An Evaluation of Suitable Landscape to Crop Food Cultivation By Using Neural Networks

https://doi.org/10.22146/ijccs.17

Anifudin Azis(1*), Bambang Hendro Sunarminto(2), Medhanita Dewi Renanti(3)

(1) 
(2) 
(3) 
(*) Corresponding Author

Abstract


Penentuan jenis tanaman pangan yang sesuai ditanam pada lahan tertentu berdasarkan nilai-nilai karakteristik lahan sangat diperlukan sebagai pendukung pengambilan keputusan, koordinasi, dan pengendalian bagi para peneliti, praktisi, dan perencana penggunaan lahan, sehingga kerugian (finansial) yang cukup besar tidak terjadi nantinya. Program komputer dengan menggunakan Jaringan Syaraf Tiruan (JST) metode Learning Vector Quantization (LVQ) dapat digunakan sebagai alat yang tepat dalam memberikan informasi tanaman yang cocok ditanam dengan mudah, cepat, dan akurat. Data pelatihan didapat dari kombinasi nilai karakteristik lahan yang termasuk dalam kelas kesesuaian S1 dan S2. Hasil pengujian menunjukkan bahwa nilai Eps (error minimum yang diharapkan) = 0.005, nilai ?? ?? = 0.05, nilai maksimum epoh = 10, dan nilai pengurangan learning rate sebesar 0.1*?? ?? 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 100%.




DOI: https://doi.org/10.22146/ijccs.17

Article Metrics

Abstract views : 1998

Refbacks

  • There are currently no refbacks.




Copyright (c) 2009 IJCCS - Indonesian Journal of Computing and Cybernetics Systems

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.



Copyright of :
IJCCS (Indonesian Journal of Computing and Cybernetics Systems)
ISSN 1978-1520 (print); ISSN 2460-7258 (online)
is a scientific journal the results of Computing
and Cybernetics Systems
A publication of IndoCEISS.
Gedung S1 Ruang 416 FMIPA UGM, Sekip Utara, Yogyakarta 55281
Fax: +62274 555133
email:ijccs.mipa@ugm.ac.id | http://jurnal.ugm.ac.id/ijccs



View My Stats1
View My Stats2