Abstrak — Analisis fluktuasi dan prediksi harga beras menggunakan Fuzzy Cognitive Map (FCM) dilakukan untuk mengetahui harga beras dimasa mendatang dengan memodelkan faktor-faktor berpengaruh terhadap harga beras. Fluktuasi keadaan pertanian yang terjadi dianalisis menggunakan metode regresi berganda untuk menemukan parameter paling berpengaruh yang kemudian dijadikan dasar dalam pembuatan model FCM. Penerapan metode regresi berganda dilakukan dengan melibatkan uji asumsi klasik beserta uji variance inflation factor dan uji korelasi untuk mengatasi masalah multikolinearitas. Untuk mendapatkan hasil estimasi yang valid maka dilakukan pengujian yang meliputi MSE (Mean Squared Error ) dan Standar Deviasi.
Hasil analisis fluktuasi dengan regresi berganda menunjukkan bahwa faktor-faktor paling berpengaruh terhadap harga beras adalah faktor Impor dan Nilai Tukar Rupiah dengan koefisien regresi sebesar 64.44 dan 23.4 Hal ini berarti bahwa penurunan Nilai Tukar Rupiah sebesar 64.4% akan menyebabkan kenaikan Harga Beras sebesar 1% dan kenaikan impor sebesar 23.4%
akan menaikkan Harga Beras sebesar 1%. Dan hasil prediksi menggunakan fuzzy cognitive maps menghasilkan akurasi yang cukup tinggi dengan MSE sebesar 0.006 yang berarti penggunaan metode ini cukup baik digunakan dalam memprediksi harga dan standar deviasinya juga menunjukkan tren yang cukup baik sebesar 89%. Dari implementasi fuzzy cognitive maps yang telah dilakukan didapatkan hasil bahwa ratio NTP sebagai standar pengukuran kesejahteraan petani dapat tercapai dengan menaikkan nilai parameter dari produksi beras, luas lahan panen dan produktivitas teknologi. Dimana kedua faktor lahan panen dan produktivitas teknologi dapat secara langsung mampu menaikkan produksi beras petani.
Kata Kunci— Fuzzy Cognitive Maps, Kausal Antar Variabel, Fluktuasi, Regresi Berganda, Prediksi Harga Beras, NTP
I. PENDAHULUAN
NDONESIA adalah negara pengkonsumsi beras tertinggi didunia, namun nyatanya tidak diimbangi produtivitas petani tanaman pangan. Ketidakseimbangan tersebut menyebabkan penyediaan pangan nasional berasal dari import cenderung meningkat dan eksport menurun. Untuk mengatasinya, pemerintah semakin giat menerapkan berbagai langkah kebijakan, salah satunya kebijakan berbagai harga komoditas pertanian terutama beras.
Kebijakan kenaikan harga beras merupakan upaya meningkatkan produktivitas petani beras dan memenuhi ketahanan pangan. Ketahanan pangan tercipta namun relatif
tidak membawa keuntungan bagi petani. Nilai tambah kondisi membaiknya harga beras justru banyak dinikmati kaum pedagang [1]. Penelitian Analisis Rantai Pemasaran Beras Organik dan Konvensional [16] menunjukkan pihak paling banyak mengambil keuntungan dalam rantai perdagangan beras adalah pengusaha penggilingan (huller), pedagang besar dan pedagang pengecer. Keberadaan para tengkulak di Indonesia juga cenderung menentukan harga sepihak yang kurang menguntungkan petani. Perbedaaan signifikan marjinal pemasaran diantara harga jual produsen petani dan harga jual para pelaku pemasaran tersebut menyebabkan nilai tukar petani menjadi rendah.
Dengan berfokus terhadap perlindungan terhadap para petani dari sistem perdagangan tidak adil, maka penentuan harga beras dimana petani tidak mengalami kerugian disebabkan nilai tukar rendah dilakukan. Nilai Tukar Petani (NTP) adalah ratio indeks harga diterima petani terhadap indeks harga dibayar petani yang dinyatakan dalam persentase (BPS, 2003). Nilai NTP diatas 100 mengindikasikan kesejahteraan petani tercapai dan sebaliknya.
