| dc.description.abstract | Tikus sawah (Rattus argentiventer) merupakan salah satu organime
pengganggu tumbuhan utama yang dikategorikan oleh Direktorat Jenderal
Tanaman Pangan Kementerian Pertanian. Sebagai pulau dengan jumlah spesies
tikus yang banyak, pertanian di pulau Sulawesi menjadi rentan terhadap serangan
tikus sawah. Khusus di Sulawesi terdapat lebih dari 51 spesies dari famili
Muridae. Dengan kondisi tersebut, perlu dilakukan tindakan pencegahan guna
menekan serangan tikus sawah, salah satunya dengan melakukan peramalan.
Peramalan diharapkan dapat memberikan gambaran mengenai fenomena serangan
hama pada tanaman padi sehingga keputusan dapat dibuat lebih efektif dan efisien.
Data yang digunakan untuk membuat model peramalan serangan tikus
sawah di pulau Sulawesi adalah jenis data space time. Model data space-time
adalah suatu jenis model yang menggabungkan unsur dependensi waktu dan
lokasi pada suatu data deret waktu. Salah satu model data space time yang sering
digunakan adalah model Space Time ARIMA (STARIMA). Namun dalam
kenyataannya, membangun model peramalan tidak hanya melibatkan data respon
saja, tetapi juga data penjelas yang mampu menunjang hasil peramalan. Salah satu
model yang dapat digunakan untuk mengakomodasi kondisi tersebut adalah
model Space Time Transfer Function (STTF). Model STTF merupakan
pengembangan dari model fungsi transfer yang menambahkan matriks pembobot
spasial pada modelnya. Matriks pembobot spasial yang digunakan dalam model
adalah matriks pembobot ketetanggaan dan kebalikan jarak. Orde spasial yang
digunakan dalam membangun model STARIMA dan STTF adalah orde satu.
Penelitian ini bertujuan untuk meramalkan proporsi serangan tikus sawah pada
padi di Sulawesi menggunakan STARIMA dan STTF serta memilih model terbaik
diantara keduanya.
Data yang digunakan dalam penelitian ini adalah proporsi serangan tikus
sawah pada padi di 6 provinsi di pulau Sulawesi. Peubah penjelas yang digunakan
adalah luas lahan tanam padi. Periode data yang digunakan adalah dari Januari
2010 hingga Desember 2016. Data dibagi menjadi data pemodelan (training data)
yakni data dari periode Januari 2010 sampai Desember 2015 dan data uji (testing
data) yakni periode Januari 2016 hingga Desember 2016.
Proses pembentukan model STARIMA dan STTF diawali dengan uji
stasioneritas untuk data proporsi serangan tikus sawah dan luas lahan tanam padi.
Uji kebergantungan spasial menjadi tahapan selanjutnya yang harus terpenuhi
dalam pemodelan STARIMA dan STTF. Penentuan model STARIMA didasarkan
pada skema plot matrix autocorrelation function (MACF) dan matrix partial
autocorrelation function (MPACF). Berdasarkan skema plot MACF dan MPACF,
struktur yang membangun data proporsi serangan tikus sawah di Sulawesi adalah
STAR (1;1). Pembentukan model STTF diawali dengan membangun model fungsi
transfer dsri tiap provinsi. Proses ini bertujuan untuk memperoleh orde optimal
dari model fungsi transfer yakni orde b, s, dan r yang dapat digunakan dalam
membangun model STTF. Kriteria orde optimal yang dipilih adalah orde b
minimum, orde s, r maksimum dari keseluruhan provinsi. Berdasarkan kriteria
tersebut, maka orde yang terpilih untuk digunakan dalam model STTF adalah orde
(0,3,1). Tahap selanjutnya yang dilakukan membentuk model sisaan STTF.
Berdasarkan nilai AICC, model sisaan untuk STTF dengan pembobot
ketetanggaan adalah STAR (1;1) dan model sisaan untuk STTF dengan pembobot
kebalikan jarak adalah STAR (2;1) .
Hasil peramalan menunjukkan bahwa model STTF mampu memprediksi
nilai aktual lebih baik dibandingkan dengan model STARIMA. Hal ini ditunjukkan
dengan nilai RMSE model STTF yang lebih kecil dibandingkan dengan model
STARIMA. Hal ini dapat terlihat pada plot nilai prediksi yang cenderung
mengikuti milai aktualnya. Selain itu, hasil perhitungan korelasi antara nilai aktual
dan nilai prediksi dari model STTF juga menunjukkan korelasi yang paling kuat
jika dibandingkan dengan model STAR yakni sebesar 0.53, semetara model STAR
sebesar 0,21.
Kata kunci: matriks pembobot spasial, space time ARIMA, space time transfer
function, tikus sawah. | id |
