PREDIKSI CURAH HUJAN MENGGUNAKAN JARINGAN SYARAF TIRUAN FUNGSI BASIS RADIAL UNTUK MENDUKUNG MANAJEMEN POLA TANAM
TESIS-SM142501 PREDIKSI CURAH HUJAN MENGGUNAKAN JARINGAN SYARAF TIRUAN FUNGSI BASIS RADIAL UNTUK MENDUKUNG MANAJEMEN POLA TANAM
ALVEN SAFIK RITONGA NRP 1212201205 DOSEN PEMBIMBING Prof . Dr. Mohammad Isa Irawan , MT.
PROGRAM MAGISTER JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
THESIS SM142501 RAINFALL PREDICTION USING RADIAL BASIS FUNCTION NEURAL NETWORK TO SUPPORT CROPPING PATTERN MANAGEMENT
ALVEN SAFIK RITONGA NRP 1212201205 SUPERVISOR Prof . Dr. Mohammad Isa Irawan , MT.
PROGRAM OF MAGISTER DEPARTMENT OF MATHEMATICS FACULTY OF MATHEMATICS AND NATURAL SCIENCE
INSTITUTE OF TECHNOLOGY SEPULUH NOPEMBER
PREDIKSI CURAH HUJAN MENGGUNAKAN JARINGAN
SYARAF TIRUAN FUNGSI BASIS RADIAL UNTUK
MENDUKUNG MANAJEMEN POLA TANAM
Nama Mahasiswa : Alven Safik Ritonga NRP : 1212201205 Pembimbing : Prof. Dr. Mohammad Isa Irawan, MT.
ABSTRAK
Pola tanam merupakan ketetapan mengenai jadwal tanam, jenis tanam, danluas tanam yang diberlakukan di suatu daerah irigasi. Untuk mendapatkan pola
tanam yang ideal harus ada kesesuaian antara debit air yang tersedia dengan
kebutuhan air masing-masing tanaman pangan. Untuk mengetahui ketersediaan
debit air di suatu daerah irigasi adalah dengan memprediksi data hidrologi (curah
hujan) dan data klimatologi (temperatur, kecepatan angin, penyinaran matahari,
dan kelembaban udara). Metode yang digunakan untuk melakukan prediksi adalah
Jaringan Syaraf Tiruan Fungsi Basis Radial (RBF).Data yang digunakan pada penelitian ini adalah data curah hujan,
temperatur, kecepatan angin, penyinaran matahari, dan kelembaban udara yang
diambil dari Balai Informasi Sumber Daya Air (BISDA) Dinas PU NTB selama
31 tahun terakhir yakni dari tahun 1983 sampai tahun 2013. Data ini digunakan
untuk memprediksi data hidrologi dan klimatologi pada tahun 2014. Dari hasil
prediksi ditentukan kebutuhan air konsumtif tanaman (evapotranspirasi), curah
hujan efektif dan kebutuhan air penyiapan lahan, kemudian dihubungkan dengan
ketersediaan volume air irigasi dan lama tanam tanaman pangan untuk
mendapatkan rancangan pola tanam. Rancangan pola tanam optimal ditentukan
dengan penjadwalan tanam setiap jenis tanaman pangan pada tahun 2014.Hasil prediksi data hidrologi dan klimatologi menggunakan metode
Jaringan Syaraf Tiruan RBF diperoleh dengan indeks statistik MSE rata-rata
- 5 -5
7,0x10 -9,0x10 . Sedangkan untuk validasi arsitektur jaringan diperoleh akurasi
rata-rata 99,89% dengan persentase error rata-rata 0,92%. Hasil optimasi
perencanaan pola tanam di Pulau Lombok untuk periode musim tanam Januari –
Desember 2014 diketahui terjadi proyeksi keuntungan di masing-masing
kabupaten/kota yakni, peningkatan 20,49% di Kabupaten Lombok Timur,
Lombok Tengah meningkat 43,40%, Lombok Barat meningkat 14,17%, Mataram
menurun sebesar 12,43%, dan untuk Lombok Utara meningkat 5,25%. Secara
rata-rata di Pulau Lombok terjadi peningkatan sebesar 14,17% dari keuntungan
produksi tahun sebelumnya.
Kata Kunci: Jaringan Syaraf Tiruan Fungsi Basis Radial, Manajemen Pola
Tanam, Optimasi
RAINFALL PREDICTION USING RADIAL BASIS FUNCTION
NEURAL NETWORK TO SUPPORT CROPPING PATTERN
MANAGEMENT
By : Alven Safik Ritonga Student Identity Number : 1212201205 Supervisor : Prof. Dr. Mohammad Isa Irawan, MT.
ABSTRACT
Cropping pattern are determination regarding planting schedule, type ofplanting, and planting area that applied on irrigation area. To obtain ideal planting
pattern, we should balancing between water availability and water needed for each
plant. Using prediction of hydrological data such as rainfall and climatological
data such as temperature, wind speed, solar radiation, and humidity can determine
water availability on irrigation area. This prediction method called Radial Basis
Function Artificial Neural Network (RBF).The data which used for this research such as rainfall, temperature, wind
speed, solar radiation and humidity were taken from Balai Informasi Sumber
Daya Air (BISDA) Dinas PU NTB during the last 31 years, that is from 1983
untill 2013. This data used to predict hydrological and climatological data on
2014. The result data can determined the water consumption needs for plant
(evapotranspiration), effectiveness of rainfall, and preparation of water
consumption need for land, then connected with irrigation water availability
volume and how long duration of cropping plant to get cropping pattern design.