Fluktuasi harga yang berjalan cukup cepat juga menjadi permasalahan serius bagi petani sehingga selanjutnya dilakukan analisis menggunakan metode regresi berganda untuk menemukan kondisi paling berpengaruh terhadap perubahan harga beras yang dapat digunakan untuk mengetahui pola pembentukan harga dan dijadikan masukan dalam pembuatan model FCM.
Secara konsep, FCM mendefinisikan fluktuasi beras sebagai model yang menunjukkan hubungan kausal antarvariabel yang bersifat uncertain dengan matriks dan diagram sehingga berbagai kondisi berpengaruh terhadap perubahan harga yang berlaku dapat diprediksi. Keterlibatan FCM menyediakan relasi sebab-akibat dapat menghasilkan siklus berkesinambungan terhadap pola pembentukan harga beras kemudian menghasilkan mekanisme feedback.
Mekanisme feedback FCM membantu dalam melakukan analisis prediksi dalam bentuk faktor akan ditelusuri skenarionya sehingga bisa dijadikan sebagai pertimbangan alternatif kebijakan harga yang lebih baik.
Model FCM dibuat dengan merelasikan beberapa faktor berpengaruh terhadap harga dalam menyatakan data-data sebagai variabel fuzzy dengan interval keanggotaan fuzzy yang sesuai dan knowledge expert dari beberapa ahli dalam membentuk hubungan pola pembentukan harga beras kedalam bobot causal reliable. Oleh sebab itu, penggunaan FCM
Analisis Fluktuasi dan Prediksi Harga Beras Menggunakan Fuzzy Cognitive Maps Untuk
Meningkatkan Kesejahteraan Petani Beras
Yuniar Ainun Fithri 1) , Erma Suryani 2) Retno Aulia Vinarti 3)
1 Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS) Kampus ITS Keputih, Sukolilo, Surabaya 60111, Jawa Timur
Telp : (031) 5994251, Fax : (031) 5923465 E-mail: erma.suryani@gmail.com
I
mampu meningkatkan kualitas prediksi harga dibandingkan teknik prediksi lain yang biasa digunakan. Dalam implementasinya, FCM banyak dipelajari dan diterapkan dalam berbagai disiplin ilmu. FCM dianggap sebagai metode yang mudah digunakan untuk pengambilan keputusan sebuah sistem kompleks, diantaranya di bidang kedokteran digunakan dalam menganalisis karakteristik penyakit tumor otak [12], di bidang ekonomi manajemen untuk menganalisis dan mengevaluasi sistem dinamika kepercayaan perusahaan [18], dan dibidang industri untuk menentukan pola kegagalan dan analisis efektifitas didalam proses industri [4] serta di beberapa area riset seperti informasi geografis [19] dan sistem kontrol [3]. Meskipun banyak karya-karya penelitian yang telah dilakukan pada FCM namun sangat sedikit penelitian yang digunakan dalam memprediksi suatu harga. Sehingga pada Tugas Akhir ini, penulis dapat melengkapi penelitian- penelitian yang telah ada dan memberikan bahan referensi yang bisa dipakai dalam pengembangan implementasi FCM selanjutnya.
Tugas Akhir analisis fluktuasi dan prediksi harga beras menggunakan aturan dari algoritma Fuzzy Cognitive Maps akan menghasilkan prediksi harga yang tepat berdasarkan faktor-faktor yang berpengaruh dengan mempertimbangkan indeks kesejahteraan petani serta informasi yang relevan sehingga dapat bermanfaat bagi petani dan berguna dalam merumuskan kebijakan harga kearah yang lebih baik.
II. FUZZY COGNITIVE MAPS
Fuzzy Cognitive Maps (FCM) adalah teknik soft computing dan knowledge-based method yang memasukkan human reasoning dan human decision-making process dalam penerapannya. FCM pertama kali diperkenalkan Kosko (1986) yang terinspirasi dari penelitian Axelord dalam penggunaan Cognitive Maps (Axelrod, 1976) serta merupakan kombinasi dari beberapa penerapan teori logika fuzzy dan neural networks (C.D. Stylios, 2004). FCM dalam peta cognitive memodelkan perubahan sistem dinamis menjadi lebih mudah yaitu saat tidak dapat dimodelkan dengan model matematis.
