GRNN PEMODELAN SISTEM PREDIKSI PRODUKTIFITAS JAGUNG DI PROVINSI GORONTALO MENGGUNAKAN METODE GRNN

PEMODELAN SISTEM PREDIKSI PRODUKTIFITAS JAGUNG DI PROVINSI GORONTALO MENGGUNAKAN METODE GRNN

  • Saprina Mamase Politeknik Gorontalo
Keywords: GRNN

Abstract

Provinsi Gorontalo dikenal dengan daerah penghasil jagung dengan kualitas ekspor, sehingga jagung menjadi komiditas unggul pada daerah ini. Pemerintah daerah ataupun pemerintah pusat memiliki program dalam peningkatan produksi hasil tanaman jagung di Gorontalo. Program ini dilakukan melalui usaha-usaha yakni pengadaan bibit unggul dan juga pemberian penyuluhan kepada para petani jagung. Semua usaha ini dilakukan dalam rangka meningkatkan hasil produksi panen jagung. Selain penggunaan bibit dan teknik dalam bertani, salah satu faktor yang mempengaruhi hasil produkstivitas tanaman jagung adalah perubahan iklim/cuaca yang kadangkala tidak menentu. Cuaca atau iklim yang tidak menentu ini dapat berdampak pada besarnya hasil panen atau hasil produksi tanaman jagung. Oleh karena itu, prediksi hasil produkstivitas tanaman jagung berdasarkan keadan iklim sangat dibutuhkan oleh para petani atau siapapun yang bekerja dalam bidang pertanian khususnya yang memproduksi tanaman jagung. Dengan adanya perkembangan ilmu teknologi melalui bidang ilmu komputasi dan juga data mining, para peneliti dapat merancang suatu model atau sistem prediksi pada suatu kasus termasuknya juga pada bidang pertanian.  Penelitian ini bertujuan untuk merancang suatu model simulasi dalam memprediksikan produktivitas tanaman jagung  Provinsi Gorontalo berdasarkan keadaan iklim. Adapun metode yang digunakan adalah Generalized Regression Neural Network (GRNN), merupakan metode prediksi probabilistic neural network. Berdasarkan hasil uji coba dari model simulasi prediksi produkstivitas tanaman jagung menggunakan data tahun 2011-2015, diperoleh nilai MAPE sebesar 0.05. Penelitian ini menghasilkan suatu model simulasi dari prediksi produktivitas tanaman jagung di provinsi Gorontalo menggunakan metode GRNN.

Published
2021-01-22