Prediksi Produktivitas Jagung Di Indonesia Sebagai Upaya Antisipasi Impor Menggunakan Jaringan Saraf Tiruan Backpropagation

Wanto, Anjar

doi:10.31598/sintechjournal.v2i1.355

Cited by 14 publications

(11 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sektor pertanian di Indonesia masih memegang peranan penting sebagai penghasil pangan [1] dengan pertumbuhan perekonomian nasional [2], [3], tercatat bahwa hingga kuartal dua tahun 2022 sektor pertanian memberikan kontribusi sebesar 12.98% terhadap perekonomian nasional [4], salah satunya berasal dari tanaman jagung. Jagung merupakan komoditas penting setelah padi [5] dikarenakan memiliki multifungsi yang dapat digunakan untuk kebutuhan pangan [6], pakan, industri maupun kebutuhan ekspor. Setiap tahun komoditi jagung terus mengalami peningkatan permintaan yang dipengaruhi oleh harga, jumlah penduduk, harga kebutuhan lain dan PDB nasional.…”

Section: Pendahuluanunclassified

Sistem Monitoring Dan Perlindungan Tanaman Dari Gangguan Hewan Berbasis Internet of Things

Samriadi,

Alamsyah

2023

Transmisi J.Ilm. Tek. Elekt.

View full text Add to dashboard Cite

Jagung merupakan komoditas pertanian yang banyak dibudidayakan di Indonesia. Namun permasalahan yang muncul adalah hewan ternak milik masyarakat seperti babi, kambing, ayam dan sapi seringkali memasuki ladang jagung petani pada kondisi tidak terjaga. Tidak adanya informasi yang diperoleh membuat petani menjumpai tanaman dalam kondisi rusak saat kembali ke ladang. Penelitian ini bertujuan untuk membantu dan mempermudah petani dalam memonitoring dan melindungi kebun dari gangguan hewan ternak yang masuk dari jarak jauh melalui smartphone dengan menggunakan data telegram. Aplikasi ini dapat membantu petani dalam mengambil tindakan untuk meminimalisir potensi kerusakan tanaman. Penelitian dirancang menggunakan raspberry pi model 3 B+ sebagai perangkat utama pengolah data, sensor RCWL-0516 untuk mendeteksi gerakan, night vision kamera raspberry pi untuk memonitoring objek, you only look once (YOLO) v4 tiny sebagai sistem deteksi hewan penganggu tanaman, speaker sebagai output keberhasilan deteksi, dan bot telegram sebagai informasi hasil monitoring. Hasil penelitian menunjukkan bahwa sensor RCWL-0516 dapat mendeteksi gerakan secara maksimal pada jarak 4 meter. Akurasi deteksi model YOLO pada night vision kamera sebesar 88%. Selanjutnya hasil integrasi deteksi ke speaker dan bot telegram sebesar 100%. Secara keseluruhan sistem dapat bekerja dengan baik dalam mendeteksi gerakan dan memonitoring objek yang ditampilkan pada bot telegram

show abstract

Section: Pendahuluanunclassified

Sistem Monitoring Dan Perlindungan Tanaman Dari Gangguan Hewan Berbasis Internet of Things

Samriadi,

Alamsyah

2023

Transmisi J.Ilm. Tek. Elekt.

View full text Add to dashboard Cite

show abstract

“…Sementara itu, denormalisasi merupakan teknik pengembalian data yang sudah dinormalisasi ke rentang data yang seharusnya. Rumus untuk normalisasi dan denormalisasi menggunakan Persamaan (5) dan (6) [10].…”

