Penerapan Metode Backpropagation dalam Jaringan Saraf Tiruan untuk Meningkatkan Prediksi Produksi Kentang di Sumatera
DOI:
https://doi.org/10.55123/insologi.v3i6.4658Keywords:
Backpropagation, Artificial Neural Network, Production Prediction, Network Architecture, Potato ProductionAbstract
Potato production in Sumatra plays an important role in supporting the national agribusiness sector. However, the uncertainty of factors such as weather, soil quality and farming practices often leads to fluctuations in production yields. This research aims to improve the accuracy of potato production prediction by applying the Backpropagation method in Artificial Neural Network. This research aims to find the best architecture model using the backpropagation method in predicting potato production in Sumatra. The data used was obtained from the Central Bureau of Statistics (BPS) and divided into training and testing data. This study tested several artificial neural network (ANN) architectures with models 6-10-1, 6-30-1, 6-50-1, 6-70-1, and 6-100-1. The results showed that the 6-50-1 architecture model gave the best results with 83% accuracy and 1617 epochs. In addition, this model has a low Mean Squared Error (MSE) on both training and testing data, which indicates good performance in potato production prediction. By using the backpropagation algorithm, this study provides an effective solution to improve the prediction of agricultural commodity production, particularly potatoes, which is important for decision-making and distribution planning. These findings can assist farmers and policy makers in planning more efficient production strategies and anticipating production challenges. This research confirms the importance of applying artificial intelligence technology to support the sustainability of the agricultural sector in Sumatra.
Downloads
References
Sartika, “Analisis Faktor-Faktor Yang Produksi Kentang,” Saintia Mat., vol. 1, no. 5, pp. 445–457, 2017.
A. Fianda, F. Jalil, and Z. Zuriani, “Analisis Faktor-Faktor Yang Mempengaruhi Produksi Kentang Di Kecamatan Timang Gajah Kabupaten Bener Meriah,” Agrifo J. Agribisnis Univ. Malikussaleh, vol. 1, no. 1, p. 42, 2016.
P. Hidayah, M. Izzati, and S. Parman, “Pertumbuhan dan Produksi Tanaman Kentang (Solanum tuberosum L. var. Granola) pada Sistem Budidaya yang Berbeda,” Bul. Anat. dan Fisiol., vol. 2, no. 2, p. 218, 2017.
P. Sarjana, “Pengaruh Pemberian Pupuk Organik Cair terhadap Pertumbuhan dan Produksi Kentang (Solanum tuberosum L.),” J. Anat. dan Fisiol., vol. XV, no. 2, pp. 21–31, 2007.
M. K. Agatha and E. Wulandari, “Analisis Faktor-Faktor yang Mempengaruhi Produksi Kentang Di Kelompok Tani Mitra Sawargi Desa Barusari Kecamatan Pasirwangi Kabupaten Garut,” J. Ilm. Mhs. AGROINFO GALUH, vol. 4, no. 3, pp. 772–778, 2018.
S. M. Damanik, A. Perdana, W. Saputra, R. Dewi, and S. R. Andani, “Seminar Nasional Sains dan Teknologi Informasi (SENSASI) Optimasi Data Menggunakan Teknik Backpropagation dalam Meningkatkan Hasil Nilai Akurasi,” pp. 657–662, 2021.
S. A. Salimu and Y. Yunus, “Prediksi Tingkat Kedatangan Wisatawan Asing Menggunakan Metode Backpropagation (Studi Kasus: Kepulauan Mentawai),” J. Inform. Ekon. Bisnis, vol. 2, pp. 98–103, 2020.
R. Maiyuriska, “Penerapan Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Panen Gabah Padi,” J. Inform. Ekon. Bisnis, vol. 4, pp. 28–33, 2022.
Dwira Azi Pragana, D. W. Manurung, and Agus Perdana Windarto, “Analisa Metode Backpropagation Pada Prediksi Rata-rata Harga Beras Bulanan Di Tingkat Penggilingan Menurut Kualitas,” J. Comput. Informatics Res., vol. 2, no. 3, pp. 77–84, 2023.
