45 193 1 PB PDF
45 193 1 PB PDF
ABSTRAK
Penentuan jenis tanaman pangan yang sesuai ditanam pada lahan tertentu
berdasarkan nilai-nilai karakteristik lahan sangat diperlukan sebagai pendukung
pengambilan keputusan, koordinasi, dan pengendalian bagi para peneliti, praktisi, dan
perencana penggunaan lahan, sehingga kerugian (finansial) yang cukup besar tidak terjadi
nantinya. Program komputer dengan me nggunakan Jaringan Syaraf Tiruan (JST) metode
Learning Vector Quantization (LVQ) dapat digunakan sebagai alat yang tepat dalam
memberikan informasi tanaman yang cocok ditanam dengan mudah, cepat, dan akurat.
Data pelatihan didapat dari kombinasi nilai karakteristik lahan yang termasuk dalam kelas
kesesuaian S1 dan S2. Hasil pengujian menunjukkan bahwa nilai Eps (error minimum
yang diharapkan) = 0.005, nilai = 0.05, nilai maksimum epoh = 10, dan nilai pengurangan
learning rate sebesar 0.1* merupakan nilai-nilai yang cukup efektif dan efisien dalam
melakukan prediksi jenis tanaman pangan yang sesuai ditanam pada lahan tertentu karena
tingkat ketepatan prediksinya adalah 100% dari 22 data pengujian.
Kata Kunci: Jaringan syaraf tiruan, learning vector quantization, evaluasi kesesuaian
lahan
ABSTRACT
An evaluation of suitable landscape to crop food cultivation based on value of landscape
type was needed to decision making, coordination, and control to researchers, practition,
and farmer to minimize cost. Computer program with Learning Vector Quantization
(LVQ) can be used as tools to give an information of suitable crop food cultivation easily,
fastly, and accurately. Training data was take from combination of value of landscape type.
Result of testing show that LVQ neural networks with error was 0.005, = 0.05, maximum
epoch was 10, and substitution value of learning rate was 0.1* , was the best parameter to
the systems that can predict 100 % from 22 testing data.
Keywords: Neural networks, learning vector quantization, evaluation of suitable
landscape
Makalah diterima 17 September 2005
1. PENDAHULUAN
Produktivitas tanaman pangan tergantung
pada kualitas lahan yang digunakan. Jika pada
pemilihan lahan pada awal pembangunan
tanaman areal-areal yang tidak produktif tidak
disisihkan, maka kerugian (finansial) yang
cukup besar akan terjadi nantinya.
Saat ini, penentuan jenis budidaya
tanaman pangan yang sesuai ditanam pada
suatu lahan tertentu masih dilakukan secara
manual, yaitu membandingkan data-data yang
ada di lapangan dengan kriteria persyaratan
penggunaan lahan untuk tanaman pangan
tertentu, sehingga informasi yang diperoleh
membutuhkan waktu, tenaga, dan biaya yang
tidak sedikit.
Aplikasi jaringan syaraf tiruan dengan
metode LVQ dapat digunakan untuk
menentukan jenis tanaman pangan yang
sesuai ditanam pada suatu lahan tertentu
berdasarkan nilai karakteristik lahan yang
dimasukkan, yang sebelumnya dilakukan
pembelajaran. Hal ini dikarenakan komputer
diberi bekal pengetahuan dan kemampuan
X1
W11
W21
X2
W12
W22
W13
X3
||X-W1||
y_in1
F1
y1
W23
W14
W24
X4
W15
W25
y_in2
||X-W2||
y2
F2
X5
W16
W26
X6
3. EVALUASI KESESUAIAN
LAHAN
Evaluasi lahan adalah proses dalam
menduga potensi lahan untuk penggunaan
tertentu baik untuk pertanian maupun non
pertanian. Kesesuaian lahan adalah kecocokan
Tabel 1. Kualitas dan karakteristik lahan yang digunakan dalam kriteria evaluasi lahan
Simbol
Tc
Wa
Kualitas lahan
Temperatur
Ketersediaan air
Oa
Rc
Ketersediaan oksigen
Media perakaran
Nr
Retensi hara
Xc
Toksisitas
Xn
Xs
Eh
Fh
Lp
Sodositas
Bahaya sulfidik
Bahaya erosi
Bahaya banjir
Penyiapan lahan
Karakteristik lahan
1. Temperatur
Curah hujan (mm)
Lamanya masa kering (bulan)
Kelembaban udara (%)
1. Drainase
Drainase
Tekstur
Bahan kasar (%)
Kedalaman tanah
Ketebalan gambut
Kematangan gambut
KPK lempung (cmol(+).kg-1 )
Kejenuhan basa (%)
pH H2O
C-organik (%)
Kejenuhan aluminium
Salinitas/DHL (dS/m)
1. Alkalinitas (%)
1. Pyrit (bahan sulfidik)
Lereng (%) Bahaya erosi
1. Genangan
Batuan di permukaan (%)
Singkapan batuan (%)
Kriteria
Unit lahan tidak memiliki pembatas atau hanya memiliki empat
pembatas
ringan.