Section: Normalisasi Dan Denormalisasiunclassified

Penerapan Extreme Learning Machine Dalam Meramalkan Harga Minyak Sawit Mentah

Aisyah

Ulinnuha²,

Hamid³

2023

KUBIK

View full text Add to dashboard Cite

Kebutuhan minyak sawit mentah mengalami peningkatan karena banyaknya permintaan minyak nabati di berbagai dunia. Awal bulan Maret 2022, harga minyak sawit mentah mencetak rekor tertinggi yang mengakibatkan harga minyak goreng internasional melonjak tinggi, terutama negara Indonesia. Penelitian ini bertujuan untuk meramalkan harga minyak sawit mentah dengan parameter uji yaitu hidden neuron dan fungsi aktivasi. Metode yang digunakan adalah Extreme Learning Machine (ELM). Metode ini merupakan pengembangan dari metode jaringan syaraf tiruan (JST) yang dapat mengatasi kelemahan dalam proses learning speed. Terdapat beberapa tahap dalam penelitian ini: (1) pre-processing data dengan melakukan normalisasi data dan membagi data menggunakan metode time series split, (2) menganalisis data menggunakan metode ELM dengan melakukan uji coba parameter yaitu hidden neuron dan fungsi aktivasi, (3) menganalisis hasil uji coba parameter terbaik, (4) menghitung data peramalan dengan menggunakan parameter terbaik yang sudah didapatkan, dan (5) menganalisis hasil peramalan yang telah diperoleh. Penelitian ini menggunakan data harian harga minyak sawit mentah mulai 01 April 2021 hingga 14 April 2022 yang diperoleh dari website Investing. Hasil penelitian yang telah dilakukan diperoleh nilai MAPE dan RMSE sebesar 0,0173 dan 0,0308 dengan parameter terbaik yaitu jumlah hidden neuron sebanyak 5 dan fungsi aktivasi sigmoid biner. Berdasarkan hasil yang diperoleh diharapkan dapat memudahkan pemerintah untuk menentukan harga minyak sawit mentah di masa yang akan datang.

show abstract

“…Metode yang baik digunakan salah satu nya adalah metode Resilient Backpropagation. Metode Resilient merupakan salah satu metode Jaringan Saraf Tiruan yang sering digunakan untuk melakukan sebuah prediksi, hal ini karena metode ini mampu memprediksi data berdasarkan data-data terdahulu, sehingga didapatkan hasil prediksi setelah melakukan pembelajaran dan pelatihan berdasarkan data yang sudah pernah terjadi [14]- [21]. Diharapkan dari hasil penelitian ini, maka jumlah pengangguran untuk tahun-tahun selanjutnya pada tiap semesternya dapat diprediksi jumlah nya, sehingga pemerintah Indonesia dapat membuat maupun menentukan kebijakan yang tepat untuk menekan angka pengangguran ini.…”

Section: Pendahuluanunclassified

Implementasi Algoritma Resilient untuk Prediksi Potensi Produksi Bawang Merah di Indonesia

Nurhayati¹,

Sibuea²,

Kusbiantoro³

et al. 2022

bits

View full text Add to dashboard Cite

Shallots are seasonal horticultural crops with high economic value. They are one of the horticultural commodities prioritized by the Director General of Horticulture and the Ministry of Agriculture in their development and handling. Therefore, it is necessary to predict the potential of shallot production in Indonesia so that the government has benchmarks and information in determining the right economic policy so that shallot production can continue to be increased or at least be unstable every year. In this study, the prediction algorithm used is the Resilient algorithm. The research data used are shallot production data obtained from the Indonesian Central Statistics Agency. This research will be analyzed using four network architecture models: 6-5-1, 6-10-1, 6-17-1 and 6-29-1. Based on the analysis of the four models used, the results show that the 6-17-1 model is the best because it has a lower Mean Square Error (MSE) value than the other three models, which is 0.0337792, and the accuracy level is quite good. Of 79% with an error rate of 0.04 used. This architectural model will be used to predict the potential for shallot production in Indonesia. Based on the overall prediction results from each province, the potential for Indonesian shallot production at the end of 2022 tends to decrease compared to 2021. The conclusion can be drawn that the application of the Resilient algorithm to the problem of red onion production data in Indonesia is quite good, but the accuracy is not too high, so a more profound study is needed

show abstract

Prediksi Produktivitas Jagung Di Indonesia Sebagai Upaya Antisipasi Impor Menggunakan Jaringan Saraf Tiruan Backpropagation

Cited by 14 publications

References 20 publications

Sistem Monitoring Dan Perlindungan Tanaman Dari Gangguan Hewan Berbasis Internet of Things

Sistem Monitoring Dan Perlindungan Tanaman Dari Gangguan Hewan Berbasis Internet of Things

Penerapan Extreme Learning Machine Dalam Meramalkan Harga Minyak Sawit Mentah

Implementasi Algoritma Resilient untuk Prediksi Potensi Produksi Bawang Merah di Indonesia

Contact Info

Product

Resources

About