Model Jaringan Syaraf Tiruan Dalam Memprediksi Ketersediaan Cabai Berdasarkan Provinsi

  • Devi Monika Program Studi Manajemen Informatika, AMIK Tunas Bangsa
  • Abdullah Ahmad Program Studi Manajemen Informatika, AMIK Tunas Bangsa
  • Sri Wardani Program Studi Manajemen Informatika, AMIK Tunas Bangsa
  • Solikhun Program Studi Manajemen Informatika, AMIK Tunas Bangsa
Keywords: Backpropogation, JST, Ketersediaan Tanaman Cabai, Prediksi

Abstract

Tanaman cabai adalah bumbu masakan yang saling melengkapi. Harga cabai selalu berfluktuasi. Tercatat dari 2012 hingga 2017, produksi tanaman cabai besar (ton) di setiap provinsi berfluktuasi. Pemerintah membutuhkan prediksi ketersediaan tanaman cabai berdasarkan provinsi di Indonesia untuk meningkatkan ketahanan pangan, terutama produksi cabai. Penelitian ini memberikan kontribusi kepada pemerintah untuk dapat memprediksi ketersediaan tanaman cabai berdasarkan provinsi di Indonesia di masa depan. Data yang digunakan adalah data dari Badan Pusat Statistik melalui situs web www.bps.go.id. Data tersebut adalah data tentang ketersediaan tanaman cabai menurut provinsi di Indonesia dari 2012 hingga 2017. Algoritma yang digunakan dalam penelitian ini adalah Jaringan Syaraf Tiruan dengan metode Backpropogation. Variabel input yang digunakan adalah data 2012 (X1), data 2013 (X2), data 2014 (X3), dan data 2015 (X4) dengan 4 pelatihan arsitektur dan model pengujian, 4-2-1, 4-3-1, 4-4-1, dan 4-5-1. Data target diambil dari data 2016 (T). Output yang dihasilkan adalah pola terbaik dari arsitektur JST. Model arsitektur terbaik adalah 4-5-1 dengan zaman 670, MSE 0,010651, dan tingkat akurasi 99,97.

References

Irawan, B. (2007). Fluktuasi Harga, Transmisi Harga dan Marjin Pemasaran Sayuran dan Buah. Analisis Kebijakan Pertanian, Vol. 5, No. 4, pp. 358–373.

Solikhun, Windarto, A.P., Handrizal & Fauzan, M. (2017). Jaringan Syaraf Tiruan Dalam Memprediksi Sukuk Negara Ritel Berdasarkan Kelompok Profesi Dengan Backpropagation Dalam Mendorong Laju Pertumbuhan Ekonomi. Seminar Ilmiah Nasional Membangun Paradigma Kehidupan Melalui Multidisiplin Ilmu, pp. 14–31.

Solikhun, Safii, M. & Trisno, A. (2017). Jaringan Saraf Tiruan Untuk Memprediksi Tingkat Pemahaman Siswa Terhadap Matapelajaran Dengan Menggunakan Algoritma Backpropagation. Jurnal Sains Komputer & Informatika, Vol. 1, No. 1, pp. 24–36.

Matondang, Z.A. (2013). Jaringan Syaraf Tiruan Dengan Algoritma Backpropagation Untuk Penentuan Kelulusan Sidang Skripsi. Pelita Informatika Budi Darma, Vol. IV, No. 1, pp. 84–93.

Sudarsono, A. (2016). Jaringan Syaraf Tiruan Untuk Memprediksi Laju Pertumbuhan Penduduk Menggunakan Metode Backpropagation (Studi Kasus Kota Bengkulu). Media Infotama, Vol. 12, No. 1, pp. 61–69.

Windarto, A.P. (2017). Implementasi JST Dalam Menentukan Kelayakan Nasabah Pinjaman KUR Pada Bank Mandiri Mikro Serbelawan Dengan Metode Backpropagation. Jurnal Sains Komputer & Informatika, Vol. 1, No. 1, pp. 12–23.

Kusmaryanto, S. (2014). Jaringan Saraf Tiruan Backpropagation untuk Pengenalan Wajah Metode Ekstraksi Fitur Berbasis Histogram. Jurnal EECCIS, Vol. 8, No. 2, Desember 2014, pp. 193–198.

Nurmila, N., Sugiharto, A. & Sarwoko, E.A. (2005). Algoritma Back Propagation Neural Network untuk Pengenalan Karakter Huruf Jawa. Jurnal Masyarakat Informatika, ISSN 2086-4930, Vol. 1, No. 1, pp. 1–10.

Agustin, M. & Prahasto, T. (2012). Penggunaan Jaringan Syaraf Tiruan Backpropagation untuk Seleksi Penerimaan Mahasiswa Baru pada Jurusan Teknik Komputer di Politeknik Sriwijaya. Jurnal Sistem Informasi Bisnis, Vol. 2, pp. 4–32.

Published
2019-06-11
Section
Articles