Abstraksi

DKI Jakarta merupakan daerah yang memiliki populasi yang sangat besar tetapi tidak didukung secara langsung dengan luas sawah yang dapat memenuhi kebutuhan beras bagi penduduknya. Cipinang pasar beras pusat (PIBC) yang dikelola oleh PT. Food Station Cipinang Jaya (FSTJ) diharapkan menjadi pesta yang dapat mengelola dan mengontrol pasokan beras untuk ketahanan pangan, khususnya di wilayah Jakarta.
Salah satu aspek penting beras untuk mengatur dan mengendalikan keamanan pangan di DKI Jakarta aspek pasokan dan harga beras. Jaringan saraf tiruan adalah salah satu metode yang dapat digunakan untuk memecahkan banyak masalah, terutama di kompleks dan sulit pemodelan matematika. Salah satu masalah yang dapat diselesaikan dengan menggunakan jaringan syaraf tiruan adalah peramalan data time series. Itu Tujuan dari penelitian ini adalah untuk memprediksi pasokan dan harga beras di provinsi DKI Jakarta.
Peramalan dilakukan untuk mengantisipasi kelangkaan pasokan beras dan kenaikan harga beras yang bisa mengganggu ketersediaan dan daya beli penduduk DKI Jakarta. Data seri waktu yang digunakan sebagai input data dalam penelitian ini adalah data mingguan menyediakan beras dan harga beras untuk periode Januari 2009 sampai dengan Juli 2010. Pelatihan adalah dilakukan dengan menggunakan beberapa model jaringan serta beberapa parameter jaringan untuk menentukan kemampuan jaringan saraf tiruan dalam peramalan nilai yang paling akurat. Untuk mendapatkan jaringan yang optimal, beberapa jumlah node diadili. Jumlah input yang digunakan dalam input Lapisan empat node, jumlah node dalam lapisan tersembunyi diadili dengan empat, enam dan delapan node, sedangkan jumlah output node adalah dua node. Jaringan ini juga menggunakan tingkat belajar dari 0,2 dan momentum 0,05 dan fungsi aktivasi logsig. Percobaan telah menunjukkan bahwa jaringan yang optimal untuk pengadaan dan peramalan harga beras dapat diperoleh dengan menggunakan empat node input, delapan node tersembunyi dan dua node output. Hasil penelitian menunjukkan bahwa akurasi model peramalan untuk meramalkan pasokan beras dan harga beras telah mencapai perkiraan lebih dari 90%. Dari hasil peramalan, model juga dapat memberikan peringatan dini untuk pasokan dan harga beras dalam bentuk pernyataan “aman”, “Hati-hati” atau “rawan”.
Kata kunci: Jaringan Syaraf Tiruan, Peramalan, Sistem Peringatan Dini, Beras, DKI Jakarta

1. PENDAHULUAN2
Pengadaan beras nasional dari dulu sampai sekarang masih menjadi permasalahan nasional yang angat pelik. Salah satu diantaranya terjadi karena masyarakat Indonesia terlanjur menganggap beras sebagai bahan makanan pokok yang harus ada dalam pola pangan sehari-hari. Dengan demikian sebagai komoditas pangan utama, permasalahan beras bukan hanya merupakan permasalahan ekonomi saja tetapi juga bersifat politis (Gumbira-Sa’id, 2007).
Masalah utama yang terkait dengan perberasan nasional adalah masalah harga dan non harga beras. Masalah yang paling kontroversial terkait dengan masalah harga beras adalah fluktuasi harga beras
(Nainggolan, 2007), sedangkan masalah non harga beras yang paling merugikan perberasan nasional adalah masalah susut pascapanen yang dapat mencapai 20% dari jumlah total panen dalam satu tahun
(Hasbullah, 2007). Harga beras seringkali muncul dan menjadi masalah kontroversial antara kepentingan petani dan kepentingan masyarakat. Di satu sisi pemerintah sebagai regulator ingin menjaga kepentingan dan ingin memberikan kesejahteraan yang optimal bagi petani, tetapi di sisi lain
pemerintah juga ingin memberikan perlindungan agar harga beras dapat terjangkau oleh sebagian besar masyarakat, bahkan dapat terjangkau oleh petani padi sendiri yang pada waktu tertentu harus
menjadi konsumen beras (Suhardi, 2009).
Provinsi DKI Jakarta memiliki pasar induk perberasan bernama Pasar Induk Beras Cipinang (PIBC) yang dikelola oleh PT. Food Station Tjipinang Jaya (FSTJ). Pengelola FSTJ yang berada di bawah
Pemda DKI Jakarta diharapkan dapat menjadi pihak yang dapat mengatur dan mengendalikan persediaan pangan, khususnya untuk komoditas beras di wilayah DKI Jakarta. Tahun 2009, menurut
Dinas Kependudukan dan Catatan Sipil propinsi DKI Jakarta, jumlah penduduk DKI Jakarta adalah 8.523.157 orang (www.kependudukancapil.go.id, 2011),
namun tidak didukung langsung oleh area persawahan yang dapat mencukupi kebutuhan beras bagi penduduknya. Apabila konsumsi per orang per tahun sebesar 120 kg beras maka kebutuhan beras
untuk jumlah penduduk DKI Jakarta tersebut sekitar 1 juta ton, sedangkan produksi beras dari wilayah DKI Jakarta sendiri pada tahun 2009 hanya 11.013 ton (http://www.deptan.go.id/, 2011).

