Sistem Pendukung Keputusan Budidaya Tanaman Cabai Berdasarkan Prediksi Curah Hujan

  Vol. 1, No. 9, Juni 2017, hlm. 733-738 http://j-ptiik.ub.ac.id

  

Sistem Pendukung Keputusan Budidaya Tanaman Cabai Berdasarkan

₁ Prediksi Curah Hujan _{2 3} Hilal Imtiyaz , Barlian Henryranu Prasetio , Nurul Hidayat

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya ₂

  

Abstrak

  Cabai merupakan salah satu produk hortikultura yang sehari-hari dibutuhkan oleh masyarakat Indonesia. Masyarakat Indonesia menggunakan cabai sebagai bumbu masakan. Pasokan cabai tidak setiap waktu dapat memenuhi permintaan. Hal itu menyebabkan kenaikan harga sesuai dengan hukum permintaan dan penawaran. Lonjakan harga yang tinggi ketika pasokan menipis dirasakan setiap tahun. Salah satu penyebab tidak tersedianya pasokan cabai sepanjang tahun adalah gagal panen karena perencanaan budidaya cabai yang kurang baik. Perencanaan budidaya cabai harus memperhatikan curah hujan karena berkaitan dengan ketersediaan air. Tanaman cabai tidak akan tumbuh dengan baik jika kekurangan air, begitu juga jika air yang diberikan terlalu banyak. Hal itu akan mengganggu pembuahan dan rentan terhadap hama. Sumber pengairan utama tanaman cabai adalah hujan. Pengetahuan terhadap kondisi curah hujan yang akan datang akan membantu petani dalam perencanaan budidaya. Penelitan ini akan membahas sistem pendukung keputusan budidaya tanaman cabai berdasarkan prediksi curah hujan dengan menggunakan metode regresi linear sederhana. Metode regresi digunakan untuk memprediksi curah hujan dengan memodelkan data curah hujan pada tahun-tahun sebelumnya. Berdasarkan data curah hujan ramalan, selanjutnya akan ditentukan cara budidaya cabai yang tepat. Hasil prediksi curah hujan menggunakan metode regresi linear sederhana mempunyai tingkat akurasi sebesar 91,6% yang berpengaruh terhadap cara budidaya tanaman cabai.

  Kata kunci: SPK(Sistem Pendukung Keputusan), cabai, regresi linear sederhana, curah hujan.

  

Abstract

Chili is one of holticultura product wich is needed every day by Indonesian people. They use chili for

spice in cooking. Chili supply not any time to meet demand. It causes price increases in accordance with the law

of demand and supply. The surge in prices because of limited supplies occur every year. One of the problems

that cause unavailability of supply throughout of year is chili crop failure cause chili cultivation is not good.

pepper cultivation planning must consider the rainfall so that water for plants is available. Chili plants would

not grow well if the plants lack of of water or if the water is too much. It will disturb chili growth, fertilization

and crop becomes susceptible to pests. The main source off plants irrigation is rain. Knowledge of rainfall in the

future will help farmers in cultivating planning. This research will discuss about decision support systems of

chilli cultivation based on the rainfall prediction using simple linear regression method. Regression method used

to predict the rainfall with modeling rainfall data in previous years. Based on the data the rainfall forecasts,

system will recomanded best ways of pepper cultivation. Results of rainfall prediction using simple linear

regression method has the accuracy rate of 91.6% which inluantial to the good of chili cultivation.

  Keywords: Decision Support Systems, Chili, Simple Linear Regression, Rainfall.

  tinggi sehingga sering menimbulkan inflasi 1.

