-
2
1. Pendahuluan
Sampai saat ini Organisme Pengganggu Tanaman masih menjadi
kendalaserius bagi para pengelola pertanian komoditas padi. OPT
adalah salah satucekaman biotik yang menyebabkan kesenjangan antara
potensi hasil dan hasilaktual, dan juga menyebabkan produksi tidak
stabil. Hama atau OPT tanamanpadi sangat beragam, antara lain
adalah penggerek batang padi, wereng batangcoklat dan ganjur.
Serangan wereng batang coklat telah meyerang di 28Kabupaten atau
kota di provinsi Jawa Tengah. Pada tahun 2010, serangan
werengcoklat telah menyerang lebih dari 32 ribu hektar di Jawa
Tengah. Menurut datayang diperoleh, untuk tahun 2011 hingga bulan
Maret, wereng coklat telahmenyerang lebih dari 17 ribu hektar.
[1].
Peningkatan populasi OPT dipengaruhi oleh beberapa faktor,
diantaranyaadalah faktor iklim/cuaca dan musuh alami. Musuh alami
telah diketahui sangatberguna dalam menekan populasi OPT padi,
salah satu musuh alami tersebutadalah predator hama padi. Predator
dapat mengendalikan kepadatan populasiOPT dengan baik karena mereka
memburu, memakan atau menghisap cairantubuh OPT sehingga
menyebabkan kematian.
Untuk mengetahui potensi predator sebagai musuh alami OPT
tanamanpadi, maka dibutuhkan sebuah sistem yang dapat memberikan
gambaran seranganorganisme pengganggu tanaman padi, serta gambaran
potensi predator terhadapOPT tanaman padi dalam bentuk besaran
kejadian dan dalam peta prediksikejadian serangan. Oleh karena itu
dalam penelitian ini akan dikembangkansistem pemetaan dan prediksi
dalam Sistem Informasi Geografis (SIG) berbasisweb. Sistem
informasi geografis yang dirancang akan dapat memberikaninformasi
tentang OPT padi dan predator beserta prediksi di wilayah Jawa
Tengahmenggunakan metode runtun waktu yaitu triple exponential
smoothing.
2. Kajian Pustaka
Prediksi merupakan kegiatan untuk memperkirakan nilai-nilai
sebuah darivariabel yang akan datang berdasarkan nilai yang
diketahui dari variabel tersebutatau variabel yang berhubungan.
Teknik peramalan dibagi menjadi dua bagian,yaitu metode peramalan
subjektif dan metode peramalan objektif. Metodeperamalan subjektif
mempunyai model kualitatif sedangkan metode peramalanobjektif
mempunyai dua model, yaitu model kausal dan model time series.
Modelkualitatif tidak menggunakan pendekatan matematis atau hanya
menggunakanintuisi saja, model ini akan sangat bermanfaat jika data
kuantitatif yang akuratsulit diperoleh. Model kausal
mempertimbangkan nilai sebuah variabel sebagaipengaruh dari banyak
variabel yang lain. Sedangkan model time series hanyameninjau nilai
sebuah variabel sebagai fungsi waktu. Model time series
digunakanuntuk memprediksi masa depan dengan menggunakan data
historis. Dengan katalain, model time series mencoba menggunakan
data masa lalu untuk melihat apayang terjadi pada masa mendatang
dalam suatu kurun waktu tertentu. Contoh darimodel time series ini
antara lain Moving average, Exponential Smoothing danproyeksi
trend. [2].
-
3
Langkah penting dalam memilih metode peramalan adalah
denganmengidentifikasi jenis pola data. Pola data yang mungkin
terjadi ketika suatu dataakan dianalisis ada tiga jenis yaitu, pola
data stasioner, pola data trend dan poladata musiman yang
ditunjukkan pada Gambar 1. [3]. Pola data stasionermerupakan pola
data yang terjadi jika terdapat data yang berfluktuasi
disekitarnilai rata-rata (mean) dan varians yang konstan dari waktu
ke waktu. Pola datatrend merupakan kondisi dimana terdapat flutuasi
data yang cenderung naik atauturun. Pola data ini terjadi jika
terdapat kenaikan atau penurunan sekuler jangkapanjang dalam data.
