Seminar Nasional : Kedaulatan Pangan dan Energi

Juni, 2012
Fakultas Pertanian Universitas Trunojoyo Madura

PERAMALAN DATA CURAH HUJAN DENGAN SEASONAL

AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) DENGAN
DETEKSI OUTLIER SEBAGAI UPAYA OPTIMALISASI PRODUKSI
PERTANIAN DI KABUPATEN MOJOKERTO

Ary Miftakhul Huda*, Achmad Choiruddin, Osaliana Budiarto dan Sutikno

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam

Institut Teknologi Sepuluh Nopember Surabaya
*
ary.huda@gmail.com

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
 Seminar Nasional : Kedaulatan Pangan dan Energi
Juni, 2012
Fakultas Pertanian Universitas Trunojoyo Madura

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.
 Seminar Nasional : Kedaulatan Pangan dan Energi
Juni, 2012
Fakultas Pertanian Universitas Trunojoyo Madura

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.
 Seminar Nasional : Kedaulatan Pangan dan Energi
Juni, 2012
Fakultas Pertanian Universitas Trunojoyo Madura

Model Seasonal Autoregressive Integrated Moving Average (SARIMA)

merupakan pengembangan model ARIMA. Berikut ini adalah langkah-langkah seasonal
pada SARIMA: (1) Mengidentifikasi seasonal data dengan menggunakan ACF/PACF
pada seasonal lags, (2) Melakukan differencing pada data sesuai dengan season yang
diambildifferencing pada season digunakan untuk menghilangkan seasonality
dikarenakan ada kemungkinan data yang dipakai membutuhkan differencing. Model
dari seasonal ARIMA (SARIMA) yaitu:
P(BS)p(B)(1B)d(1BS)DZt = Q(BS)q(B)at (1)
P(BS)p(B)Wt = Q(BS)q(B)at (2)
 Seminar Nasional : Kedaulatan Pangan dan Energi
Juni, 2012
Fakultas Pertanian Universitas Trunojoyo Madura

HASIL DAN PEMBAHASAN

Gambaran Umum Produksi Padi di Kecamatan Pungging dan Solusi Dinas
Pertanian Mojokerto
Kecamatan Pungging memiliki lahan luas untuk pertanian sebagai mata
pencaharian utama warganya. Selama ini petani hanya memperkirakan waktu datangnya
musim hujan, jika mereka merasa musim hujan akan datang, maka mereka akan mulai
menanam. Masalah mulai timbul ketika prediksi yang mereka gunakan bertahun-tahun
menjadi tidak berlaku akibat cuaca ekstrim. Padi yang terlanjur ditanam terancam mati
karena ternyata hujan tidak turun, begitu pula sebaliknya, ketika tidak menanam, hujan
turun dengan deras sehingga membuat petani sering merasakan kerugian.
Dinas Pertanian Mojokerto yang bertanggung jawab atas kemajuan pertanian di
kabupaten Mojokerto memiliki beberapa solusi berupa membuat kalender tanam dan
menggunakan teknologi canggih. Kalender masa tanam merupakan kalender dimana di
dalamnya terdapat perkiraan hari yang cocok untuk menanam padi maupun palawija
lainnya. Sejak terjadi cuaca ekstrim dimana musim sulit diprediksi, Dinas Pertanian
menggunakan teknologi lain yang disosialisasikan terhadap masyarakatnya untuk
menangani efek cuaca ekstrim.

Pemodelan Curah Hujan Basis Data Bulanan

Berdasarkan plot time series, data curah hujan bulanan mengindikasikan adanya
pola musiman, seperti yang disajikan pada Gambar 3a. Berdasarkan hasil pemodelan
menggunakan time series didapatkan model SARIMA[0,1,1]12 yakni
 =  +
 +

 
 . Model tersebut bermakna bahwa peramalan data curah hujan tahun ini
terkait oleh data curah hujan pada 12 bulan yang lalu (t-12). Hal ini menunjukkan
bahwa adanya indikasi curah hujan ekstrim sekitar tahun 2008-2009. Model tersebut
menghasilkan nilai MSE (Mean Square Error) sebesar 2213. Model yang didapat
memiliki akurasi yang rendah sehingga tidak direkomendasikan untuk digunakan dalam
proses peramalan seperti yang dijelaskan pada Gambar 3b.

