Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Agribusiness Science and Rural Development
Irawan Wibisonya
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
ANALISIS SEKTOR UNGGULAN PERTANIAN TERHADAP PERTUMBUHAN EKONOMI DI KABUPATEN CIANJUR PROVINSI JAWA BARAT Irawan Wibisonya
Journal of Agribusiness Science and Rural Development Vol. 1 No. 1 (2021): JARSD
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (894.3 KB) | DOI: 10.32639/jasrd.v1i1.12

Abstract

Dalam memacu pertumbuhan ekonomi, sektor unggulan mempunyai peran yang sangat sentral. Selain sebagai sektor yang efektif juga menjadi motor penggerak dalam mengembangkan sektor yang lainnya. Atas dasar sektor ekonomitersebut maka sangat perlu dilakukan analisis dengan berbagai pendekatan dan teori. Selain itu sektor ekonomi juga merupakan salah satu sektor yang cukup penting bagi pertumbuhan ekonomi nasional. Penelitian ini bertujuan untuk menganalisis sektor unggulan pertanian di Kabupaten Cianjur, Menganalisis spesialisasi pertumbuhan sektor pertanian di Kabupaten Cianjur, Menganalisis Pertumbuhan Sektor-sektor Unggulan di Kabupaten Cianjur. Dengan metode analisis menggunakan Location Quotient, Spesialisasi Regional dan Shift Share. Hasil penelitian ini, menunjukan bahwa sektor pertanian menjadi sektor basis unggulan di Kabupaten Cianjur. Sedangkan Spesialisasi Pertumbuhan  Sektor pertanian menunjukan bahwa Tidak terdapat Spesialisasi Pertumbuhan Sektor pertanian di Kabupaten Cianjur terhadap Provinsi Jawa Barat. Kemudian berdasarkan hasil Shift Share menunjukan Terdapat sector ekonomi di Kabupaten Cianjur tumbuh lebih cepat dibandingkan pertumbuhan provinsi rata–rata yakni satu diantaranya Sektor pertanian yakni  1.336.256,592, kemudian sektor Industri Pengolahan memiliki nilai tertinggi ke dua  784.584,193, dan sebagian besar sektor di Kabupaten Cianjur relatif  berkembang, namun sektor pertanian rata-rata relatif kurang berkembang atau maju untuk skala regional, ini terlihat dari nilai Ppi yang bernilai negatif. Kabupaten Cianjur memiliki daya saing yang cukup baik, khususnya sektor pertanian yang sangat kuat dalam pangsa wilayah.
ANALISIS RISIKO HARGA CABAI MERAH KERITING DI KABUPATEN CIANJUR PROVINSI JAWA BARAT Irawan Wibisonya
Journal of Agribusiness Science and Rural Development Vol. 1 No. 2 (2022): JARSD
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (650.161 KB) | DOI: 10.32639/jasrd.v1i2.111