Pola data musiman dapat dilhat jika terdapat suatu deret datayang
dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu,
bulanan,atau hari-hari pada minggu tertentu). Musiman didefinisikan
sebagaikecenderungan data time series untuk menunjukkan perilaku
yang berulang setiapperiode tertentu. [4]. Panjang periode musiman
dapat dilihat dari jarak periodeantar puncak pada plot time
series.
Gambar 1 Jenis-jenis Pola Data, (a) Pola Data Stationer /
Horizontal, (b) Pola DataTrend, (c) Pola Data Musiman
Metode triple exponential smoothing disebut juga metode
“Holt-Winters”sesuai dengan nama penemunya. Model Holt-Winters
digunakan untukmemodelkan data dengan pola musiman, baik mengandung
trend maupun tidak.Winter’s Method memberikan tiga pembobotan dalam
prediksinya, yaitu α, β,dan γ yang bernilai antara 0 dan 1.
Pembobotan α memberikan pembobotanpada nilai ramalan, β memberikan
pembobotan pada slope, dan γ memberikanpembobotan pada efek
musiman. Winter’s Method mempunyai dua bentuk model.Bila besarnya
efek musiman konstan dari waktu ke waktu, maka bentuk modelyang
dipakai adalah Additive Seasonality. Sedangkan bila besarnya efek
musimanberubah dari waktu ke waktu, maka bentuk model yang dipakai
adalahMultiplicative Seasonality. [5]. Dalam penelitian ini akan
digunakan model Holt-Winters Multiplicative.
(a) (b)
(c)
-
4
Model Holt-Winters Additive.
Model ini digunakan apabila data time series mempunyai pola
musiman
dengan variasi musiman konstan.
Level : Lt = α (Yt – St-s) + (1 - α) (L t-1+ Tt-1)
Trend : Tt = β (Lt - Lt-1) + (1 - β)Tt-1Musiman : St = γ (Yt -
Lt) + (1 - γ)St-sRamalan : Yt+m = L + Ttm + St-s+m
Model Holt-Winters Multiplicative.Model ini digunakan apabila
data time series mempunyai pola musiman
dengan variasi musiman tidak konstan.
Keterangan :Yt = data pada periode waktu tLt = level factor
periode waktu tTt = trend factor periode waktu tSt = seasonal index
periode waktu tYt+m = hasil peramalan periode waktu m
Sebuah data musim lengkap terdiri dari periode musiman "m".
Untuk ituperlu memperkirakan trend factor dari satu periode ke
periode berikutnya. Untukmencapai hal ini, disarankan untuk
menggunakan dua musim lengkap, yaituperiode 2m. [6].
Rumus untuk mencari initial trend adalah :
Besarnya populasi OPT di dalam tanaman padi sangat dipengaruhi
olehbeberapa faktor, beberapa diantaranya adalah faktor cuaca,
musuh alami yangsalah satu jenisnya adalah predator. Predator
merupakan organisme hidup yangpaling penting dalam mengendalikan
OPT pada tanaman padi secara alami, karenaselain jenisnya yang
beragam, jumlahnya juga sangat melimpah di alam [7].Predator dapat
menyerang serangga mangsa dari mulai fase immature (pradewasa)
sampai dengan fase dewasa. Dan untuk mencapai fase dewasa,
predatormembutuhkan lebih dari satu individu inang.
-
5
OPT dan predator yang akan diprediksi dalam penelitian ini
adalahserangga yang tertangkap lampu perangkap. Tangkapan tersebut
terdiri dari 10jenis data OPT, 7 jenis data predator. Nama – nama
OPT dan predator ditunjukkanpada tabel berikut.
Tabel 1 Daftar Jenis – jenis Serangga
Jenis Nama Serangga
OPT
Penggerek BatangWereng Batang CoklatWereng DaunGanjurKepinding
TanahWalang SangitAnjing TanahKepik HijauBelalang DaunSerangga
PengganguLainnya
Predator
Kumbang CoccinelidCapungPaederus SpCyrtorhinusParasitKumbang
AirMusuh Alami Lainnya
Iklim atau cuaca merupakan faktor yang sangat berpengaruh
padaperkembangan OPT serta predator [8]. Di dalam kondisi cuaca
normal, organismepengganggu tanaman hampir tidak pernah menjadi
masalah serius kecualiorganisme pengganggu tanaman yang bisa
berkembang dan berkonsolidasi di luarekosistem tanaman pangan
seperti tikus, belalang, burung, dan lain lain [9].
