| dc.description.abstract | Tanaman hias Aglaonema memiliki keunggulan estetika dan nilai ekonomi
tinggi. Namun, secara nasional kontribusi produksinya masih relatif kecil, hanya
sekitar 3,3% dibandingkan rata-rata produksi tanaman hias lainnya. Hal ini
mengindikasikan kapasitas produksi dan daya saing agribisnis Aglaonema belum
optimal. Pada tingkat petani, menghadapi berbagai kendala, seperti: fluktuasi harga,
keterbatasan informasi, lemahnya koordinasi pelak, keterbatasan varietas,
pengetahuan lokal dan data historis yang belum terkelola secara sistematis sebagai
dasar pengambilan keputusan.
Menjawab persoalan tersebut, penelitian ini bertujuan merumuskan dan
mengembangkan model Knowledge Management (KM) dan memprediksi harga
berbasis Long Short-Term Memory (LSTM) dalam Supply Chain (SC) agribisnis
Aglaonema. Dengan menggunakan mixed methods, pengumpulan data kualitatif
dilakukan melalui wawancara, FGD, dan observasi, sedangkan data kuantitatif
berupa dataset harga diperoleh dari aktor supply chain. Metode pengembangan
sistem menggunakan Rapid Application Development (RAD).
Penelitian ini secara umum berhasil merumuskan dan mengembangkan
model Knowledge Management (KM) dan prediksi harga berbasis Long Short Term
Memory (LSTM) dalam supply chain agribisnis Aglaonema. Secara lebih khusus
hasil penelitian menunjukkan bahwa akar permasalahan petani Aglaonema tidak
hanya terletak pada aspek teknis budidaya dan pembibitan, tetapi juga pada
lemahnya pengelolaan pengetahuan dan koordinasi informasi dalam rantai pasok.
Model KM yang diadaptasi dari siklus Meyer dan Zack mampu menstrukturkan
aliran pengetahuan antaraktor, sehingga informasi budidaya, stok, dan pasar
menjadi lebih terdokumentasi dan mudah diakses. Sementara itu, model LSTM
menunjukkan kemampuan prediksi tren harga yang sangat baik dengan R² = 0,97;
MSE = 0,00; RMSE = 0,03; MAE = 0,02; dan MAPE = 2,31. Integrasi KM dan
LSTM dalam penelitian ini diwujudkan dalam prototype sistem KM–LSTM yang
secara konseptual dan fungsional menjawab isu fluktuasi harga dan dinamika
permintaan.
Penelitian ini menghasilkan empat kebaruan sebagai berikut: (1) model KM
yang spesifik untuk Supply Chain tanaman hias Aglaonema; (2) integrasi model
Meyer and Zack Cycle dalam Supply Chain agribisnis Aglaonema sebagai inovasi
model manajemen pengetahuan yang aplikatif; (3) mengembangkan model prediksi
harga Aglaonema berbasis LSTM, yang merupakan kontribusi baru dalam literatur
agribisnis tanaman hias; dan (4) menghasilkan prototype model integratif KM–
LSTM untuk mendukung keberlanjutan dan daya saing agribisnis Aglaonema.
Penelitian ini juga berkontribusi pada pengayaan literatur integrasi KM dan
machine learning dalam agribisnis, sekaligus menawarkan solusi praktis untuk
meningkatkan daya saing dan ketahanan Agribisnis petani Aglaonema.
Kata kunci: knowledge management, long sort term memory, petani, prediksi
harga, supply chain | |
