PREDIKSI PERENCANAAN PRODUKSI PADI

TERHADAP LAHAN PANEN DI SUMATERA UTARA MENGGUNAKAN

RANTAI MARKOV WAKTU DISKRIT

OLEH

ROULI PUTRI LINDES SITUMORANG : 2013101002

I GEDE HAGA OLAS TYAMARTA :2013101012

PROGRAM STUDI S1 MATEMATIKA

JURUSAN MATEMATIKA

UNIVERSITAS PENDIDIKAN GANESHA

SINGARAJA

2021

KATA PENGANTAR
Puji syukur penyusun panjatkan kehadirat Tuhan Yang Maha Esa, Ida Sang Hyang Widi Wasa
karena berkat dan rahmat-Nya penyusun dapat menyelesaikan makalah ini tepat pada waktunya.
Makalah ini dibuat sebagi salah satu syarat pemenuhan nilai mata kuliah Proses Stokastika di
Jurusan Matematika Universitas Pendidikan Ganesha. Makalah dengan judul”Prediksi Perencanaa
Produksi Padi Terhadap Lahan Panen di Sumatera Utara Menggunakan Rantai Markov” diharapkan
dapat berguna kedepannya.

Penyusun mengucapkan terima kasih kepada bapak I Gusti Nyoman Yudi Hartawan, S.Si., M.Sc.
selaku pengampu mata kuliah Proses Stokastika yang telah memberikan tugas ini sehingga dapat
menambah pengetahuan dan wawasan sesuai dengan bidang studi yang penulis tekuni. Penulis
juga mengucapkan terima kasih kepada semua pihak yang telah membagi sebagian
pengetahuannya sehingga penulis dapat menyelesaikan makalah ini.

Penyusun menyadari, makalah yang saya tulis ini masih jauh dari kata sempurna. Oleh karena itu,
kritik dan saran yang membangun akan penulis nantikan demi kesempurnaan makalah ini.

Singaraja, 22 April 2022

Penyusun
DAFTAR ISI
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Rantai Markov merupakan suatu metode yang mempelajari sifat-sifat suatu variabel pada
masa sekarang yang dalam usaha menaksir sifat-sifat variabel yang sama di masa mendatang.
Rantai markov biasanya digunakan untuk mempelajari perilaku jangka panjang atau jangka
pendek dari suatu proses stokastik. Pada Rantai Markov dipaparkan secara terperinci dan
terstruktur data, matriks, peluang transisi, proses markov, peluang state-n langkah dan
peluang Steady State. Peluang Peralihan pada tingkat keadaan seimbang (steady state) adalah
peluang peralihan yang sudah mencapai keseimbangan sehingga tidak akan berubah terhadap
perubahan waktu yang terjadi. Prinsip ini digunakan untuk mengamati ada berapa state atau
langkah untuk menuju titik setimbang. Tentu prinsip ini berguna bagi perusahaan / kalangan
tertentu untuk mengetahui keuntungan, lamanya proses, biaya dari usaha yang dilakukan.
Akibatnya dapat diramalkan kejadian yang terjadi setelah n tahap.

Padi merupakan salah satu tanaman budidaya terpenting dalam peradaban. Meskipun
terutama mengacu pada jenis dari marga (genus) yang sama, yang biasa disebut sebagai padi
liar. Padi diduga berasal dari India atau indocina dan masuk ke indonesia dibawa oleh nenek
moyang yang migrasi dari daratan Asia sekitar 1500 SM. Produksi padi dunia menempati
urutan ke 3 dunia dari semua serealia, setelah jagung dan gandum. Namun, padi merupakan
sumber karbohidrat utama bagi mayoritas penduduk dunia.dan selanjutnya padi di olah
menjadi beras. Beras merupakan makanan pokok bagi sebagian besar masyarakat Indonesia
khususnya di Sumatera Utara. Konsumsi beras di Sumatera Utara semakin meningkat setiap
tahunnya seiiring dengan meningkatnya jumlah penduduk. Ketergantungan masyarakat
Sumatera Utara yang sangat tinggi terhadap beras akan menjadi masalah jika ketersediaan
beras sudah tidak dapat tercukupi. Hal inilah yang dapat mengganggu ketahanan pangan
nasional. Tujuan dilakukannya prediksi produksi padi dan lahan panen adalah untuk
mengetahui produksi padi terhadap luas panen yang ada khususnya di Sumatera Utara
diwaktu mendatang supaya dapat stabilnya antara produksi beras dan jumlah lahan yang ada,
sehingga terpenuhinya kebutuhan akan beras masyarakat. Setelah data hasil prediksi
diperoleh, pihak-pihak yang berkepentingan dapat mengambil langkah-langkah strategis yang
sekiranya perlu dilakukan agar tidak terjadinya kelangkaan dan mahalnya harga beras.
Ada banyak metode yang dapat digunakan dalam memprediksi produksi padi dan lahan
panen, Salah satunya adalah metode Rantai Markov Waktu Diskrit. Rantai Markov pertama
 kali dikembangkan oleh sarjana matematika Rusia Andrei A Markov pada tahun 1906 yang
digunakan untuk mengatur silsilah keturunan kerajaan Inggris.

