Autoregressive Integrated Moving Average (Sarima) Dengan
Autoregressive Integrated Moving Average (Sarima) Dengan
Juni, 2012
ABSTRAK
Kegagalan panen merupakan salah satu masalah besar yang terjadi di wilayah
lumbung padi Jawa Timur, termasuk kecamatan Pungging, kabupaten Mojokerto.
Kegagalan panen ini umumnya disebabkan oleh kejadian cuaca ekstrim yang
mengacaukan sistem kalender tanam padi yang digunakan petani. Kalender tanam padi
sangat menentukan tingkat keberhasilan panen. Saat ini kalender tanam disusun oleh
Dinas Pertanian Kabupaten Mojokerto berdasarkan data curah hujan bulanan yang
dicatat dan diramalankan oleh BMKG Karangploso Malang, khususnya di Pos
Pengamatan Mojosari. Hasil ramalan curah hujan yang dilakukan oleh BMKG memiliki
akurasi yang masih rendah sehingga berpengaruh terhadap keakuratan kalender tanam
padi. Penyebab rendahnya akurasi kalender tanam padi adalah penggunaan basis data
pada periode waktu yang terlalu lebar dan penggunaan metode yang kurang sesuai. Saat
ini BMKG sering kali menggunakan metode Autoregressive Integrated Moving Average
(ARIMA) dalam meramalkan curah hujan. Metode ARIMA belum mampu
mengakomodasi adanya data ekstrim. Oleh karena itu, diperlukan metode yang mampu
mengakomodasi adanya data ekstrim. Metode Seasonal Autoregressive Integrated
Moving Average (SARIMA) dengan deteksi outlier berbasis data dasa harian dapat
memprediksi cuaca ekstrim lebih akurat. Metode ini mampu mengakomodasi data curah
hujan yang memiliki fluktuasi tinggi dan nilai ekstrim. Hasil penelitian menunjukkan
bahwa model peramalan memberikan nilai akurasi yang tinggi karena nilai Mean
Square Error (MSE) yang dihasilkan lebih kecil. Hasil peramalan tersebut digunakan
sebagai dasar penentuan kalender masa tanam padi. Kalender masa tanam tahun 2012
menjelaskan bahwa masa tanam pertama dilaksanakan pada bulan Januari hingga April.
Masa tanam kedua memiliki masa sekitar 2,5 bulan sehingga disarankan menggunakan
varietas padi yang tidak memerlukan banyak air. Dengan metode ini diharapkan dapat
meningkatkan akurasi hasil ramalan yang selanjutnya dapat meningkatkan keakuratan
kalender tanam padi.
Kata kunci: ketahanan pangan, ekonomi, perairan, klimatologi, kadar air
PENDAHULUAN
Kabupaten Mojokerto dikenal sebagai salah satu lumbung padi Jawa Timur yang
menyumbang 3 persen produksi padi di Jawa Timur (BPS Jatim, 2011). Salah satu
kecamatan yang berkontribusi sebesar 10 persen terhadap produksi pertanian di
Kabupaten Mojokerto adalah Kecamatan Pungging. Namun demikian produksi
pertanian Kabupaten Mojokerto mengalami penurunan sebesar 2,1 persen (Dinas
Artikel ini telah di presentasikan pada Seminar Nasional Kedaulatan Pangan dan Energi 2012
Fakultas Pertanian, Universitas Trunojoyo Madura, Juni 2012
Juni, 2012
Pertanian Mojokerto, 2009). Salah satu penyebab kegagalan panen adalah cuaca ekstrim
yang mengacaukan kalender tanam padi.
Berdasarkan hasil wawancara dengan petani, perkiraan masa tanam padi hanya
didasarkan pada pengalaman masa lalu dan intuisi. Kalender tanam padi sangat
menentukan tingkat keberhasilan panen, khususnya di Kecamatan Pungging. Saat ini
kalender tanam tersebut disusun oleh Dinas Pertanian Kabupaten Mojokerto
berdasarkan data curah hujan bulanan yang dicatat dan diramalkan oleh BMKG
Karangploso Malang, khususnya di Pos Pengamatan Mojosari. Hasil ramalan curah
hujan yang dilakukan oleh BMKG memiliki akurasi yang masih rendah sehingga
berpengaruh terhadap keakuratan kalender tanam padi. Penyebab rendahnya akurasi
kalender tanam padi adalah penggunaan basis data pada periode waktu yang terlalu
lebar dan penggunaan metode yang kurang sesuai.
