Jtiik Paper
Jtiik Paper
25126/jtiik…
Vol. x, No. x, April 2014, hlm. x-x p-ISSN: 2355-7699
Akreditasi KEMENRISTEKDIKTI, No. 30/E/KPT/2018 e-ISSN: 2528-6579
Abstrak
Masa depan biofarmasi semakin cerah. Akibat mahalnya harga obat modern, maka permintaan tanaman obat
semakin meningkat baik di dalam maupun di luar negeri. Hal ini karena biofarmaka banyak digunakan di
industri lain, seperti makanan, minuman, dan kosmetik. Konsumen di seluruh dunia termasuk di Indonesia
bergerak menuju produk makanan dan kesehatan yang lebih sehat dengan slogan "kembali ke alam". Dengan
demikian permintaan tanaman obat sebagai bahan baku industri lainnya juga meningkat. Untuk mengatasi
masalah tersebut diperlukan suatu prediksi untuk menentukan besaran kenaikan atau penurunan jumlah produksi
komoditas strategis biofarmaka untuk beberapa tahun ke depan, sehingga dari pergerakan data masa lalu dapat
dianalisa pergerakan tren-nya. Saat ini belum dijumpai studi peramalan deret waktu untuk memprediksi produksi
biofarmaka dengan tingkat akurasi baik. Dalam eksperimen ini kami mengusulkan model peramalan fuzzy time
series berdasarkan pendekatan persentase perubahan sebagai himpunan semesta dan partisi berbasis rerata yang
dapat memberikan tingkat akurasi peramalan yang tinggi. Prediksi difokuskan pada biofarmaka untuk empat
jenis rimpang yaitu Jahe, Laos/Lengkuas, Kencur, dan Kunyit yang dinilai menjadi prioritas utama
pengembangan tanaman obat di Indonesia. Dalam penelitian ini menggunakan data sekunder yang diperoleh dari
Badan Pusat Statistika tahun 1997-2020. Tujuan penelitian ini adalah untuk memprediksi dan menganalisa
perkembangan produksi biofarmaka pada empat jenis rimpang. Hasil prediksi menunjukan akurasi luar biasa
dengan nilai Mean Absolute Percentage Error yang sangat kecil yakni Jahe 0,03%, Laos 0,02%, Kencur 0,14%,
dan Kunyit 0,03%. Dengan demikian hasil eksperimen ini dapat berkontribusi dan digunakan bagi pihak yang
berkompeten untuk membantu dalam menentukan kebijakan strategis di masa depan.
Kata kunci: biofarmaka, fuzzy time series, mean-based partitioning, percentage change, prediksi
Abstract
Biopharmaceuticals' future is brightening. Due to the exorbitant cost of modern treatment, the desire for
medicinal herbs is growing. due to their widespread use in different industries such as food, beverages, and
cosmetics. Consumers worldwide, especially in Indonesia, are gravitating towards healthier food and health
goods. So the demand for medicinal plants as raw materials increases. To solve this issue, a forecast is required
for the next few years on the increase or decline in production of strategic biopharmaca commodities. Currently,
no reliable time series forecasting study exists for biopharmaca production. To achieve high predicting
accuracy, we present a fuzzy time series forecasting model based on percentage change as a universal set and
mean-based partitioning. Ginger, Lao/Glang, Kencur, and turmeric are predicted to be the most important
rhizomes for biopharmaca research in Indonesia. Secondary statistics from the Central Statistics Agency for
1997–2020 This study's goal was to anticipate and analyze biopharmaca synthesis in four rhizomes. Turmeric
0.03%, Ginger 0.03%, Laos 0.02%, Kencur 0.04%, and Laos 0.02% Thus, competent parties can use the
outcomes of this experiment to help determine future strategic policies.