Maka itu penulis memberi judul penelitian ini yaitu: PREDIKSI PERENCANAAN
PRODUKSI PADI TERHADAP LAHAN PANEN DI SUMATERA UTARA
MENGGUNAKAN RANTAI MARKOV.

1.2 Rumusan Masalah

Permasalahan yang akan dikaji dalam penelitian ini adalah bagaimana memprediksi
perencanaan produksi padi terhadap luas panen di Sumatera Utara dengan menggunakan
metode rantai Markov waktu diskrit supaya terkecukupinya produksi beras di indonesia yang
sebanding dengan luas lahan panen yang ada
1.3 Tuan
Berdasarkan perumusan masalah di atas, tujuan dari penelitian ini adalah untuk mengetahui
bagaimana prediksi perencanaan produksi padi dalan lahan panen di Sumatera Utara supaya
tercukupinya produksi padi ,yang akan di konsumsi masyarakat dengan menggunakan metode
rantai Markov waktu diskrit.
 BAB II
METODE PENELITIAN

2.1 Sumber Data

Sumber data yang digunakan dalam penelitian ini adalah data dari Badan Pusat Statistik
(BPS) tahun 2010 – 2019

2.2 Analisis Rantai Markov

Dasar dari rantai markov adalah state transisi, dengan sifat jika keadaan untuk saat sekarang
diketahui, peluang keadaan dari proses disatu langkah ke depan hanya dipengaruhi oleh
keadaan proses disaat sekarang. Artinya, keadaan proses diwaktuwaktu lampau tidak
mempengaruhi keadaan kedepan. Analisa Rantai Markov dapat diterapkan dalam kasus
dengan beberapa syarat sebagai berikut:

1. Jumlah peluang transisi untuk suatu keadaan awal dari system sama dengan satu
2. Peluang – peluang tersebut berlaku untuk semua partisipan dalam sistem.
3. Peluang transisi tidak akan berubah untuk selamanya.

Asumsi- asumsi yang digunakan dalam memodelkan permasalahan menggunakan Rantai

Markov sebagai berikut :

1. Produksi dan Luas lahan panen pada masa mendatang tergantung hanya pada kondisi
sekarang saja.
2. Kondisi produksi padi dan luas lahan panen adalah stabil.
3. Tidak ada gangguan yang menyebabkan terganggunya proses produksi padi.

2.3 Metode Kerja

1. Produksi dan luas lahan panen padi diurutkan dari caturwulan pertama 2010 sampai
caturwulan ketiga 2019
2. Mencari selisih produksi dan kebutuhan beras pada saat caturwulan kedengan
caturwulan ke – ( t+ 1 )
3. Nilai selisih tersebut dikategorikan yaitu, jika nilainya ≥ 0 maka dikatakan naik, jika
nilainya ≤ 0 dikatakan turun.
4. Mencari rata-rata selisih dari state naik dan turun serta mencari nilai maksimal pada
state naik dan nilai minimal pada state turun.
5. Menentukan banyaknya state yang akan digunakan.
6. Berdasarkan nilai selisih yang diperoleh data dikelompokkan sesuai dengan interval
masing-masing state.
 Produksi Padi dan Lahan Panen

Perubahan Produksi Padi dan Lahan

Panen

Model Rantai Markov

Perubahan matriks peluang transisi

Peluang Transisi

Tidak

Stabil

ya

Peluang State Produksi Padi di waktu Peluang State Lahan Panen di waktu
mendatang mendatang

ya
Prediksi perbandingan antara
Produksi Padi dan Lahan Panen
 BAB III

PEMBAHASAN

3.1.Deskripsi Data

Dalam penelitian ini jenis data yang digunakan adalah data produksi padi dan luas panen
yang di analisis. Data yang digunakan dipeoleh dari Badan Pusat Statistik(BPS) dari Januari
2010 sampai dengan Desember 2019, dan data yang diperoleh setiap caturwulan (4 bulan
sekali).
Daftar jenis data yang akan di analisis sebagai berikut :
Tabel 3.1 Daftar Produksi Padi dan Lahan Padi

NO Jenis Data
1 Produksi Padi
2 Lahan Padi

Tabel 3.2 Data Jumlah Produksi Padi dan Luas Lahan Panen

No Periode Data Produksi Padi Lahan Panen (Ha)