Penelitian curah hujan menggunakan metode Autoregressive Integrated Moving
Average (ARIMA) telah dilakukan di Indonesia, beberapa diantaranya Mauludiyanto
(2009), Kalfarosi (2009), Sutrisno (2009), dan Nail (2009). Sutrisno (2009) meramalkan
curah hujan di Surabaya dengan metode ARIMA dan menghasilkan model peramalan
curah hujan yang non-stasioner melalui proses differencing. Namun model ARIMA
yang terbentuk belum menitikberatkan kejadian musiman (seasonal) yang merupakan
sifat data curah hujan. Padahal menurut S.J. Vermeulen, et all (2012) memasukkan
faktor musiman sangat penting karena sangat mempengaruhi peramalan. Mauludiyanto
(2009) menggunakan model ARIMA untuk satu lokasi curah hujan. Namun,
penggunaan metode ARIMA seringkali belum mampu memberikan residual yang
memenuhi uji normalitas Kolmogorov-Smirnov karena adanya outlier.
Saat ini BMKG seringkali menggunakan metode ARIMA dalam meramalkan
curah hujan. Metode ARIMA mampu memberikan hasil yang baik, namun harus
memenuhi beberapa asumsi, diantaranya adalah white noise, berdistribusi normal,
stasioner dalam mean dan varians (Wei, 2006). Faktanya asumsi-asumsi tersebut sering
terlanggar. Selain itu, metode ARIMA belum mampu mengakomodasi adanya data
ekstrim. Oleh karena itu, diperlukan metode yang mampu mengakomodasi adanya data
ekstrim yang selanjutnya dapat digunakan sebagai basis data penyusunan kalender
tanam. Metode Seasonal Autoregressive Integrated Moving Average (SARIMA)
merupakan metode alternatif untuk menutupi kelemahan metode ARIMA. Metode
SARIMA pernah digunakan oleh Hermanto (2007) untuk meramalkan tingkat penjualan
motor sebuah dealer dan Yanto (2008) untuk meramalkan permintaan tomat di
Bandung. Pendekatan dengan SARIMA memberikan pendekatan yang paling baik
karena permintaan dan penjualan tersebut memiliki fluktuasi tinggi dan sifat musiman
Penelitian ini bertujuan untuk menyusun model peramalan curah hujan dasa
harian terbaik di Kecamatan Pungging Mojokerto, serta menyusun kalender masa tanam
padi tahun 2012-2013 berdasarkan hasil ramalan curah hujan dasa harian dengan
metode SARIMA.
Artikel ini telah di presentasikan pada Seminar Nasional Kedaulatan Pangan dan Energi 2012
Fakultas Pertanian, Universitas Trunojoyo Madura, Juni 2012
Juni, 2012
METODE
Penelitian dilakukan pada bulan Februari 2012 hingga Juni 2012. Penelitian
dilakukan di kecamatan Pungging, Dinas Pertanian Mojokerto, dan BMKG
Karangploso Malang Pos Pengamatan Mojosari.
Penelitian ini menggunakan metode yang mampu mengakomodasi kejadian
ekstrim yakni metode Seasonal Autoregressive Integrated Moving Average (SARIMA)
dengan deteksi nilai ekstrim (outlier). Disamping itu, akan digunakan data curah hujan
dasa harian untuk mengatasi periode waktu yang terlalu lebar. Dengan metode ini
diharapkan dapat meningkatkan akurasi hasil ramalan yang dapat meningkatkan
keakuratan kalender tanam padi. Data dalam penelitian ini adalah data sekunder dari
Dinas Pertanian Mojokerto yang berupa data curah hujan bulanan tahun 2005-2010 dan
data BMKG Karangploso Malang Pos Pengamatan Mojosari yang berupa data curah
hujan dasa harian stasiun pengamatan Mojosari tahun 1990-2011. Kedua data tersebut
merupakan data yang menjadi variabel input untuk memodelkan ramalan curah hujan.