Unit lahan memiliki lebih dari empat pembatas ringan, dan atau
memiliki
tidak lebih dari tiga pembatas sedang.
Unit lahan memiliki lebih dari tiga pembatas sedang, dan atau satu
pembatas berat.
Unit lahan memiliki lebih dari satu pembatas berat atau sangat berat
Nilai linguistik
Dingin
Agak dingin
Sejuk
Sedang
Hangat
Agak panas
Panas
Sangat rendah
Rendah
Agak rendah
Sedang
Agak tinggi
Kisaran data
< 17
18-20
21-22
23-30
31-32
33-35
> 36
< 199
200-300
301-400
401-1110
1111-1600
Nilai parameter
0
0,15
0,3
0,5
0,65
0,8
1
0
0,15
0,3
0,5
0,65
Karakteristik lahan
Kelembaban (%)
Drainase
Kedalaman tanah
(cm)
Ketebalan gambut
(cm)
+ dengan singkapan/
Pengkayaan (cm)
Kematangan
KPK lempung
(cmol(+).kg-1 )
Kejenuhan basa (%)
pH H2O
C-organik (%)
Salinitas (dS/m)
Nilai linguistik
Tinggi
Sangat tinggi
Sangat rendah
Rendah
Agak rendah
Sedang
Agak tinggi
Tinggi
Sangat terhambat
Terhambat
Agak terhambat
Agak baik
Baik
Agak cepat
Sangat cepat
Rendah
Agak rendah
Agak tinggi
Tinggi
Dangkal
Agak dangkal
Agak dalam
Dalam
Tipis
Agak tipis
Agak tebal
Tebal
Tipis
Agak tipis
Agak tebal
Tebal
Saprik
Saprik hemik +
Hemik fibrik +
Fibrik
Rendah
Tinggi
Rendah
Sedang
Tinggi
Sangat asam
Agak asam
Netral
Agak basa
Sangat basa
Rendah
Sedang
Tinggi
Rendah
Agak rendah
Kisaran data
1601-1900
> 1901
< 29
30-36
37-42
43-75
76-90
> 91
< -1
0
25-49
50-99
100-149
150-199
> 200
< 14
15-35
36-55
> 56
< 49
50-75
76-100
> 101
< 59
60-140
141-200
> 201
< 139
140-200
201-400
> 401
< 16
17-42
43-67
> 68
< 16
> 16
< 19
20-35
> 36
< 5,7
5,8-6,0
6,1-7,8
7,9-8,0
> 8,1
< 0,7
0,8-1,2
> 1,3
<3
4-6
Nilai parameter
0,8
1
0
0,2
0,4
0,6
0,8
1
0
0,15
0,3
0,5
0,65
0,8
1
0
0,3
0,6
1
0
0,3
0,6
1
0
0,3
0,6
1
0
0,3
0,6
1
0
0,3
0,6
1
0
1
0
0,5
1
0
0,13
0,25
0,5
1
0
0,5
1
0
0,3
Karakteristik lahan
Alkalinitas/ESP (%)
Kedalaman sulfidik
(cm)
Lereng (%)
Bahaya erosi
Batuan di permukaan
(%)
Singkapan batuan
(%)
Nilai linguistik
Agak tinggi
Tinggi
Rendah
Agak rendah
Agak tinggi
Tinggi
Dangkal
Agak dangkal
Agak dalam
Dalam
Datar
Berombak
Bergelombang
Berbukit
bergunung
Sangat ringan
Ringan
Sedang
Berat
Sangat berat
Rendah
Agak rendah
Agak tinggi
Tinggi
Rendah
Agak rendah
Agak tinggi
Tinggi
Kisaran data
7-8
>9
< 14
15-20
21-25
> 26
< 49
50-75
76-100
> 101
<1
2-8
9-16
17-30
> 31
< 0,14
0,15-0,9
1,0-1,8
1,9-4,8
> 4,9
<4
5-15
16-40
> 41
<4
5-15
16-25
> 26
Nilai parameter
0,6
1
0
0,3
0,6
1
0
0,3
0,6
1
0
0,13
0,25
0,5
1
0
0,13
0,25
0,5
1
0
0,3
0,6
1
0
0,3
0,6
1
Kelas
Tekstur
Halus (h)
Agak halus
(ah)
Sedang (s)
Agak kasar
(ak)
Kasar (k)
Nilai
parameter
0
0,13
0,25
0,5
1
Nilai parameter
0,0
0,2
0,4
0,6
0,8
F5
Sangat berat
X2
X3
X4
26
60
22
29
23
27
25
26
12
18
24
23
28
20
15
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
30
X5
*
1
70
58
16
17
55
