PREDIKSI LUAS LAHAN PERTANIAN KECAMATAN HAURWANI MENGGUNAKAN PROGRAM MATLAB DAN JARINGAN SARAF TIRUAN
DOI:
https://doi.org/10.23960/jitet.v11i2.2890Abstract Views: 271 File Views: 240 File Views: 0
Abstract
Indonesia merupakan salah satu negara kepulauan terbesar di dunia dengan 40% mayoritas penduduknya bermata pencaharian sebagai petani sehingga sering juga disebut sebagai negara agraris. Di Indonesia pertanian memberikan kontribusi sangat penting baik bagi perekonomian maupun pemenuhan kebutuhan dasar masyarakat, apalagi dengan terus bertambahnya jumlah penduduk kebutuhan panganpun juga akan mengalami meningkat, pengimbangan terhadap penikatan jumlah penduduk yang akan membuat jumlah permintaan akan lahan pertanian semakin banyak. Namun dalam proses pengimbangan tidaklah mudah, karana semakin menyempitnya lahan pertanian yang beralih fungsi sebagai indusrti dan perumahan berdampak pada jumlah hasil panen yang semakin sedikit karena kurangnya lahan untuk bercocok tanam. pemantauan secara berkala terhadap luas lahan pertanian sangat penting dilakukan dalam upaya pengimbangan hasil panen. penelitian yang perfokus pada prediksi luas lahan pertanian mengunakan jaringan saraf tiruan untuk melakukan perdiksi serta mengunakan matlab sebagai alat dokumentasi dimana akan digunakan sebagai indikator capaian dan sebagai bahan informasi untuk memperbanyak lahan pertanian sebagai bagian dari upaya pemenuhan pangan pokok masyarakat.Downloads
References
Q. Ayun, S. Kurniawan, and W. A. Saputro, “Perkembangan Konversi Lahan Pertanian Di Bagian Negara Agraris,” VIGOR: Jurnal Ilmu Pertanian Tropika dan Subtropika, vol. 5, no. 2, pp. 38–44, 2020, [Online]. Available: https://www.atrbpn.go.id/
S. E. Rahayu and H. Febriaty, “Analisis Perkembangan Produksi Beras Dan Impor Beras Di Indonesia,” Proseding Seminar Nasional Kewirausahaan, vol. 1, no. 1, pp. 219–226, 2019, doi: 10.30596/snk.v1i1.3613.
N. Karolina, “Data Mining Pengelompokan Pasien Rawat Inap Peserta BPJS Menggunakan Metode Clustering (Studi Kasus : RSU.Bangkatan),” Journal Of Information And Technology Unimor, pp. 47–53, 2021, [Online]. Available: www.kaputama.ac.id
M. Doli Nasution, E. Nasution, and F. Haryati, “Pengembangan Bahan Ajar Metode Numerik Dengan Pendekatan Metakognitif Berbantuan Matlab The Development Of Numerical Method Material Teaching Using Metacognitive Assisted Matlab Approach,” Mosharafa, vol. 6, no. 1, 2017, [Online]. Available: http://e-mosharafa.org/index.php/mosharafa
F. Zola, G. W. Nurcahyo, and J. Santony, “Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Prestasi Siswa,” Jurnal Teknologi Dan Open Source, vol. 1, no. 1, pp. 58–72, 2018.
Y. Umaidah, “Penerapan Algoritma Artificial Neural Network Dalam Prediksi Harga Saham Lq45 Pt. Bank Rakyat Indonesia, TBK,” 2018.
B. Y. Pandji and A. A. Rohmawati, “Perbandingan Prediksi Harga Saham Dengan Model Arima Dan Artificial Neural Network,” Ind. Journal on Computing, vol. 4, no. 2, pp. 189–198, 2019, doi: 10.21108/indojc.2019.4.2.344.
N. P. Aryani, A. D. Anggara, I. Akhlis, and K. A. Nisa, “Analisis Pengaruh Penggunaan Faktor Eksposi Terhadap Kualitas Citra Radiografi Phantom Air Berdasarkan Nilai Mean Square Error (MSE),” Unnes Physics Education Journal Terakreditasi SINTA, vol. 11, no. 2, 2022, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/upej
