Analisis tingkat kesesuaian lahan pada Komoditas Tanaman Pangan menggunakan Jaringan Syaraf Tiruan Backpropagation

ABSTRAK

Indonesia merupakan negara dengan sumber daya alam yang melimpah dan disebut sebagai negara agraris karena penduduknya yang mayoritas memiliki mata pencaharian sebagai petani. Pengetahuan para pelaksana pertanian dalam menentukan kesesuaian lahan dengan jenis tanaman yang akan ditanam tentu akan dapat meminimalisasi berbagai permasalahan panen yang terjadi. Penentuan jenis tanaman pangan yang sesuai ditanam pada lahan tertentu berdasarkan nilai-nilai karakteristik lahan sangat diperlukan sebagai pendukung pengambilan keputusan. Perkembangan penelitian dalam bidang teknologi yang berkaitan dengan klasifikasi lahan telah banyak dilakukan oleh para peneliti, antara lain menggunakan Jaringan Syaraf Tiruan Backpropagation.

Pemrograman Jaringan Syaraf Tiruan (JST) metode Backpropagation dapat digunakan untuk melakukan analisis kesesuaian lahan pada komoditas tanaman pangan, sehingga diharap dapat memberikan informasi tanaman yang sesuai ditanam. Program Jaringan Syaraf Tiruan ini menggunakan 8 parameter input (karakteristik lahan) dan 1 parameter output (tanaman pangan). Data training (pelatihan) diperoleh dari kombinasi nilai karakteristik lahan yang termasuk dalam kelas kesesuaian S1, S2, S3, dan N yang telah ditentukan dalam Peraturan Menteri Pertanian (2013)..

Arsitektur Backpropagation Neural Network dalam pemrograman ini 8-1, yang berarti terdapat 8 node pada lapisan input dan 1 node pada lapisan output. Nilai Eps =net.trainParam.epochs = 5000, net.trainParam.goal = 1e-4 (0.00001) dan feedforwardnet = 25. Dari nilai-nilai diatas diperoleh hasil analisis kesesuaian lahan paling baik.

ABSTRACT

Indonesia is a country with abundant natural resources and is referred to as an agricultural country because the majority of the population who have a livelihood as farmers. Knowledge of the implementers of agriculture in determining the suitability of land with the kind of crop that will be planted will certainly be able to minimize the problems that occurred harvest. Determination of the appropriate type of crops grown on a specific field based on the values of land characteristics is indispensable for decision support. The development of research in the field of technology relating to the classification of land have been carried out by the researchers, among other uses Backpropagation Neural Network.

Programming Artificial Neural Network (ANN) Backpropagation method can be used to perform analysis of land suitability in food crops, so it is expected to provide information in accordance planted crops. Neural Network program uses 8 input parameters (soil characteristics) and 1 output parameter (crops). Data Training (training) is obtained from a combination of the value of land characteristics which are included in the suitability classes S1, S2, S3, and N specified in the Regulation of the Minister of Agriculture (2013) ..
Backpropagation Neural Network architecture in this programming 8-1, which means there are 8 nodes in the input layer and the first node in the output layer. Eps value = net.trainParam.epochs = 5000, net.trainParam.goal = 1e-4 (0.00001) and feedforwardnet = 25. From the values obtained over land suitability analysis results are best.