5.5
1.8
18
120
0.1
F0
X2
2
4
31
60
80
130
16
17
59
1.6
15
75
0.1
F13
62
64
137
14
19
60
1.8
14
105
10
45
10
13
73
55
15
17
57
62
0.8
13
115
F0
78
23
65
120
16
18
54
7.7
0.6
12
128
0.1
3
0.1
2
0.4
F41
60
0
13
00
45
0
75
0
40
0
10
00
88
0
12
00
11
00
18
00
58
0
11
0
12
5
36
F0
64
55
12
68
48
20
19
55
5.9
0.5
0.6
17
118
56
10
0
10
5
90
12
72
135
16
20
53
6.1
0.7
19
122
0.1
1
0.1
11
52
50
12
18
59
6.4
0.8
18
118
12
55
130
16
17
56
7.1
0.5
18
105
12
5
28
11
78
48
15
19
39
5.8
13
110
14
75
139
16
20
36
7.4
14
108
10
2
48
10
13
46
11
19
20
6.9
0.9
105
14
136
16
17
26
78
11
9
12
11
8
10
8
78
58
15
19
53
5.8
1.3
79
0
0
68
72
0
0
49
Hasil
prediksi
Padi sawah
irigasi
Padi sawah
irigasi
Padi sawah
irigasi
Jagung
Sesungguh
nya
Padi sawah
irigasi
Padi sawah
irigasi
Padi sawah
irigasi
Jagung
Jagung
Jagung
F0
Sorgum
Sorgum
F0
16
Sorgum
Sorgum
0.1
1
0.2
F0
Gandum
Gandum
F1
Gandum
Gandum
0.1
3
0.1
F0
Ubi jalar
Ubi jalar
F0
12
Ubi jalar
Ubi jalar
0.1
4
0.1
F0
11
Ubi kayu
Ubi kayu
F0
Ubi kayu
Ubi kayu
0.1
3
F0
Buncis
Buncis
X2
X3
X4
18
37
0
73
0
43
0
56
0
37
0
43
0
10
05
52
0
50
10
0
10
9
10
0
10
2
48
25
23
18
17
26
29
15
24
33
0
48
55
66
44
10
0
10
0
11
0
X5
*
10
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
18
82
136
16
17
51
7.3
1.4
80
0.1
F0
14
76
59
12
18
36
5.9
1.3
14
105
0.1
12
79
137
43
12
42
5.9
7.4
13
110
14
62
59
52
18
37
6.7
1.4
2.1
12
125
14
80
57
16
18
53
7.1
1.3
121
13
78
57
15
17
39
1.4
117
10
14
76
137
16
20
43
6.4
1.5
110
13
76
139
16
18
52
5.8
1.4
0.9
120
* = 1 : lempung berpasir
2 : lempung
3 : lempung berdebu
4 : geluh berlempung
5 : geluh lempung berpasir
6 : geluh lempung berdebu
7 : geluh berpasir sangat halus
8 : geluh
9 : geluh berdebu
10: debu
11: geluh berpasir kasar
12: geluh berpasir
13: geluh berpasir halus
14: pasir
14
X2
2
3
Hasil
prediksi
Buncis
Sesungguh
nya
Buncis
F0
Kedelai
Kedelai
0.1
4
0.1
F0
Kedelai
Kedelai
F0
0.1
4
0.1
F0
F0
0.1
1
0.1
F0
F0
Kacang
kapri
Kacang
panjang
Kacang
tanah
Kacang
tanah
Kacang
hijau
Kacang
kapri
Kacang
panjang
Kacang
tanah
Kacang
tanah
Kacang
hijau
10
10
DAFTAR PUSTAKA
Djaenuddin, D., Marwan H., H. Subagyo, dan
A. Mulyani, 1997, Kriteria Kesesuaian
Lahan untuk Komoditas Pertanian.
Pusat
Penelitian
Tanah
dan
Agroklimat, Departemen Pertanian
Fausett, L., 1994, Fundamentals of Neural
Network, Architecture, Algorithms and
Applications, Prentice Hall, New Jersey
Kusumadewi, S., 2003, Artificial Intelligence
(Teknik dan aplikasinya), Graha Ilmu
Yogyakarta
Poh, H.L., 1994, A Neural Network Approach
to Decision Support, International
Journal of Applied Expert Systems,
Vol. 2 No. 3
Sys, C., Ranst V., and Debaveye J, 1991,
Land Evaluation Part II: Methods in
Land
Evaluation,
General
Administration
for
Development
Cooperation, Brussels,