(Ton)
1. Januari-April 2010 1.191.157 283.358
2. Mei-Agustus 2010 852.632 199.578
3. September-Desember 2010 963.847 222.087
4. Januari-April 2011 1.379.758 318.804
5. Mei-Agustus 2011 906.929 207.421
6. September-Desember 2011 990.837 224.007
7. Januari-April 2012 1.375.864 318.405
8. Mei-Agustus 2012 928.263 200.468
9. September-Desember 2012 1.036.667 229.667
 10. Januari-April 2013 1.426.876 326.713
11. Mei-Agustus 2013 1.035.569 218.218
12. September-Desember 2013 1.065.453 223.476
13. Januari-April 2014 1.477.755 323.876
14. Mei-Agustus 2014 1.008.785 207.455
15. September-Desember 2014 1.095.762 226.343
16. Januari-April 2015 1.507.558 327.392
17. Mei-Agustus 2015 1.025.017 208.629
18. September-Desember 2015 1.074.828 221.526
19. Januari-April 2016 1.488.726 319.737
20. Mei-Agustus 2016 1.192.104 237.214
21. September-Desember 2016 1.034.683 208.148
22. Januari-April 2017 1.503.337 307.000
23. Mei-Agustus 2017 1.126.018 218.237
24. September-Desember 2017 1.034.683 217.731
25. Januari-April 2018 1.521.650 306.284
26. Mei-Agustus 2018 1.036.714 202.823
27. September-Desember 2018 1.072.675 208.211
28. Januari-April 2019 1.548.751 313.836
29. Mei-Agustus 2019 1.198.232 225.907
30. September-Desember 2019 1.297.846 242.026

Berdasarkan data yang diolah,untuk data produksi padi (Ton) diperoleh nilai rata-rata untuk
kategori naik adalah (258.963 Ton) dan nilai terbesarnya adalah (476.076 Ton). Sedangkan
untuk kategori turun adalah (-357.974 Ton) dan nilai terkecilnya adalah (-484.936 Ton).
Oleh karena itu, berikut empat state yang digunakan berdasarkan interval masing-masing
state:
State 1 : Naik drastis dengan range [258.963< x ≤ 476.076]
State 2 : Naik dengan range [0< x ≤258.963 ]
State 3 : Turun drastis dengan range [−484.936< x ≤−357.974 ]
State 4 : Turun dengan range[0< x ←357.974]
Sedangakan untuk data luas lahan (Ha) diperoleh nilai rata-rata untuk kategori naik adalah
(59.381) dan nilai terbsarnya adalah (105.625). Sedangkan untuk kategori turun adalah
(88.582) dan nilai terkecilnya adalah (-118.763). Oleh karena itu, berikut lima state yang
digunakan berdasarkan interval masing-masing state :
State 1 : Naik drastis dengan range.[59.381< x ≤105.625 ]
State 2 : Naik dengan range [0< x ≤ 59.381]
State 3 : Turun drastis dengan range [−88.582≤ x ←118.763]
State 4 : Turun dengan range [0< x ←88.582]
Keterangan:
 Range nilai state Naik didapatkan dari nilai lebih kecil pada nilai rata- rata peralihan
state yang naik sampai ke nilai rata-tata .
 Range nilai state Turun didapatkan dari nilai lebih besar pada nilai rata-rata peralihan
state yang turun sampai ke nilai rata-rata.
 Range nilai state Naik Drastis didapatkan dari nilai lebih besar pada nilai rata-rata
peralihan state yang naik sampai ke nilai maksimalnya.
 Range nilai state Turun Drastis didapatkan dari nilai lebih kecil pada nilai rata-rata
peralihan state yang turun sampai ke nilai minimalnya.

Tabel 3.3 Data Pertambahan Peralihan Naik Jumlah Produksi Padi dan Luas Lahan Panen
No Periode Data Produksi Padi Luas Panen
1. September-Desember 2010 111.215 22.509

2. Januari-April 2011 415.911 96.717

3. September-Desember 2011 83.908 16.586

4. Januari-April 2012 385.027 94.398

5. September-Desember 2012 108.404 29.199

6. Januari-April 2013 390.209 97.046

7. September-Desember 2013 29.884 5.258

8. Januari-April 2014 412.302 100.400

9. September-Desember 2014 86.977 18.888

10. Januari-April 2015 411.796 101.049

11. September-Desember 2015 49.211 12.897

12. Januari-April 2016 413.898 98.000

13. Januari-April 2017 468.654 100.852

14. Januari-April 2018 423.325 88.553

15. September-Desember 2018 35.961 5.388

16 Januari – April 2019 476.076 105.625

17 September-Desember 2019 99.614 16.119

RATA-RATA 258.963 59.381