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.