Perancangan model penyediaan tepung jagung pada rantai pasok industri jagung dilakukan dengan mengidentifikasi sistem untuk melihat keterkaitan dan pengaruh komponen-koponen yang berada dalam sistem. Adapun hasil identifikasi sistem dapat dilihat pada Gambar 19.
Input tak terkendali
- harga bahan baku dan produk - permintaan konsumen
- persaingan usaha
Input tak terkendali
- harga bahan baku dan produk - permintaan konsumen
- persaingan usaha
Input terkendali
- teknologi pasca panen - teknologi produksi - jenis dan kualitas bahan baku
- sistem kemitraan
Input terkendali
- teknologi pasca panen - teknologi produksi - jenis dan kualitas bahan baku
- sistem kemitraan SISTEM PENYEDIAAN TEPUNG JAGUNG SISTEM PENYEDIAAN TEPUNG JAGUNG
Output yang dikehendaki
- kemudahan memperoleh bahan baku - kontinuitas pasokan bahan baku
- kontinuitas penyediaan produk - penyediaan produk yang aman
Output yang dikehendaki
- kemudahan memperoleh bahan baku - kontinuitas pasokan bahan baku
- kontinuitas penyediaan produk - penyediaan produk yang aman
Output tak dikehendaki
- kesalahan prediksi produksi bahan baku - pasokan bahan baku yang tak pasti
- kualitas bahan baku rendah - harga yang berfluktuasi
Output tak dikehendaki
- kesalahan prediksi produksi bahan baku - pasokan bahan baku yang tak pasti
- kualitas bahan baku rendah - harga yang berfluktuasi Manajemen Pengendalian Manajemen Pengendalian Lingkungan - peraturan pemerintah - perubahan iklim -kondisi politik Lingkungan - peraturan pemerintah - perubahan iklim -kondisi politik
Gambar 19 Diagram input-output sistem analisis penyediaan tepung jagung. Hasil identifikasi sistem adalah sebagai berikut:
- Output yang dikehendaki dalam sistem adalah kemudahan memperoleh bahan baku, kontinuitas pasokan bahan baku, kontinuitas penyediaan jumlah produk, dan penyediaan produk tepung jagung yang aman.
- Output yang tak dikehendaki adalah pasokan bahan baku yang tak pasti, mutu bahan baku yang rendah, harga bahan baku dan harga produk yang berfluktuasi.
- Input yang terkendali meliputi teknologi pasca panen, teknologi produksi, penanganan jenis dan mutu bahan baku, serta sistem kemitraan dalam rantai pasok.
- Input yang tak terkendali harga bahan baku dan produk, permintaan konsumen, dan persaingan usaha..
- Pengaruh lingkungan dalam sistem rantai pasok ini adalah peraturan pemerintah, perubahan iklim dan kondisi politik.
Perancangan model pada rantai pasok industri berbasis jagung ini bertujuan untuk memperoleh suatu model yang dapat menganalisis penyediaan produk tepung jagung pada industri tepung jagung sesuai kebutuhan industri hilirnya. Perancangan model ini dilakukan berdasarkan observasi lapangan, penelusuran literatur, analisis sistem, serta hasil diskusi dan konfirmasi pakar.
Model yang dirancang secara garis besar dapat dilihat pada Gambar 16 dimana di dalamnya terdapat model prediksi produksi jagung, model pengelompokan mutu jagung pipilan, model pengelompokan mutu tepung jagung dan model prediksi permintaan tepung jagung. Perancangan model penyediaan tepung jagung ini menggunakan beberapa alat analisis data yaitu jaringan syaraf tiruan (Artificial Neural Network) dan Fuzzy Inference System (FIS).
5.1 Model Prediksi Produksi Jagung
Permasalahan yang teridentifikasi pada tingkat petani dalam pengembangan jagung adalah harga jagung berfluktuasi, mutu masih rendah, kuantitas dan kontinuitas belum terpenuhi serta modal belum dapat diakses petani dengan baik (Direktorat Budidaya Serealia, 2006). Masalah yang diangkat sebagai dasar dalam perancangan model ini adalah masalah kuantitas dan kontinuitas produksi yang belum terpenuhi. Dalam rantai pasok industri berbasis jagung, hal ini sangat berpengaruh, mengingat jagung merupakan bahan baku industri tepung jagung. Kekurangan bahan baku akan berpengaruh pula pada kelangsungan jalannya proses produksi pada industri tersebut.
