Forecasting
Forecasting
Oleh :
Fatikhul Karim (NPM. 22063020014)
Yeni Trias Kurniawati (NPM. 22063020004)
Pendahuluan
Sebagian besar model perkiraan hama memperhitungkan fenologi herbivora dan inangnya.
Data kejadian hama hampir real-time digabungkan dengan penginderaan jauh dan alat GIS
(Geographic Information System) memfasilitasi peringatan dini akan munculnya hama dalam
perspektif temporal dan spasial.
Pengumpulan dan analisis data cuaca dari area yang terkena hama merupakan input penting untuk
model. Aplikasi praktis dari keluaran model dibantu oleh sistem pendukung keputusan berupa
pemrograman komputer
KUALITATIF KUANTITATIF
M ETODE METODE
N O N FORMAL
FORMAL
Model Intuisi,
Peramala Profesion
al
Syarat untuk Peramalan
Kuantitatif:
Model Matematika
Model Machine Learning
Data yang Diperlukan untuk Menyusun Model Peramalan
Pengendali Hayati
Predator
Parasitoid
Mikroorganisme
Iklim Tanaman
Curah hujan • Fenologi
Temperatur M od el tanaman
Kelembaban Peramalan • Pertumbu
Arah & Hama han
kecepatan angin • Luas daun
dll • Varietas
Kepadatan populasi
hama
Skema Penyusunan Model Peramalan OPT
Linier Y = a + bX Y : peub ah
terpengaruh
(kepadatan populasi
hama/intensitas
serangan patogen)
Kuadratik Y = a + bX + cX2 X : peub ah yang
mempengaruhi Y
(kond isi iklim,
tanaman, d ll)
Kubik Y = a + bX + cX2 +
dX 3
Eksponensial Y = aebX
Logaritmik Y = a + b logX
Logistik K
Y
1 ae bX
PENYUSUNAN MODEL MATEMATIKA
Menggunakan Analisis Statistika
Analisis Regresi dan Korelasi Linier
Analisis Regresi
Non Linier
Kriteria Penentuan Model
Terbaik
1. Nilai-P (significant level) pada tabel Anova < taraf nyata uji ()
Nilai yang biasa digunakan adalah 5% atau 0.05 (nyata) dan 1% atau 0.01
(sangat nyata)
ANOVA
df SS MS F Significance F
Regression 1 131932.5 131932.5 74.757 2.48607E- < 0.01
5 05
Residual 8 14118.44 1764.806
Total 9 146050.9