Interpolasi dan Prediksi Data Radiasi Matahari untuk Kesesuaian Lahan Bawang Putih

Abstract

Bawang putih merupakan salah satu komoditas hortikultura yang strategis dan bernilai ekonomi tinggi di Indonesia, namun produksi dalam negeri masih belum mampu memenuhi permintaan pasar yang terus meningkat. Salah satu upaya yang dilakukan pemerintah untuk mengurangi impor adalah dengan mengembangkan dan memantapkan areal lahan untuk budidaya bawang putih di terutama daerah prioritas produksi bawang putih di Kabupaten Magelang, Jawa Tengah. Beberapa penelitian telah dilakukan untuk menentukan kesesuaian lahan untuk tanaman bawang putih, namun belum mempertimbangkan data radiasi matahari sebagai faktor terpenting dalam pertumbuhan tanaman. Tingkat intensitas matahari yang optimal bervariasi tergantung pada fase pertumbuhan bawang putih. Algoritma long short term memory dapat diterapkan pada data intensitas matahari untuk prediksi berdasarkan fase pertumbuhan bawang putih. Oleh karena itu, penelitian ini bertujuan untuk membuat model interpolasi geostatistik IDW dan Kriging serta model prediksi data intensitas matahari menggunakan metode machine learning, yaitu LSTM pada area studi di Kabupaten Magelang. Data yang dipakai pada penelitian ini data intensitas matahari dapat diolah dengan metode interpolasi spasial seperti IDW (Inverse Distance Weighting) dan Kriging. Hasil interpolasi menggunakan IDW menunjukkan bahwa nilai parameter power 5 menghasilkan nilai interpolasi dengan akurasi yang lebih baik dibandingkan nilai power yang lain untuk setiap bulannya kecuali bulan Agustus. Berbeda untuk model Kriging yang menunjukkan hasil yang lebih variatif dengan parameter variogram untuk setiap bulannya. Hasil interpolasi dari kedua metode tersebut menunjukkan bahwa Kecamatan-Kecamatan di sisi timur Kabupaten Magelang merupakan daerah yang cocok untuk penanaman bawang putih seperti Grabag, Ngablak, Pakis dan daerah-daerah di sisi timur yang paling banyak berada di kelas tidak sesuai seperti Salaman, Borobudur. Hal yang sama juga terjadi pada hasil interpolasi IDW. Hasil interpolasi Kriging pada sisi timur merupakan Kecamatan yang sesuai dengan rentang nilai radiasi matahari tertinggi yaitu 245 W/m². Implementasi algoritma LSTM menghasilkan model prediksi data radiasi matahari dengan parameter dengan epoch 1000, batch size 6, drop out 2.0 dengan Adam's optimizer. RMSE dari model prediksi setelah dilakukan hyperparameter tuning adalah sebesar 0,0853. Dari hasil hyperparameter tuning, data radiasi matahari hasil prediksi sudah cukup baik untuk mengikuti pola data aktual dengan nilai RMSE 0,1020 MSE 0,0104 MSE 0,0760 dengan korelasi 0,740 namun belum signifikan untuk mengikuti pola yang cukup ekstrim dari data aktual. Hasil prediksi yang baik mengenai radiasi matahari dapat memberikan informasi yang berharga dalam mengevaluasi fase pertumbuhan bawang putih.