BAB I PENDAHULUAN BAB 1 PENDAHULUAN
1.1 Latar Belakang Sejak dahulu, Indonesia dikenal sebagai negara agraris yang sebagian besar penduduknya memiliki mata pencaharian di bidang pertanian. Menurut data Badan Pusat Statistik Indonesia, pada Februari 2013 terdapat sekitar 39 juta dari 114 juta atau sekitar 34% dari jumlah penduduk Indonesia yang sudah bekerja, memiliki mata pencaharian di bidang pertanian/perkebunan/perhutanan(Badan Pusat Statistik Republik Indonesia, 2012). Angka tersebut merupakan angka yang tertinggi jika dibandingkan dengan lapangan pekerjaan yang lain seperti pertambangan,
konstruksi,
perdagangan,
dan
sebagainya.
Dalam
teori
pembangunan modern, disebutkan bahwa sektor pertanian dapat dikatakan merupakan sektor yang vital dalam pembanguan ekonomi suatu bangsa, terlebih Indonesia yang merupakan negara agraris (Arifin, 2005). Pertanian di Indonesia sendiri terbagi menjadi beberapasub sektor yakni sub sektor tanaman pangan, hortikura, perkebunan, peternakan, perikanan, kehutanan, dan jasa pertanian(Kementerian Pertanian Republik Indonesia, 2014). Dilihat dari grafik perbandingan usaha pertanian pada tahun 2003 dan 2013, sub sektor pertanian tanaman pangan merupakan sub sektor yang memiliki jumlah rumah tangga usaha terbesar. Pada tahun 2013, terdapat 17.728.185 rumah tangga petani tanaman pangan di Indonesia atau sekitar 27% dipegang oleh usaha sektor pertanian tanaman pangan. Angka tersebut merupakan persentase tertinggi jika dibandingkan dengan 6 sub sektor lainnya seperti hortikura, perkebunan,
1
2
peternakan, perikanan, kehutanan, dan jasa pertanian. Oleh sebab itu, sub sektor pertanian tanaman pangan merupakan sub sektor yang vital di negara Indonesia.
Gambar 1.1 Grafik RumahTangga Usaha Pertanian Tahun 2003 dan 2013 (Badan Pusat Statistik Republik Indonesia, 2012) Di Indonesia sendiri, masih banyak tersedia area pertanian dan lahan potensial
yang
belum
dimanfaatkan
secara
optimal
seperti
lahan
kering/rawa/lebak/pasang surut/gambut. Lahan-lahan tersebut dapat menjadi peluang untuk meningkatkan produksi tanaman pangan. Dengan itu, potensi sumberdaya lahan ini harus dirancang dengan baik pemanfaatannya untuk meningkatkan produksi dan juga pendapatan petani. Berdasarkan Rencana Strategis Direktorat Jendral Tanaman Pangan tahun 2010-2014, Indonesia memiliki luas wilayah daratan sekitar 192 juta hektar. Dari 192 juta hektar daratan tersebut, seluas 101 juta hektar berpotensi untuk areal pertanian. Namun sampai saat ini baru sekitar 47 juta hektar atau sekitar 46% yang dibudidayakan menjadi areal pertanian(Direktorat Jenderal Tanaman Pangan, 2012).