Cropping pattern optimization design is determined with scheduling of planting
for each crop in 2014.By using RBF Artificial Neural Network method to predict hydrology and
- 5 -5
climatology data, we can predict that MSE statistical index is 7.0x10 -9.0x10 in
average. For network architecture validation, the accuracy can reach up to 99.89%
and 0.92% error in average. The result of planting pattern optimization at Lombok
Island for January to December 2014 planting season could be seen from
increasing the profit of each district, such as : East Lombok increased 20.49%,
Central Lombok increased 43.40%, West Lombok increased 14.17%, Mataram
decreased 12.43%, and North Lombok increased 5.25%. In overall there is
significant profit increase for Lombok Island about 14.17% from previous year.
Keywords: Artificial Neural Network Radial Basis Function, Cropping Pattern
Management, Optimization.KATA PENGANTAR
Bismillahirrahmanirrahim Syukur Alhamdulillah, saya panjatkan kepada Allah SWT karena dengan
rahmat dan hidayah-Nya, penulis dapat menyelesaikan tesis ini. Sholawat dan
salam semoga selalu tercurah kepada Nabi Muhammad SAW.Tesis yang berjudul “Prediksi Curah Hujan Menggunakan Jaringan Syaraf
Tiruan Fungsi Basis Radial untuk Mendukung Manajemen Pola Tanam” ini
merupakan salah satu syarat yang harus dipenuhi untuk memperoleh gelar
Magister Sains (M.Si) pada Jurusan Matematika Fakultas Matematika dan Ilmu
Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya.Pada kesempatan ini, penulis ingin mengucapkan terimakasih yang sebesar-besarnya kepada:
1. Ibu Prof. Dr. Erna Apriliani, M.Si., selaku ketua Jurusan Matematika FMIFA
ITS yang telah memberikan fasilitas, dukungan, saran, dan motivasi mulai saat penulis kuliah di ITS hingga menyelesaikan tesis ini.
2. Bapak Dr. Subiono, M.Si., selaku Ketua Program Studi S2 Matematika ITS
yang telah memberikan dukungan, saran, dan motivasi.
3. Bapak Prof. Dr. Mohammad Isa Irawan, M.T, selaku dosen pembimbing tesis
yang telah banyak memberikan bimbingan dan arahan serta masukan selama penelitian dan penulisan tesis ini.
4. Bapak Prof. Dr. Basuki Widodo, M.Sc. selaku penguji, yang memberikan
banyak masukan dan kritikan sehingga penulis dapat memperbaiki tesis ini.
5. Ibu Dr. Dwi Ratna Sulistyaningrum, S.Si., MT. selaku penguji, yang telah
banyak memberikan saran dan perbaikan-perbaikan terutama dalam hal penulisan.
6. Bapak Dr. Budi Setiyono, S.Si., MT. selaku penguji, yang memberikan
banyak masukan dan kritikan sehingga penulis dapat memperbaiki tesis ini.
7. Orang tua saya tercinta yang telah memberikan dukungan, motivasi, dan doa
sehingga ananda dapat menyelesaikan studi di Pascasarjana Matematika ITS.
8. Istri saya tercinta Elvi Kusumawati S., yang telah banyak memberikan
dukungan baik moril maupun materi, dan dengan sabar selalu memotivasi untuk selalu bersemangat menyelesaikan studi di Pascasarjana Matematika ITS.
9. Kedua anak-anak ku tersayang Naya dan Dhafin, kalian berdua adalah
motivasi ayah terbesar untuk menyelesaikan studi di Pascasarjana Matematika ITS, semoga dengan melihat ayah tiap hari belajar membuat kalian berdua bersemangat untuk “belejar, belajar dan selalu belajar”.
10. Bapak Ripai, M.Si. selaku staf BISDA NTB yang telah memberikan
pengetahuannya mengenai proses pengambilan data penelitian dan telah memberikan kesempatan saya untuk mengambil data penelitian.
11. Segenap teman-teman seangkatan saya Afif, Uswah, Fiqih, Rani, Miranda,
Mba Ira dan Dewi yang telah memberikan kenangan, motivasi, dan kebersamaan dalam menempuh studi di Pascasarja Matematika ITS.12. Semua pihak yang telah membantu penulis dalam menempuh studi di Pascasarjana Matematika ITS.
Semoga tesis ini bisa bermanfaat bagi siapa saja yang membutuhkan, dan juga bermanfaat bagi pengembangan ilmu pengetahuan khususnya Matematika.