Keywords: biopharmaca, fuzzy time series, mean-based partitioning, percentage change, prediction
1
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) DOI: 10.25126/jtiik…
Vol. x, No. x, April 2014, hlm. x-x p-ISSN: 2355-7699
Akreditasi KEMENRISTEKDIKTI, No. 30/E/KPT/2018 e-ISSN: 2528-6579
1. PENDAHULUAN untuk melakukan prediksi terkait perkembangan
jumlah produksi tanaman obat di Indonesia?
Pertanian memegang peranan penting dan
Peramalan hasil panen merupakan keputusan
sangat penting bagi perkembangan dan kemajuan
yang mempengaruhi harga, pemasaran, logistik, dan
perekonomian Indonesia, karena pembangunan
bahkan kepuasan konsumen (Logan et al., 2016).
pertanian mengarah pada industri (Dirjen
Peramalan produktivitas masa depan untuk
Hortikultura Kementan, 2021). Hortikultura adalah
membantu dalam analisis dan pengambilan
bagian dari pertanian tanaman yang berfokus pada
keputusan yang mungkin merupakan produk
budidaya tanaman (Doktor Pertanian UMA, 2020).
kompetitif unggulan di berbagai industri. Hasil
Tanaman sayur-sayuran (olerikultura), tanaman hias
peramalan tersebut dapat menjadi acuan stackholder
(florikultura), tanaman buah-buahan (frutikultur),
dalam mengambil kebijakan untuk meningkatkan
dan tanaman obat (biofarmasi) semuanya
produktivitas hortikultura biofarmasi yang lebih baik
diklasifikasikan sebagai tanaman hortikultura
kedepannya.
(Pertanian UMA, 2020). Biofarmaka yang sering
Saat ini belum dijumpai penelitian terkait
dikenal sebagai tanaman obat atau tanaman herbal
penggunaan model peramalan deret waktu fuzzy
merupakan tanaman yang memiliki sifat terapeutik
dengan pendekatan persentase perubahan sebagai
dan berperan dalam pengobatan penyakit, serta
himpunan semesta dan partisi berbasis rerata untuk
kemampuan untuk mencegah wabah penyakit.
menangani prediksi jumlah produksi biofarmaka
Jamu atau obat tradisional memberikan
jenis tanaman rimpang.
kontribusi besar bagi kesehatan manusia, tidak
Algoritma prediksi deret waktu adalah salah
hanya dalam hal pencegahan dan pengobatan
satu metode perkiraan untuk menangani di berbagai
penyakit, tetapi juga dalam hal kebugaran, daya
bidang. Dengan perkiraan yang tepat, manajer bisnis
tarik, dan pemeliharaan stamina. Karena individu
dapat bereaksi dengan cepat terhadap perubahan
merasa bahwa segala sesuatu yang alami lebih aman,
sinyal pasar dan mengubah strategi pengadaan dan
maka terjadilah fenomena perubahan gaya hidup
produksi mereka. Opsi-opsi ini dapat menghasilkan
yang cenderung kembali ke alam (Trop BRC, 2013).
pendapatan yang lebih besar ketika diadopsi lebih
Seiring dengan pertumbuhan penduduk,
awal sebagai tanggapan atas meningkatnya
kesejahteraan masyarakat, dan tingkat pendapatan,
permintaan atau penurunan biaya ketika diterapkan
serta permintaan dan prospek pasar yang semakin
sebagai reaksi terhadap penurunan (Ivanov et al.,
meningkat, pengembangan produk agribisnis
2019).
hortikultura sangat menjanjikan dan prospektif di
Algoritme deret waktu menghadirkan peluang
masa yang akan datang (Dirjen Hortikultura
besar bagi industri hortikultura dan upaya masa
Kementan, 2021).
depan untuk mengembangkan lebih banyak model
Masa depan produksi hortikultura biofarmaka
peramalan yang akurat (Logan et al., 2016).
