasil panen padi musim berikutnya akan mengalami kenaikan dibandingkan hasil panen terdahulu. 2. Metode Least Square dapat digunakan untuk memprediksi hasil panen padi. Hasil prediksi menggunakan metode Least Square memiliki selisih yang tidak terlalu jauh dengan data hasil panen yang asli. VI. DAFTAR PUSTAKA Badan Pusat Statistik. 2015. Produksi Padi, Jagung, Dan Kedelai (Angka Sementara Tahun 2015). Dodo, J. 2008. Ramalan Penjualan Sepeda Motor Honda Pada CV. Roda Mitra Lestari. Jurnal Universitas Gunadarma. Fauzi Rambe, M.I. 2014. Perancangan Aplikasi Peramalan Persediaan Obatobatan Menggunakan Metode Least Square (Studi Kasus : Apotik Mutiara Hati). Pelita Informatika Budi Darma, Volume : VI, Nomor: 1. Prasetya, Hery, Drs, dan Lukiastuti, Fitri, S. E, M.M. 2009. Manajemen Operasi, Cetakan Pertama. Media Pressindo. Yogyakarta. Halaman 43 M. Dagun, S. 2006. Kamus Besar Ilmu Pengetahuan. Jakarta: Lembaga Pengkajian Kebudayaan Nusantara. Halaman 764 Muthia, Koniyo, M.H. & Rohandi, M. 2013. Penerapan Metode Trend Moment Dalam Forecast Penjualan Motor Yamaha di PT. Hasjrat Abadi. Jurnal Karya Ilmiah Mahasiswa Universitas Negeri Gorontalo. Volume 1 Nomor 1. Prasetya, Hery, Drs, dan Lukiastuti, Fitri, S. E, M.M. 2009. Manajemen Operasi, Cetakan Pertama. Media Pressindo. Yogyakarta. Halaman 43 Solichin, A. 2008. Pemrograman Web dengan PHP dan MySQL. Halaman 84 Subagyo, Pangestu. 1986. Forecasting Konsep dan aplikasi. Yogyakarta: BPPE UGM. Halaman 01 dan 03 Suharso, Retnoningsih, A. 2005. Kamus Besar Bahasa Indonesia. Semarang: CV. Widya Karya. Halaman 52 Sujatmiko, E. 2012. Kamus Teknologi Informasi dan Komunikasi. 10
Surakarta: PT. Aksara Sinergi Media. Halaman 23 Wijaya, A. & Suhartono. 2011. Peramalan Produksi Padi Dengan Arima, Fungsi Transfer Dan ADAPTIF NEURO FUZZY INFERENCE SYSTEM. Jurnal Institut Teknologi Sepuluh Nopember. 11