Surabaya, Januari 2015
Alven Safik Ritonga
DAFTAR ISI HALAMAN SAMPUL HALAMAN JUDUL .................................................................................. i
HALAMAN PENGESAHAN ................................................................... ii
ABSTRAK................................................................................................... iii
ABSTRACT................................................................................................ iv
KATA PENGANTAR ............................................................................... v
DAFTAR ISI................................................................................................ vii
DAFTAR GAMBAR.................................................................................. ix
DAFTAR TABEL ...................................................................................... x
DAFTAR LAMPIRAN.............................................................................. xiii
2.2 Tanaman Pangan.......................................................................... 8
2.7.2 Pendekatan Penyelesaian Secara Rekursif.................... 23
2.7.1 Karakteristik Persoalan Pemograman Dinamis............ 22
2.7 Program Dinamis......................................................................... 21
2.6 Evaluasi Hasil Prediksi................................................................ 20
2.5 Jaringan Syaraf Tiruan Fungsi Basis Radial................................ 17
2.4 Manajemen Pola Tanam Tanaman Pangan.................................. 10
2.3 Curah Hujan................................................................................. 9
2.1 Penelitian Relevan........................................................................7
BAB 1 PENDAHULUAN........................................................................... 1
BAB 2 KAJIAN PUSTAKA....................................................................... 7
1.6 Kontribusi Hasil Penelitian.......................................................... 5
1.5 Manfaat Penelitian....................................................................... 5
1.4 Tujuan Penelitian......................................................................... 4
1.3 Batasan Masalah.......................................................................... 4
1.2 Rumusan Masalah........................................................................ 3
1.1 Latar Belakang............................................................................. 1
2.7.3 Algoritma Pemograman Dinamis................................. 23
3.1 Tahapan Penelitian ..................................................................... 25
BAB 4 HASIL DAN PEMBAHASAN...................................................... 27
4.1 Pengambilan dan Validasi Data.................................................. 27
4.1.1 Pengambilan Data........................................................ 27
4.1.2 Validasi Data................................................................ 28
4.2 Pengolahan Data dan Prediksi Data Hidroklimatologi................ 30
4.2.1 Pengolahan Data........................................................... 30
4.2.2 Preprocessing Data....................................................... 32
4.2.3 Perancangan Arsitektur JST Fungsi Basis Radial......... 32
4.2.4 Implementasi Arsitektur JST Fungsi Basis Radial....... 37
4.2.5 Hasil Prediksi Data Hidrologi dan Data Klimatologi... 41
4.3 Kebutuhan Air Irigasi, Volume Tersedia, dan Volume Efektif... 43
4.4 Optimasi Pola Tanam................................................................... 46
4.4.1 Biaya Produksi, Pendapatan, dan Laba Per Hektar...... 46
4.4.2 Luas Lahan Tanam........................................................ 47
4.4.3 Optimasi Pola Tanam.................................................... 49
4.4.3.1 Persamaan Kendala dan Fungsi Tujuan......... 49
4.4.3.2 Optimasi dengan Program Dinamik............... 55
4.4.4 Pola Tanam Tanaman Pangan....................................... 62
BAB 5 PENUTUP....................................................................................... 67
5.1 Kesimpulan.................................................................................. 67
5.2 Saran............................................................................................ 68
DAFTAR PUSTAKA................................................................................. 69
LAMPIRANDAFTAR TABEL Halaman
Tabel 2.1 Jumlah Produksi (Ton) Tanaman Pangan Provinsi NTB Selama 9 Tahun Terkahir8 Tabel 2.2 Daftar Nilai Koefisien Tanaman Pangan ( K )
11 c
Tabel 4.1 Data Input Untuk Prediksi31 Tabel 4.2 Pengaturan Data Input dan Target Data Hidroklimatologi
31 Tabel 4.3 Indeks Statistik untuk Data Training Hidrologi Menggunakan JST RBF
37 Tabel 4.4 Indeks Statistik untuk Data Training Hidrologi Menggunakan JST Backpropagation
37 Tabel 4.5 Indeks Statistik untuk Data Training Klimatologi Menggunakan JST RBF
38 Tabel 4.6 Indeks Statistik untuk Data Training Klimatologi Menggunakan JST Backpropagation 38
Tabel 4.7 Indeks Statistik untuk Data Testing Hidrologi Menggunakan JST RBF39 Tabel 4.8 Indeks Statistik untuk Data Testing Hidrologi Menggunakan JST Backpropagation 39
Tabel 4.9 Indeks Statistik untuk Data Testing Klimatologi Menggunakan JST RBF39 Tabel 4.10 Indeks Statistik untuk Data Testing Klimatologi Menggunakan JST Backpropagation
40 Tabel 4.11 Nilai Error dan Akurasi Arsitektur Prediksi Data Hidroklimatologi
