<![CDATA[Selama ini sebagian besar analisis dalam bidang pertanian, khususnya agribisnisdan sosial ekonomi pertanian menggunakan pendekatan ekonometrika dengan mendasarkanpada asumsi “linieritas”. Pendekatan ini memberikan keunggulan dalam analisis ekonomi,seperti elastistas, return to scales, ataupun analisis fungsi permintaan dan penawaran dapatdiketahui dengan mudah. Meskipun demikian, saat ini disadari bahwa permasalahan dalambidang pertanian tidak sesederhana yang diasumsikan. Fungsi yang dianalisis mungkinmerupakan fungsi polynomial. Beberapa variabel mungkin tidak dapat didefinisikan denganjelas, khususnya variabel sosial. Oleh karena itu, penggunaan soft computing seperti model sarafbuatan (artificial neural network), genetic algorithm, fuzzy logic mulai banyak dipergunakanuntuk memecahkan berbagai persoalan yang bersifat non-linier, hazy dan subyektif. Berkaitandengan hal tersebut, tulisan ini memberikan ilustrasi penggunaan model saraf buatan dalambidang pertanian dengan mengambil kasus pada tanaman tebu. Perhitungan dilakukan denganmenggunakan multilayers networks sebanyak empat lapis dan proses belajar menggunakanalgoritma back propagation. Proses pembelajaran dilakukan sampai terjadi overtraining untukmemetakan pola hubungan faktor penentu penerimaan dan pendapatan petani tebu. Hasil yangdiperoleh menunjukkan bahwa biaya-biaya seperti sewa lahan, bibit, pestisida dan tenaga kerjamemiliki kontribusi yang besar dalam mempengaruhi penerimaan dan pendapatan petani. Biayasewa lahan yang tinggi dengan penggunaan biaya kerja yang rendah akan menekan pendapatanpetani sehingga usaha tani tebu harus diusahakan secara intensif. Selain itu, biaya modal sendiricenderu ng lebih menekan pendapatan dibandingkan dengan modal pinjaman.]]>
Copyrights © 2013