(b) Validasi Model Hasil Peramalan

(with forecasts and their 95% confidence limits)
(a) 800

600

400
MM

200

-200

-400
1 6 12 18 24 30 36 42 48 54 60 66 72
Time

Gambar 3. Plot time series Curah Hujan Bulanan tahun 2005-2010 (a) dan Hasil
Peramalan untuk validasi model (b)
Sumber : Analisis Data, 2012
 Seminar Nasional : Kedaulatan Pangan dan Energi
Juni, 2012
Fakultas Pertanian Universitas Trunojoyo Madura

Pemodelan Curah Hujan Basis Data Dasa Harian

Gambar 4a menunjukkan bahwa curah hujan dasa harian memiliki pola
musiman. Hal ini diperkuat pada plot Autocorrelation function (ACF) yang
menunjukkan data curah hujan memiliki pola tertentu (Gambar 4b). Gambar 4
memberikan informasi bahwa data curah hujan dasa harian tidak memenuhi asumsi
stasioner dalam mean
meansehingga diperlukan adanya proses differencing.
differencing

( a) (b)

Gambar 4. Plot Curah Hujan Data Dasa Harian Tahun 1990

1990-2011
2011 (a); ACF Data Curah
Hujan (b)
Sumber : Analisis Data, 2012
Gambar 5 menunjukkan bahwa data telah stasioner. Hal ini ditunjukkan
olehGambar 5a yang titik curah hujanberada disekit
disekitar nilai mean dan plot ACF pada
Gambar 5b.

(a) (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
 Seminar Nasional : Kedaulatan Pangan dan Energi
Juni, 2012
Fakultas Pertanian Universitas Trunojoyo Madura

Gambar 5b menunjukkan bahwa terdapat cut off after lag 1 dan cut off after lag
seasonal 36.. Gambar 5c menjelaskan bahwa titik
titik-titik
titik observasi data curah hujan turun
cepat atau dies down. Dengan demikian, model peramalan data curah hujan dasa harian
ng diduga adalah SARIMA (0,0,2)(0,1,1)36 dengan deteksi outlier.
yang outlier Persamaan model
36
SARIMA (0,0,2)(0,1,1) dengan deteksi outlier adalah sebagai berikut.

1  B  B  B +   B +   B a & %

Z = + 220,9 07I#, + 208 I#,
1 B 
  % % %
+ 204
204,35 I#, + 169,99 I#, + 147,49 I#, + 150,9
9 I#, + 136,78 I#,
&' & '( % &
+ 139
139,73 I#, + 134,02 I#, + 131,13 I#, + 134,51
51 I#, + 138,64 I#,
% & %(( %( %(
+ 129
129,67 I#, + 124,98 I#, + 119,87 I#, + 121,9 9 I#, + 119,97 I#,
% %  && 
+ 119
119,19 I#, + 122,4 I#, 115,92 I#, + 114,61
61 I#, + 112,85 I#,
' '  & 
+ 111
111,58 I#, 111,57 I#, + 112,68 I#, 113,55
55 I#, + 116,36 I#,
 ' ((
+ 106
106,83 I#, + 105,87 I#, + 105,06 I#,
dengan
-. 0 1, 2 = 34 6
*+,,/ = 1
0, 2 5 34

Model yang dihasilkan telah menemukan adanya 30 outlier yang diduga sebagai
curah hujann ekstrim dengan masing
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
1990-2010
2010 sebagai data training
untuk memprediksi curah hujan pada tahun 2011 yang ke kemudian
mudian akan dibandingkan
dengan data curah hujan tahun 2011 secara empirik. Hasil validasi tersebut disajikan
pada Gambar 6.

Gambar 6. Validasi Model Peramalan Data Curah Hujan

Sumber : Analisis Data, 2012

Gambar 6 menjelaskan bahwa model SARIMA (0,0,2)(0,1,1)36 dengan deteksi

outlier memberikan hasil prediksi yang baik karena nilai empiris data curah hujan pada
 Seminar Nasional : Kedaulatan Pangan dan Energi
Juni, 2012
Fakultas Pertanian Universitas Trunojoyo Madura

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 Januari-
Februari 2012 cocok dengan data catatan curah hujan yang dikeluarkan oleh BMKG.
Model tersebut menjadi dasar pembuatan kalender Tanam Padi tahun 2012-2013 .

Gambar 7. Kalender Tanam Padi Tahun 2012-2013

Sumber : Analisis Data, 2012

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.
 Seminar Nasional : Kedaulatan Pangan dan Energi
Juni, 2012
Fakultas Pertanian Universitas Trunojoyo Madura

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-statistik-
jatim/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.