41 Tabel 4.12 Pembagian Pos Curah Hujan Pe Kabupaten/Kota untuk Rerata Kawasan
41 Tabel 4.13 Rata-rata Curah Hujan Pulau Lombok 2014 per Kabupaten/Kota
42
Tabel 4.15 Rata-rata Kebutuhan Air Irigasi untuk Tanaman Pangan Pulau Lombok Tahun 201453 Tabel 4.27 Keuntungan Bersih Air Irigasi Analisis II Lombok Timur
62 Tabel 4.36 Rekomendasi Waktu Tanam Berdasarkan Kebutuhan Air Tanaman Pangan Minimum
61 Tabel 4.35 Perbandingan Laba Setelah dan Sesudah Optimasi 2014
60 Tabel 4.34 Rekomendasi Cara Analisis Pola Tanam Tanaman Pangan 2014
59 Tabel 4.33 Perbandingan Laba Setelah dan Sesudah Optimasi 2013
59 Tabel 4.32 Rekomendasi Cara Analisis Pola Tanam Tanaman Pangan 2013
58 Tabel 4.31 Perhitungan Program Dinamis Tahap III
58 Tabel 4.30 Perhitungan Program Dinamis Tahap II
55 Tabel 4.29 Perhitungan Program Dinamis Tahap I
54 Tabel 4.28 Keuntungan Bersih Air Irigasi Analisis III Lombok Timur
52 Tabel 4.26 Keuntungan Bersih Air Irigasi Analisis I Lombok Timur
44 Tabel 4.16 Volume Air Tersedia Kabupaten Lombok Timur
51 Tabel 4.25 Batas Maksimum Pemberian Air Irigasi Analisis III Lombok Timur
50 Tabel 4.24 Batas Maksimum Pemberian Air Irigasi Analisis II Lombok Timur
48 Tabel 4.23 Batas Maksimum Pemberian Air Irigasi Analisis I Lombok Timur
48 Tabel 4.22 Luas Lahan Tanam Analisis III Kab. Lombok Timur
48 Tabel 4.21 Luas Lahan Tanam Analisis II Kab. Lombok Timur
47 Tabel 4.20 Luas Lahan Tanam Analisis I Kab. Lombok Timur
47 Tabel 4.19 Cara Analisis Pola Tanam Tanaman Pangan
45 Tabel 4.18 Daftar Biaya Produksi dan Pendapatan Tanaman Pangan Per Hektar
45 Tabel 4.17 Volume Efektif Kabupaten/Kota Pulau Lombok
63
Tabel 4.39 Perencanaan Pola Tanam Kabupaten Lombok Barat64 Tabel 4.40 Perencanaan Pola Tanam Kota Mataram
65 Tabel 4.41 Perencanaan Pola Tanam Kabupaten Lombok Utara
65
DAFTAR GAMBAR
HalamanGambar 2.1 Alat Pengukur Curah Hujan Otomatis9 Gambar 2.2 Diagram Representasi dari Jaringan Syaraf Tiruan Fungsi Basis Radial
17 Gambar 3.1 Diagram Tahapan Penelitian
26 Gambar 4.1 Sebaran Pos Hidroklimatologi Pulau Lombok NTB
28 Gambar 4.2 Arsitektur JST Fungsi Basis Radial
33 Gambar 4.3 Hasil Prediksi Curah Hujan ½ Bulanan Pos Jurangsate 2014 42
Gambar 4.4 Skema Mencari Nilai Kebutuhan Air Irigasi (DR)43 Gambar 4.5 Tahap-tahap Perhitungan Volume Air yang Diberikan
49 Gambar 4.6 Model Program Dinamik Sistem n Tahap
57 Gambar 4.7 Diagram Hasil Optimasi Analisis II Kab. Lombok Timur
59
BAB 1 PENDAHULUAN
1.1 Latar Belakang
Sektor pertanian merupakan salah satu penopang perekonomian di Indonesia
yang masih perlu diperhitungkan meskipun telah terjadi transformasi struktur
ekonomi, dimana perekonomian Negara lebih ditopang oleh sector industri dan jasa.
Selain dibutuhkan sebagai penyedia pangan nasional, sektor pertanian juga menyerap
sebagian besar tenaga kerja. Sektor pertanian mencakup sub sector tanaman bahan
makanan, perkebunan, pertanian, perikanan dan kehutanan. Hingga saat ini kebutuhan
akan pangan nasional menumpukkan harapan pada sektor pertanian. Nusa Tenggara
Barat (NTB) merupakan lokasi yang strategis untuk budidaya tanaman pangan
seperti; padi, jagung, ubi kayu dan lain-lain, dan mempunyai potensi prospektif untuk
dikembangkan sebagai daerah sentra produksi.Berdasarkan data Badan Pusat Statistik (BPS), produksi padi, jagung, dan
kedelai di tahun 2011 mengalami penurunan. Mencermati terjadinya penurunan
produksi yang terjadi, target kenaikan angka produksi di tahun 2012 mengalami
banyak halangan. Hal ini didasarkan kenyataan bahwa sampai bulan Oktober 2012 di
berbagai daerah belum turun hujan dan menyebabkan kekeringan waduk serta irigasi,
sehingga sekitar 80.000 ha sawah mengalami puso. Tantangan yang diperkirakan
akan dihadapi oleh sector pertanian pada tahun 2013 yaitu kemarau panjang di tahun
2012 akan terus berlanjut di tahun 2013 yang dapat menyebabkan pergeseran musim
tanam, sehingga akan mempengaruhi produksi tanam.Perubahan pada tingkat produktivitas ini juga tidak lepas dari faktor tingkat
ketersediaan air. Ketersediaan air merupakan faktor paling berpengaruh dalam dunia
pertanian. Ketersediaan air di suatu daerah sangat ditentukan oleh tingkat curah hujan
dan keadaan iklim di daerah tersebut, sehingga perlu dilakukan pengkajian tentang
ketersediaan air di suatu daerah tertentu untuk mengatur pola tanam agar hasil
produksi menjadi optimal (Irawan dkk, 2013). Perubahan iklim yang berakibat puso
atau gagal panen semakin terasa di sebagian besar wilayah Indonesia, terutama di
Provinsi Nusa Tenggara Barat (NTB). Hampir setiap tahun luas wilayah (ha)
mengalami kekeringan dan jumlah produksi (ton) mengalami gagal panen (puso)
terutama pada tanaman pangan prioritas NTB seperti padi, jagung, kedelai, kacang
tanah, kacang hijau, ubi kayu dan ubi jalar.Menurut laporan Badan Pusat Statistik (BPS) Provinsi NTB, selama Sembilan
tahun terakhir (2004-2012) ini peningkatan produktivitas tanaman pangan tidak
signifikan bahkan menurun baik pada luas lahan panen (ha) maupun jumlah produksi
(ton). Hal ini disebabkan oleh terjadinya perubahan dan pergeseran musim (Nandini,
2011) dalam (Irawan dkk, 2013). Salah satu indikator utama pergeseran musim
adalah pola curah hujan yang tidak menentu. Fenomena ini membuat para petani di
NTB kesulitan dalam menentukan pola tanam tanaman pangan.Kebiasan para petani manggunakan teori lama dengan melihat kebiasaan
rentang waktu turun hujan atau awal musim hujan untuk memulai bercocok tanam
tanpa memperhatikan perubahan dan pergeseran musim tersebut. Hal ini
membuktikan bahwa para petani tidak cermat dalam menentukan pola tanam.