Ukuran kesalahan yang termasuk ukuran standar statistik adalah
nilai rata-rata kesalahan (mean error), nilai rata-rata kesalahan
absolut (mean absoluteerror), dan nilai rata-rata kesalahan kuadrat
(mean squared error). Ukurankesalahan yang termasuk ukuran relatif
adalah nilai rata-rata kesalahan persentase(mean percentage error)
dan nilai rata-rata kesalahan persentase absolut (meanabsolute
percentage error).
Cara yang cukup sering digunakan dalam mengevaluasi hasil
peramalanyaitu dengan menggunakan metode Mean Squared Error (MSE).
Denganmenggunakan MSE, error yang ada menunjukkan seberapa besar
perbedaan hasilestimasi dengan hasil yang akan diestimasi.
-
6
Dimana:MSE = Mean Square ErrorN = Jumlah Sampelt y = Nilai
Aktual Indekst yˆ = Nilai Prediksi Indeks
3. Metode Penelitian
Dalam pengembangan aplikasi, metode yang digunakan pada
penelitian iniadalah metode prototyping model yang dimulai dengan
pengumpulan bahan dandata yang berhubungan dengan organisme
pengganggu tanaman dan predator,kemudian dilanjutkan dengan
perancangan aplikasi, dan evaluasi prototipe sebagailangkah akhir
dari metode ini.
Sebelum melakukan peramalan atau implementasi peramalan,
langkahpertama yang harus dilakukan adalah mengidentifikasi pola
data dengan melihatpada plot data. Data yang digunakan untuk
peramalan adalah data tangkapanlampu perangkap selama 4 tahun yaitu
tahun 2008 – 2011 dari Balai PengamatanOPT (BPOPT) provinsi Jawa
Tengah. Data total OPT yang telah dirata-rata diplotdengan
menggunakan aplikasi excel. Salah satu data yang sudah diplot
adalah datatotal OPT kabupaten Pemalang tahun 2008 - 2011.
Gambar 2 Grafik Total OPT Kabupaten Pemalang
Setelah mendapatkan plot data tersebut kemudian dianalisis jenis
poladatanya untuk menentukan metode peramalan yang sesuai. Dari
pola data tersebutdapat dilihat data tidak stationer dan
dipengaruhi oleh faktor musiman denganvariasi musiman tidak
konstan, karena pada hampir setiap akhir tahun terjadikenaikan
jumlah populasi OPT. Maka metode peramalan yang akan
digunakanadalah metode triple exponential smoothing
multiplicative.
-
7
Setelah menentukan metode peramalan, maka akan dilakukan uji
cobaperamalan dengan perhitungan manual. Dengan menggunakan program
bantuexcel akan dicari nilai α, β dan γ untuk menentukan nilai Mean
Squared Error(MSE) terkecil. Berikut ini adalah perbandingan dari
nilai MSE.
Tabel 2 Perbandingan MSE
MSE α β γ
451.24 0.4 0 0517.10 0.1 0.1 0438.47 0.1 0.1 0.2
422.84 0.001 0.001 0.2
253.62 0.001 0.001 0.6
Tabel 2 menunjukkan nilai MSE terkecil adalah 253.62
denganperhitungan optimal prediksi menggunakan α = 0.001, β =
0.001, γ = 0.6. Denganmendapatkan nilai parameter yang optimal maka
error yang didapatkan dari hasilperamalan semakin kecil dan hasil
peramalan mendekati data yang riil.
Aplikasi Sistem Informasi Geografis berbasis web ini dibangun
denganmenggunakan bahasa pemrograman PHP. Berikut ini adalah
spesifikasi daripembuatan SIG, yakni : Sistem Operasi Windows 7
Ultimate 32-bit, PHP version5.3.10, MapServer 6.0.2 dan MySQL
5.1.41. Sistem ini dibuat untuk dua pemakaidengan hak akses yang
berbeda-beda yakni user dan admin. Pemakai pertamaadalah admin yang
mempunyai hak penuh atas sistem yang dibuat. Pemakai keduaadalah
user yang mempunyai hak akses untuk melihat data historis dan
melakukanprediksi. Hak akses dan hubungan dari pengguna dan sistem
akan ditunjukkandalam use case diagram pada Gambar 3.
