7
MJRICT 2019;2(1) : (7-11)
MJRICT : Musamus Journal Of Research Information and Communication Technology ISSN 2655-5735 (Online) | ISSN 2654-4083 (Cetak)
https://ejournal.unmus.ac.id/index.php/mjrict
Sistem Klasifikasi Produksi dan Visualisasi Progres
Pertumbuhan Tanaman Padi
Marsujitullah
Teknik Informatika, Universitas Musamus, Merauke, Indonesia E-mail: marsujitullah@unmus.ac.id
Abstrak. Pemerintah saat ini sangat sulit dalam melihat perkembangan pertumbuhan tanaman padi terkini di daerah mulai dari tingkat distrik hingga ke tingkat Kabupaten Merauke. Informasi yang perlu diketahui adalah masa pembibitan, pertumbuhan dalam proses penggarapan hingga waktu panen dan beberapa kendala-kendala kegagalan panen yang diakibatkan oleh hama penyakit tanaman pangan maupun keadaan lingkungan seperti banjir. Estimasi hasil produksi tanaman padi dapat dengan mudah diketahui jika informasi ini tersedia. Sistem ini dibuat berbasis web dan mobile, sistem berbasis web ditujukan dapat menampilkan status lahan dalam bentuk warna yang berbeda, data tanaman dan jenis gangguan hama penyakit sedangkan aplikasi mobile dibangun untuk melakukan perubahan status lahan, masukkan data lahan dan tracking data lahan berdasarkan titik koordinat melalui GPS yang terdapat di perangkat mobile. Metode hiversine digunakan menghitung luas lahan sebagai parameter utama dan spesifikasi bibit, kondisi lahan dan kendala-kendala kegagalan panen sebagai parameter pendukung untuk mengetahui estimasi produksi tanaman. Hasil data yang telah dilakukan di beberapa Distrik pada Kabupaten Merauke.
Katakunci: Klasifikasi produksi, padi
1. Pendahuluan
Pertanian di Indonesia memiliki lahan pangan yang banyak tersebar luas dan berbagai macam lahan persawahan dari beberapa jenis macam pengelolaan pangan seperti kedelai, umbi-umbian dan kacang-kacangan. Namun demikian belum terdapat suatu sistem yang melakukan visualisasi progress pertumbuhan tanaman pangan di berbagai wilayah, [1]. Ketersedian informasi mengenai progress pertumbuhan tanaman pangan yang diperoleh dari departemen pertanian menjadi kendala bagi pemerintah setempat. Salah satu upaya untuk memenuhi kebutuhan informasi adalah dengan melakukan sistem visualisasi progress tanaman pangan yang merupakan salah satu proses utama untuk mengetahui tanaman pangan yang harus diproduksi dalam satu periode tanam, [2].
Sistem visualisasi progress dilakukan untuk mengetahui apakah tanaman pangan yang dibutuhkan sudah terpenuhi sehingga menjadi landasan untuk pengambilan keputusan kebijakan mengenai pangan, [3]. Penelitian sebelumnya menfokuskan pada pengambilan data dan pengiriman data berdasarkan titik koordinat dari setiap pohon melalui tracking GPS, [2]. Tujuan dari penelitian ini adalah untuk melacak setiap pohon yang dimiliki oleh petani di mana hasilnya ditampilkan dalam sebuah server data dari sebuah antarmuka canggih yang dapat memonitor setiap pohon di dalam lapangan. Dalam melacak pengeluaran dan sumber daya konsumsi, serta dihasilkan produk dari paket yang diberikan, untuk jangka waktu tertentu, laporan dapat dihasilkan dalam beberapa format, sehingga lebih mudah untuk mengontrol dan biaya manage production.
Marsujitullah/ MJRICT 2 (1) (2019)
8
Sistem informasi manajemen pertanian (SIMP) dengan menghasilkan implementasi dari beberapa fitur tertentu yang berfokus pada tanaman gandum, [4], [5][6]. Dalam melakukan transmisi data sensor berbasis protokol yang berbeda dengan SWE-enable dengan informasi yang diperlukan untuk memantau kondisi pertanian melalui kecepatan angin, arah angin, kelembaban udara, tekanan udara, udara suhu, curah hujan, radiasi, dan durasi sinar matahari, [7]. Penelitian yang akan dikembangkan adalah suatu system komputasi produksi dan visualisasi tanaman pangan di setiap masa periode tanam, petani atau penyuluh dapat melakukan perubahan status tanaman mulai dari masa pembibitan tanaman, proses pengggarapan hingga masa panen. Berdasarkan hasil produktivitas tanaman mulai dari level desa kelurahan, kecamatan, kabupaten kota hingga provinsi melalui system yang dibuat akan menampilkan infromasi mengenai perkembangan tanaman pangan di berbagai daerah dalam setiap periode tanam, [8].