1.2 Tujuan Penelitian
Sehubungan dengan permasalahan perberasan di Provinsi DKI Jakartatersebut, penelitian ini memiliki tujuan untuk menghasilkan model dalam bentuk program komputasi yang dapat digunakan (1) untuk memperkirakan jumlah pasokan beras dari PIBC ke wilayah di propinsi DKI Jakarta, (2) untuk memperkirakan harga beras jenis Muncul/ III dan IR 64/ III di PIBC Jakarta dan (3) sebagai suatu sistem peringatan dini dalam mengantisipasi pasokan dan harga beras yang tidak dikehendaki.

Data Penelitian
Data yang digunakan dalam pengembangan JST tersebut diperoleh dari PIBC. Data tersebut adalah data pasokan dan data harga beras harian yang dikumpulkan dari mulai tanggal 1 Januari 2009 sampai dengan 24 Juli 2010. Data harian diubah menjadi data mingguan yang selanjutnya dijadikan data input jaringan untuk memperkirakan pasokan beras dan harga beras selama dua minggu ke depan.
Data input yang digunakan adalah data pasokan beras dan data harga beras selama empat minggu terakhir. Data yang diperoleh dibuat pola yang selanjutnya dimasukkan ke dalam jaringan. Pola yang
dibuat adalah empat input dan dua output. Pola yang diperoleh adalah sebanyak 75 pola, dengan rincian 50 pola digunakan untuk pelatihan dan 25 pola lagi digunakan untuk pengujian.

Proses Pengujian
Proses pengujian dilakukan dengan menggunakan arsitektur JST hasil pelatihan yang memiliki kinerja terbaik yaitu yang menghasilkan nilai error dan epoch terkecil. Arsitektur JST terbaik yang dihasilkan dalam penelitian ini adalah JST untuk pasokan beras, JST untuk prakiraan harga beras tipe IR64/III dan JST untuk prakiraan harga beras tipe Muncul/ III.

KESIMPULAN
Dari penelitian ini, dapat ditarik dua kesimpulan berikut:
1. Model prakiraan pasokan beras, prakiraan harga beras Muncul/III dan prakiraan harga beras IR64/III untuk DKI Jakarta mampu memberikan informasi peringatan dini ”aman”, ”waspada” dan ”rawan”.
2. Tingkat akurasi untuk model prakiraan pasokan beras adalah 91.96%, tingkat akurasi untuk model prakiraan harga beras Muncul/III adalah 93.05% dan tingkat akurasi untuk model prakiraan harga beras IR64/III adalah 98.63%.

Sumber: http://www.google.co.id/url?sa=t&rct=j&q=jurnal%20model%20rancang%20bangun&source=web&cd=7&cad=rja&ved=0CFIQFjAG&url=http%3A%2F%2Fblog.trisakti.ac.id%2Fjurnalti%2Ffiles%2F2011%2F07%2FJURNAL-TI-Vol-1-No-3-NOVEMBER-2011.pdf&ei=8XC4Uf7pC8LprAe42oFY&usg=AFQjCNEYMjmR8n3H2OPefLXQo-y4RPVWkA&bvm=bv.47810305,d.bmk