Pemanfaatan Metode Jaringan Saraf Tiruan dalam Prediksi Laju Luas Lahan Sawah di Kecamatan Wanayasa Purwakarta

Muhammad Zaynurroyhan

doi:10.24176/sitech.v5i2.9082

Pemanfaatan Metode Jaringan Saraf Tiruan dalam Prediksi Laju Luas Lahan Sawah di Kecamatan Wanayasa Purwakarta

Muhammad Zaynurroyhan

Abstract

Ketahanan pangan merupakan hal yang cukup dekat dengan pertanian dikarenakan hubungannya dengan aspek produksi untuk pemenuhan kebutuhan masyarakat. Akan tetapi Indonesia sebagai negara agraris kesulitan dalam memenuhi ketahanan pangannya. Dari tahun 2016 sampai 2020 luas panen padi di Indonesia memasuki tren menurun. Untuk mengetahui laju pertumbuhan luas lahan sawah yang berdampak pada panen padi dapat dilakukan prediksi dengan metode Jaringan Saraf Tiruan. Pada penelitian ini penulis membuat prediksi luas lahan sawah Kecamatan Wanayasa di Kabupaten Purwakarta, Provinsi Jawa Barat dengan menggunakan metode Jaringan Saraf Tiruan. Data luas lahan sawah yang digunakan berkisar pada tahun 2010-2021. Penelitian dilakukan menggunakan perangkat lunak MatLab. Dari hasil penelitian yang telah dilakukan menunjukkan bahwa penggunaan metode tersebut cukup baik dilihat dari nilai MSE (Mean Squared Error) sebesar 0.011914. Dari hasil tersebut dapat disimpulkan bahwa metode Jaringan Saraf Tiruan dapat digunakan alternatif dalam melakukan prediksi terhadap laju pertumbuhan sawah di Kecamatan Wanayasa, Kabupaten Purwakarta.

Keywords

prediksi; jaringan saraf tiruan, matLab

Teks Lengkap:

PDF

Referensi

[1] Heri S. Ketahanan Pangan. J Sos Hum 2011;4:186–94.
[2] Pusat Data dan Informasi Sistem Pertanian. Statistik Ketahanan Pangan Tahun 2021. Jakarta: Pusat Data dan Sistem Informasi Pertanian Sekretariat Jenderal Kementerian Pertanian; 2021.
[3] Jamal E. Faktor-Faktor Yang Mempengaruhi Pembentukan Harga Lahan Sawah Pada Proses Alih Fungsi Lahan Sawah Ke Penggunaan Non Pertanian: Studi Kasus di Beberapa Desa, Kabupaten Karawang, Jawa Barat. J Agro Ekon 2016;19:45. https://doi.org/10.21082/jae.v19n1.2001.45-63.
[4] Purwitasari NA, Soleh M. Implementasi Algoritma Artificial Neural Network Dalam Pembuatan Chatbot Menggunakan Pendekatan Natural Language Parocessing. J IPTEK 2022;6:14–21. https://doi.org/10.31543/jii.v6i1.192.
[5] Putra RR. Implementasi Metode Backpropagation Jaringan Saraf Tiruan Dalam Memprediksi Pola Pengunjung Terhadap Transaksi. J Chem Inf Model 2019;2:16--20.
[6] Wong K, Wibawa AP, Pakpahan HS, Prafanto A, Setyadi HJ. Prediksi Tingkat Inflasi Dengan Menggunakan Metode Backpropagation Neural Network. Sains, Apl Komputasi Dan Teknol Inf 2019;1:8. https://doi.org/10.30872/jsakti.v1i2.2600.
[7] Masruroh M, Mauladi KF. Perbandingan Metode Regresi Linear Dan Neural Network Backpropagation Dalam Prediksi Nilai Ujian Nasional Siswa Smp Menggunakan Software R. Joutica 2020;5:331. https://doi.org/10.30736/jti.v5i1.347.
[8] Ali I, Sularto L. Optimasi Parameter Artificial Neural Network Menggunakan Algoritma Genetika Untuk Prediksi Kelulusan Mahasiswa. J ICT Inf Commun Technol 2019;18:54–9. https://doi.org/10.36054/jict-ikmi.v18i1.52.
[9] Rizqulloh FR, Prasetyono S, Cahyadi W. Analisa Perbandingan Peramalan Beban Listrik Jangka Pendek antara Metode Backpropagation Neural Network dengan Metode Regresi Linier. J Arus Elektro Indones 2020;6:69–77.
[10] Hasan NF, Kusrini K, Fatta H Al. Analisis Arsitektur Jaringan Syaraf Tiruan Untuk Peramalan Penjualan Air Minum Dalam Kemasan. J Rekayasa Teknol Inf 2019;3:1. https://doi.org/10.30872/jurti.v3i1.2290.