Detail Katalog

ID: 32485

Cover Tidak Tersedia

Gambar cover belum diupload

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 / Sakti Wira Adi Utomo

Pengarang:
Sakti Wira Adi Utomo ; Rina Wahyuni

Penerbit:
Institut Pemerintahan Dalam Negeri,

Tempat Terbit:
Sumedang :

Tahun Terbit:
2025

Subjek

Produksi tanaman hortikultura

Deskripsi Fisik:
15 : ilus

Nomor Panggil:
631.659 826 SAK a

Control Number:
INLIS000000001195696

BIB ID:
0010-0426000841

Catatan

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.

Status

Tersedia di OPAC Bibliografi Nasional Indonesia Karya Tulis Ilmiah Nasional

Informasi Eksemplar & Metadata

Nomor Barcode	Nomor Panggil	Akses	Lokasi	Ketersediaan
`07539/IPDN/2025`	`631.659 826 SAK a`	Baca di tempat	Ruang Grey Literature IPDN Jatinangor	Tersedia

Format MARC21 - Total 13 field

Tag	Ind1	Ind2	Nilai	Urutan
001	`_`	`_`	INLIS000000001195696	1
005	`_`	`_`	20260417082202	2
035	`#`	`#`	$a 0010-0426000841	3
245	`1`	`#`	$a ARTIFICIAL NEURAL NETWORK UNTUK MEMPREDIKSI PRODUKSI TANAMAN MENGGUNAKAN METODE BACKPROPAGATION DI DINAS PERTANIAN DAN PANGAN KABUPATEN MAGELANG PROVINSI JAWA TENGAH : $b STUDI PADA PRODUKSI TAMANAN CABAI /$c Sakti Wira Adi Utomo	4
100	`_`	`#`	$a Sakti Wira Adi Utomo	5
300	`#`	`#`	$a 15 : $b ilus	6
856	`#`	`#`	$a http://eprints.ipdn.ac.id/id/eprint/22053	7
700	`_`	`#`	$a Rina Wahyuni	8
260	`#`	`#`	$a Sumedang :$b Institut Pemerintahan Dalam Negeri,$c 2025	9
082	`#`	`#`	$a 631.659 826	10
084	`#`	`#`	$a 631.659 826 SAK a	11
650	`#`	`4`	$a Produksi tanaman hortikultura	12
520	`#`	`#`	$a 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.	13

Penjelasan Field MARC21:

001: Control Number
005: Date and Time of Latest Transaction
020: ISBN
100: Main Entry - Personal Name
245: Title Statement

250: Edition Statement
260: Publication Information
300: Physical Description
650: Subject
700: Added Entry - Personal Name

Aksi Cepat

Cari Lagi Browse Katalog

Informasi Katalog

Ditambahkan: 17 Apr 2026

Pencarian Terkait

Karya Sakti Wira Adi Utomo ; Rina Wahyuni Dari Institut Pemerintahan Dalam Negeri, Subjek: Produksi tanaman hor... Tahun 2025