Tahapan penelitian adalah : (1) Pengumpulan data yang terdiri atas observasi
lapangan, wawancara, dan pengambilan data, (2) Penyusunan model, (3) validasi model,
(4) penyusunan kalender masa tanam padi. Tahapan penelitian selengkapnya disajikan
pada Gambar 1. Sedangkan tahapan penyusunan model meliputi : (1) Identifikasi
stasioner dan deteksi outlier, (2) penyusunan model tentatif, (3) pendugaan dan
pengujian model, dan (4) validasi model seperti pada Gambar 2.
Artikel ini telah di presentasikan pada Seminar Nasional Kedaulatan Pangan dan Energi 2012
Fakultas Pertanian, Universitas Trunojoyo Madura, Juni 2012
Juni, 2012
Artikel ini telah di presentasikan pada Seminar Nasional Kedaulatan Pangan dan Energi 2012
Fakultas Pertanian, Universitas Trunojoyo Madura, Juni 2012
Juni, 2012
800
600
MM
400
200
0
-200
-400
1
12
18
24
30
36
Time
42
48
54
60
Gambar 3. Plot time series Curah Hujan Bulanan tahun 2005-2010 (a) dan Hasil
Peramalan untuk validasi model (b)
Sumber : Analisis Data, 2012
Artikel ini telah di presentasikan pada Seminar Nasional Kedaulatan Pangan dan Energi 2012
Fakultas Pertanian, Universitas Trunojoyo Madura, Juni 2012
66
72
Juni, 2012
a)
Gambar 4. Plot Curah Hujan Data Dasa Harian Tahun 1990-2011 (a); ACF Data Curah
Hujan (b)
Sumber : Analisis Data, 2012
(b)
(c)
Gambar 5.
Plot Time Series Data Dasa Harian (a) ACF Data Dasa Harian setelah
Differencing (b) dan ACF Data Dasa Harian setelah Differencing (c)
Sumber : Analisis Data, 2012
Artikel ini telah di presentasikan pada Seminar Nasional Kedaulatan Pangan dan Energi 2012
Fakultas Pertanian, Universitas Trunojoyo Madura, Juni 2012
Juni, 2012
Gambar 5b menunjukkan bahwa terdapat cut off after lag 1 dan cut off after lag
seasonal 36. Gambar 5c menjelaskan bahwa titik-titik observasi data curah hujan turun
cepat atau dies down. Dengan demikian, model peramalan data curah hujan dasa harian
yang diduga adalah SARIMA (0,0,2)(0,1,1)36 dengan deteksi outlier. Persamaan model
SARIMA (0,0,2)(0,1,1)36 dengan deteksi outlier adalah sebagai berikut.
dengan
Model yang dihasilkan telah menemukan adanya 30 outlier yang diduga sebagai
curah hujan ekstrim dengan masing-masing outlier merupakan observasi ke 142, 153,
36, hingga observasi ke 300 yang ditunjukkan melalui model yang didapatkan.
Validasi Model Peramalan Data Curah Hujan Basis Data Dasa Harian
Validasi model peramalan data curah hujan dilakukan untuk mengetahui akurasi
model dalam memprediksi data curah hujan pada periode kedepan. Hasil validasi model
menggunakan data curah hujan dasa harian pada tahun 1990-2010 sebagai data training
untuk memprediksi curah hujan pada tahun 2011 yang kemudian akan dibandingkan
dengan data curah hujan tahun 2011 secara empirik. Hasil validasi tersebut disajikan
pada Gambar 6.
Juni, 2012
tahun 2011 mampu diprediksikan secara tepat dalam selang kepercayaan 95 persen oleh
model tersebut. Nilai MSE yang dihasilkan sebesar 1443 yang menunjukkan bahwa
model ini lebih baik daripada model yang didapatkan pada data curah hujan bulanan
Pembuatan Kalender Tanam Padi
Model SARIMA (0,0,2)(0,1,1,)36 dengan deteksi outlier dari data curah hujan
dasa harian tahun 1990-2011 merupakan model terbaik yang dipilih. Hal ini
dikarenakan : (1) Secara statistik, model dengan deteksi outlier tersebut memiliki eror
lebih kecil daripada tanpa deteksi outlier, dan (2) Secara empiris, ramalan pada JanuariFebruari 2012 cocok dengan data catatan curah hujan yang dikeluarkan oleh BMKG.