-
8
user
admin
Melihat halamanutama
melihat info dan petajawa tengah
melihat data dan petaOPT
melihat data dan petapredator
melihat data dan petacurah hujan
mengakses halamanprediksi
melihat data dan peta pertahun
melihat data dan peta perkabupaten
mengupload data
mengubah data
melihat peta dan hasilprediksi
melihat halaman about
Gambar 3 Use Case Diagram Sistem
Class diagram merupakan diagram yang digunakan untuk
menampilkanbeberapa kelas serta paket-paket yang ada di dalam
sistem yang akandikembangkan. Class diagram pada sistem ini akan
ditunjukkan pada Gambar 4seperti berikut.
uploadDatajenisDatatahunData
ubahData()tambahData()
adminusernamepassword
login()uploadData()
1 0..*1 0..*
user
predatorjenisPredatornamaPredatorjumlahPredatortanggalbulantahunkode_kab
OPTjenisOPTnamaOPTjumlahOPTtanggalbulantahunkode_kab
kabupatenkode_kabnama_Kab
0..*
1
0..*
1
0..*
1
0..*
1
lihatDatajenisDatatanggalbulantahun
selectData()viewData()
1
0..*
1
0..*
1
0..*
1
0..*
0..* 10..* 1
1
0..*
1
0..*
1
0..*
1
0..*
jenisDataidJenisnamaJenis1
0..*
1
0..*
1
0..*
1
0..*
curahHujanjenisCHnamaCHjumalhCHtanggalbulantahunkode_kab
0..*
1
0..*
1
1
0..*
1
0..*
1
0..*
1
0..*
prediksijenisPrediksitahunPrediksi
hitungPrediksi()saveDataPrediksi()showDataPrediksi()
1
0..*
1
0..*
1
0..*
1
0..*
1
0..*
1
0..*
1
0..*
1
0..*
1
0..*
1
0..*
Gambar 4 Class Diagram
-
9
4. Implementasi dan Pengujian Sistem
Dari penelitian ini dihasilkan sebuah sistem informasi geografis
berbasisweb pemetaan dan prediksi serangan OPT dan potensi
predator. Secara garis besarsistem ini terbagi menjadi dua bagian
utama, yaitu bagian pemetaan dan bagianprediksi. Gambar 5
menunjukkan tampilan halaman utama dari aplikasi. Halamanutama
dalam sistem ini berisikan tampilan selamat datang dan peta wilayah
JawaTengah beserta menu dan submenu untuk mengakses halaman
lainnya.
Gambar 5 Halaman Utama
Bagian pemetaan merupakan bagian yang berisikan semua informasi
dandata historis dari seluruh jenis indikator-indikator. Informasi
dan data historistersebut disajikan dalam bentuk map, tabel, grafik
serta informasi dari masing-masing jenis indikator. Setiap jenis
dari masing-masing indikator ditampilkandalam halaman
sendiri-sendiri.
Gambar 6 Halaman OPT Wereng Daun
Untuk data geografis data disajikan dalam bentuk peta Jawa
Tengahdisertai dengan parameter tinggi rendahnya nilai. Penyajian
data untukmemberikan perbandingan tinggi rendahnya data di tiap
kabupaten akan disajikandalam bentuk grafik. Gambar 7 merupakan
tampilan grafik total OPT kabupatenPemalang pada tahun 2008.
-
10
Gambar 7 Grafik Total OPT kabupaten Pemalang tahun 2008
Pada sistem ini fokus penelitian akan menggunakan prediksi
denganmetode triple exponential smoothing atau holt winters untuk
menghasilkan outputberupa nilai prediksi dimasa yang akan datang.
Data yang akan diprediksi adalahvariabel organisme pengganggu
tanaman pada tahun 2008 – 2011 digunakanuntuk memprediksi nilai
tahun 2012 – 2015.
Variabel yang akan diprediksi bukan hanya OPT, namun juga
variabelpredator dan iklim yaitu curah hujan dan juga hujan harian.