sangat cerah yang disebabkan semakin
Oleh karena itu dalam penelitian ini diusulkan
berkembangnya industri obat herbal/jamu baik di
model fuzzy time series (FTS), yang memberikan
dalam maupun di luar negeri sebagai akibat dari
tingkat akurasi tinggi. Metode yang diusulkan
mahalnya harga obat modern. Sehingga hal tersebut
menggunakan pendekatan persentase perubahan
dapat meningkatkan permintaan terhadap tanaman
(percentage change) sebagai himpunan semesta
obat. Selain itu, semakin meningkatnya penggunaan
(universe of discourse) dan partisi berbasis rerata
biofarmaka untuk keperluan industri selain obat
(mean-based partitioning). Untuk mengilustrasikan
tradisional dan farmasi, seperti industri makanan,
proses peramalan jumlah produksi biofarmaka yang
minuman, dan kosmetika yang dapat meningkatkan
berfokus pada empat jenis rimpang yaitu Jahe,
permintaan biofarmaka sebagai bahan baku (Salim
Laos/lengkuas, Kencur, dan Kunyit yang menjadi
and Munadi, 2017).
prioritas pengembangan tanaman obat di Indonesia
Tren masyarakat konsumen dunia yang
khususnya di Jawa Tengah.
menuntut pangan dan produk kesehatan yang aman
Tujuan eksperimen ini adalah untuk
dengan slogan ‖back to nature‖ dan meninggalkan
memprediksi dan menganalisis, mengantisipasi dan
rokok, juga menunjukkan pertumbuhan pesat,
mengkaji perkembangan jumlah produksi
termasuk di Indonesia sendiri (Litbang Pertanian,
biofarmaka untuk empat jenis rimpang di Jawa
2007).
Tengah dengan menerapkan model fuzzy time series
Hal tersebut menjadi masalah klasik yang perlu
yang mengintegrasi persentase perubahan sebagai
mendapat solusi bagi pihak berkompeten untuk
himpunan semesta dan partisi berbasis rerata dalam
mengetahui besarnya peningkatan atau penurunan
aplikasi komputasi peramalan.
jumlah produksi komoditas strategis biofarmaka
Dengan demikian hasil penelitian ini dapat
beberapa tahun kedepan.
berkontribusi dan bermanfaat bagi pihak yang
Berdasarkan permasalahan di atas kami sangat
berkepentingan untuk mengetahui lebih dini terkait
tertarik untuk melakukan prediksi dalam riset ini.
perkembangan jumlah produksi komoditas strategis
Sebagai rumusan masalah, maka bagaimana cara
biofarmaka beberapa tahun kedepan.
2
Solikhin, Prediksi Produksi Biofarmaka Menggunakan Model … 3
(1)
2. METODE PENELITIAN
Tahapan yang dilakukan dalam penelitian ini
antara lain; pengumpulan data (data collection), data
pra pemrosesan (preprocessing data), menerapkan
model prediksi (applying the prediction model), dan
uji keakuratan (accuracy testing), seperti ditunjukan
pada Gambar 1.
(2)
ditunjukkan pada hasil uji kesalahan yang sangat LOGAN, T.M., MCLEOD, S. and GUIKEMA, S.,
kecil yaitu Jahe 0,03%, Laos 0,02%, Kencur 0,14%, 2016. Predictive models in horticulture: A
dan Kunyit 0,03%. case study with Royal Gala apples. Scientia
Dengan demikian, berdasarkan informasi dari Horticulturae, 209, pp.201-213.
hasil eksperimen yang diberikan, pihak yang IVANOV, D., TSIPOULANIDIS, A. and
berkompeten dapat menggunakan hasil prediksi SCHÖNBERGER, J., 2019. Digital supply
sebagai pendukung keputusan untuk menetapkan chain, smart operations and industry 4.0.
kebijakan ke depan dalam merencanakan, In Global Supply Chain and Operations
mengelola, dan mengembangkan produksi tanaman Management (pp. 481-526). Springer,
obat (biofarmaka) di Indonesia, khususnya untuk Cham.
empat jenis rimpang seperti Jahe, Laos/Lengkuas,
SONG, Q. and CHISSOM, B.S., 1993. Forecasting
Kencur, dan Kunyit di Jawa Tengah.
