IMPLEMENTASI NEURAL NETWORK PADA PRODUKSI  TANAMAN DAN BUAH

Evi Priyanti; Nining Suryani

Authors

Evi Priyanti Universitas Bina Sarana Informatika
Nining Suryani Universitas Bina Sarana Informatika

(*) Corresponding Author

Keywords:

Tanaman dan Buah, Jaringan Syaraf Tiruan, Algoritma Neural Network

Abstract

Manusia merupakan makhluk hidup yang membutuhkan makan untuk dapat hidup dan berkembang. Tanaman dan buah merupakan salah satu faktor kehidupan dan kesehatan. Pada jenis produksi buah dan tanaman sejenis kali ini peneliti akan mengkelompokkan jenis tanaman dan buah yang dapat di panen dengan jarak yang berdekatan. Algoritma Neural Network merupakan algoritma yang dapat menstimulasikan jaringan syaraf tiruan kedalam arsitektur komputer. Neural network terdiri dari satu set unit input/output yang terhubung dimana tiap relasinya memiliki bobot. Algoritma neural network ini yang membuktikan bagaimana produksi buah dan tanaman sejenis dapat dikelompokkan. Hasil yang didapatkan dari pengujian ini mendapatkan nilai akurasi sebesar 98,46%. Merupakan hasil akurasi yang sangat membantu para petani nantinya dalam agribisnis guna meningkatkan taraf hidup dan penghasilan mereka.

Downloads

Download data is not yet available.

Author Biographies

Evi Priyanti, Universitas Bina Sarana Informatika

Program Studi Sistem Informasi Akuntansi

Nining Suryani, Universitas Bina Sarana Informatika

Program Studi Sistem Informasi Kampus Kabupaten Karawang

References

Agmalaro, M. A., Kustiyo, A., & Akbar, A. R. (2013). Identifikasi Tanaman Buah Tropika Berdasarkan Tekstur Permukaan Daun Menggunakan Jaringan Syaraf Tiruan, 2(Ashari 2006).

Ana, D., Wati, R., & Rochman, Y. A. (2018). Pemanfaatan Potensi Desa Melalui Tanaman Buah dalam Pot, 3(September).

Davis, G. B. (2011). Information Systems Conceptual Foundations : Looking Backward And Forward.

Guru, T. A. (2017). No Title. Retrieved from https://www.erlangga.co.id/materi-belajar/smp/8876-ciri-ciri-makhluk-hidup.html

Hermantoro, Suprayogi, S., & Rudiyanto. (2008). Aplikasi Model Artificial Neural Network Sebagai Extension ARC View-Gis Untuk Penilaian Kesesuaian Lahan Perkebunan Kakao Di DIY. Majalah Geografi Indonesia, 22, 52–60. Retrieved from file:///D:/bsi/bkd EVP/ganjil/ganjil 1920/jurnal/download/nn.pdf

Kartini, D., & Muliadi. (2016). Rancang Bangun Aplikasi K-Means Untuk Klasifikasi Kelulusan Siswa Sekolah Kepolisian Negara Daerah Kalimantan Selatan. ProTekInfo, 3. Retrieved from http://e-jurnal.lppmunsera.org/index.php/ProTekInfo/article/viewFile/53/49

Larose. (2011). Discovering Knowledge in Data. Wiley.

Maimon, O., & Rokach, L. (2010). Data Mining and Knowledge Discovery Handbook (Second Edi). Springer.

Purnomosidhi, P. (2002). Perbanyakan dan budidaya tanaman buah-buahan. ICRAF & Winrock International.

Rachman, F. (2018). No Title. Retrieved from https://www.indonesia.go.id/ragam/keanekaragaman-hayati/ekonomi/anugerah-dari-hutan-indonesia

Setiadi, A. (2012). Penerapan Algoritma Multilayer Perceptron Untuk Deteksi Dini Penyakit Diabetes. Paradigma, XIV, 46–57. Retrieved from https://ejournal.bsi.ac.id/ejurnal/index.php/paradigma/article/view/3378/2129

Witten. (2011). Data Mining Practical Machine Learning Tools and Techniques. Elsevier.