3
Budidaya tanaman pangan sering kali mengalami hambatan, dan salah satu hambatan tersebut adalah dalam menentukan apakah suatu lahan tertentu cocok untuk digunakan dalam pertanian tanaman pangan.Kualitas lahan dan kesesuaian lahan adalah salah satu faktor yang mempengaruhi produktivitas(Brambilla & Porto, 2005).Penentuan kesesuaian lahan pertanian menjadi penting karena jika salah dalam menentukan lahan yang sesuaiataumemilih lahan yang tidak produktif, dapat mengakibatkan kurangnya produktivitas. Untuk mengatasi masalah tersebut, maka diperlukanlah suatu cara untuk menentukan kesesuaian lahan khususnya untuk tanaman pangan. Biasanya lahan dievaluasi untuk mencocokan
(matching) kualitas
suatu
lahan
untuk
suatu penggunaan
tertentu(FAO, 1976). Berdasarkan Rencana Strategis Direktorat Jendral Tanaman Pangan tahun 2010-2014, diperlukan peningkatan produktivitas tanaman pangan dengan beberapa strategi. Salah satu strategi untuk mencapai peningkatan produktivitas adalah perluasan area dan optimasi lahan. Selain itu,pengetahuan dan kemampuan untuk mengelola dan menganalisis faktor-faktor seperti curah hujan, suhu, kelembaban diperlukan juga untuk penyesuaian terhadap kondisi daerah setempatdalam kegiatan budidaya tanaman(Direktorat Jenderal Tanaman Pangan, 2012). Salah satu cara untuk mengevaluasi dan menentukan kesesuaian lahan untuk tanaman pangan adalah dengan menganalisis kesesuaian lahan yang didasarkan atas data lahan dan mendapatkan prediksi hasil produksi untuk setiap daerah(Vargahan, Shahbazi, & Hajrasouli, 2011).Prediksi hasil produksi tersebut,
4
pada akhirnya dapat menjadi penentu dimanakah lahan yang sesuaiuntuk digunakan dalam pertanian tanaman pangan. Penentuan kesesuaian lahan tanaman pangan dapat dilakukan dengan menggunakan Fuzzy Logic, Neural Network atau model lainnya. Penelitian sebelumnya telah menerapkan Fuzzy Logic pada penentuan kesesuaian lahan untuk tanaman pangan (Sevani, Marimin, & Sukoco, 2009) dan mengevaluasi kesesuaian lahan untuk gandum pada daerah Ziaran (Keshavarzi, Sarmadian, Heidari, & Omid, 2010). Selain itu, penggunaan Artificial Intelligence inferensi forward chaining juga digunakan untuk penentuan kesesuaian lahan pertanian untuk budidaya buah-buahan (Susanti & Winiarti, 2013). Penelitian lainnya menggunakan Neural Network untuk mengevaluasi kesesuaian penggunaan lahan konstruksi (Zhang, et al., 2010) dan memprediksi produksi kelapa sawit berdasarkan parameter lahan untuk menentukan kesesuaian lahan kelapa sawit (Hermantoro & Purnawan, 2009). Namun untuk mendapatkan error yang minimum dan accuracy kesesuaian lahan yang lebih baik, diperlukan suatu optimasi. Terdapat beberapa algoritma optimasi yang telah diimplementasikan dalam permasalahan yang berbeda seperti Genetic Algorithm, ParticleSwarm Optimization dan CatSwarm Optimization. Penelitian sebelumnya telah menerapkanGenetic Algorithm pada permasalahan bankruptcy prediction (Martin, Gayathri, Saranya, Gayathri, & Venkatesan, 2011) dan diagnosa penyakit diabetes (Karegowd, Manjunath, & Jayaram, 2011). Selain itu,Algoritma optimasi menggunakan ParticleSwarm Optimization pernah dilakukanuntuk forecasting indeks saham(Singh & Borah, 2013) dan memprediksi laju inflasi (Nugraha & SN, 2014).Particle Swarm Optimization juga pernah
5
dibandingkan dengan Genetic Algorithm terkait akurasi prediksi dari Neural Network. Hasil penelitian tersebut menghasilkan akurasi prediksi Particle Swarm Optimization yang lebih baik(Kayarvizhy, Kanmani, & Rhymend, 2013).Pada tahun 2013, Cat Swarm Optimization Algorithm pernah digunakan untuk melakukan klasifikasi data seperti data Iris dan data Breast Cancer(Yusiong, 2013). Berdasarkan penelitian sebelumnya, Neural Network dapat dioptimasi dengan menggunakan Swarm Optimization Algorithm. Swarm Optimization Algorithm juga dapat menyelesaikan beberapa permasalahan yang berbeda dengan hasil yang lebih baik jika dibandingkan dengan algoritma lain (Yusiong, 2013). Untuk itu, penelitian ini akan menerapkan Neural Network dan Swarm Optimization Algorithm untuk optimisasi penentuan kesesuaian lahan pada tanaman pangan agar menghasilkan error yang lebih minimumdan accuracy kesesuaian lahan yang lebih baik.