Sehingga tidak sedikit para petani memulai menanam di akhir musim. Tentu hal ini
berimplikasi pada metode pengelolaan yang kurang baik serta pengaturan
ketersediaan air yang kurang maksimal karena curah hujan yang tidak menentu,
berkurang bahkan tidak ada sama sekali dan akhirnya para petani gagal panen.Untuk pengkajian atau penelitian tentang perencanaan pola tanam tanaman
pangan sebagai metode mengantipasi perubahan iklim agar hasil produksi tetap
maksimal dan berkelanjutan. Salah satu metode yang baik dalam memprediksi data
time series adalah Jaringan Syaraf Tiruan atau sering dikenal Artificial Neural
Network.Jaringan Syaraf Tiruan adalah system pemproses informasi yang memiliki
karakteristik kinerja yang mirip dengan jaringan syaraf biologi (Fausett, 1994).
Jaringan syaraf tiruan telah digunakan secara luas dalam bidang pengklasifikasian
pola dan pada umumnya menunjukkan kelebihan dibandingkan dengan metode-
metode pembelajaran lainnya, sifat generalisasi dan kemampuan adaptasinya, serta
kekuatan khasnya dalam melakukan pemetaan secara nonlinear (Ulfah, 2011). Salah
satu jaringan syaraf tiruan paling popular adalah Radial Basis Function (RBF).
Jaringan syaraf tiruan RBF merupakan jaringan feed-forward yang memiliki tiga
lapisan (layer), yaitu lapisan masukan (input), lapisan tersembunyi (hidden layer) dan
lapisan keluaran (output layer), telah sukses diaplikasikan pada approksimasi fungsi,
peramalan dan klasifikasi pola (Yeung dkk, 2009).Hasil model pola tanam yang sudah dibentuk harus di optimasi agar diperoleh
pendapatan maksimum dengan biaya minimum. Optimasi dilakukan pada pola tanam
di masing-masing daerah baik pada lahan irigasi maupun lahan tadah hujan termasuk
lahan kering. Hasil optimasi dengan keuntungan terbesar akan direkomendasikan
sebagai pola tanam optimal pada musim tanam berikutnya.Sesuai dengan penelitian yang dilakukan oleh Syaharuddin (2013) dan
publikasi Irawan dkk (2013), menyebutkan bahwa jaringan syaraf tiruan
Backpropagation dapat memprediksi data hidroklimatologi dengan tingkat akurasi
yang baik. Dan mengingat hasil penelitian Santhanam (2011), menerangkan bahwa
jaringan syaraf tiruan Fungsi Basis Radial jauh lebih cepat dan lebih dapat diandalkan
untuk prediksi curah hujan daripada Backpropagation. Maka dalam penelitian ini
peneliti akan mengambil judul penelitian “Prediksi Curah Hujan Menggunakan
Jaringan Syaraf Tiruan Fungsi Basis Radial untuk Mendukung Manajemen Pola
Tanam”, untuk mendapatkan hasil prediksi yang lebih baik dan lebih cepat. Penelitian
merupakan studi kasus di Pulau Lombok Provinsi Nusa Tenggara Barat (NTB).1.2 Rumusan Masalah
Berdasarkan latar belakang yang ada, maka perumusan masalah dalam
penelitian ini dapat diberikan sebagai berikut:
1. Bagaimana merancang arsitektur Jaringan Syaraf Tiruan Fungsi Basis Radial
untuk memprediksi ketersediaan air berdasarkan faktor curah hujan,temperatur, kelembaban udara, kecepatan angin, dan penyinaran matahari?
2. Bagaimana hasil perencanaan pola tanam optimal berdasarkan curah hujan, kebutuhan air, dan lama tanam tanaman pangan?
1.3 Batasan Masalah
Adapun batasan masalah dalam penelitian ini sebagai berikut:
1. Data hidrologi (curah hujan), data klimatologi (temperatur, kelembaban udara, kecepatan angin, dan lama menyinaran matahari), dan data debit air irigasi yang digunakan adalah data 5 Kabupaten/Kota yakni Kabupaten Lombok Timur, Lombok Barat, Lombok Tengah, Lombok Utara dan Kota Mataram Provinsi NTB selama 31 tahun terakhir yakni dari tahun 1983 sampai tahun 2013. Data diambil dari Balai Informasi Sumber Daya Air (Bisda) Dinas PU Provinsi NTB.