   PENDAHULUAN (Surya, 2015). Fluktuasi harga cabai sangat

  tinggi seperti yang terlihat pada tahun 2014, Cabai adalah salah satu tanaman yang harga cabai yang semula Rp.4.000-Rp.5.000 per sering digunakan sebagai bumbu masakan di kilogram naik menjadi Rp.65.000-Rp90.000 per Indonesia. Permintaan akan cabai tidak kilogram (Suhendra, 2014). sepanjang tahun dapat terpenuhi. Pasokan yang

  Kekurangan pasokan pada waktu-waktu kurang menyebabkan harga cabai melonjak tertentu salah satunya disebabkan oleh

  Fakultas Ilmu Komputer Universitas Brawijaya

733 kurangnya perencanaan budidaya tanaman cabai. Petani gagal memprediksi keadaan iklim sehingga tidak bisa mengantisipasi dengan cara tanam yang sesuai dengan keadaan lingkungan. Kesuburan tanaman cabai sangat bergantung pada kondisi lingkungannya seperti suhu, curah hujan, dan kelembaban. Pengaruh perubahan iklim terhadap produksi tanaman cabai terlihat pada penelitian terhadap petani cabai di kecamatan Pagu, Kediri yang menyebutkan penurunan rata-rata produksi cabai rawait pada tahun 2009 yang mencapai 1.237 kg, turun menjadi 615 kg pada tahun 2010 (Maulida, 2012). Cara bertanam cabai harus disesuaikan dengan keadaan lingkungannya agar tetap bisa menghasilkan buah yang bagus.

  Perencanaan budidaya tanaman cabai yang baik memerlukan informasi mengenai keadaan iklim. Slah satu faktor iklim yang sangat berperan dalam keberhasilan budidaya cabai adalah curh hujan. Hujan merupakan sumber utama pengairan tanaman cabai. Pertumbuhan tanaman akan baik jika pasokan air mencukupi tetapi tidak berlebihan. Curah hujan sebagai salah satu faktor keberhasilan tanaman cabai sifatnya tidak bisa dikontrol. Petani hanya bisa mengantisipasinya dengan penyesuaian cara budidaya berdaarkan kondisi curah hujan. Pengetahuan terhadap kondisi curah hujan yang akan datang sangat diperlukan karena budidaya tanaman cabai dari pembibitan sampai panen terakhir cukup panjang yaitu sekitar enam bulan.

  Metode yang digunakan untuk mengetahui keadaan curah hujan yang akan datang pada penelitian ini adalah metode regresi linear sederhana. Metode regresi adalah metode peramalan yang melibatkan dua variabel atau lebih sebagai variabel yang memberi pengaruh dan yang diberi pengaruh.

  Cabai adalah tanaman yang berasal dari benua Amerika, yaitu Meksiko dan Amerika Tengah, serta wilayah Andes di Amerika Selatan.

  Tanaman ini dibawa ke Indonesia oleh orang Portugis. Penggunaan cabai di Indonesia adalah sebagai bumbu masak.

  Cabai terdiri dari berbagai jenis dan varietas. Jenis cabai terdiri dari cabai rawit yang berukuran kecil dengan rasa yang sangat pedas, cabai keriting dengan ukuran lebih besar dan rasa yang pedas, dan cabai merah besar dengan rasa yang tidak terlalu pedas. Berbagai jenis cabai tersebut digunakan untuk bumbu masakan masyarakat Indonesia.

  Cabai dapat tumbuh di dataran rendah sampai dataran tinggi. Pertumbuhan cabai akan baik jika ditanam pada tanah dengan kadar pH yang baik adalah 6-7. Suhu yang cocok untuk cabai adalah 25-27 derajat celcius pada siang hari dan 18-20 derajat celcius pada malam hari. Curah hujan bulanan yang cocok untuk tanaman cabai adalah 100-200mm (Suwandi, 2009). Kelembaban untuk tanaman cabai berkisar antara 60-80%. Kelembaban yang tinggi akan menyebabkan tanaman mudah terserang penyakit. Kondisi curah hujan yang tinggi menyebabkan kelembaban tinggi sehingga perlu untuk mengatur jarak yang lebih renggang antar tanaman (Prajnanta, 2011).

  2.2. Penentuan Musim Hujan dan Musim Kemarau

  Musim hujan dan musim kemarau dapat ditentukan dengan menghitung jumlah curah hujan dasarian. Perhitungannya adalah dengan melihat tiga dasarian berturut-turut atau dengan melihat jumlah curah hujan dalam satu bulan (Giarno, 2012).