1.2 Rumusan Permasalahan Kesesuaian lahan berpengaruh kepada produktivitas dan kualitas dari tanaman pangan yang ditanam. Kesalahan dalam penentuan kesesuaian lahan dapat mengakibatkan kurangnya produktivitas. Masalah tersebut dapat diatasi dengan cara menentukan kesesuaian lahan untuk tanaman pangan melalui prediksi hasil produksi berdasarkan data lahan yang digunakan. Kesesuaian lahan yang optimal dapat dihasilkan dengan serangkaian optimasi yang dapat dilakukan dengan menggunakan algoritma tertentu. Penelitian ini akan menggunakan Neural Network dan Swarm
6
Optimization Algorithm untuk menentukan kesesuaian lahan untuk tanaman pangan. Secara umum, pertanyaan yang dapat dijawab setelah penelitian ini selesai dilakukan adalah sebagai berikut: 1. Bagaimana mengimplementasikan Swarm Optimization Algorithm dalam Neural Network training untuk mendapatkan prediksi hasil produksi tanaman pangan berdasarkan data lahan suatu daerah guna menentukan kesesuaian lahan? 2. Apakah dengan menggunakan Swarm Optimization Algorithm dalam Neural Network training dapat menghasilkan error yang lebih minimumdan accuracy kesesuaian lahan yang lebih baik? 3. Bagaimana arsitektur Neural Network yang optimal untuk mendapatkan prediksi hasil produksi tanaman pangan berdasarkan data lahan suatu daerah guna menentukan kesesuaian lahan?
1.3 Tujuan dan Manfaat Berikut merupakan tujuan dan manfaat dari penelitian ini:
1.3.1 Tujuan Tujuan dari penelitian ini adalah: 1. Mengimplementasikan Swarm Optimization Algorithm dalam Neural Network traininguntuk menentukan kesuaian lahan bagi tanaman pangan. 2. Membandingkan penggunaan Particle Swarm Optimization dan Cat Swarm Optimization dalam Neural Network training untuk
7
menghasilkan error yang lebih minimumdan accuracy kesesuaian lahan yang lebih baik. 3. Mendapatkan arsitekturyang optimal guna memprediksi hasil produksi tanaman pangan berdasarkan data lahan suatu daerahuntukmenentukan kesesuaian lahan.
1.3.2 Manfaat Adapun manfaat yang didapat setelah tujuan dari penelitian ini tercapai adalah: 1. Mendapatkan error yang lebih minimum dalam Neural Network Trainingdan accuracy kesesuaian lahan yang lebih baik. 2. Dengan mendapatkan prediksi hasil produksi tanaman pangan, makadapat ditentukan lahan yang disarankan untuk budidaya tanaman pangan sehingga dapat meningkatkan produktivitas panen. 3. Hasil penelitian ini dapat menjadi panduan untuk penelitian di bidang
Swarm
Optimization
Algorithm
serta
dapat
diimplementasikan ke permasalahan dan tempat yang berbeda.
1.4 Ruang Lingkup Ruang lingkup dari penelitian ini meliputi: 1.
Penentuan kesesuaian lahan akan dilakukan pada lingkup tanaman pangan padi sawah.
8
2.
Untuk mendapatkan hasil produksi guna mendapatkan kesesuaian lahan tanaman pangan, akan dilakukan dengan menggunakan Neural Network.
3.
Optimasi
menggunakan
Swarm
Optimization
Algorithm
yang
meliputiParticle Swarm Optimization dan Cat Swarm Optimization untuk menghasilkan error yang lebih minimumdan accuracy kesesuaian lahan yang lebih baik.