2. Parameter yang digunakan untuk memprediksi ketersediaan air adalah curah hujan, temperatur, kelembaban udara, kecepatan angin, dan lama penyinaran matahari.
3. Tanaman yang dimasukkan ke daftar pola tanam adalah tanaman pangan yang meliputi padi, jagung, kedelai, kacang tanah, kacang hijau, ubi kayu, dan ubi jalar.
4. Simulasi Jaringan Syaraf Tiruan Fungsi Basis Radial dengan menggunakan Matlab.
1.4 Tujuan Penelitian
Berdasarkan rumusan masalah diatas, maka tujuan penelitian ini adalah:
1. Untuk mengetahui hasil prediksi curah hujan di Pulau Lombok Provinsi NTB menggunakan Jaringan Syaraf Tiruan Fungsi Basis Radial.
2. Untuk mengkaji, merancang, dan menganalisa perencanaan pola tanam tanaman pangan di Pulau Lombok Provinsi NTB.
1.5 Manfaat Penelitian
Manfaat yang diharapkan dalam penelitian ini antara lain:
1. Diperoleh informasi hasil prediksi curah hujan menggunakan Jaringan Syaraf Tiruan Fungsi Basis Radial.
2. Dapat membantu masyarakat Provinsi NTB dalam merencanakan dan mengembangkan manajemen pola tanam tanaman pangan agar terhindar dari gagal panen sehingga diperoleh hasil produksi pertanian yang maksimal, berkualitas, dan bermutu.
3. Dapat memberikan informasi kepada masyarakat NTB khususnya pulau Lombok tentang pola tanam tanaman pangan yang baik dan tepat.
1.6 Kontribusi Hasil Penelitian
Adapun konstribusi hasil penelitian ini sebagai berikut:
1. Digunakan oleh masyarakat Provinsi NTB khususnya pulau Lombok sebagai bahan pertimbangan dalam mengambil keputusan pola tanam tanaman pangan yang baik, tepat, dan optimal.
2. Sebagai referensi bagi Badan Litbang Dinas Pertanian NTB dalam perencanaan pola tanam tanaman holtikultura.
“Halaman ini sengaja dikosongkan” dengan:
w w . . . w φ ( x − c )
11
12 1 n
1
− w w . . . w φ ( x c )
21
22 2 n
2
. . . . .
W = φ = dan . . . . .
. . . . .
− w w . . . w φ ( x c ) n
1 n 2 nn n
2.5.1 Interpolasi dengan Menggunakan Fungsi Basis Radial Fungsi Basis Radial dapat diturunkan dari permasalahan interpolasi klasik.
RBFNs merupakan salah satu solusi yang mungkin dari permasalahan interpolasi
multi variabel real untuk data yang tidak uniform.RBFNS didesain untuk membentuk pemetaan nonlinear dari variabel input ke
unit hidden layer dan pemetaan linier dari hidden layer ke output. Jadi pada RBFNs
dilakukan pemetaan input dari ruang berdimensi p ke output ruang berdimensi 1 p1
ℜ → ℜ
s :
Secara matematis permasalahan interpolasi ini dapat diuraikan sebagai berikut. p x ∈ ℜ i = n
Jika diberikan n buah titik yang berbeda [ , 1 , 2 ,..., ] i dan n bilangan real n
, [ y ∈ ℜ , i = 1 , 2 ,..., n ] Akan ditentukan fungsi y f : ℜ → ℜ i i sedemikian hingga memenuhi f ( x ) = y , i = 1 , 2 ,..., n (2.26) i i
Perluasan Fungsi Basis Radial yang diberikan pada persamaan (2.23) dapat digunakan untuk menyelesaikan permasalahan ini. Misalkan, n y f ( x ) w φ ( x x )
= = i − i (2.27)
∑ i =
1 Maka kondisi interpolasi dari persamaan (2.27) dapat diinterpretasikan pada persamaan (2.28).
(2.28) dimana = ��x i − x j �� Misalkan
1 NxN
= .
. .
2
1 N
n w w w w ℜ ∈
= .
. .
2
nn n n N N
N j i ,..., 2 , 1 ,
ℜ ∈
= Φ
φ φ φ φ φ φ φ φ φ . . .
. . . . . . . . . . . . . . .
2
1
2
22
21
1
12
11
y w = Φ
= N N y y y y ℜ ∈
φ φ φ φ φ φ φ φ φ
Adalah masing-masing nilai vektor yang diinginkan vektor bobot, dan matrik interpolasi. Maka persamaan (2.28) dapat dituliskan menjadi: (2.29) Kondisi perlu dan cukup untuk menyelesaikan permasalahan interpolasi ini adalah invers dari matrik
. . .