  Musim hujan ditandai dengan jumlah curah hujan > 50mm diikuti dengan tiga dasarian berikutnya di mana setiap dasarian memiliki 3 hari hujan. Bisa juga secara sederhana dihitung dengan curah hujan dalam satu bulan

  > 150mm. sedangkan musim kemarau ditandai dengan curah hujan yang turun

  ≤ 50mm begitu juga dengan tiga dasarian berikutnya. Artinya jumlah curah hujan dalam satu bulan

  ≤ 150mm (Giarno, 2012).

  2.3. Regresi Linear Sederhana Regresi adalah salah satu cara untuk melakukan prediksi yang melibatkan dua atau lebih variabel yaitu variabel pemberi pengaruh dan variabel terpengaruh.

2. STUDI PUSTAKA 2.1. Cabai

  Variabel-variabel tersebut bersifat saling terkait atau ada hubungan sebab akibat. Metode regresi akan menjelaskan hubungan antar variabel tersebut (Susanto, 2010).

  Regresi linear memperlihatkan hubungan variabel dependent dan independent dengan grafik berupa garis lurus. Melalui perhitungan regresi linear akan menghasilkan persamaan

  yang dapat dijadikan acuan untuk memperkirakan nilai variabel dependent di waktu mendatang dengan memasukan nilai variabel independent ke dalam persamaan (Susanto, 2010). Persamaan metode regresi linear sederhana adalah: Y = a + bx (1) Keterangan: Y adalah variabel dependent X adalah variabel independent a dan b adalah bilangan konstanta.

  Tahapan yang dilakukan pada penelitian ini dijelaskan pada Gambar 1.

  Mulai Studi Literatur Analisa Kebutuhan Pengumpulan Data

  Bagian perancangan akan menjelaskan bagaiman menentukan cara budidaya tanaman yang cocok berdasarkan prediksi curah hujan. Tahapan-tahapannya dapat dilihat pada Gambar 2.

  4. PERANCANGAN

  Metode yang digunakan pada penelitian ini adalah metode regresi linear sederhana. metode ini menggunakan sebuah variabel sebagai variabel terpengaruh dan satu variabel yang memberi pengaruh. Variabel yang memberi pengaruh pada penelitian ini adalah tahun dan variabel yang terpengaruh adalah curah hujan itu sendiri.

  3.3. Metode yang Digunakan

  Data yang dibutuhkan pada penelitian ini adalah data curah hujan. Curah hujan yang dipakai adalah curah hujan di Malang. Data curah hujan diambil dari BMKG Karang Ploso Malang. Data ini akan diolah untuk membetuk persamaan regesi.

  3.2. Pengumpulan Data

  Tahap yang dijalankan meliputi studi literatur, analisa kebutuhan, pengumpulan data, perancangan, implementasi dan analisa hasil dan pengujian.

  Gambar 1. Metodologi Penelitian

   METODOLOGI PENELITIAN 3.1. Tahap Penelitian

  Konstanta a dan b dapat dicari dengan menggunakan persamaan: =

  (3) 3.

  2

  2 −(∑ )

  ∑ −(∑ )(∑ ) ∑

  (2) =

  2

  2 )−(∑ )

  2 )−(∑ )(∑ ) (∑

  (∑ )(∑

  Perancangan Implementasi Analisa Hasil dan Pengujian Selesai

   Gambar 2. Perancangan

  Tahap pertama yang dilakukan adalah mencari persamaan regresi. Persamaan regresi diperoleh dengan mengolah data curah hujan sehingga membentuk persamaan regresi seperti yang dijelaskan pada persamaan 1. Untuk mendapatkan persamaan tersebut dihitung dulu variabel a dan b menggunakan persamaan 2 dan

• – 10 hari sekali

  3. Masing-masing bulan selama setahun akan dicarikan persamaan regresinya.

  Tahap kedua adalah menghitung prediksi curah hujan di masa yang akan datang menggunakan persamaan regresi yang telah terbentuk. Sistem akan menghitung prediksi ramalan curah hujan berdasarkan inputan variabel yang memberi pengaruh. Variabel pemberi pengaruh dalam hal ini adalah tahun.