2. Metode
Metode dalam penelitian ini yakni terdapat dua metode seperti metode Haversine dan metode Polygon. 2.1 Metode Haversine
Posisi di bumi dapat diartikan seperti posisi garis lintang (latitude) dan bujur (longitude), [9]. Sebagai penentuan jarak dari dua titik di bumi pada letak garis lintang dan bujur, seperti yang dapat dijelaskan dengan rumus yang berdasarkan bentuk bumi / spherical earth dengan asumsi bumi sedikit elips (elipsodial factor).
Keterangan :
R = jari-jari bumi sebesar 6371(km) Δlat = besaran perubahan latitude Δlong = besaran perubahan longitude c = kalkulasi perpotongan sumbu d = jarak (km)
Metode haversine dihasilkan ketika tingkat presisi hasil penghitungan terbatas. Namun saat ini, penghitungan secara komputerisasi mampu menghasilkan tingkat presisi yang baik dan akurat sehingga dengan menggunakan rumus spherical law of cosine sederhana, pengguna mampu menentukan posisi secara tepat.
Δlat
= lat2− lat1
Δlong = long2− long1
a
= sin2(Δlat/2)+cos(lat1).cos(lat2).sin2(Δlong/2)
c
= 2.atan2(√a, √(1−a))
Marsujitullah/ MJRICT 2 (1) (2019)
9
Gambar 1. Segitiga bola diselesaikan dengan rumus haversine formula
2.2 Metode Polygon
Metode polygon adalah salah satu cara untuk menentukan posisi horisontal banyak titik, dimana setiap titik terhubungkan dengan jarak dan sudut, hingga membentuk suatu rangkaian sudut tiap titik atau yang biasa di sebut Polygon.
Begin
Tracking Nilai Titik Koordinat (t) For i = 1 to t do
x = Nilai Latitude[i]; y = Nilai Logitude[i]; Polygon = x[i],y[i]; End.
d = acos (sin(lat1). sin (lat2) +
Marsujitullah/ MJRICT 2 (1) (2019)
10
Gambar 2. Metode Polygon
Gambar 3. Kerangka proyek bangunan yang dilakukan dengan cara polygon pada lima titik P, Q , R , S dan T
Diketahui : P (1500,000 m , 1200,000 m) sebagai titik awal dan titik akhir
α pq = azimuth PQ = azimuth awal dan azimuth akhir = 248° 23′ AB″ Diukur : Sudut-sudut hasil ukuran :
βp = 266° 09′ AB″ βq = 218° 16′ AB″ βr = 262° 51′ AB″ βs = 256° 44′ AB″ βt = 255° 58′ AB″
3. Hasil dan Pembahasan
3.1. Hasil
Penelitian memiliki fungsi dan peranan masing-masing dalam pembuatan aplikasi pendukungnya. aplikasi yang pertama yaitu program hitung luas lahan, dimana aplikasi ini ada pada mobile yang berfungsi untuk menghitung luas lahan pertanian dengan menggunakan GPS tracking yang nantinya setiap titik sudut dimarking sehingga titik latitude dan longitude tiap sudut diketahui, marking dilakukan sebanyak jumlah titik sudut lahan kemudian akan diketahui jaraknya dengan menggunakan Metode Haversine, kemudian dari jarak tersebut dapat diketahui berapa luas lahan dengan menggunakan Metode Polygonal, Luas lahan tersebut digunakan dalam komputasi produksi tanaman pangan. Program yang kedua yaitu program estimasi produksi, program ini akan mengelolah berbagai macam data seperti data petani, data lahan, data spesifikasi bibit, jenis ganguan hama, kekeringan lahan, kebanjiran lahan dan luas lahan.