Φ . Oleh karena itu, jika kita dapat memilih Fungsi Basis Radial
(.) φ sedemikian hingga
Φ nonsingular, maka penyelesaian dari bobot vektor w dapat diperoleh: y w
1 −
Φ = (2.30)
Wilmott (1982) dalam Nastos (2011), memberikan beberapa indeks yang digunakan
untuk menguji hasil prediksi berikut yang digunakan: Mean Absolute Error (MAE),
Mean Square Error (MSE), Root Mean Square Error (RMSE), Coefficient of
=
N n nn n n N N y y y w w w
. . .
11
. . .
. . . . . . . . . . . . . . .
2
1
2
1
2
1
2
22
21
1
12
2.6 Evaluasi Hasil Prediksi Untuk menguji keandalan hasil prediksi, ditunjukkan dengan beberapa indeks.
2 Determination ( R ), dan Index of Agreement (IA), seperti pada persamaan (2.31) sampai (2.35).
1. MAE n
| ∑ |P i=1 i − O i MAE = (2.31) n
2. MSE n
2 ) ∑ (P i − O i i=1
MSE = (2.32) n
3. RMSE
1 n
2
2 ) ∑ (P i − O i i=1
RMSE = (2.33) � � n
2
4. R n
2 ) ∑ (O i=1 i − P i
2 R = 1 (2.34)
− n
2 ) ∑ (O i − O i ave i=1
5. IA
n
2 ) ∑ (O i=1 i − P i
2 |) | + |O
IA = 1 (2.35) − n
∑ (|P i − O i ave i − O i ave i=1
2.7 Program Dinamis
Pemograman dinamis adalah salah cara untuk mencari penyelesaian optimal
pada masalah multivariabel dengan cara membagi beberapa tahap (stage), dan setiap
tahap yang sudah dibagi menjadi sub-sub masalah dengan variabel tunggal (Taha,
2007). Dengan membagi masalah ke dalam sub-masalah, suatu masalah dapat
diselesaikan lebih mudah.Menurut Taha (2007), untuk dapat mengerti proses pemograman dinamis
harus dipahami terlebih dahulu unsur-unsur dasar dari model pemograman dinamis
yaitu:a. Tahap (stage) Tahap adalah bagian dari pemograman dinamik yang mengandung variabel keputusan yang akan dipilih satu atau lebih yang paling optimal. b. Keadaan (state) Keadaan adalah kondisi yang mungkin pada suatu tahap tertentu yang menunjukkan kaitan antara satu tahap dengan tahap berikutnya. Definisi keadaan bervariasi tergantung pada situasi model yang diinginkan.
c. Variabel keputusan Variabel keputusan adalah variabel yang menguraikan secara lengkap keputusan-keputusan yang dibuat.
d. Nilai fungsi Nilai fungsi adalah nilai yang ditentukan dari variabel keputusan.
e. Keputusan Optimal Keputusan optimal adalah keputusan yang merupakan penyelesaian terbaik dari masalah.
2.7.1 Karakteristik Persoalan Pemograman Dinamis
Dari unsur-unsur dasar program dinamis diatas dapat di tentukan karakteristik permasalahan progam dinamis (Hillier, 2001), yakni: a. Permasalahan dapat dibagi dalam tahap-tahap (stage), dengan suatu keputusan di setiap tahap.
b. Setiap tahap memiliki sejumlah keadaan (states) yang bersesuaian.
c. Pengaruh keputusan kebijakan pada setiap tahap adalah untuk merubah keadaan sekarang menjadi keadaan yang berkaitan dengan tahap berikutnya.
d. Prosedur penyelesaian dirancang untuk menemukan suatu kebijakan optimal untuk keseluruhan masalah, yaitu pemberi keputusan kebijakan optimal pada setiap tahap untuk setiap kemungkinan keadaan.
e. Bila diketahui keadaan (state) sekarang, kebijakan optimal untuk tahap-tahap yang tersisa adalah bebas terhadap kebijakan yang dipakai pada tahap-tahap sebelumnya.
f. Prosedur penyelesaiaan dimulai dengan menemukan kebijakan optimal untuk tahap akhir.
g. Ada hubungan rekursif yang mengidentifikasi kebijakan optimal pada tahap n, jika diketahui keputusan optimal untuk tahap (n+1).
2.7.2 Pendekatan Penyelesaiaan Secara Rekursif Prosedur perhitungan program dinamis adalah secara rekursif yang berarti
bahwa setiap kali mengambil keputusan harus memperhatikan keadaan yang
dihasilkan oleh keputusan optimal sebelumnya dan merupakan landasan bagi
keputusan optimal berikutnya. Prosedur penyelesaian secara rekursif ada 2 macam
yaitu; i. Pendekatan maju (forward atau up-down)Misalkan x
1 , x
2 , … , x n menyatakan variabel keputusan yang harus dibuat masing-masing untuk tahap 1, 2, . . ., n. Maka secara pendekatan maju, program dinamis bergerak mulai tahap 1, terus maju ke tahap 2, 3, dan seterusnya sampai tahap n. Runtunan variabel keputusan adalah x
1 , x
2 , … , x n . ii. Pendekatan mundur (backward atau bottom-up) Pemograman dinamis bergerak mulai dari tahap n, terus kemudian mundur ke tahap n-1, n-2, dan seterusnya sampai tahap 1. Runtunan variabel keputusan adalah x n
, x n −1
, … , x
1 .