Untuk melakukanprediksi user harus membuka halaman prediksi yang
terdiri dari halaman prediksiOPT, halaman prediksi predator dan
halaman prediksi curah hujan. Tampilanhalaman prediksi ditunjukkan
pada Gambar 8. Pada tampilan awal user akanmemasukan input pilihan
jenis variabel yang akan diprediksi dan juga tahunprediksi.
Gambar 8 Halaman Prediksi OPT
Pilihan jenis variabel disesuaikan dengan pilihan halaman
prediksi padamenu. Sedangkan pilihan tahun berisikan tahun prediksi
yaitu tahun 2012 – 2015.Data historis dari tiap kabupaten
diprediksi menggunakan metode holt winters.Setelah mendapatkan
hasil prediksi, sistem akan menyimpannya pada database.Kemudian
data-data tersebut akan ditampilkan dalam bentuk peta, tabel
dangrafik.
-
11
Validasi merupakan perbandingan antara data riil dengan data
hasilprediksi. Setelah sistem melakukan proses prediksi dari data
historis, maka akandihasilkan nilai prediksi dari data historis
tersebut. Sistem akan menampilkanperbandingan kedua data tersebut
dalam grafik validasi. Grafik validasi padasistem dapat dilihat
melalui pilihan kabupaten pada tab grafik.
Gambar 9 Grafik Validasi Curah Hujan Kabupaten Pemalang Tahun
2011
Gambar 9 menunjukkan grafik validasi dari prediksi curah
hujankabupaten Pemalang pada tahun 2011. Grafik data historis
ditunjukkan dengangaris berwarna oranye, sedangkan grafik data
prediksi ditunjukkan dengan garisberwarna biru.
Dalam melakukan pengujian peramalan pada sistem ini, akan
dilakukanvalidasi prediksi WBC tahun 2011 dari 5 kabupaten lalu
akan dihitung nilai MSEdari setiap kabupaten tersebut.
Tabel 3 Hasil MSE Peramalan
Kabupaten MSERembang 19.08
Kudus 12.28Pati 1.29
Batang 20.67Banjarnegara 0.38
Tabel 3 menampilkan nilai MSE dari prediksi di 5 kabupaten.
Hasil daritabel tersebut menunjukkan nilai error pada peramalan
menggunakan metodetriple exponential smoothing pada sistem ini
sangat kecil dengan nilai rata-rataMSE 10.74 dan nilai MSE terbesar
adalah 20.67 pada kabupaten Pemalang, haltersebut menunjukkan hasil
prediksi mendekati nilai riil. Nilai MSE yang tinggididuga karena
adanya fluktuasi pola serangan OPT selama pembentukan model
-
12
dengan validasi model. Semakin banyak data time series maka
hasil prediksi dannilai MSE akan lebih baik, karena data time
series semakin dimuluskan.
Pada penelitian ini analisis akan difokuskan pada analisis
hubungan antarajumlah OPT dan predator. Sebagai variabel tambahan
akan dianalisis hubungankedua indikator tersebut dengan data curah
hujan. Analisis data historis dilakukanuntuk menganalisa data pada
masa lampau, sedangkan untuk analisis data prediksidilakukan untuk
menganalisa kapan keadaan atau kondisi seperti pada analisisdata
historis akan terulang kembali.
Untuk data historis data yang dianalisa adalah data dari
jenis-jenisserangga pada tahun 2008 – 2011. Langkah pertama yaitu
mencari data historisdari salah satu jenis OPT dengan nilai
tertinggi atau terendah pada tahun dankabupaten tertentu.
Gambar 10 Peta Wereng Batang Coklat tahun 2009
Pada Gambar 10 menunjukkan peta historis populasi wereng batang
coklat(WBC) pada tahun 2009. Dalam peta tersebut diketahui bahwa
kabupatenPemalang mempunyai jumlah populasi wereng batang coklat
tinggi pada tahun2009. Setelah mengetahui data peta tersebut,
pengguna akan melihat grafikwereng batang coklat pada kabupaten
Pemalang tersebut. Setelah melihat grafikdata OPT tersebut,
pengguna membandingkannya dengan data historis musuhalami dari
jenis OPT tersebut pada tahun dan kabupaten yang sama. Salah
satumusuh alami dari WBC adalah Kumbang Coccinelid. Karena kedua
indikator(OPT dan predator) tersebut tidak lepas dari pengaruh
iklim, maka akan dilakukanperbadingan antara dua data tersebut
dengan data curah hujan pada kabupaten dantahun yang sama. Ketiga
grafik tersebut akan ditunjukkan pada Gambar 11.