Seperti telah diuraikan sebelumnya bahwa sekitar 50% hasil produksi jagung digunakan untuk pakan ternak. Data produksi jagung tidak dipisahkan menurut jenis jagung, sehingga dapat terjadi bahwa terdapat jenis jagung manis di dalamnya. Sebagian dari hasil produksi jagung juga digunakan sebagai bibit. Hal ini mengindikasikan bahwa tidak sampai separuh dari hasil produksi jagung digunakan sebagai bahan baku pada industri tepung jagung.
Prediksi jumlah produksi jagung (on-farm) diperlukan dalam model. Hal ini dibutuhkan agar dapat diperkirakan berapa jumlah jagung pipilan yang dapat
dipenuhi untuk diolah pada pabrik tepung jagung. Dengan demikian model prediksi produksi jagung merupakan sub-model yang diperlukan dalam model penyediaan tepung jagung yang akan dirancang.
Terdapat dua model peramalan yaitu model peramalan kuantitatif dan model peramalan kualitatif (Makridakis et al. 1983). Model prediksi produksi jagung yang dirancang merupakan model peramalan kuantitatif, karena lebih mudah dipakai oleh pengguna di lapangan, dengan syarat perlu tersedia data yang cukup untuk diolah. Model kualitatif hanya digunakan oleh orang yang telah berpengalaman dan memiliki naluri bisnis yang kuat untuk dapat melakukan prediksi ke depan. Model peramalan kuantitatif yang digunakan untuk memprediksi produksi jagung adalah model kausal. Dalam model ini tidak digunakan model time series. Time series merupakan model peramalan yang memperkirakan hasil peramalan berdasarkan ekstrapolasi dari data produksi periode sebelumnya. Model yang dirancang diolah dengan menggunakan jaringan syaraf tiruan (Artificial Neural Network) dan peramalan secara statistikal.
Dari sisi on-farm dapat dikatakan bahwa jumlah produksi jagung tidak sepenuhnya dipengaruhi oleh jumlah produksi pada periode-periode sebelumnya. Produksi jagung dipengaruhi oleh beberapa faktor antara lain penggunaan bibit, pemanfaatan lahan, pemupukan secara tepat, pengendalian hama dan penyakit, pengairan, curah hujan, dan penanganan proses panen (Direktorat Budidaya Serealia, 2006). Perubahan iklim dunia menyebabkan terjadinya perubahan musim penghujan demikian pula musim kemarau di Indosnesia. Pada kondisi normal peramalan dengan data time series dapat digunakan, namun dengan adanya perubahan iklim serta pengaruh beberapa faktor tersebut terhadap produksi jagung, maka model kausal lebih tepat untuk digunakan.
Model kausal dalam prediksi produksi jagung pada penelitian ini menggunakan data numerik sebagai input dalam jaringan syaraf tiruan. Sebagai variabel input adalah faktor-faktor yang berpengaruh pada jumlah produksi jagung, sedangkan variabel output adalah jumlah produksi jagung. Di antara faktor-faktor yang berpengaruh terhadap produksi jagung tersebut, terdapat dua variabel yang bersifat numerik yaitu variabel luas panen (ha) dan curah hujan (mm). Faktor penggunaan bibit, pemanfaatan lahan, pemupukan secara tepat,
pengendalian hama dan penyakit, pengairan, dan penanganan proses panen mempengaruhi produksi jagung, namun dalam model ini tidak digunakan. Hal ini dilakukan dengan asumsi bahwa faktor-faktor tersebut merupakan kegiatan untuk meningkatkan produksi dan bersifat kualitatif serta sulit terukur.
Luas Panen Luas Panen Curah Hujan Curah Hujan Alat Bantu Analisis Alat Bantu Analisis Hasil Prediksi Produksi jagung Hasil Prediksi Produksi jagung
Gambar 20 Model konseptual prediksi produksi jagung.
Model konseptual prediksi produksi jagung dapat dilihat pada Gambar 20. Gambar ini menunjukkan hubungan variabel luas panen dan curah hujan sebagai variabel input yang berpengaruh terhadap produksi jagung sebagai variabel output. Alat bantu analisis untuk memperoleh hasil prediksi adalah metode peramalan yang digunakan. Alat analisis yang akan digunakan dalam model ini adalah Jaringan Syaraf Tiruan (JST) dan peramalan secara statistikal.
Salah satu alat analisis dalam model prediksi produksi jagung ini adalah jaringan syaraf tiruan backpropagation dengan arsitektur jaringan seperti terlihat pada Gambar 21. Siang (2009) menjelaskan bahwa backpropagation dapat digunakan untuk melakukan peramalan (forecasting).
Gambar 21 Struktur jaringan syaraf tiruan model prediksi produksi jagung.
