PENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PENGENALAN POLA: PENERIMAAN DAN PENDAPATAN PETANI TEBU

Abstract

Selama ini sebagian besar analisis dalam bidang pertanian, khususnya agribisnis
dan sosial ekonomi pertanian menggunakan pendekatan ekonometrika dengan mendasarkan
pada asumsi “linieritas”. Pendekatan ini memberikan keunggulan dalam analisis ekonomi,
seperti elastistas, return to scales, ataupun analisis fungsi permintaan dan penawaran dapat
diketahui dengan mudah. Meskipun demikian, saat ini disadari bahwa permasalahan dalam
bidang pertanian tidak sesederhana yang diasumsikan. Fungsi yang dianalisis mungkin
merupakan fungsi polynomial. Beberapa variabel mungkin tidak dapat didefinisikan dengan
jelas, khususnya variabel sosial. Oleh karena itu, penggunaan soft computing seperti model saraf
buatan (artificial neural network), genetic algorithm, fuzzy logic mulai banyak dipergunakan
untuk memecahkan berbagai persoalan yang bersifat non-linier, hazy dan subyektif. Berkaitan
dengan hal tersebut, tulisan ini memberikan ilustrasi penggunaan model saraf buatan dalam
bidang pertanian dengan mengambil kasus pada tanaman tebu. Perhitungan dilakukan dengan
menggunakan multilayers networks sebanyak empat lapis dan proses belajar menggunakan
algoritma back propagation. Proses pembelajaran dilakukan sampai terjadi overtraining untuk
memetakan pola hubungan faktor penentu penerimaan dan pendapatan petani tebu. Hasil yang
diperoleh menunjukkan bahwa biaya-biaya seperti sewa lahan, bibit, pestisida dan tenaga kerja
memiliki kontribusi yang besar dalam mempengaruhi penerimaan dan pendapatan petani. Biaya
sewa lahan yang tinggi dengan penggunaan biaya kerja yang rendah akan menekan pendapatan
petani sehingga usaha tani tebu harus diusahakan secara intensif. Selain itu, biaya modal sendiri
cenderu ng lebih menekan pendapatan dibandingkan dengan modal pinjaman.