MODEL PREDIKSI KESESUAIAN LAHAN BUDIDAYA TANAMAN PANGAN DENGAN BACKPROPAGATION NEURAL NETWOK (STUDI KASUS: SUB-DAS BENGKULU HILIR)

TAMBUNAN, TOMMY ALEXANDER and Ernawati, Ernawati and Andreswari, Desi (2019) MODEL PREDIKSI KESESUAIAN LAHAN BUDIDAYA TANAMAN PANGAN DENGAN BACKPROPAGATION NEURAL NETWOK (STUDI KASUS: SUB-DAS BENGKULU HILIR). Undergraduated thesis, Universitas Bengkulu.

Text Model Prediksi Kesesuaian Lahan Budidaya Tanaman Pangan Dengan Backpropagation Neural Network - G1A015010.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (11MB)

Abstract

Penentuan jenis budidaya tanaman pangan yang sesuai ditanam pada Sub�DAS masih dilakukan secara manual, yaitu membandingkan data-data yang ada di lapangan serta pengamatan petani, sehingga hasil yang didapatkan tidak maksimal. Program komputer dengan menggunakan Jaringan Syaraf Tiruan (JST) metode Backpropagation dapat digunakan sebagai alat yang tepat dalam memberikan informasi tanaman yang cocok ditanam dengan mudah, cepat, dan akurat. Hasil pengujian menunjukkan bahwa nilai Eps (error minimum yang diharapkan) = 0.001, nilai maksimum epoh = 0.8, merupakan nilai-nilai yang cukup efektif dan efisien dalam melakukan prediksi jenis tanaman pangan yang sesuai ditanam pada lahan tertentu karena tingkat ketepatan prediksinya adalah 95.8% dari 24 data pengujian. Aplikasi ini dibangun dalam bahasa pemrograman PHP dan dirancang dengan Data Flow Diagram (DFD). Metode pengembangan sistem yang digunakan adalah waterfall. Pengujian fungsional sistem dengan menggunakan metode Black Box telah berhasil 100 % dengan skenario yang telah dibuat. Kata Kunci: Prediksi, Jaringan syaraf tiruan, Backpropagation, Kesesuaian Lahan, Tanaman Pangan

Item Type:	Thesis (Undergraduated)
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Faculty of Engineering > Department of Civil Engineering
Depositing User:	58 lili haryanti
Date Deposited:	16 Nov 2023 06:35
Last Modified:	16 Nov 2023 06:35
URI:	http://repository.unib.ac.id/id/eprint/17210

Actions (login required)

View Item