BAB 1 PENDAHULUAN
1.1. Latar Belakang Kelapa sawit (Elaeis Guineensis) merupakan salah satu komoditas ekspor perkebunan terbesar di Indonesia. Indonesia mempunyai struktur tanah serta curah hujan yang cocok untuk perkebunan kelapa sawit. Di Indonesia penyebaran kelapa sawit berada di daerah Aceh, Sumatera, Jawa, hingga Sulawesi. Selain menjadi bahan baku minyak goreng, hasil produksi kelapa sawit juga menjadi bahan baku industri, serta bahan bakar. Kelapa sawit menjadi tanaman yang bernilai ekonomi, sejalan dengan meningkatnya kebutuhan kelapa sawit di pasar dunia. Kelapa sawit memberikan kontribusi yang besar terhadap devisa negara. Selain itu, industri kelapa sawit juga membuka banyak lapangan pekerjaan dibandingkan industri lainnya. Seluruh area perkebunan kelapa sawit di indonesia, dikelola dalam bentuk perkebunan rakyat dan perkebunan besar. Perkebunan besar terdiri dari perkebunan negara seperti Perseroan Terbatas Perkebunan Nusantara (PTPN) dan perkebunan swasta. Pada lingkup perkebunan negara, tiap tahunnya akan diadakan Rencana Kerja dan Anggaran Perusahaan (RKAP). Ini dilakukan untuk merencanakan target produksi dan anggaran yang akan digunakan untuk tahun berikutnya. Pada PT. Perkebunan Nusantara I (PTPN I) pulau tiga, target produksi dilakukan secara manual dengan melihat hasil produksi tahun-tahun sebelumnya. Namun kendala terjadi karena hasil produksi rencana yang telah ditargetkan berbeda dengan hasil produksi realisasi. Pertumbuhan dan produktivitas kelapa sawit dipengaruhi oleh beberapa faktor. Adapun faktor-faktor tersebut antara lain faktor lingkungan, bahan tanaman dan tindakan kultur teknis. Faktor lingkungan mencangkup Iklim, Tanah, Topografi (Risza, 1994). Dalam hal ini, penulis memprediksi produksi kelapa sawit berdasarkan faktor – faktor yang mempengaruhinya, sehingga hasil dari prediksi dapat digunakan untuk menjadi acuan target produksi perusahaan pada tahun mendatang per bulannya.
2
Dari banyak metode untuk prediksi, salah satu metode yang diakui keunggulannya adalah Jaringan Saraf Tiruan. Jaringan saraf tiruan merupakan rekayasa dari jaringan saraf biologi (Yadav, et al. 2013). Jaringan saraf tiruan dapat menyelesaikan masalah perhitungan yang rumit, seperti prediksi dan pemodelan, klasifikasi, pola pengenalan, pengklasteran serta optimasi. Jaringan saraf tiruan bersifat fleksibel terhadap masukan data serta menghasilkan respon yang konsisten (Pham, 1994). Dalam hal ini metode jaringan saraf tiruan yang akan penulis terapkan adalah metode Learning Vector Quantization. Learning vector quantization telah dipelajari agar menghasilkan vector acuan yang optimal karena sederhana dan cepat (Kohonen, 1989). Jaringan learning vector quantization merupakan suatu jaringan pelatihan kompetitif dan pada masing-masing outputnya akan dihubungkan dengan suatu kelas tertentu.
1.2. Rumusan Masalah Berdasarkan uraian latar belakang permasalahan yang ada, bahwa prediksi produksi kelapa sawit sangatlah penting. Maka dibutuhkan suatu metode prediksi yang dapat memberikan informasi hasil produksi kelapa sawit tiap bulannya untuk dijadikan acuan perusahaan dalam merencanakan target produksi kelapa sawit untuk tahun selanjutnya.
1.3. Tujuan Penelitian Tujuan penelitian ini adalah untuk memprediksi produksi kelapa sawit di PT. Perkebunan Nusantara I (PTPN I) Pulau Tiga tiap bulannya dengan menggunakan algoritma Learning vector quantization.
1.4. Batasan masalah Untuk mencegah meluasnya pembahasan, maka akan dilakukan pembatasan masalah. Batasan-batasan tersebut sebagai berikut: 1. Data produksi kelapa sawit yang digunakan adalah data produksi kelapa sawit dari tahun 2010-2013 untuk tahun tanam sawit 2003. 2. Jumlah parameter yang akan digunakan berjumlah 9 yaitu tahun produksi, tahun tanam, bulan, umur tanaman, luas, jumlah pokok, jumlah hari panen,
3
jumlah pupuk, jumlah produksi sebelumnya dan output berjumlah dua yaitu produksi rendah atau produksi tinggi.
