Salah satu penopang struktur PDB Indonesia menurut lapangan usaha, pada triwulan III-2022, adalah pertanian, kehutanan, dan perikanan, yang jika dikalkulasi yakni sebesar 12,91 persen. Sektor ini menempati posisi ke-3 terbesar setelah sektor industri pengolahan (17,88 persen) dan sektor pertambangan dan penggalian (13,47 persen).
Mengutip data Badan Pusat Statistik (BPS), ekspor pertanian pada tahun 2020 mencapai 4.119 juta dolar AS. Dari nilai itu, kontribusi sektor perkebunan mencapai 28,24 miliar dolar AS.
Kelapa sebagai salah satu komoditas perkebunan bahkan tercatat volume ekspornya naik sebesar 12,02 persen jika dibandingkan dengan tahun 2019.
Malaysia dan Tiongkok merupakan negara tujuan ekspor kelapa dari Indonesia terbesar, dengan kontribusi masing-masing 20,42 persen dan 19,64 persen. Hal ini menunjukkan bahwa pangsa pasar di kedua negara tersebut cukup potensial.
Menyoal perkebunan kelapa di Indonesia
Perkebunan kelapa Indonesia tersebar di seluruh provinsi di Indonesia, termasuk di Jawa Timur. Salah satu kabupaten di Jawa Timur yang memproduksi kelapa adalah Kabupaten Lumajang. Kabupaten di wilayah bagian selatan provinsi Jawa Timur ini memiliki potensi yang cukup besar pada sektor pertanian dan perkebunan.
Pada 2021, penggunaan areal perkebunan terbesar di Kabupaten Lumajang adalah luas perkebunan kelapa yang mencapai 7.939 hektare dengan hasil produksi sebesar 8.259,78 ton. Diikuti oleh luas areal perkebunan kopi robusta (3.962,5 hektare) dengan produksi sebesar 1.312,29 ton.
Berdasarkan data tersebut, potensi perkebunan di Kabupaten Lumajang–khususnya komoditas kelapa–sangatlah besar.
Di sisi lain, Kabupaten Lumajang menjadi salah satu kabupaten yang cukup baik dalam hal pencatatan. Di mana mereka sudah mempunyai laman Satu Data Lumajang yang bisa diakses melalui https://data.lumajangkab.go.id. Melalui laman situs tersebut, penulis menemukan dataset perkebunan Kabupaten Lumajang mulai tahun 2018-2021.
Dengan memanfaatkan teknik Data Mining/Data Science dan menggunakan metodologi CRISP-DM sebagai alur pengerjaan proyek, penulis mencoba melakukan analisa menggunakan Software KNIME, dengan tujuan untuk mengetahui serta menganalisis variabel apa saja yang saling berkorelasi atau saling berhubungan di dalam dataset tersebut.
Di antara manfaatnya adalah mengukur peningkatan produksi kelapa di Kabupaten Lumajang baik secara kuantitas maupun kualitas, efisiensi produksi, serta memprediksi peningkatkan pendapatan masyarakat, khususnya di Kabupaten Lumajang.
Di dalam metodologi CRISP-DM, terdapat enam langkah pengerjaan proyek Data Mining/Data Science. Di antaranya adalah:
- Business Understanding,
- Data Understanding,
- Data Preparation,
- Modeling,
- Evaluation, dan
- Deployment.
Business Understanding dan Data Understanding
Mengenai Business Understanding, penulis sudah jelaskan sebelumnya, beserta tujuan dan manfaatnya. Kemudian soal Data Understanding. Dataset yang penulis dapatkan, awalnya berjumlah 4 file yang berisi data beberapa komoditas perkebunan di Kabupaten Lumajang (periode 2018-2021).
Namun, penulis hanya mengambil data-data khusus komoditas kelapa, kemudian dibuatkan file excel baru. Pada dataset baru ini terdapat 4 baris dan 7 kolom. Berikut ini penjelasan mengenai datasetnya:
Data Preparation
Setelah Data Understanding, penulis lanjut ke Data Preparation. Pada langkah ini, tidak semua kolom digunakan pada proses analisa. Terdapat variabel yang akan dilakukan filter terlebih dahulu, yakni variabel TAHUN. Jadi, variabel yang digunakan antara lain TBM, TM, TT/R, Jumlah Area, Produksi, dan Produktivitas.
Modeling
Setelah selesai, proses selanjutnya adalah Modeling. Pada proses ini, algoritma yang digunakan adalah Correlation Matrix yang digunakan untuk menganalisis serta mengetahui hubungan atau korelasi antar variabel dalam suatu dataset.
Evaluation
Setelah proses Modeling selesai, selanjutnya masuk pada tahapan Evaluation. Pada tahapan ini, penulis mencoba mengevaluasi pola yang dihasilkan dari algoritma Correlation Matrix. Berikut pola yang dihasilkan:
Berdasarkan hasil evaluasi, warna biru menunjukkan adanya korelasi positif. Sebaliknya, warna merah menunjukkan korelasi negatif. Semakin pekat warnanya, semakin tinggi korelasinya. Maka dari itu, variabel yang paling signifikan berkorelasi (hubungan positif) dengan variabel produksi adalah TM (Tanaman Menghasilkan).
Kemudian, variabel yang mempunyai hubungan positif, namun cukup rendah dengan variabel produksi adalah Jumlah Area. Sedangkan variabel yang lainnya, sama sekali tidak memiliki hubungan atau korelasi dengan variabel produksi. Untuk mempermudah memahami kalimat di atas, penulis tampilkan visualisasinya dibawah ini:
Visualisasi di atas menggambarkan hubungan antara variabel TM (Tanaman Menghasilkan) dengan variabel Produksi, dan menunjukkan bahwa TM memiliki korelasi positif dengan Produksi. Jika TM naik, maka hasil produksi juga akan naik, begitu sebaliknya.
Sementara, visualisasi di atas menggambarkan hubungan antara variabel Jumlah Area dengan variabel Produksi, dan menunjukkan bahwa Jumlah Area memiliki korelasi positif dengan produksi, tetapi juga terdapat anomali. Kadang kala Jumlah Areanya tinggi, tetapi produksinya rendah.
Deployment dan Insight
Setelah tahap Evaluation, penulis masuk ke tahap yang terakhir, yaitu Deployment, yang tujuannya untuk menerapkan atau mengimplementasikan hasil pemodelan ke organisasi, bisnis, maupun institusi, di mana penulis sebagai Data Scientist akan memberikan saran kepada Pemerintah Kabupaten Lumajang.
Di antara beberapa saran penulis kepada Pemerintah Kabupaten Lumajang, adalah:
- Fokus pada pemeliharaan TM (Tanaman Menghasilkan), seperti sanitasi tanaman, pengendalian gulma, pemupukan, serta pemeliharaan lainnya.
- Mengadakan pelatihan atau Workshop khusus mengenai pemeliharaan komoditas Kelapa dengan pemateri yang sudah mahir atau ahli di bidangnya.
- Mengevaluasi kembali jika ada perluasan lahan untuk produksi kelapa, karena jumlah area lahan pengaruhnya rendah terhadap produksi kelapa.
Penutup
Tentunya, saran-saran ini tidak harus semua dilaksanakan, karena penulis sebagai tim Data Scientist hanya memberikan saran-saran. Sedangkan untuk implementasinya penulis serahkan kembali pada Pemerintah Kabupaten Lumajang.
Semoga hasil analisa yang penulis lakukan dapat membawa manfaat.
