IMPLEMENTASI MODEL GREY PREDICTION UNTUK PRAKIRAAN HASIL PERTANIAN DENGAN MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS

Abstract

Meningkatnya kebutuhan tanaman pangan menunculkan beberapa permasalahan yang berkaitan dengan pemanfaatan lahan. Permasalahan pemanfaatan lahan disebabkan kurangnya informasi yang berhubungan dengan produktifitas dan kelayakan penggunaan lahan. Pemanfaatan SIG dalam pengembangan sistem pendukung spasial sangat cocok untuk ketepatan informasi lokasi pertanian. Tujuan dari penelitian ini adalah mengimplementasikan model Grey prediction atau GM(1,1) untuk prakiraan hasil produksi pertanian dengan memanfaatkan SIG untuk menampilkan hasil prakiraan. GM(1,1) digunakan untuk membangun sebuah model dengan sampel data terbatas dan menghasilkan prakiraan yang baik untuk prakiraan jangak pendek. Penelitian ini menggunakan data produksi pertanian tanaman pangan dari tahun 2004-2013 untuk dapat dilakukan perhitungan dengan menggunakan model GM(1,1). Hasil penelitian menunjukkan model GM(1,1) dapat menghasilkan prakiraan yang sangat akurat, dari hasil percobaan untuk pola tren menghasilkan nilai ARPE 5,74% atau keakuratan prakiraan mencapai 94,26% pada produksi tanaman. Kata Kunci: Grey Prediction, Prakiraan, Hasil Pertanian, Sistem Informasi geografis The increasing need for food crops raised several issues relating to land use. Problems of land use caused by the lack of information related to productivity and eligibility use of land. Utilization of GIS in the development of spatial support system is suitable for precision farming location information. The goal of this research is to implement a model or Grey prediction GM(1,1) to forecast agricultural production by utilizing GIS to display the results forecast. GM(1,1) is used to build a model with limited data samples and generate good forecasts for short libertine forecasts. This research uses data from the production of food crops for the years 2004-2013 can be calculated by using the model of GM (1,1). The results showed the model GM (1,1) can produce highly accurate forecasts, from the experimental results for pattern trends generate value ARPE 5.74% or accuracy of forecasts reached 94.26% in crop production. Keywords : Grey Prediction, Forecasts, Agricultural Products, Geographical Information System