  Tahap ketiga yaitu penentuan musim tiap bulan. Hasil prediksi jumlah curah hujan akan dilakukan penggolongan yang menentukan apakah bulan tersebut termasuk musim hujan atau musim kemarau. Apabila curah hujan dalam bulan itu lebih dari 150mm, maka akan digolongkan sebagai musim hujan. Sebaliknya, apabila kurang dari itu akan digolongkan musim kemarau.

  Tahap keempat yaitu penentuan cara budidaya. Perbedaan cara budidaya pada musim hujan dan kemarau terletak pada ukuran parit dan bedengan, jarak tanam, dan cara pengairan.

  Penentuan ukuran bedengan dan parit dilakukan dengan terlebih dahulu melihat jumlah bulan yang termasuk musim kemarau dan musim hujan. Jika jumlah bulan musim hujan lebih banyak dibandingakan dengan jumlah bulan musim kemarau atau jumlah bulannya sama, maka ukuran mengikuti musim hujan. Jika jumlah bulan yang termasuk musim kemarau lebih banyak dibandingkan bulan yang termasuk musim hujan, maka ukuran mengikuti musim kemarau.

  Jarak tanam ditentukan oleh jumlah bulan musim hujan dan kemarau. Jika jumlah musim bulan hujan lebih besar dari kemarau, maka jarak tanam mengikuti ukuran pada musim hujan. Jika jumlah musim bulan musim hujan lebih kecil, maka jarak tanam mengikuti ukuran musim kemarau. Jika sama, maka dilihat rata- rata tiga bulan terakhir yaitu ketika tanaman sudah berbuah. Jika lebih besar atau sama dengan 150, maka ukuran mengikuti jarak lobang tanam musim hujan, jika tidak maka jarak tanam mengikuti ukuran musim kemarau.

  Tahap pengairan sendiri dilakukan berdasarkan musim tiap bulan. jika musim hujan, maka dilakukan pengontrolan dengan membuang kelebihan air. Jika musim kemau, dilakukan penyiraman 2 - 3 hari sekali pada waktu pagi atau dengan cara dileb 7

  Tahap terakhir yaitu menghitung persentase keberhasilan. Persentase keberhasilan akan dilihat dari rata-rata curah hujan dalam satu musim panen. Curah hujan yang cocok untuk tanaman cabai adalah 100-200mm per bulan. jika curah hujan semakin menjauhi angka ini, maka ersentase keberhasilannya berkurang. Jika curah hujan rata-ratanya lebih besar dari 300, maka persentasenya adalah 0. Jika curah hujannya lebih besar dari 150, maka persenase dihitung dengan rumus

  1 dikurangi perbandingan selisih curah hujan rata-rata dan curah hujan ideal dengan curah hujan ideal dikalikan seratus. Jika curah hujan rata-rata tidak lebih dari 150, maka rumusnya adalah perbandingan curah hujan rata-rata dengan curah hujan ideal dikalikan seratus.

  Mulai Curah_hujan Hitung Persamaan Regresi Hitung Curah Hujan Ramalan Penentan Musim Tiap Bulan

  Penentuan cara budidaya Selesai Cara_budidaya

  Hitung Persentase Keberhasilan

5. PENGUJIAN DAN PEMBAHASAN

  Pengujian yang dilakukan pada penelitian ini menggunakan dua pengujian yaitu pengujian fungsional dan pengujian akurasi.

5.1. Pengujian Fungsional

  2 Kemarau 59,78571429 Kemarau Agustus Kemarau 81,46428571 Kemarau September

  2. Hasil pengujian sistem pendukung keputusan budidya tanaman cabai berdasarkan prediksi curah hujan adalah pengujian fungsional sistem pendukung keputusan budidya tanaman cabai

  Aplikasi sistem pendukung keputusan budidya tanaman cabai berdasarkan curah hujan telah berhasil diterapkan dan bisa digunakan untuk melihat prediksi curah hujan serta rekomendasi budidya tanaman cabai.

