Please use this identifier to cite or link to this item:
http://repository.ipb.ac.id/handle/123456789/100226Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Afendi, Farit Mochamad | - |
| dc.contributor.advisor | Soleh, Agus M | - |
| dc.contributor.author | Purnama, Yohanes | - |
| dc.date.accessioned | 2019-12-20T05:30:06Z | - |
| dc.date.available | 2019-12-20T05:30:06Z | - |
| dc.date.issued | 2019 | - |
| dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/100226 | - |
| dc.description.abstract | Hortikultura merupakan salah satu sektor strategis dalam bidang pertanian. Subsektor hortikultura berperan penting dalam penyediaan produk pangan, kesehatan dan kosmetika, budaya dan parawisata, perdagangan, penciptaan PDB serta penyerapan tenaga kerja. Dalam penciptaan PDB misalnya, subsektor hortikultura menyumbang sebesar 26.34% dari total sumbangan PDB sektor pertanian terhadap PDB nasional. Salah satu kebijakan pengembangan hortikultura di Indonesia adalah pengembangan sistem informasi manajemen hortikultura. Perhatian utama dari kebijakan tersebut adalah untuk memperoleh data yang akurat dan mutakhir dalam waktu yang singkat. Hal tersebut dilakukan melalui penyempurnaan metode pengumpulan, pengolahan serta peningkatan data dan informasi, dan sinkronisasi data statistik hortikultura (Zulkarnain 2009). Data dan informasi tersebut diperlukan baik dalam proses pengambilan kebijakan, menyampaikan informasi, maupun dalam mengevaluasi kinerja. Pada proses pengumpulan data hortikultura di lapangan, petugas seringkali mengalami kendala terutama untuk komoditas yang melakukan panen berulang seperti cabai. Dalam satu periode tanam, cabai dapat dipanen 15‐17 kali jika musim dan perawatannya baik. Namun, umumnya sebanyak 10‐12 kali panen. Metode yang digunakan untuk pengumpulan data cabai adalah melakukan pengukuran produksi yang dilakukan oleh petugas setiap kali panen. Para petugas di lapangan diharuskan untuk melakukan pengukuran secara berkala selama periode panen. Hal demikian tentu sangat menguras waktu, tenaga dan dana yang tidak sedikit. Selain itu, letak plot contoh yang seringkali jauh dan sulit dijangkau juga menjadi kendala dalam proses pengukuran di lapangan. Berangkat dari kondisi itu, muncul gagasan untuk menyederhanakan teknik pengumpulan data di lapangan dengan mengurangi frekuensi amatan dalam periode panen. Evaluasi pengurangan frekuensi amatan panen dilakukan dengan pendekatan simulasi. Tujuan yang ingin dicapai dalam penelitian ini adalah menentukan model terbaik yang menggambarkan pola produktivitas cabai rawit di Kabupaten Magelang dan mengevaluasi pengurangan frekuensi amatan panen dalam pendugaan produktivitas secara keseluruhan. Penelitian ini menggunakan 2 jenis data yaitu data primer dan data simulasi. Data primer diperoleh dari hasil survei produksi cabai rawit oleh Dirjen Hortikultura pada beberapa plot contoh di Kabupaten Magelang, Provinsi Jawa Tengah tahun 2018. Data simulasi diperoleh dengan membangkitkan data produktivitas berdasarkan parameter-parameter dari data primer. Peubah yang dibangkitkan adalah produktivitas cabai setiap petani per panen. Prosedur analisis data yang dilakukan pada penelitian ini dibagi menjadi 3 tahap yaitu eksplorasi data, identifikasi model dan simulasi. Eksplorasi data dilakukan untuk memperoleh gambaran data secara umum. Bagian akhir dari tahap ini adalah mengelompokan nilai-nilai produktivitas masing-masing plot contoh berdasarkan kemiripan pola produktivitasnya. Selanjutnya adalah melakukan identifikasi model. Model yang dicobakan antara lain, Model Pertumbuhan Logistik, Model Pertumbuhan Eksponensial, Model Pertumbuhan Monomolekular, Model Kuadratik, Model Kubik, dan Model B-Spline Linier. Pemilihan model terbaik dilakukan berdasarkan nilai 𝑅������2 dan MAPE. Tahap berikutnya simulasi. Dalam proses simulasi dimulai dengan membangkitkan data produktivitas populasi melalui model yang sudah diperoleh pada tahap sebelumnya. Selain model tersebut, parameter lain seperti ragam produktivitas, proporsi jumlah petani contoh dalam kelompok terhadap total petani dan jumlah waktu panen setiap kelompok juga digunakan dalam pembangkitan data produktivitas. Langkah terakhir dari proses simulasi adalah dengan pendugaan produktivitas melibatkan beberapa faktor seperti ukuran contoh (15, 45 dan 90), banyak amatan panen (1, 2 atau 3 kali) dan metode penarikan contoh (Penarikan contoh acak sederhana dan penarikan contoh acak berlapis). Evaluasi hasil pendugaan dilihat dari nilai ragam dan biasnya. Hasil analisis menunjukkan bahwa pola produktivitas cabai rawit di Kabupaten Magelang memiliki 8 karakteristik yang berbeda. Karakteristik masingmasing kelompok tergambar dari kemiripan pola produktivitasnya. Model terbaik yang menggambarkan pola produktivitas pada setiap kelompok adalah Model BSpline Linier. Kedelapan karakteristik model ditentukan berdasarkan performa nilai 𝑅������2 dan MAPE yang diperoleh. Pendugaan produktivitas menggunakan dua titik dengan metode penarikan contoh acak berlapis dan ukuran contoh 90 petani menghasilkan ragam dan bias yang paling kecil. Titik amatan panen terbaik adalah dua titik pada pertengahan panen. | id |
| dc.language.iso | id | id |
| dc.publisher | IPB University | id |
| dc.subject.ddc | Applied Statistics | id |
| dc.subject.ddc | Estimating | id |
| dc.subject.ddc | 2018 | id |
| dc.subject.ddc | Magelang, Jawa Tengah | id |
| dc.title | Reduksi Frekuensi Amatan Panen Untuk Pendugaan Produktivitas Cabai Rawit di Kabupaten Magelang dengan Pendekatan Simulasi. | id |
| dc.type | Thesis | id |
| dc.subject.keyword | B-Spline | id |
| dc.subject.keyword | penarikan contoh acak berlapis | id |
| dc.subject.keyword | produktivitas | id |
| dc.subject.keyword | simulasi | id |
| Appears in Collections: | MT - Mathematics and Natural Science | |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| 2019ypu.pdf Restricted Access | 14.87 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.