FCM membentuk causal-effect relationship diantara setiap simpulnya. Keunggulan penggunaan metode FCM yaitu keterlibatannya menyediakan mekanisme feedback (konsep what-if) dan mampu menggabungkan beberapa pendapat ahli sekaligus.
Hubungan kausal antara titik FCM (C1, C2, C3 dst) berhubungan lurus (biasanya diberi tanda “+” atau “-”), dengan rentang {-1,0,+1}. Hubungan dua titik Ci dan Cj yang dihubungkan memiliki 3 kemungkinan bobot tepi (e ij ), yaitu:
e ij > 0, artinya kedua konsep memiliki kausalitas positif (berhubungan lurus)
e ij < 0, artinya kedua konsep memiliki kausalitas negatif (berlawanan)
e ij = 0, artinya kedua konsep tidak memiliki hubungan kausalitas langsung.
Gambar 1 Fuzzy Coginitive Maps Sederhana (E.I. Papageorgiou et al, 2007)
C i (t+1) = (1)
dimana Ci (t+1) merupakan nilai dari konsep Ci pada step simulasi t+1, merupakan nilai-nilai dari konsep Ci pada simulasi step t, e_ij merupakan bobot dari interkoneksi antara konsep Cj ke konsep Ci dan fungsi f adalah fungsi yang mentransformasikan hasil dari perkalian interval [0,1] yang menjadi nilai dari tiap konsep.
(2) Dimana > 0 merupakan parameter yang menentukan langkah-langkah untuk mencapai equilibrium point yaitu nilai tidak berubah dari nilai sebelumnya[15]. Function diatas dapat dapat didefinisikan pula dalam rumus 3 sebagai berikut:
f ( = + (1- jika ≥ 0, ≥ 0 atau = + (1- jika < 0, < 0 dan abs ( ≤ 1, ≤ 1)
atau = (3) Dan pseudocode untuk algoritma FCM digambarkan sebagai berikut ini:
Step 1: Read the input vector C(t).
Step 2: Give the connection matrix, E.
Step 3: Calculate the output vector O(t)= C(t) * E.
Step 4: Apply threshold to output vector: O(t) ≈ C(t + 1).
Step 5: If (C(t +1)= C(t)), stop else go to step 1.
End
Gambar 2 Pseudocode Algoritma FCM
III. METODOLOGI PENELITIAN
Langkah-langkah penelitian yang direncanakan secara sistematis dan terstruktur secara umur dilihat flowchart pada gambar 3.1 berikut ini:
MULAI
Pengumpulan dan Identifikasi Data Identifikasi Masalah Melakukan Studi
Literatur
Pembuatan Model FCM
Pengelompokan Data berbasis Fuzzy
Analisis Data Menggunakan Regresi Berganda
1
Implementasi Fuzzy Cognitive Maps
Verifikasi dan Validasi Hasil
Pembuatan Buku TA SELESAI
Apakah hasil telah valid?
Skenariosasi Tidak
Ya Kesimpulan
2
Gambar 3 Metodologi Pelaksanaan TugasAkhir
Untuk mrenemukan model FCM yang valid, maka dilakukan analisis regresi berganda untuk mengetahui hubungan diantara tiap variabel penelitian berdasarkan data real yang kemudian model FCM dapat dibuat dan implementasikan.
IV. ANALISIS DAN IMPLEMENTASI
Hasil analisis menggunakan regresi berganda diimple- mentasikan untuk menemukan pola pembentukan harga beras.