  Berdasarkan hasil pengujian, terdapat beberapa kesimpulan pada penelitian sistem pendukung keputusan budidaya tanaman cabai berdsarkan curah hujan dengan menggunakan metode regesi linear yaitu: 1.

  6. Kesimpulan

  Tingkat keseuaian data diatas bisa dihitung menggunakan rumus tingkat keseuaian menghasilkan hasil tingkat keseuaian data adalah 91,66% dengan data training yang digunakan adalah delapan tahun.

  Hasil perhitungan memperlihatkan klasifikasi iklim setiap bulan sama dengan hasil peramalan kecuali pada bulan Januari yang pada tahun 2011 berbeda dengan tahun-tahun sebelumnya. Data aktual menunjukkan Januari tahun 2011 termasuk bulan dengan musim kemarau. Hasil ini berbeda dengan data ramalan yang menunjukkan Januari tahun 2011 termasuk musim hujan. Hasil peramalan menunjukkan penggolongan musim sesuai dengan data aktual kecuali bulan Januari.

  63 Kemarau 103,1428571 Kemarau November 276 Hujan 235,8571429 Hujan Desember 268 Hujan 175,75 Hujan

  2 Kemarau 94,78571429 Kemarau Oktober

  5 Kemarau 40,71428571 Kemarau Juli

  Pengujian fungsional dilakukan untuk mengetahui apakah kebutuhan fungsional yang telah dirumuskan pada perancangan telah berjalan dengan baik. Fungsi-fungsi yang di butuhkan dalam sistem ini adalah sebagai berikut:

  Januari 139 Kemarau 266,0714286 Hujan Februari 182 Hujan 275,8571429 Hujan Maret 339 Hujan 191,9642857 Hujan April 160 Hujan 342,6071429 Hujan Mei 231 Hujan 200,3571429 Hujan Juni

  2011 Musim Curah hujan prediksi 2011 Musim

  Tabel 1. Perbandingan Curah Hujan Sebenarnya dan Curah Hujan Ramalan Bulan Curah hujan

1. Sistem menyediakan fungsi login admin 2.

  Pengujian kesesuaian dilakukan dengan membandingkan hasil yang dikeluarkan oleh sistem dengan nilai sebenarnya. Data yang akan diuji adalah jumlah curah hujan ramalan dengan curah hujan sebenarnya. Hasil perbandingan curah hujan sebenarnya dengan cuah hujan prediksi diperlihatkan pada Tabel 1.

  10. Sistem mampu menampilkan halaman petunjuk Semua fungsi tersebut telah berjalan dengan baik sehingga nilai untuk pengujian fungsional mencapai 100%.

  9. Sistem mampu menampilkan halaman beranda

  7. Sistem mampu merekomendasikan budidaya tanam berdasarkan curah hujan 8. Sistem mampu menampilkan rekomendasi budidaya tanam berdasarkan curah hujan

  6. Sistem mampu menampilkan prediksi curah hujan yang akan datang

  5. Sistem mampu menghitung prediksi curah hujan yang akan datang

  4. Sistem menyediakan fungsi inputan tanggal tanam

  Sitem menyediakan fungsi logout admin 3. Sistem mampu menambahkan data curah hujan

5.2. Pengujian Akurasi

  Agribisnis FP-UNS berdasarkan prediksi curah hujan [Diakses 6 mempelihatkan kinerja yang sesuai dengan Januari 2016] kebutuhan fungsional yang telah ditentukan

  Prajnanta, F., 2011. Mengatasi Permasalahan pada proses perancangan. Semua fungsi

  Bertanam Cabai . Jakarta: Penebar

  dapat bekerja dengan baik dengan nilai Swadaya. pengujian fungsional sebesar 100%.

  Prasetyo, E., 2012. Data Mining-Konsep dan 3. Pengujian akurasi prediksi curah hujan Aplikasi Menggunakan MATLAB . menggunakan metode regresi linear Yogyakarta: Andi Offset.