X1 Y X2 Zj Z1 v11 vp1 v12 vp2 w11 w1j 1 1 Zp vj2 vj1 v10 vp0 vj0 w1p w10
X1 adalah luas panen (ha), X2 merupakan variabel curah hujan (mm), dan Y merupakan target yaitu produksi jagung (ton). Vji merupakan bobot hubungan unit neuron input Xi ke unit layar tersembunyi Zj. Wkj merupakan bobot dari unit layar tersembunyi Zj ke unit output Yk. Wk0 merupakan bobot dari neuron bias di layar tersembunyi ke unit neuron output Zk.Fungsi aktivasi yang digunakan adalah fungsi sigmoid biner
Dalam model ini digunakan 2 variabel yang mempengaruhi produksi jagung yakni luas panen (ha) dan curah hujan (mm).
Luas lahan produksi Luas lahan produksi Produksi jagung per bulan Produksi jagung per bulan Curah hujan Curah hujan mulai mulai Pemisahan data - data pelatihan - data test Perancangan struktur jaringan
Set parameter, nilai, inisialisasi bobot Transformasi data ke input jaringan Simulasi JST menggunakan data pelatihan Simulasi JST menggunakan datatest
Hasil Prakiraan Produksi Jagung Proses prakiraan Denormalisasi Selesai Selesai Input data test Input data test Input data prakiraan Input data prakiraan
Gambar 22 Tahapan proses prediksi produksi jagung dengan jaringan syaraf tiruan.
Gambar 22 menunjukkan tahapan proses pengolahan data menggunakan jaringan syaraf tiruan pada model prediksi produksi jagung. Tahapan proses peramalan ini dituangkan dalam bentuk program. Perangkat lunak MATLAB R2010a digunakan untuk menjalan program dalam proses peramalan.
Tabel 9 Data luas panen, curah hujan, produksi jagung Jawa Tengah tahun 2010
BULAN Luas Panen (ha)
Curah Hujan
(mm/bulan) Produksi (ton)
Januari 79390 214 130251 Februari 145107 415 121080 Maret 53337 240 139750 April 35453 127 165350 Mei 51906 142 180790 Juni 62938 79 157210 Juli 35225 1 179190 Agustus 36325 3 184785 September 59431 1 285637 Oktober 47031 6 226038 Nopember 32481 197 156111 Desember 27961 76 134385
Sumber: Kementerian Pertanian (2011) dan Balai Data dan Informasi SDA (2010)
Tabel 9 merupakan data luas panen, curah hujan, dan produksi jagung tahun 2010 pada sentra jagung di Jawa Tengah. Data ini digunakan untuk menjalankan program pada model ini. Data luas panen dan curah hujan merupakan variabel input dan produksi jagung sebagai target dalam peramalan. Jaringan syaraf tiruan akan melakukan proses pembelajaran, proses pengujian dan proses peramalan (forecasting). Proses pengolahan data ini dilakukan dengan menjalankan program secara berulang-ulang, dengan mengubah-ubah parameter hidden layer, fungsi aktivasi, fungsi pembelajaran, learning rate, target epoch, target mean square error (MSE). Proses ini dilakukan sehingga diperoleh hasil terbaik. Salah satu contoh performansi pada layar monitor setelah menjalankan program dengan
MATLAB R2010a dapat dilihat pada Gambar 23. Hasil yang diperoleh setelah menjalankan program sebanyak 18 kali dapat dilihat pada Lampiran 2. Ukuran ketepatan peramalan dengan menggunakan jaringan syaraf tiruan ini adalah Mean Square Error (MSE). Hasil peramalan yang akan digunakan dalam memprediksi produksi jagung adalah hasil peramalan dengan MSE yang mencapai target yang ditentukan sebelumnya. Performansi dari hasil menjalankan program dapat dilihat pada Lampiran 1, dan hasil peramalan produksi jagung dengan jaringan syaraf tiruan terdapat pada Lampiran 2.
Pengolahan data dalam model prediksi ini juga menggunakan metode peramalan dengan model regresi berganda (multiple regression). Dalam model ini variabel luas panen dan curah hujan merupakan variabel independen, sedangkan produksi jagung merupakan variabel dependen atau variabel respons.
Gambar 23 Hasil simulasi pada jaringan syaraf tiruan.
Proses peramalan secara statistikal dalam model prediksi ini menggunakan
Perangkat lunak MINITAB Release 14 dari Minitab Inc. untuk menentukan persamaan regresi. Persamaan regresi yang diperoleh menunjukkan pengaruh variabel luas panen dan curah hujan terhadap jumlah produksi jagung. Langkah- langkah dalam penggunaan perangkat lunak ini dapat dilihat pada Lampiran 3. Hasil peramalan produksi jagung berdasarkan persamaan regresi yang diperoleh tertuang pada Lampiran 4.