Pengembangan Model Deret Waktu dengan Analisis Gerombol (Studi Kasus: Organisme Pengganggu Tumbuhan (OPT) Utama Tanaman Pangan di Indonesia

Abstract

Pemodelan data deret waktu dengan objek pengamatan cukup banyak dapat dilakukan salah satunya dengan memodelkan setiap objek pengamatan secara satu persatu. Akan tetapi, semakin banyak objek yang digunakan menyebabkan proses pemodelan secara satu persatu menjadi tidak efisien. Proses pemodelan dapat menjadi lebih efisien dengan melakukan penataan objek pengamatan yang cukup banyak kedalam bentuk gerombol-gerombol objek pengamatan. Penggerombolan objek pengamatan dapat diterima apabila presisi nilai prediksi dan ramalan yang diperoleh sama baiknya dengan pemodelan yang dilakukan secara satu persatu. Tujuan penelitian ini adalah (1) Melakukan pemodelan dan peramalan proporsi luas serangan Organisme Pengganggu Tumbuhan (OPT) utama tanaman pangan di Indonesia; (2) Melakukan analisis gerombol proporsi luas serangan OPT utama tanaman pangan di Indonesia dan kemudian melakukan pemodelan dan peramalan pada masing-masing gerombol; dan (3) Mengkaji evaluasi hasil prediksi dan ramalan pemodelan proporsi luas serangan OPT utama tanaman pangan di Indonesia yang dilakukan secara satu persatu dan dengan penggerombolan. Pemodelan dilakukan menggunakan time series regression model. Metode penggerombolan menggunakan agglomerative hierarchical clustering dengan jarak euclidian, autocorrelation dan piccolo. Pemodelan dan peramalan setelah penggerombolan dilakukan menggunakan prototype median pada masing-masing gerombol. Hasil pemodelan dan peramalan pada proporsi luas serangan OPT utama tanaman pangan yang diperoleh dapat digunakan sebagai indikator kedatangan populasi OPT utama dan/atau menjelaskan besaran nilai proporsi luas serangan OPT utama tanaman pangan yang sebenarnya. Penggerombolan berdasarkan kesamaan pola serangan menunjukkan bahwa proporsi luas serangan OPT utama tanaman pangan dapat dibagi kedalam empat gerombol yaitu (1) pola data serangan mengikuti pola musiman; (2) pola musiman dan memiliki pencilan; (3) pola pada tahun 2010-2011 lebih kecil dari pada tahun-tahun lainnya; dan (4) pola pada tahun 2010-2011 lebih kecil dari pada tahun-tahun lainnya akan tetapi mengandung pencilan. Pemodelan dan peramalan proporsi luas serangan OPT utama tanaman pangan dengan penggerombolan akan memberikan efisiensi dalam proses pemodelan karena hasil ramalan yang diperoleh sama baiknya dengan apabila pemodelan dilakukan secara satu per satu. Akan tetapi, prediksi terhadap proporsi luas serangan tidak lebih baik sehingga memungkinkan hasil prediksi yang diperoleh hanya berperan sebagai indikator kedatangan populasi OPT utama tanaman pangan.