enrollments with fuzzy time series—Part
Kedepannya, diharapkan peneliti lain dapat
I. Fuzzy sets and systems, 54(1), pp.1-9.
menggunakan dan lebih menyempurnakan model
prediksi ini, sehingga dapat diterapkan pada prediksi JIANG, P., YANG, H., LI, R. and LI, C., 2020.
yang tidak terbatas pada masalah produksi, Inbound tourism demand forecasting
melainkan dapat diterapkan pada situasi lain yang framework based on fuzzy time series and
lebih luas dan lebih rumit tentunya. advanced optimization algorithm. Applied
Soft Computing, 92, p.106320.
DAFTAR PUSTAKA SUN, S., WEI, Y., TSUI, K.L. and WANG, S.,
2019. Forecasting tourist arrivals with
Direktorat Jenderal Hortikultura Kementerian
machine learning and internet search
Pertanian (Dirjen Hortikultura Kementan),
index. Tourism Management, 70, pp.1-10.
2021. Sejarah. [online] Tersedia
di:<https://hortikultura.pertanian.go.id/?pag YOLCU, O.C. and ALPASLAN, F., 2018.
e_id=5905> [Diakses 18 Februari 2022] Prediction of TAIEX based on hybrid fuzzy
time series model with single optimization
Program Studi Doktor Ilmu Pertanian Universitas
process. Applied Soft Computing, 66,
Medan Area (Doktor Pertanian UMA),
pp.18-33.
2020. Pertanian Hortikultura Dunia.
[online] Tersedia E SILVA, P.C.D.L., JUNIOR, C.A.S., ALVES,
di:<https://doktor.pertanian.uma.ac.id/2020 M.A., SILVA, R., COHEN, M.W. and
/09/07/pertanian-hortikultura-dunia/> GUIMARÃES, F.G., 2020. Forecasting in
[Diakses 18 Februari 2022] non-stationary environments with fuzzy
time series. Applied Soft Computing, 97,
Fakultas Ilmu Pertanian Universitas Medan Area
p.106825.
(Pertanian UMA), 2020. Tanaman
Hortikultura. [online] Tersedia SOLIKHIN, S., LUTFI, S., PURNOMO, P. and
di:<https://pertanian.uma.ac.id/tanaman- HARDIWINOTO, H., 2021. Prediction of
hortikultura/> [Diakses 19 Februari 2022] passenger train using fuzzy time series and
percentage change methods. Bulletin of
Trop BRC (Tropical Biopharmaca Research Center),
Electrical Engineering and
2013. Quality of Herbal Medicine Plants
Informatics, 10(6), pp.3007-3018.
and Traditional Medicine. [online] Tersedia
di:<http://biofarmaka.ipb.ac.id/brc- SOLIKHIN, S. and YUDATAMA, U., 2019. Fuzzy
news/brc-article/587-quality-of-herbal- Time Series dan Algoritme Average Based
medicine-plants-and-traditional-medicine- Length untuk Prediksi Pekerja Migran
2013> [Diakses 19 Februari 2022] Indonesia. Jurnal Teknologi Informasi dan
Ilmu Komputer, 6(4), pp.369-376.
SALIM, Z. and MUNADI, E., 2017. Info Komoditi
Tanaman Obat. Badan Pengkajian dan CHENG, C.H., CHENG, G.W. and WANG, J.W.,
Pengembangan Perdagangan Kementerian 2008. Multi-attribute fuzzy time series
Perdagangan Republik Indonesia. method based on fuzzy clustering. Expert
systems with applications, 34(2), pp.1235-
Badan Penelitian dan Pengembangan Pertanian
1242.
(Litbang Pertanian) Departemen Pertanian,
2007. Prospek dan Arah Pengembangan SINGH, S.R., 2009. A computational method of
Agribisnis Tanaman Obat. Edisi Kedua. forecasting based on high-order fuzzy time
Jakarta Barat, Pusat Penelitian dan series. Expert Systems with
Pengembangan Perkebunan. [online] Applications, 36(7), pp.10551-10559.