1.5. Manfaat Penelitian Manfaat penelitian ini antara lain: 1. Diperolehnya sebuah Aplikasi yang dapat memprediksi produksi kelapa sawit. 2. Diperoleh informasi mengenai kemampuan algoritma Learning vector quantization dalam memprediksi produksi kelapa sawit. 3. Penelitian dapat dijadikan sebagai bahan rujukan untuk penelitian lain.
1.6. Metodologi Penelitian Dalam penelitian ini, tahapan-tahapan yang akan dilalui adalah sebagai berikut: 1. Studi Literatur Pada tahap ini dilakukan studi kepustakaan terhadap buku-buku yang relevan maupun artikel-artikel, e-book dan juga journal international yang didapat melalui internet. 2. Analisis Permasalahan Tahap ini digunakan untuk mengolah data dari hasil studi literatur dan kemudian melakukan analisis sehingga menjadi suatu informasi. 3. Pembangunan Program Parameter-parameter
yang
digunakan
pada
metode
Learning
vector
quantization ini adalah sebagai berikut: a. Alfa (Learning rate) Alfa didefinisikan sebagai tingkat pembelajaran. Jika alfa terlalu besar, maka algoritma akan menjadi tidak stabil sebaliknya jika alfa terlalu kecil, maka prosesnya akan terlalu lama. Nilai alfa adalah 0 < α < 1. b. Dec alfa (Penurunan Learning rate) Dec Alfa yaitu penurunan tingkat pembelajaran. c. Min Alfa (Minimum Learning rate) Min alfa yaitu minimal nilai tingkat pembelajaran yang masih diperbolehkan.
4
d. Max Epoch (Maksimum epoch) Max epoch aitu jumlah epoch maksimum yang boleh dilakukan selama pelatihan. Iterasi akan dihentikan jika nilai epoch melebihi epoch maksimum. Misalkan terdapat n buah data dengan m buah variabel input. Data-data tersebut terbagi dalam K kelas. Hasil dari algoritma Learning vector quantization adalah menemukan unit output yang paling dekat dengan vektor input. 4. Implementasi dan Pengujian Sistem Pada tahap ini dilakukan pemasukan data serta memprosesnya untuk mendapatkan hasil apakah sesuai dengan yang diharapkan. 5. Dokumentasi Tahap dokumentasi adalah pembuatan laporan berupa skripsi berdasarkan tahap-tahap diatas.
1.7. Sistematika Penulisan Sistematika penulisan skripsi ini adalah sebagai berikut: BAB 1 : Pendahuluan Bab ini berisikan konsep dasar untuk penyusunan penelitian yang terdiri dari latar belakang penelitian yang dilaksanakan, rumusan masalah, tujuan penelitian, batasan masalah,
manfaat
penelitian,
metodologi
penelitian,
serta
sistematika
penulisan.membahas latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian serta sistematika penulisan.
BAB 2 : Landasan Teori Pada bab ini membahas beberapa teori pendukung untuk bab selanjutnya. Teori tentang jaringan saraf buatan, kelapa sawit, algoritma Learning vector quantization yang akan digunakan akan dibahas pada bab ini.
BAB 3 : Analisis dan Perancangan Perangkat Lunak Bab ini membahas mengenai analisis permasalahan dalam memprediksi produksi kelapa sawit. Pada bab ini dijabarkan arsitektur umum, proses yang dilakukan serta cara kerja algoritma yang digunakan.
5
BAB 4 : Implementasi dan Pengujian Perangkat Lunak Bab ini berisi pembahasan tentang iimplementasi dari perancangan penerapan yang telah dijabarkan pada bab 3. Selain itu, hasil yang didapat dari pengujian yang dilakukan terhadap implementasi juga akan dijabarkan pada bab ini.
BAB 5 : Kesimpulan dan Saran Bab ini berisi ringkasan serta kesimpulan dari rancangan yang telah dibahas pada bab 3, serta hasil penelitian yang dijabarkan pada bab 4. Bagian akhir dari bab ini akan berisi saran-saran yang diajukan untuk pengembangan penelitian selanjutnya.