PENERAPAN JARINGAN SYARAF TIRUAN ELMAN RECURRENT NEURAL NETWORK (ERNN) UNTUK PREDIKSI LUAS LAHAN PANEN JAGUNG DI PROVINSI RIAU

NIZAR ASYHARI PULUNGAN (2019): PENERAPAN JARINGAN SYARAF TIRUAN ELMAN RECURRENT NEURAL NETWORK (ERNN) UNTUK PREDIKSI LUAS LAHAN PANEN JAGUNG DI PROVINSI RIAU Jagung merupakan komoditi strategis bagi indonesia karena manfaaatnya yang luas seperti pangan ternak pangan, jajanan atau bahan baku industri seperti bahan baku minyak nabati, dan tepung jagung. Permasalahan sering terjadi naik dan turunnya sebuah produksi jagung disebabkan dengan luas panen yang di hasilkan, namun luasan lahan yang digunakan untuk kegiatan pertanian tidak seluruhnya menjadi luasan lahan yang siap di panen. Luas panen dalam pertanian lebih menjadi perhatian yang serius dalam menghasilkan produksi dibanding dengan luas lahan tersedia dan luas tanam, upaya yang dapat dilakukan adalah memprediksi dengan menggunakan metode elman recurrent neural network (ERNN). Variabel yang digunakan didapat dari susunan time series yaitu data permusim dijadikan sebagai inputan. Jumlah data keseluruhan yaitu 372 data dari empat kabupaten yaitu Kuansing, Rokan Hilir, Rokan Hulu, dan Siak diambil dari tahun 2010 sampai 2017, untuk setiap 1 kabupaten memiliki 93 data. Menggunakan epoch 400, nilai learning rate 0.1 hingga 0.9 dengan arsitektur 3 neuron input layer, 5 neuron hidden layer dan 1 output. Pengujian RMSE yang telah dilakukan memperoleh hasil error sistem yang terendah pada daerah kabupaten Siak dengan pembagian data 70%:30% sebesar 0.06848 dengan epoch 400, nilai learning rate 0.9, dan toleransi error 0.0001