Data-data tersebut selanjutnya akan diolah dan diintegrasikan hingga mendapatkan jumlah produksi tanaman pangan dalam satu periode tanam. Pada program hitung luas lahan terdapat interface pemasukan data dan pemprosesan data. Selain itu terdapat beberapa fitur pendukung lainnya seperti pemasukan dan pemprosesan data pada layout hitung luas area, selain itu petani dapat melakukan tracking dengan marking area yang menampilkan titik koordinat latitude dan longitude sudut lahan sebanyak jumlah sudut lahan pertanian, setelah itu dilakukan hitung area luas lahan pertanian, hasil panen diisi sejumlah hasil ton per hektare yang dipanen. Pada halaman statistik jumlah produktivitas
Marsujitullah/ MJRICT 2 (1) (2019)
11
tanaman padi, dapat menampilkan data hasil komputasi produksivitas tanaman padi berdasarkan perwakilan lokasi distrik, dan kabupaten/kota yang telah di pilih oleh pengguna, kemudian sistem menampilkan jumlah produksi tanaman pangan tiap daerah yang ditentukan oleh pengguna melalui tombol proses. Pada halaman map, dapat menampilkan data visualisasi lahan tanaman pangan berdasarkan lokasi distrik, dan kabupaten/kota dan status lahan yang telah di pilih oleh pengguna melalui tombol pencarian. Kemudian sistem menampilkan informasi tentang kondisi lahan, status lahan dan jumlah luas lahan mulai dari level distrik, hingga kabupaten/kota.
3.2. Pembahasan
Penelitian ini menghasilkan komputasi produktivitas dan visualisasi lahan, yang menampilkan informasi apakah kondisi lahan dalam masa pembibitan, waktu tanam, masa vegetatif, masa generatif hingga, panen, panen terkena hama, kebanjiran dan kekeringan. Berdasakan kondisi dari beberapa lahan akan menampilkan masing-masing luas lahan sesuai hasil dari secara keseluruhan dapat diakumulasikan dari jumlah luas lahan setiap distrik, hingga level provinsi. Dalam hal ini pemerintah dengan mudah melihat informasi mengenai perkembangan pertumbuhan tanaman padi dengan memanfaatkan teknologi yang ada, sehingga data dari tiap daerah dapat dengan mudah terintegrasi produktivitas tanaman dari beberapa daerah dalam setiap masa periode tanam.
4. Kesimpulan
Berdasarkan hasil penelitian ini pemerintah lebih mudah dalam memantau perkembangan tanaman pangan yang ada di masing-masing daerah memamfaatkan teknologi yang diterapkan melalui web online dan mobile berbasis android. Untuk itu pemerintah dengan mudah memberikan kontribusi terhadap petani untuk kebutuhan tanaman pangan. Selain itu hasil produksi tanaman pangan dapat meningkat setiap masa periode tanam dan menekan laju perekonimian produksi tanaman pangan dapat terorganizir dari masing-masing daerah. Penelitian selanjutnya diharapkan dapat melakukan manipulasi data secara offline dan dapat melakukan tracking data secara otomatis.
Daftar Pustaka
[1] A. Susanto, A. Kharis, and T. Khotimah, “Sistem Informasi Geografis Pemetaan Lahan Pertanian dan Komoditi Hasil Panen Kabupaten Kudus,” J. Inform. Ahmad Dahlan, vol. 10, no. 2, 2016.
[2] Marsujitullah, Z. Zainuddin, S. Manjang, and A. S. Wijaya, “Rice Farming Age Detection Use Drone Based on SVM Histogram Image Classification,” J. Phys. Conf. Ser., vol. 1198, no. 9, 2019.
[3] M. Teresa, P. Melo, B. Tiago, and M. Cristo, “Digital marketing and social media : Why bother ?,” 2014.
[4] J. Wahyudi, L. Elfianty, H. Nur’aini, and E. Andriani, “Sistem Informasi Penanggulangan Hama dan Penyakit Tanaman Bagi Penyuluh Pertanian,” in Prosiding Seminar Nasional
Darmajaya, 2017, vol. 1, no. 1, pp. 419–428.
[5] Y. Hasyim, M. Erkamim, and S. S. Priyono, “Rancang bangun sistem informasi manajemen pelatihan (simpel) unit pelatihan teknis pertanian dinas pertanian dan ketahanan pangan pemerintah provinsi jawa timur,” vol, vol. 2, pp. 32–36, 2017.
[6] O. Nasario-Junior, P. R. Benchimol-Barbosa, and J. Nadal, “Beat-to-beat T-peak-T-end Interval Duration Variability Assessed by RR-Interval Histogram Analysis in Healthy Sedentary and Athlete,” 2017 Comput. Cardiol. Conf., vol. 44, pp. 2–5, 2018.
[7] H. Kaur, “Role of Cloud Based Technologies in Agriculture Process Across Countries : A Review,” vol. 14, no. 9, pp. 397–405, 2016.
[8] Sudir, B. Nuryanto, and T. S. Kadir, “Epidemiologi , Patotipe , dan Strategi Pengendalian Penyakit,” IPTEK Tanam. Pangan, vol. 7, no. 2, pp. 79–87, 2012.
[9] A. H. Kridalaksana et al., “Penerapan Formula Haversine Pada Sistem Informasi,” vol. 13, no. 1, pp. 14–21, 2018.
