Analisis Cluster Produksi Cabai di Indonesia dan Peramalan Curah Hujan untuk Meminimumkan Kerugian Petani Cabai saat Musim Hujan

Abstract

Indonesia  merupakan  negara  agraris,  setidaknya  terdapat  lebih  dari  sepuluh  ribu  pulau  ada  di Indonesia. Komoditas pertanian di Indonesia juga bermacam-macam. Salah satunya adalah komoditas cabai  rawit.  Dalam  kehidupan  sehari-hari  cabai  rawit  banyak  digunakan  para  usaha  yang  bergerak dibidang  restaurant  atau  warung  makan.  Tak  heran  jika  beberapa  bulan  lalu  harga  cabai  rawit  naik lebih dari 100%. Salah satu penyebabnya adalah jumlah kebutuhan lebih dari jumlah persediaan cabai rawit  itu  sendiri,  kebutuhan  cabai  rawit  tidak  dapat  terpenuhi  berada  pada  bulan-bulan  dengan intensitas  curah  hujan  yang  tinggi.  Karena  cabai  rawit  merupakan  jenis  tanaman  yang  tidak  dapat bertahan  hidup  jika  menerima  terlalu  banyak  air  dan  cepat  membusuk.  Berdasarkan  latar  belakang tersebut  ingin  dilakukan  analisa  clustering  terhadap  produksi  cabai  rawit  di  Indonesia  dengan menggunakan  metode  K-means.  Tujuannya  adalah  untuk mengetahui  daerah  mana  saja  yang  di Indonesia yang merupakan penghasil cabai rawit terbesar. Kemudian dilakukan peramalan curah hujan pada daerah dengan produksi cabai rawit yang tinggi, setelah didapatkan hasilnya, model tersebut akan digunakan  untuk  memberikan  peringatan  pada  petani  cabai  agar  memberikan  tindakan  pada  bulanbulan dengan curah hujan  yang tinggi. Data yang digunakan adalah data yang berasal dari BPS terkait produksi  cabai  di  Indonesia.  Kemudian  data  curah  hujan  juga  didapatkan  di  situs  BMKG.  Hasil analisis Cluster  yang terbaik didapatkan 4 klaster, yaitu  menempatkan  Jawa Timur dalam  Klaster 1, Jawa Tengah Klaster 2, Jawa Barat dan NTB dalam Klaster 3, dan sisanya dalam klaster 4. Langkah selanjutnya  dilakukan  peramalan  menggunakan  time  series  ARIMA  yang  didapatkan  di  BMKG sebanyak  stasiun  yang  mencatat  curah  hujan  di  Jawa  Timur.  Diharapkan  hasil  peramalan  ini  dapat membantu petani cabai rawit dalam mengambil keputusan yang bijak selama musim penghujan agar harga cabai tetap stabil.