PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
Abstract
Nilai perkiraan produksi padi digunakan untuk mendukung kebijakan pemerintah dalam
penanganan isu ketahanan pangan nasional. Selama ini perkiraan produksi padi nasional
ditentukan melalui peramalan luas panen dan produktivitas padi yang sering
dilakukan oleh Badan Pusat Statistik (BPS). Tujuan penelitian ini adalah menentukan
perkiraan luas panen dan produksi padi di wilayah Banyumas untuk tahun 2011 dan 2012
menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS). Data yang
digunakan adalah data luas panen dan produksi padi sawah di Kabupaten Banyumas
dalam kurun waktu tahun 2001 – 2010. Hasil penelitian menunjukkan bahwa perkiraan
luas panen dan produksi untuk tahun 2011 dan 2012 adalah 263.619 dan 64.799 hektare
dan 314.913 dan 326.839 ton. Tingkat akurasi peramalan yang dihasilkan dengan kriteria
Mean Absolute Percentage Error (MAPE), sebesar 3,122 %.
Full Text:
PDF (Indonesian)References
Amang, B dan Husein Sawit, M. 2001, Kebijakan Beras dan Pangan Nasional:Pelajaran
dari Orde Baru dan Orde Reformasi, (Edisi kedua), IPB Press: Bogor.
http://www.perberasan.ketInvSlides.html
Aryani, EA., 2010, Analisis Perbandingan Adaptive Neuro-Fuzzy Inference System
(ANFIS) dengan Metode Exponential Smoothing untuk Peramalan Data Time Series,
Skripsi, fakultas Sains dan Teknik, Universitas Jenderal Soedirman Purwokerto
Eliyani. 2007. Peramalan Harga Saham Perusahaan Menggunakan Artificial Neural
Network Dan Akaike Information Criterion. Gresik: Universitas Muhammadiyah
Gresik
Hartati, S dan Kusumadewi, Sri. 2006. NEURO FUZZY:Integrasi Sistem Fuzzy & Jaringan
Syaraf. Yogyakarta: Graha Ilmu
Kusumadewi, S. 2003, Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha
Ilmu
Makridakis, S., S.C Wheelwright dan V.E. McGee, 1992. Metode dan Aplikasi Peramalan,
Edisi Kedua, Jakarta: Erlangga.
Mitsuishi, T., N. Endon, dan Y. Shidama, 2002, The Concept of Fuzzy Set and Membership
Function and Basic Properties of Fuzzy Set Operation, Journal of Formalized
Mathematics 1, http://www.Mizar.org/JKM/vol12/Fuzzy-1html. diakses tanggal 30
Oktober 2009.
Novianti, Ari. (2007). Metode Artificial Neural Network Menggunakan Algoritma
Backpropagation. Skripsi. Purwokerto: Jurusan MIPA, Program Studi Matematika,
Fakultas Sains dan Teknik, Universitas Jenderal Soedirman.
Purnomo,Hari & Kusumadewi, Sri. 2004. Aplikasi Logika Fuzzy Untuk Pendukung
Keputusan. Yogyakarta: Graha Ilmu.
Rakhmawati, D., 2010, Estimasi Jumlah Produksi Beras Menggunakan Algoritma
Backpropagation pada Metode Algoritma Adaptive Neuro-Fuzzy Inference Sistem
(ANFIS), Skripsi, Fakultas Sains dan Teknik Universitas Jenderal Soedirman
Purwokerto
Siang, JJ. 2005. Jaringan Syaraf Tiruan dan Pemrogramannya menggunakan MATLAB.
Yogyakarta : Andi Offset.
Supranto, J. 1993. Metode Peramalan Kuantitatif untuk Perencanaan Ekonomi dan Bisnis.
Jakarta: Rineka Cipta.
Welstead, T Stephen. 1994. Neural Network and Fuzzy Logic Aplication in C/C++ . John
Willey Sons, inc : New York.
Wijaya, A, 2012, Peramalan Produksi Padi dengan ARIMA, Fungsi Transfer dan Adaptive
neuro Fuzzy Inference System, Thesis, Institut Sepuluh Nopember Surabaya
DOI: http://dx.doi.org/10.35671/probisnis.v5i2.321
Refbacks
- There are currently no refbacks.
Indexed by :
Jurnal Probisnis
ISSN 2442-4536 (Media Online) | ISSN 1979-9268 (Media Cetak)
Published by: Universitas Amikom Purwokerto
Jl. Let. Jend. POL SUMARTO Watumas, Purwonegoro - Purwokerto Telp (0281) 623321 Fax (0281) 621662
Email: probisnis@amikompurwokerto.ac.id