M. Fajar, Sumarno, and I. Gunawan, “Penerapan Jaringan Syaraf Tiruan Dengan Metode Backpropagation Untuk Memprediksi Penjualan Sepeda Motor Yamaha Di Asli Motor Siantar,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 1, no. 4, pp. 180–186, 2021.
Muhammad Kurniawansyah, Rafiqotul Husna, Raichan Septiono, Agus Perdana Windarto, and Putrama Alkhairi, “Analisa Metode Backpropagation Dalam Memprediksi Jumlah Perusahaan Konstruksi Berdasarkan Provinsi di Indonesia,” J. Comput. Informatics Res., vol. 3, no. 1, pp. 164–172, 2023.
Y. Muamar and A. Muhajirin, “Penerapan Jaringan Saraf Tiruan Dengan Metode Backpropagation Untuk Memprediksi Tingkat Kelulusan Mahasiswa Perguruan Tinggi,” Digit. Transform. Technol., vol. 4, no. 1, pp. 214–224, 2024.
N. Aulya, “Prediksi Kunjungan Wisata Kota Payakumbuh Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation,” J. Inform. Ekon. Bisnis, vol. 4, pp. 7–9, 2022.
R. Rahmiyanti, S. Defit, and Y. Yunus, “Prediksi dan Klasifikasi Buku Menggunakan Metode Backpropagation,” J. Inf. dan Teknol., vol. 3, pp. 109–114, 2021.
Y. Afani, M. Simanjuntak, and R. Saragih, “Prediksi Jumlah Customer di Bengkel H. Tomo Service MenggunakanMetode Backpropagation,” Jasa, vol. 4, no. 2722–4368, pp. 28–38, 2022.
Mhd. Rifadly Ottay, Heru Satria Tambunan, and Zulia Almaida Siregar, “Implementasi Metode Back-Propagation Dalam Memprediksi Jumlah Produksi Daging Ayam Ras Pedaging Di Indonesia,” J. Ilm. Sist. Inf. dan Ilmu Komput., vol. 2, no. 3, pp. 66–74, 2022.
J. Junaidi, S. Mandasari, Y. Franciska, A. Fahmi, and R. Rosnelly, “Implementasi Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Dalam Meramalkan Kebutuhan Handsanitizer Di Pemerintah Kota Medan,” J. Sci. Soc. Res., vol. 5, no. 3, p. 671, 2022.
Ranjani, Suci Cahaya Mita, Indah Anggriyani, and Poningsih, “Pemilihan Model Arsitektur Terbaik dengan metode backpropagation Dalam Menganalis Produksi Perikanan Laut,” Bull. Inf. Technol., vol. 3, no. 4, pp. 390–399, 2022.
Permana and F. N. S. Salisah, “Pengaruh Normalisasi Data Terhadap Performa Hasil Klasifikasi Algoritma Backpropagation,” Indones. J. Inform. Res. Softw. Eng., vol. 2, no. 1, pp. 67–72, 2022.
A. Yuberta, “Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Asesmen Nasional Berbasis Komputer (ANBK) SMP Se Kota Sawahlunto,” J. Inf. dan Teknol., vol. 4, no. 4, pp. 200–205, 2022.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Bagus Arya Atmaja, Gery Samuel Gultom, Jhon Hansen Manurung, Victor Asido Elyakim P
This work is licensed under a Creative Commons Attribution 4.0 International License.
Hak cipta pada setiap artikel adalah milik penulis.
Penulis mengakui bahwa INSOLOGI (Jurnal Sains dan Teknologi) sebagai publisher yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution 4.0 International License.
Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini kedalam versi yang lain, seperti: dikirim ke respository institusi penulis, publikasi kedalam buku, dan lain-lain. Dengan mengakui bahwa naskah telah terbit pertama kali pada INSOLOGI (Jurnal Sains dan Teknologi).
