JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION DALAM MEMPREDIKSI KETERSEDIAAN KOMODITI PANGAN PROVINSI RIAU

Sebuah sistem untuk prediksi ketersediaan komoditi pangan dapat membantu dalam menentukan keputusan. Jaringan Syaraf Tiruan merupakan metode yang mampu melakukan proses matematis untuk prediksi kertersediaan komoditi pangan. Dengan algoritma Backpropagation, dilakukan proses pengolahan data terdahulu yang dijadikan input untuk prediksi ketersediaan komoditi pangan. Data yang diolah sebagai variabel input adalah Luas Area Panen, Tingkat Produktivitas, Jumlah Produksi dan Jumlah Kebutuhan Konsumsi. Sementara komoditi pangan yang diolah adalah jenis Padi, Jagung, Kedelai, Kacang Tanah, Kacang Hijau, Ubi Kayu dan Ubi Jalar. Data-data tersebut diambil dari tahun 2006 hingga tahun 2013. Tahun 2006 hingga 2012 dijadikan data input, sementara untuk tahun 2013 dijadikan data target. Beberapa tahapan Backpropagation yaitu dengan inisialisasi bobot, aktivasi, menghitung bobot input dan bias output dan perubahan bobot dan bias. Tahapan tersebut akan diperoleh output yang ingin dicapai dengan pendekatan error terkecil sehingga di peroleh hasil prediksi ketersediaan komoditi pangan. Proses pelatihan menggunakan alat bantu perangkat lunak Matlab 6.1. Hasilnya adalah prediksi jumlah ketersediaan komoditi pangan dengan proses pelatihan dan pengujian menghasilkan actual output sebagai target yang dicapai.A system for predicting the availability of food commodities can help in making decisions. Artificial Neural Network is a method that is able to carry out mathematical processes for predicting the availability of food commodities. With the Backpropagation algorithm, the previous data processing is used as input to predict the availability of food commodities. Data processed as input variables are Area of ​​Harvest, Productivity Level, Number of Production and Number of Consumption Needs. While the processed food commodities are types of Rice, Corn, Soybeans, Peanuts, Green Beans, Cassava and Sweet Potatoes. The data was taken from 2006 to 2013. The years 2006 to 2012 were used as input data, while for 2013 they were targeted data. Some stages of Backpropagation are initializing weights, activating, calculating input weights and output biases and changing weights and biases. This stage will obtain the output to be achieved with the smallest error approach so that the predicted results of the availability of food commodities are obtained. The training process uses Matlab software tools 6.1. The result is a prediction of the amount of food commodity availability by the training and testing process producing actual output as the target achieved