Implementasinya dilakukan melalui diagram flowchart yang tampak pada gambar 4 dibawah ini:
Menghitung Nilai VIF (Variance Inflation Factor)
dan Nilai Tolerance Kumpulan Data
Historis
Pemeriksaan Normalitas Data
Menghitung Nilai Korelasi Pearson
Uji Hetereskodisitas Variabel Penelitian
Bebas Multikolinearitas
Membentuk Persamaan Regresi Berganda
Analisis Data Menggunakan Metode
Regresi Berganda
Pola Pembentukan Harga Beras
Gambar 4 Flowchart Analisis Regresi Berganda
Melalui diagram flowchart yang tampak pada gambar 4 diatas, beberapa data variabel penelitian hilang sebab tidak memenuhi syarat dari uji asumsi klasik dimana dari analisis regresi berganda diperlukan syarat kenormalitasan data, bebas multikolinearitas dan variance diantara variabel penelitiannya tidak terlalu besar. Oleh karena itu, uji normalitas, multikolinearitas dan heteroskosiditas dilakukan sebagai syarat dalam menghasilkan pola pembentukan harga beras.
Normalitas yang baik adalah yang memiliki nilai kolmonorov smirnov > 0.05, variabel yang tidak memiliki masalah multikolinearitas adalah yang memiliki nilai VIF > 10 dan Tolerance > 0.1, dan variabel dengan korelasi yang disyaratkan dalam model regresi adalah variabel dengan nilai korelasi < 0.8. Jika variabel penelitian diatas telah memenuhi ketiga syarat tersebut, maka selanjutnya dilakukan uji heteroskosiditas dimana variance yang dihasilkan harus besar.
Apabila ketiga syarat asumsi klasik diatas terpenuhi, maka dapat dilakukan analisis regresi berganda dimana hasil analisis regresi dari variabel penelitian tersebut digambarkan melalui tabel 1 dibawah ini:
Tabel 1 Output Analisis Regresi Berganda
Maka besar variabel berpengaruh sesuai hasil regresi pada kolom B tertera pada tabel 4.2 berikut ini dimana hasil regresi tersebut mewakili besarnya pengaruh diantara variabel satu dengan lainnya, maka persamaan regresi yang dapat dihasilkan melalui tabel 1 diatas adalah:
Y Harga = 8162264 + 0. 889 X Stock + -2.025 X Expenditure + -0.918 X Procurement + -2.892 X Distribution + 0.613 X Production + -64.442 X ExchangeRate + -6.618 X Eksport + 23.362 X Import
Kesimpulan yang dapat diambil yaitu harga beras sangat dipengaruhi oleh variabel import dan exchange rate dimana koefisien tersebut mempengaruhi harga beras dalam persentase yang besar, yaitu sebesar 23 % dan 64%. Dan pola pembentukan harga beras berdasarkan data real pertanian dideskripsikan melalui tabel 2 dibawah ini:
Tabel 2 Besar Pengaruh Variabel Independen
No. Variabel Koefisien
Regresi Jenis Pengaruh
1. Stock 0. 889 Positif
2. Expenditure 2.025 Negatif
3. Procurement 0.918 Negatif
4. Distribution 2.892 Negatif
5. Production 0.613 Positif
6 Exchange Rate 64.442 Negatif
7. Import 23.362 Positif
8. Eksport 6.618 Negatif
Pola pembentukan harga beras sesuai tabel 2 diilustrasikan melalui gambar 5 dibawah ini:
Gambar 5 Pola Pembentukan Harga Beras Sesuai Analisis Regresi
Kemudian model FCM dibuat berdasarkan hasil analisis regresi dan beberapa sumber. Faktor-faktor tersebut digambarkan seperti struktur model pada gambar 6:
Data Historis (Harga Gabah Petani, HPP, Stok, Penawaran, Permintaan, Produksi, Pengeluaran, Pemasukan, Penyaluran, Luas Panen, Ekspor,
Impor, Nilai Tukar Rupiah, NTP)
Studi Literatur (Pertumbuhan Penduduk, Konsumsi per kapita, Margin Pemasaran, Penggunaan dan Harga Pestisida, Tarif Impor, Inflasi, Pendapatan Penduduk,
Jumlah Pelepasan dan Anggaran BULOG)
Wawancara (Rendeman, Keadaan Pupuk Urea dan TSP, Ketersediaan
Beras, Anomali Iklim, Produktivitas Teknologi, Perubahan Surplus Petani dan Konsumen, Beras Susut, Pendapatan Petani, Biaya
Lain-Lain Petani)
Model FCM