-
13
Gambar 11 Grafik Analisis Kabupaten Pemalang tahun 2009, (a)
Grafik WBC, (b) GrafikKumbang Coccinelid, (c) Grafik Curah
Hujan
Setelah mendapatkan ketiga grafik tersebut, maka dapat
dianalisishubungan dari ketiga jenis data tersebut. Dari ketiga
grafik tersebut bisa dilihatbahwa pada saat jumlah WBC mencapai
nilai tertinggi yaitu pada bulan Agustus,nilai predator berada pada
nilai rendah. Sedangkan pada bulan Oktober saatjumlah predator
mencapai nilai tertinggi, jumlah WBC berada pada nilai
rendah.Keadaan tersebut menunjukkan ada hubungan antara WBC dengan
musuhalaminya bahwa keberadaan musuh alami WBC yaitu kumbang
Coccinelid dapatmenekan populasi WBC dengan baik.
Selain itu pada saat nilai curah tinggi yaitu pada bulan Januari
sampaibulan April nilai data WBC dan predator berada pada nilai
rendah. Hal inimenunjukkan bahwa populasi OPT dan predator juga
dipengaruhi oleh iklim.
(a)
(b)
(c)
-
14
Selanjutnya adalah analisis data prediksi. Langkah pada analisis
dataprediksi sebenarnya hampir sama dengan analisis data historis,
perbedaannyadalah untuk mengetahui kapan keadaan seperti pada
analisis historis terulangkembali. Pada penelitian ini akan
dianalisis data WBC tahun 2012.
Gambar 12 Peta Prediksi Wereng Batang Coklat tahun 2012
Pada Gambar 12 menunjukkan peta prediksi populasi wereng
batangcoklat (WBC) pada tahun 2012. Dalam peta tersebut diketahui
bahwa kabupatenPemalang mempunyai jumlah populasi wereng batang
coklat dengan nilai tinggipada tahun 2012. Setelah mengetahui data
peta tersebut, akan dilihat grafikwereng batang coklat pada
kabupaten Pemalang tersebut. Setelah melihat grafikdata OPT
tersebut, akan dibandingkan dengan data prediksi kumbang
Coccinelidpada tahun dan kabupaten yang sama. Kemudian setelah
mendapatkan keduagrafik prediksi tersebut, akan dilakukan
perbadingan antara dua data tersebutdengan data curah hujan pada
kabupaten dan tahun yang sama. Ketiga grafikprediksi tersebut akan
ditunjukkan pada Gambar 13.
(a)
-
15
Gambar 13 Grafik Analisis Prediksi Kabupaten Pemalang tahun
2012, (a) Grafik Prediksi WBC,(b) Grafik Prediksi Kumbang
Coccinelid, (c) Grafik Prediksi Curah Hujan
Setelah mendapatkan ketiga grafik tersebut, maka akan
dianalisishubungan dari ketiga jenis data tersebut. Data prediksi
ditunjukkan dengan warnabiru. Dari ketiga grafik tersebut bisa
dilihat bahwa populasi WBC akan mencapainilai tinggi pada bulan
Agustus dan pada waktu tersebut diprediksi jumlahkumbang Coccinelid
akan berada pada jumlah rendah. Selain itu populasi WBCdan musuh
alaminya pada tahun 2012 diprediksi berada pada nilai rendah
saatnilai curah tinggi yaitu pada bulan Januari sampai bulan April
nilai.
Pada penelitian ini pengujian sistem dilakukan dengan
menggunakanmetode black box dan kuesioner. Pengujian dengan metode
black box merupakanmetode pengujian sistem untuk mengetahui apakah
sistem telah berfungsi denganbenar dan sesuai dengan spesifikasi
sistem yang dibuat. Pengujian pada userdilakukan untuk melihat
bagaimana kinerja sistem ketika user menggunakanfungsi-fungsi yang
ada di dalamnya, seperti fungsi menampilkan data
historis,memprediksi OPT, predator serta curah hujan semua sudah
berjalan dengan baik.Sedangkan kuesioner dilakukan untuk menguji
sistem kepada responden.