  Purbaya, R., 2014. Perbandingan Analisis sederhana memperlihatkan bahwa dari dua Regresi Linear Berganda dengan Sistem belas bulan yang musimnya diprediksi, ada Inferensi Fuzzy Mamdani dalam satu bulan yang hasil ramalannya berbeda Memprediksi Berat Badan Ideal. Jurnal dengan nilai sebenarnya. Tingkat akurasi

  Mahasiswa Statistik [e-journal] 2(2), pp.

  berdasarkan hasil tersebut adalah sebesar 137-140. Tersedia melalui: Jurnal 91,66%.

  Mahasiswa Universtas Brawijaya

  Penilitan selanjutnya dapat menerapkan

  [diakses 10 Juni 2016]

  algoritma yang lain untuk menentukan prediksi Rahmat, H.U., 2002. Usaha Tani Cabai Rawit. curah hujan. Beberapa faktor yang berkaitan Yogyakarta: Kanisius. dengan jumlah curah hujan juga dapat Rintan, P.A. & Mukaroomah, A., 2013.

  Analisis Fungsi Transfer pada Harga ditambahkan untuk memperoleh akurasi yang Cabai Merah yang Dipengaruhi oleh lebih tinggi. Curah Hujan di Surabaya. Jurnal Sains Faktor penentu keberhasilan budidaya cabai dan Seni POMITS , 2(2).

  Rostini, N., 2011. 9 Strategi Bertanam Cabai dapat ditambahkan seperti jenis tanah dan

  Bebas Hama dan Penyakit. Jakarta: PT

  pupuk agar tingkat keberhasilan semakin AgroMedia Pustaka. bertambah.

  Simamata, J., 2010. Rekayasa Perangkat Lunak . Yogyakarta: Andi Offset.

DAFTAR PUSTAKA

  Sugiarto, 1992. Tahap Awal + Aplikasi Anlisis Regresi . Yogyakarta: Andi Offset. Astuti, F.H., 2013. Data Mining. Yogyakata:

  Suhendra, 2014. Detik Finance. [online] Andi Offset.

  Tersedia di: Daldjoeni, 1983. Pokok-Pokok Klimatologi.

   Bandung: Alumni.

   Giarno, Dupe, Z.L., & Mustofa,M.A., 2012. (diakses 1

  Kajian Awal Musim Hujan dan Musim Kemarau di Indonesia. Jurnal Meteorologi Oktober 2016)>

  Susanto, S. & Suryadi, D., 2010. Pengantar dan Geofisika, 13(1), pp.1-8.

  Data Mining Menggali Pengetahuan dari

  Gunarsih, A.K., 2012. Klimatologi: Pengaruh

  

Iklim Terhadap Tanah dan Tanaman. Bongkahan Data . Yogyakarta: Andi

Offset.

  Jakarta: Bumi Aksara.

  Surya, T.A., 2015. Pengendalian Inflasi Hakimah, M., Muhima, R.R. & Yustina, A.,

  2015. Rancang Bangun Aplikasi Komoditas Pangan Menjelang Bulan Ramadhan. Info Singkat Ekonomi dan

  Peramalan Persediaan Barang dengan Kebijakan Publik . 8(11), pp.13-16. Metode Trend Projection. Jurnal

  

Simantec , [e-journal] 5(1), pp.37-48. Suwandi, N. et al., 2009. Standar Operating

Prosedure (SOP) Budidaya Cabai Merah

  Tersedia melalui: Jurnal Universitas

  Gunung Kidul . [pdf] Dinas Pertanian

  Trunojoyo Madura Provinsi Yogyakarta. Tersedia di:

  

  

  Maulidah, S. et al, 2012. Dampak Perubahan

  [Diakses 5 Januari 2016]

  Iklim Terhadap Produksi dan Pendapatan Zulkarnaen, H., 2013. Budidaya Sayuran

  Usaha Tani Cabi Rawit. SEPA, [e-journal] 8(2), pp. 51 Tropis. Jakarta: Bumi Aksara.

• – 182. Tersedia melalui: