Adi Utomo, Sakti Wira (2025) ARTIFICIAL NEURAL NETWORK UNTUK MEMPREDIKSI PRODUKSI TANAMAN MENGGUNAKAN METODE BACKPROPAGATION DI DINAS PERTANIAN DAN PANGAN KABUPATEN MAGELANG PROVINSI JAWA TENGAH (STUDI PADA PRODUKSI TAMANAN CABAI). Other thesis, Institut Pemerintahan Dalam Negeri.
|
Text
Repository.pdf Download (654kB) | Preview |
Abstract
ABSTRACT Problem Statement/Background (GAP): The Department of Agriculture and Food of Magelang Regency faces challenges in providing accurate and detailed data on chili production. This issue is critical as Magelang is one of the largest chili-producing centers in Central Java, with a total production reaching 880,983.19 quintals in 2024. Resource limitations, especially in field data collection, pose a major obstacle to regularly estimating production across the entire region. Yet, chili production data is essential for policy-making in market regulation and food price stabilization. Purpose: To address this problem, this study aims to develop a chili production prediction model using the Artificial Neural Network (ANN) method with the Backpropagation algorithm, to support more efficient and accurate production estimation. Method: A qualitative research method was employed, with data collected from documentation provided by the Department of Agriculture and Food of Magelang, the SIPEDAS website, and interviews(12 Informants). Result: The research findings indicate that the ANN model built using Altair AI Studio successfully produced accurate predictions. The best-performing architectures identified were 12-25-1 for large chili and 12-15-1 for bird's eye chili. Conclusion: This model has proven useful in supporting strategic planning for supply and price stabilization by relevant agencies. The study also recommends further model improvements, including exploring more diverse architectures, incorporating additional variables such as land area and rainfall, and comparing ANN performance with other predictive algorithms. Keywords: Artificial Neural Network, Production Prediction, Backpropagation ABSTRAK Permasalahan/Latar Belakang (GAP): Dinas Pertanian dan Pangan Kabupaten Magelang menghadapi tantangan dalam menyediakan data produksi cabai yang akurat dan mendetail. Hal ini menjadi persoalan penting mengingat Kabupaten Magelang merupakan salah satu sentra penghasil cabai terbesar di Jawa Tengah, dengan total produksi mencapai 880.983,19 kuintal pada tahun 2024. Keterbatasan sumber daya, khususnya dalam hal perhitungan produksi di lapangan, menjadi hambatan utama dalam menghitung besaran produksi secara rutin di seluruh wilayah kabupaten. Padahal, data produksi cabai sangat krusial sebagai dasar pengambilan kebijakan dalam pengendalian pasar dan stabilisasi harga pangan. Tujuan: Untuk menjawab permasalahan tersebut, penelitian ini bertujuan membangun model prediksi produksi cabai menggunakan metode Artificial Neural Network (ANN) dengan algoritma Backpropagation, guna membantu estimasi produksi secara lebih efisien dan akurat. Metode: Metode yang digunakan dalam penelitian ini adalah metode kualitatif, dengan pengumpulan data melalui dokumentasi dari Dinas Pertanian dan Pangan Kabupaten Magelang, situs web SIPEDAS, serta wawancara(12 Informan) Hasil/Temuan: Hasil penelitian menunjukkan bahwa model ANN yang dibangun menggunakan Altair AI Studio berhasil menghasilkan prediksi yang baik. Arsitektur terbaik yang diperoleh adalah 12-25-1 untuk produksi cabai besar, dan 12-15-1 untuk cabai rawit. Kesimpulan: Model ini terbukti mampu membantu perencanaan langkah strategis stabilisasi pasokan dan harga pangan oleh instansi terkait. Penelitian ini juga merekomendasikan beberapa pengembangan lanjutan untuk meningkatkan kualitas model, antara lain dengan mengeksplorasi arsitektur model yang lebih variatif, menambahkan atribut pendukung seperti luas lahan dan curah hujan, serta membandingkan performa ANN dengan algoritma prediksi lainnya. Kata Kunci: Artificial Neural Network, Prediksi Produksi, Backpropagation
| Item Type: | Thesis (Other) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Campus > IPDN Kampus Jatinangor |
| Depositing User: | Teknologi Rekayasa Informasi Pemerintahan FMP |
| Date Deposited: | 28 May 2025 05:52 |
| Last Modified: | 28 May 2025 05:52 |
| URI: | http://eprints.ipdn.ac.id/id/eprint/22053 |
Actions (login required)
 |
View Item |