2.7.3 Algoritma Pemograman Dinamis Algoritma pemograman dinamik merupakan salah satu algoritma yang
digunakan dalam menyelesaikan masalah optimal untuk mencari solusi terbaik,
pertama kali dikenalkan oleh Bellman dan Dreyfuss tahun 1962. Langkah-langkah
pengembangan Algoritma pemograman dinamis adalah:1) Menentukan struktur solusi optimal 2) Definisikan secara rekursif nilai solusi optimal. 3) Menghitung nilai solusi optimal secara maju atau mundur (yang sudah ditentukan pada langkah 2). 4) Konstruksi solusi optimal.
”Halaman ini sengaja dikosongkan”
BAB 2 KAJIAN PUSTAKA
2.1 Penelitian Relevan
Pada bagian ini diuraikan beberapa hasil penelitian yang relevan, antara lain;
Nastos dkk (2011), melakukan penelitian membangun model prediksi untuk
memperkirakan intensitas hujan (mm/hari) di Athena, Yunani. Hasil Penelitian
menerangkan bahwa Artificial Neural Network (ANN) sangat baik dan handal dalam
melakukan prediksi curah hujan ke depan. Dalam penelitiannya menggunakan
beberapa indeks untuk mengevaluasi hasil prediksi antara lain, Mean Absolute Error
(MAE), Mean Square Error (MSE), Root Mean Square Error (RMSE), Coefficent of
2 Determination ( R ), dan Index of Agreement (IA).
Irawan dkk (2013), melakukan penelitian perencanaan pola tanam tanaman
pangan menggunakan jaringan syaraf tiruan Backpropagation dengan arsitektur
mempunyai 2 hidden layer yang terdiri dari hidden layer I mempunyai neuron 100
dan hidden layer II mempunyai neuron 10. Dalam hal optimasi, menggunakan Linear
Programming dilakukan dengan aplikasi QM for Windows. Dengan menggunakan
metode ini dapat memprediksi data hidroklimatologi dengan tingkat akurasi yang
baik tetapi untuk menjalankan programnya sangat lambat.Santhanam dkk (2011), melakukan penelitian prediksi cuaca di Kanya Kumari
District India dengan Neural Network. Hasil penelitian menerangkan bahwa jaringan
syaraf tiruan Backpropagation membutuhkan waktu yang lebih lama dalam
menjalankan program dan kinerja juga sangat tergantung pada parameter jaringan.
Dibandingkan dengan Jaringan Syaraf Tiruan Fungsi Basis Radia (RBF), metode ini
memberikan hasil yang terbaik secara keseluruhan dalam hal akurasi dan waktu
pelatihan tercepat.Berdasarkan penelitian yang dilakukan Santhanam dkk (2011), maka
penelitian ini menggunakan Jaringan Syaraf Tiruan Fungsi Basis Radial (RBF).
Metode Jaringan Syaraf Tiruan RBF ini digunakan untuk memprediksi data curah hujan, temperatur, kecepatan angin, kelembaban udara, dan lama penyinaran matahari.
2.2 Tanaman Pangan
Tanaman pangan adalah segala jenis tanaman yang dapat menghasilkan karbohidrat dan protein. Berdasarkan lahannya, tanaman pangan ini terbagi ke dalam dua tempat yakni lahan basah (berair) dan lahan kering. Tanaman pangan yang ditanam pada lahan kering disebut palawija. Tanaman pangan dan palawija pada umumnya merupakan tanaman semusim misalnya padi, jagung, kedelai, kacang hijau, kacang tanah, ubi kayu, dan ubi jalar namun ada beberapa tanaman pangan yang merupakan tanaman tahunan misalnya tanaman sukun dan sagu (Nugraha, 2009).
Di Provinsi NTB tanaman pangan yang menjadi komoditas utama terdiri dari padi, jagung, ubi kayu, ubi jalar, kacang tanah, kacang hijau dan kedelai. Jumlah produksi (ton) tanaman pangan selama sembilan tahun terakhir (2004-2012) terjadi peningkatan yang tidak signifikan atau mengalami penurunan.
Tabel 2.1 Jumlah Produksi (ton) Tanaman Pangan Provinsi NTB Selama9 Tahun Terakhir Ubi Ubi Kacang Kacang Tahun Padi Jagung Kayu Jalar Tanah Kedelai Hijau 2004 1,466,757 71,276 88,030 20,886 49,226 91,495 39,730
2005 1,367,869 96,459 92,991 19,430 43,398 106,683 35,428 2006 1,552,627 103,963 87,041 19,372 43,956 108,640 40,968 2007 1,526,347 120,612 88,527 13,007 32,913 68,419 40,970 2008 1,750,677 196,263 68,386 10,985 32,348 95,106 39,756 2009 1,870,775 208,863 85,062 11,276 38,615 95,846 33,774 2010 1,774,499 249,005 70,606 13,134 33,615 93,122 50,012 2011 2,067,137 456,915 75,367 11,970 37,965 88,099 50,702 2012 2,050,526 634,297 77,369 9,892 40,114 71,296 48,258
(Sumber: Badan Pusat Statistik NTB, 2012)
2.3 Curah Hujan
Curah hujan merupakan ketinggian air hujan yang terkumpul dalam tempat
yang datar, tidak menguap, tidak meresap, dan tidak mengalir. Curah hujan 1
2
milimeter artinya dalam luasan satu meter persegi (1 m ) pada tempat yang datar