Identifikasi Permasalahan Rancangbangun model penyediaan tepung jagung pada rantai pasok industri berbasis jagung

pengendalian hama dan penyakit, pengairan, dan penanganan proses panen mempengaruhi produksi jagung, namun dalam model ini tidak digunakan. Hal ini dilakukan dengan asumsi bahwa faktor-faktor tersebut merupakan kegiatan untuk meningkatkan produksi dan bersifat kualitatif serta sulit terukur. Luas Panen Luas Panen Curah Hujan Curah Hujan Alat Bantu Analisis Alat Bantu Analisis Hasil Prediksi Produksi jagung Hasil Prediksi Produksi jagung Gambar 20 Model konseptual prediksi produksi jagung. Model konseptual prediksi produksi jagung dapat dilihat pada Gambar 20. Gambar ini menunjukkan hubungan variabel luas panen dan curah hujan sebagai variabel input yang berpengaruh terhadap produksi jagung sebagai variabel output. Alat bantu analisis untuk memperoleh hasil prediksi adalah metode peramalan yang digunakan. Alat analisis yang akan digunakan dalam model ini adalah Jaringan Syaraf Tiruan JST dan peramalan secara statistikal. Salah satu alat analisis dalam model prediksi produksi jagung ini adalah jaringan syaraf tiruan backpropagation dengan arsitektur jaringan seperti terlihat pada Gambar 21. Siang 2009 menjelaskan bahwa backpropagation dapat digunakan untuk melakukan peramalan forecasting. Gambar 21 Struktur jaringan syaraf tiruan model prediksi produksi jagung. X 1 Y X 2 Z j Z 1 v 11 v p1 v 12 v p2 w 11 w 1j 1 1 Z p v j2 v j1 v 10 v p0 v j0 w 1p w 10 X1 adalah luas panen ha, X2 merupakan variabel curah hujan mm, dan Y merupakan target yaitu produksi jagung ton. V ji merupakan bobot hubungan unit neuron input X i ke unit layar tersembunyi Z j . W kj merupakan bobot dari unit layar tersembunyi Z j ke unit output Y k . W k0 merupakan bobot dari neuron bias di layar tersembunyi ke unit neuron output Z k .Fungsi aktivasi yang digunakan adalah fungsi sigmoid biner Dalam model ini digunakan 2 variabel yang mempengaruhi produksi jagung yakni luas panen ha dan curah hujan mm. Luas lahan produksi Luas lahan produksi Produksi jagung per bulan Produksi jagung per bulan Curah hujan Curah hujan mulai mulai Pemisahan data - data pelatihan - data test Perancangan struktur jaringan Set parameter, nilai, inisialisasi bobot Transformasi data ke input jaringan Simulasi JST menggunakan data pelatihan Simulasi JST menggunakan datatest Hasil Prakiraan Produksi Jagung Proses prakiraan Denormalisasi Selesai Selesai Input data test Input data test Input data prakiraan Input data prakiraan Gambar 22 Tahapan proses prediksi produksi jagung dengan jaringan syaraf tiruan. Gambar 22 menunjukkan tahapan proses pengolahan data menggunakan jaringan syaraf tiruan pada model prediksi produksi jagung. Tahapan proses peramalan ini dituangkan dalam bentuk program. Perangkat lunak MATLAB R2010a digunakan untuk menjalan program dalam proses peramalan. Tabel 9 Data luas panen, curah hujan, produksi jagung Jawa Tengah tahun 2010 BULAN Luas Panen ha Curah Hujan mmbulan Produksi ton Januari 79390 214 130251 Februari 145107 415 121080 Maret 53337 240 139750 April 35453 127 165350 Mei 51906 142 180790 Juni 62938 79 157210 Juli 35225 1 179190 Agustus 36325 3 184785 September 59431 1 285637 Oktober 47031 6 226038 Nopember 32481 197 156111 Desember 27961 76 134385 Sumber: Kementerian Pertanian 2011 dan Balai Data dan Informasi SDA 2010 Tabel 9 merupakan data luas panen, curah hujan, dan produksi jagung tahun 2010 pada sentra jagung di Jawa Tengah. Data ini digunakan untuk menjalankan program pada model ini. Data luas panen dan curah hujan merupakan variabel input dan produksi jagung sebagai target dalam peramalan. Jaringan syaraf tiruan akan melakukan proses pembelajaran, proses pengujian dan proses peramalan forecasting. Proses pengolahan data ini dilakukan dengan menjalankan program secara berulang-ulang, dengan mengubah-ubah parameter hidden layer, fungsi aktivasi, fungsi pembelajaran, learning rate, target epoch, target mean square error MSE. Proses ini dilakukan sehingga diperoleh hasil terbaik. Salah satu contoh performansi pada layar monitor setelah menjalankan program dengan MATLAB R2010a dapat dilihat pada Gambar 23. Hasil yang diperoleh setelah menjalankan program sebanyak 18 kali dapat dilihat pada Lampiran 2. Ukuran ketepatan peramalan dengan menggunakan jaringan syaraf tiruan ini adalah Mean Square Error MSE. Hasil peramalan yang akan digunakan dalam memprediksi produksi jagung adalah hasil peramalan dengan MSE yang mencapai target yang ditentukan sebelumnya. Performansi dari hasil menjalankan program dapat dilihat pada Lampiran 1, dan hasil peramalan produksi jagung dengan jaringan syaraf tiruan terdapat pada Lampiran 2. Pengolahan data dalam model prediksi ini juga menggunakan metode peramalan dengan model regresi berganda multiple regression. Dalam model ini variabel luas panen dan curah hujan merupakan variabel independen, sedangkan produksi jagung merupakan variabel dependen atau variabel respons. Gambar 23 Hasil simulasi pada jaringan syaraf tiruan. Proses peramalan secara statistikal dalam model prediksi ini menggunakan Perangkat lunak MINITAB Release 14 dari Minitab Inc. untuk menentukan persamaan regresi. Persamaan regresi yang diperoleh menunjukkan pengaruh variabel luas panen dan curah hujan terhadap jumlah produksi jagung. Langkah- langkah dalam penggunaan perangkat lunak ini dapat dilihat pada Lampiran 3. Hasil peramalan produksi jagung berdasarkan persamaan regresi yang diperoleh tertuang pada Lampiran 4.

5.2 Model Pengelompokan Mutu Jagung Pipilan

Salah satu kegiatan dalam proses pasca panen adalah proses klasifikasi dan standarisasi mutu Firmansyah, 2006. Model pengelompokan mutu jagung pipilan ini dilakukan di akhir proses pasca panen pada tingkat pengumpul. Model