Model tersebut menjadi dasar pembuatan kalender Tanam Padi tahun 2012-2013 .
Gambar 7 menjelaskan bahwa hujan lebih banyak turun pada Januari-Mei 2012
dan 2013. Hal ini menunjukkan bahwa petani lebih baik menghindari penanaman padi
pada bulan Juni-Oktober. Musim tanam pertama dapat dilakukan hingga Maret 2012
dan musim tanam kedua harus dibantu sistem pengairan secara mandiri. Selama bulan
Juni-Oktober, petani dapat mengganti padi dengan palawija karena palawija
membutuhkan air yang lebih sedikit.
KESIMPULAN DAN IMPLIKASI KEBIJAKAN
Kesimpulan
1. Model terbaik SARIMA (0,0,2)(0,1,1)36 dengan deteksi outlier memberikan hasil
validasi model. Hal ini ditunjukkan pada data curah hujan tahun 2011 yang mampu
diprediksi dengan tepat. Model tersebut menghasilkan nilai MSE 1443 yang lebih
kecil dibandingkan dengan nilai MSE pada data curah hujan bulanan. Hal tersebut
mendukung terpilihnya model SARIMA (0,0,2)(0,1,1)36 dengan deteksi outlier
sebagai model terbaik.
2. Hujan lebih banyak turun pada Januari-Mei 2012 dan 2013 sehingga petani lebih
baik menghindari penanaman padi pada bulan Juni-Oktober.
Artikel ini telah di presentasikan pada Seminar Nasional Kedaulatan Pangan dan Energi 2012
Fakultas Pertanian, Universitas Trunojoyo Madura, Juni 2012
Juni, 2012
Rekomendasi
Penentuan visual kalender masa tanam disarankan dalam bentuk software
aplikasi yang dapat digunakan secara luas dan mampu memberikan prediksi curah hujan
kecamatan Pungging Kabupaten Mojokerto secara berkelanjutan.
DAFTAR PUSTAKA
BPS Jatim. 2011. Luas Panen, Produktivitas
dan Produksi Padi Sawah.
http://jatim.bps.go.id/index.php/pelayanan-statistik/subyek-statistikjatim/statistik-kabkota-pertanian. Diakses pada 10 Mei 2012
Departemen Pertanian (Deptan) Mojokerto. 2009. Potensi Pertanian Kabupaten
Mojokerto. http://mojokertokab.go.id/. Diakses pada 10 Mei 2012
Hermanto. 2007. Analisis Peramalan Tingkat Penjualan Motor Menggunakan
Metode Sarima Berdasarkan Pola Data Seasonality Pada PT.Lancar
Sukses Mandiri (Skripsi). Jakarta: Universitas Bina Nusantara.
Kalfarosi D. 2009. Pemodelan Curah Hujan dan Redaman Hujan Dengan Model
ARIMA di Surabaya (Tesis). Surabaya : Institut Teknologi 10 November
Surabaya (ITS).
Mauludiyanto A, Hendrantoro G, Hery PM, Suhartono. 2009. Pemodelan Varima
dengan Efek Deteksi Outlier Terhadap Data Curah Hujan. Jurnal Ilmiah
Teknologi Informasi 7(3).
Nail, PE. 2009. Time Series Analysis Model For Rainfall Data In Jordan: Case Study
For Using Time Series Analysis. American Journal of Environmental Sciences
5(5)
Sj. Vermeulen et.al,. 2012. Options For Support To Agriculture And Food Security
Under Climate Change. Environmental Science & Policy : 36-144
Sutrisno, W. 2009. Pemodelan Curah Hujan Non Stasioner di Kota Surabaya
Menggunakan Model ARIMA. Conference on Information Technology and
Electrical Engineering (CITEE).
Wei, W. 2006. Time Series Analysis : Univariate and Multivariate Methods. USA :
Addison Wesley Publishing Co
Yanto, A. 2008. Analisis Perencanaan Pengendalian Persediaan Tomat Bandung Di
Supermarket Super Indo Muara Karang Jakarta Utara (Skripsi). Bogor: IPB.
Artikel ini telah di presentasikan pada Seminar Nasional Kedaulatan Pangan dan Energi 2012
Fakultas Pertanian, Universitas Trunojoyo Madura, Juni 2012