Peramalan Curah Hujan Berbasis Jaringan Syaraf Tiruan untuk Optimalisasi Musim Tanam Padi
DOI:
https://doi.org/10.70609/jusifor.v4i1.5862Kata Kunci:
Prediksi, Curah Hujan, Jaringan Syaraf Tiruan, Backpropagation, Musim Tanam PadiAbstrak
Sektor pertanian berperan penting dalam kesejahteraan masyarakat Indonesia, terutama dalam produksi beras. Namun, hasil panen beras sangat bergantung pada faktor iklim, khususnya curah hujan yang mempengaruhi jadwal tanam dan produktivitas. Penelitian ini bertujuan mengembangkan model prediksi curah hujan menggunakan Jaringan Syaraf Tiruan Backpropagation (JST) untuk mengoptimalkan musim tanam padi di Bangkalan, Madura. Data curah hujan harian dari Januari 2019 hingga Juli 2024 diproses, dinormalisasi, dan digunakan sebagai input pada JST. Setelah pengujian berbagai konfigurasi, model terbaik diperoleh dengan learning rate 1.0, lima hidden layer, dan sepuluh neuron, menghasilkan MAPE sebesar 0,3912. Model ini memprediksi bahwa musim tanam padi di Bangkalan dapat dimulai pada bulan Oktober karena tingkat curah hujan memenuhi ambang batas yang diperlukan. Penelitian ini memberikan wawasan bagi pemangku kepentingan dalam merencanakan jadwal tanam yang efektif untuk mengurangi risiko gagal panen.
Referensi
[1] A. L. Zahra, S. Tiara, R. Ada, and A. F. Ardini, “Implementasi Clustering Algoritma K-Means Pada Produksi Beras di Provinsi Jawa Timur Tahun 2022,” 2024. [Online]. Available: https://journal-computing.org/index.php/journal-cisa/index
[2] W. Estiningtyas et al., “IMPACT OF CLIMATE CHANGE ON RICE PRODUCTION IN RAINFED AREA 1* 2.”
[3] C. Karyadinata and A. P. Pomi, “Penentuan Lokasi-lokasi Prioritas Pengembangan Pertanian di Kabupaten Bangkalan melalui Analisis Kuadran atas Variabel Luas Lahan, Produktivitas Lahan, Jaringan Irigasi, dan Indeks Pertanaman,” Parjhuga : Jurnal Penelitian dan Pengembangan Daerah, vol. 1, no. 2, pp. 79–93, Dec. 2023, doi: 10.60128/parjhuga.v1i2.11.
[4] M. Thoriq, “Peramalan Jumlah Permintaan Produksi Menggunakan Jaringan Saraf Tiruan Algoritma Backpropagation,” Jurnal Informasi dan Teknologi, pp. 27–32, Feb. 2022, doi: 10.37034/jidt.v4i1.178.
[5] G. Z. Muflih, Sunardi, and A. Yudhana, “[19]JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PREDIKSI CURAH HUJAN DI WILAYAH KABUPATEN WONOSOBO,” vol. 4, pp. 45–56, 2019.
[6] A. W. Sugiyarto, “Optimization of Genetic Algorithms on Backpropagation Neural Network to Predict National Rice Production Levels.”
[7] I. Wahyuni, N. R. Adam, W. F. Mahmudy, and A. Iriany, 2017 International Conference on Sustainable Information Engineering and Technology (SIET). IEEE, 2017.
[8] H. Hasbi and T. B. Sasongko, “Optimasi Performa Random Forest dengan Random Oversampling dan SMOTE pada Dataset Diabetes,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 8, no. 3, p. 1756, Jul. 2024, doi: 10.30865/mib.v8i3.7855.
[9] B. Prasojo and E. Haryatmi, “Analisa Prediksi Kelayakan Pemberian Kredit Pinjaman dengan Metode Random Forest,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 7, no. 2, pp. 79–89, Sep. 2021, doi: 10.25077/teknosi.v7i2.2021.79-89.
[10] G. Ramadhona, B. Darma Setiawan, and F. A. Bachtiar, “Prediksi Produktivitas Padi Menggunakan Jaringan Syaraf Tiruan Backpropagation,” 2018. [Online]. Available: http://j-ptiik.ub.ac.id
[11] N. Azise, P. Nurtantio Andono, and R. A. Pramunendar, “Prediksi Pendapatan Penjualan Obat Menggunakan Metode Backpropagation Neural Network dengan Algoritma Genetika Sebagai Seleksi Fitur,” 2019. [Online]. Available: http://research.
[12] A. Dafid, H. Sukri, and M. Sholeh, “SISTEM PERAMALAN HASIL PRODUKSI JAGUNG DI KABUPATEN SUMENEP DENGAN PENDEKATAN JARINGAN SYARAF TIRUAN BACKPROPAGATION FORECASTING SYSTEM OF MAIZE PRODUCTION RESULT IN SUMENEP REGENCY WITH ARTIFICIAL NEURAL NETWORK BACKPROPAGATION APPROACH,” vol. 12, no. 2, 2024.
[13] Y. Habibah Laily, F. Rakhmawati, and I. Husein, “PENERAPAN METODE FUZZY TIME SERIES-MARKOV CHAIN DALAM PERAMALAN CURAH HUJAN SEBAGAI JADWAL TANAMAN PADI,” vol. 4, no. 1, 2023, doi: 10.46306/lb.v4i1.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Dimas Bachtiar, Indah Pratiwi, Achmad Jauhari , Muhammad Yusuf, Fifin Ayu Mufarroha, Devie Rosa Anamisa
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
