Implementasi Jaringan Syaraf Tiruan Metode Backpropogation Dalam Memprediksi Ketersediaan Komoditas Beras Berdasarkan Provinsi di Indonesia

Abdullah Ahmad, Lise Pujiastuti, Pipit Mutiara Putri, Poningsih Poningsih, Solikhun Solikhun

Abstract


Tidak dapat dipungkiri bahwa  kebutuhan beras sebagai makanan pokok di Indonesia setiap tahunnya selalu meningkat seiring dengan peningkatan pertumbuhan penduduk di Indonesia. Sehingga pemerintah senantiasa berupaya menjaga bahkan meningkatkan produksi beras melalui peningkatan produksi tanaman padi demi menjaga angka kecukupan pangan berupa beras di Indonesia. Penelitian ini diharapkan bisa memberikan kontribusi bagi pemerintah agar dapat memprediksi ketersediaan komoditas beras berdasarkan provinsi di Indonesia ke depannya. Data yang digunakan adalah data dari Badan Statistik Nasional melalui website www.bps.go.id. Data tersebut adalah data produksi padi/beras berdasarkan provinsi di Indonesia dalam rentang waktu tahun 2010 sampai dengan tahun 2015. Algoritma yang digunakan pada penelitian ini adalah Jaringan Saraf Tiruan dengan metode Backpropagation. Variabel masukan (input) yang digunakan adalah data tahun 2010 (X1), data tahun 2011 (X2), data tahun 2012 (X3), data tahun 2013 (X4), data tahun 2014 (X5) dan data tahun 2015 sebagai target dengan model arsitektur pelatihan dan pengujian sebanyak 4 arsitektur yakni 4-4-1, 4-8-1, 4-16-1, 4-32-1. Keluaran yang dihasilkan adalah pola terbaik dari arsitektur JST. Model arsitektur terbaik adalah 4-4-1 dengan epoch 218, MSE 0.012728078 dan tingkat akurasi 97%. Dari model ini diperoleh prediksi ketersediaan  komoditas beras berdasarkan provinsi di Indonesia secara keseluruhan berkisar 113500538.

Kata Kunci: Prediksi Ketersediaan Komoditas Beras, JST, Backpropogation


Full Text:

PDF

References


] H. Nasution and L. Fuzzy, “Implementasi Logika Fuzzy pada Sistem Kecerdasan Buatan,” vol. 4, no. 2, pp. 4–8, 2012. [2] “No Title,” 2018.

] M. F. A. Mistianingsih, J. Barong, K. Unmul, G. Kelua, and S. Samarinda, “Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran Backpropagation,” vol. 5, no. 1, 2010.

] G. Dhaneswara and V. (Jurusan I. K. U. K. P. S. Moertini, “Jaringan Saraf Tiruan Propagasi Balik Untuk Klasifikasi Data,” Integr. FMIPA Unpar, vol. 9, no. 3, pp. 1–11, 2004.

] A. Jumarwanto, “Aplikasi Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Penyakit THT Di Rumah Sakik Mardi Rahayu Kudus,” J. Tek. Elektro, vol. 1, no. 1, pp. 11–21, 2009. D. O. (Faculty of I. E.-G. U. Maru’ao, “Neural Network Implementation in Exchange Kurs Prediction,” 2010.

] A. P. Windarto, P. Studi, and S. Informasi, “Implementasi JST Dalam Menentukan Kelayakan Nasabah Pinjaman KUR Pada Bank Mandiri Mikro Serbelawan Dengan Metode Backpropagation,” no. 1, pp. 12–23, 2017.

] Tim BadanPusat Statistik. 2019. Produksi Padi Menurut Provinsi 2010-2015. Online : www.bps.go.id


Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Seminar Nasional Teknologi Komputer & Sains (SAINTEKS)

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.