Abstract

Sektor pertanian khususnya komoditas cabai sering dihadapi dengan perubahan harga. Fluktuasi harga yang terjadi membuat timbulnya risiko harga untuk komoditas cabai merah ditingkat petani. Petani juga dihadapkan dengan masalah terhadap risiko harga. Masalah yang terjadi pada petani berupa harga jual sayuran yang berfluktuasi atau tidak selalu stabil setiap waktunya. Petani dalam setiap memulai kegiatan usahataninya selalu tidak mengetahui berapa harga jual cabai yang akan didapat ketika musim panen tiba. Artinya keputusan petani dalam melakukan usahatani cabai tanpa didasarkan kepastian harga jual akan datang. Hal ini menyebabkan timbulnya kesenjangan terhadap pendapatan aktual dan pendapatan yang diharapkan petani. Penelitian ini bertujuan untuk menganalisis risiko harga cabai merah keriting di Kabupaten Cianjur. Risiko harga dianalisis menggunakan expected return, varian, standar deviasi dan koefisien variasi.Nilai expected price dapat dihitung dengan mengakumulasikan seluruh nilai penjualan cabai merah keriting pada suatu periode yang dikalikan dengan peluang kejadiannya, berdasarkan hasil perhitungan, diketahui bahwa nilai expected price penjualan cabai merah keriting di Kecamatan Sukanagara sebesar Rp 19 389 per kg. Lebih tinggi bila dibandingkan nilai expected price penjualan yang dilakukan petani cabai merah keriting di Kecamatan Pacet yang sebesar Rp 16 873. Hasil ini lebih dikarenakan para petani sampel di Kecamatan Sukanagara memiliki lahan yang lebih luas dibandingkan dengan Kecamatan Pacet. Nilai standar deviasi dapat diperoleh dengan menghitung akar kuadrat dari nilai varians. Berdasarkan hasil perhitungan, diperoleh nilai standar deviasi petani di Kecamatan Pacet sebesar 10 375. Sedangkan standar deviasi penjualan cabai pada petani sampel di Kecamata Sukanagara adalah sebesar 10 802. Berdasarkan nilai standar deviasinya, dapat diketahui bahwa penjualan petani cabai di Kecamatan Pacet memiliki standar deviasi lebih kecil yang menunjukkan tingkat risiko harga yang lebih kecil juga.Secara keseluruhan rata-rata untuk nilai koefisien variasi cabai merah keriting pada penelitian ini sebesar 0.58.
Analisis Pengaruh Sektor Pertanian Terhadap Pertumbuhan Ekonomi Provinsi Jawa Tengah Irawan Wibisonya
Journal of Agribusiness Science and Rural Development Vol. 3 No. 2 (2024): JASRD
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/ap3ar656

Abstract

As an agricultural country, Indonesia depends on agriculture as a source of livelihood and support for development. These agricultural subsectors include food crops, horticulture, fisheries, animal husbandry and forestry. Since most of Indonesia's population works as farmers, agriculture plays a significant role in the country's income. Therefore, the agricultural sector is very important in Indonesia, including in several regions. The agricultural sector plays an important role as a provider of employment, food supplier and contributor to the country's foreign exchange through exports. The data analysis technique in this research is quantitative analysis, namely data analysis is divided into two activities, namely the activities of describing data and carrying out statistical tests (inference). The activity of describing data is describing existing data in order to obtain a real form from respondents, so that it is easier for researchers or other people who are interested in the results of the research to be understood to understand it. Activities to describe data are carried out using descriptive statistical measurements. The first analysis used was multiple linear regression analysis, to see the influence between digital marketing and brand image on purchasing decisions using SPSS 20. The regression equation was used to build a relationship between the dependent variable and the independent variable, so the equation in this research included: Y = 1.439 + 7,494 If the values ​​of other variables are constant, then the purchasing decision (Y) will change by 7,494 for every unit of the agricultural sector.
Rice Price Prediction with Long Short-Term Memory (LSTM) Neural Network Rahmat Hidayat; Irawan Wibisonya
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 8 No 5 (2024): October 2024
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v8i5.6041

Abstract

Rice is a crucial commodity, especially in countries that rely on rice as a staple food. Fluctuations in rice prices can impact inflation, purchasing power, and economic stability. Therefore, an effective method for forecasting rice prices is essential for timely decision-making. This study aims to develop a rice price forecasting model by incorporating weather variability. Using Long Short-Term Memory (LSTM) neural networks, the model is expected to provide accurate predictions and guide decision-making in rice trading. LSTM is effective in analyzing time-series data. In this study, LSTM was used to examine the relationship between weather variability, crop yields, and land area with rice prices. Daily data from 2015 to 2023 were collected to build a model capable of predicting future rice prices. The results showed that the LSTM model achieved a Root Mean Squared Error (RMSE) of 0.054, indicating high prediction accuracy. This model allows stakeholders, including farmers, traders, and government officials, to better understand future rice price movements. This, in turn, helps them implement more effective strategies in managing rice supply and stabilizing prices.
Co-Authors Rahmat Hidayat