Sistem ini telah diujikan kepada 15 orang yang terdiri dari 10
orangPenyuluh Pertanian Lapangan (PPL) Kabupaten Banyumas dan 5
orangmahasiswa dari Fakultas Teknologi Informasi (FTI). Peneliti
melakukandemonstrasi program dan menjelaskan cara kerja sistem
kepada responden,
(b)
(c)
-
16
kemudian responden menguji coba program dan mengisi kuesioner.
Kuesionerterdiri dari 14 pernyataan terkait kualitas sistem, mulai
dari user interface, kinerjasistem dan kemampuan prediksi.
Hasil dari kuesioner yang telah diisi menunjukkan bahwa sistem
Pemetaandan Prediksi serangan OPT dan potensi Predator ini dapat
berfungsi dengan baikdan dapat membantu PPL dalam menganalisa data
serta memprediksi seranganOPT. Pada Gambar 14 akan ditunjukkan
grafik dari respon pernyataan nomor 14mengenai kepuasan terhadap
sistem.
012345678
1st Qtr
Sangat Setuju
Setuju
Ragu-ragu
Tidak Setuju
Sangat TidakSetuju
Gambar 14 Grafik Kepuasan Responden
Dari 15 responden, 8 orang memilih sangat setuju bahwa mereka
puasdengan sistem ini, 7 orang memilih setuju dan tidak ada yang
memilih ragu-ragu,tidak setuju atau sangat tidak setuju.
5. Simpulan
Prediksi dengan metode triple exponential smoothing baik
diterapkanuntuk memprediksi data dengan pola musiman seperti data
OPT, predator danCurah Hujan. Dengan menganalisis nilai data
historis OPT dan musuhalaminya/predator dari grafik yang
ditampilkan sistem dapat diketahui bahwajumlah predator
mempengaruhi jumlah populasi dari OPT. Sedangkan denganmenganalisis
data curah hujan akan diketahui bahwa jumlah OPT dan predatorjuga
dipengaruhi oleh intensitas curah hujan seperti terlihat pada
grafik analisiskabupaten Pemalang tahun 2009 yang telah dilakukan
dalam penelitian ini..Analisis data prediksi digunakan untuk
mengetahui kapan populasi OPT akanmencapai nilai tinggi karena
sedikitnya jumlah predator pada waktu tersebut.
-
17
6. Daftar Pustaka
[1] BB Padi. 2011. Upaya Antisipasi Ancaman Gagal Panen Karena
HamaWereng Coklat.
http://bbpadi.litbang.deptan.go.id/index.php/in/berita/info-aktual/375-upaya-antisipasi-ancaman-gagal-panen-karena-hama-wereng-coklat
(diakses tanggal 19 Juni 2012)
[2] Makridakis, Spyros dan Wheelwright, Steven C. 1999. Metode
danAplikasi Peramalan.Jakarta : Binarupa Aksara.
[3] Raharja, Alda, Wiwik Angraeni, dan Retno Aulia Vinarti.
2010.Penerapan Metode Exponential Smoothing Untuk Peramalan
PenggunaanWaktu Telepon Di PT.Telkomsel DIVRE3 Surabaya.
[4] Kalekar, Prajakta S. 2004. Time series Forecasting using
Holt-WintersExponential Smoothing. Kanwal Rekhi School of
Information Technology
[5] Prasetyo, Dedy Dwi. 1998. Peramalan Menggunakan Metode
Pemulusan(Smoothing). Analisis Time Series.
[6] NIST/SEMATECH. 2003. NIST/SEMATECH e-Handbook of
StatisticalMethods.
http://www.itl.nist.gov/div898/handbook/pmc/section4/pmc43.htm
(diakses tanggal 25 Juni 2012).
[7] Natanegara, Firdaus. 1997. Peran Parasitoid Dan Predator
DalamPengendalian Hayati.
[8] Hendartoro 2012. Prediksi Wilayah Endemis Serangan Hama
WerengBatang Coklat (WBC) Berdasarkan Indikator Curah Hujan
MenggunakanMetode Single Exponential Smoothing Berbasis Spasial
Temporal.Salatiga : Universitas Kristen Satya Wacana.
[9] Supriyono, S.W., 2006, Keterkaitan Antara Penyimpangan
CuacaPertanian dengan Organisme.