Tersedia RUBIO, A., BERMÚDEZ, J.D. and VERCHER, E.,
di:<https://www.litbang.pertanian.go.id/spe 2017. Improving stock index forecasts by
cial/publikasi/doc_perkebunan/tanamanoba using a new weighted fuzzy-trend time
t/tan-obat-bagian-a.pdf> [Diakses 19 series method. Expert Systems with
Februari 2022] Applications, 76, pp.12-20.
10 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. x, No. x, April 2014, hlm. x-y
SINGH, P., 2017. An efficient method for SAXENA, P., SHARMA, K. and EASO, S., 2012.
forecasting using fuzzy time series. Forecasting enrollments based on fuzzy
In Emerging research on applied fuzzy sets time series with higher forecast accuracy
and intuitionistic fuzzy matrices (pp. 287- rate. Int. J. Computer Technology&
304). IGI Global. Applications, 3(3), pp.957-961.
CHEN, S.M. and PHUONG, B.D.H., 2017. Fuzzy STEVENSON, M. and PORTER, J.E., 1972. Fuzzy
time series forecasting based on optimal time series forecasting using percentage
partitions of intervals and optimal change as the universe of
weighting vectors. Knowledge-Based discourse. Change, 1971(3.89), pp.464-467.
Systems, 118, pp.204-216. NUGROHO, N.A. and PURQON, A., 2015,
DEL CAMPO, R.G., GARMENDIA, L., December. Analisis 9 Saham Sektor
RECASENS, J. and MONTERO, J., 2017, Industri di Indonesia Menggunakan Metode
July. Hesitant fuzzy sets and relations using SVR. In Prosiding SKF. Seminar
lists. In 2017 IEEE International Kontribusi Fisika, Bandung,(2015, Dec.
Conference on Fuzzy Systems (FUZZ- 16-17) (pp. 295-300).
IEEE) (pp. 1-6). IEEE. CHANG, P.C., WANG, Y.W. and LIU, C.H., 2007.
CHENG, S.H., CHEN, S.M. and JIAN, W.S., 2015, The development of a weighted evolving
October. A novel fuzzy time series fuzzy neural network for PCB sales
forecasting method based on fuzzy logical forecasting. Expert Systems with
relationships and similarity measures. Applications, 32(1), pp.86-96.
In 2015 IEEE International Conference on
Systems, Man, and Cybernetics (pp. 2250-
2254). IEEE.
CHENG, S.H., CHEN, S.M. and JIAN, W.S., 2016.
Fuzzy time series forecasting based on
fuzzy logical relationships and similarity
measures. Information Sciences, 327,
pp.272-287.
CHEN, S.M. and CHEN, S.W., 2014. Fuzzy
forecasting based on two-factors second-
order fuzzy-trend logical relationship
groups and the probabilities of trends of
fuzzy logical relationships. IEEE
Transactions on Cybernetics, 45(3),
pp.391-403.
GARG, B., BEG, M.S. and ANSARI, A.Q., 2012,
August. A new computational fuzzy time
series model to forecast number of
outpatient visits. In 2012 Annual Meeting of
the North American Fuzzy Information
Processing Society (NAFIPS) (pp. 1-6).
IEEE.
CHEN, S.M. and HSU, C.C., 2004. A new method
to forecast enrollments using fuzzy time
series. International Journal of Applied
Science and Engineering, 2(3), pp.234-244.
JILANI, T.A., BURNEY, S.M.A. and ARDIL, C.,
2007. Fuzzy metric approach for fuzzy time
series forecasting based on frequency
density based partitioning. International
Journal of Computer and Information
Engineering, 4(7), pp.1194-1199.
Badan Pusat Statistik (BPS), 2022. Produksi
Tanaman Biofarmaka (Obat). [online]
Tersedia
di:<https://www.bps.go.id/indicator/55/63/1
/produksi-tanaman-biofarmaka-obat-.html>
[Diakses 18 Februari 2022]