Abstract
Analysis of a prediction is very important to do in a study, so that research becomes more
precise and directed. Just as in predicting the extent of biopharmaceutical harvests in
Indonesia, it is necessary to study and use appropriate methods to obtain optimal results. This
research is expected to be widely used for both local government and biopharmaca farmers as
one of the study materials in the development of biopharmaca harvest production, as well as for
academics as research material especially related to agriculture and health. The data used in
this research is the data of Harvested Area of Biopharmaceutical in Indonesia from National
Bureau of Statistics from 2012 until 2016. This research uses the method of artificial neural
network Backpropagation using 5 architectural models, namely: 3-3-1 later it will generate
predictions with an accuracy rate of 80%, 3-4-1 = 87%, 3-5-1 = 73%, 3-6-1 = 60%, and 3-8-1 =
73% ,. So obtained the best architectural model using 3-4-1 model that yields an accuracy of
87%, MSE 0.062235528 with error rate used 0.001 to 0.05. Thus, this model is good enough to
predict the area of biopharmaca harvest in Indonesia.
2.1 Analisis
Analisis merupakan pemecah atau pemisah suatu komunikasi (peristiwa,pengertian) menjadi
unsur-unsur penyusunnya, sehingga ide (pengertian, konsep) itu relatifcmenjadi lebih jelas
hubungannya antar ide-ide yang lebih eksplisit [10]. Analisis pada algoritma backpropagation
melibatkan tiga lapisan: input layer, dimana data akan dimasukkan ke jaringan; hidden layer,
tempat pemrosesan data; dan output layer, dimana hasil input yang diberikan dihasilkan [11]
[12].
2.3 Prediksi
Prediksi atau peramalan merupakan usaha memperkirakan sesuatu yang akan terjadi di waktu
mendatang dengan memanfaatkan berbagai informasi yang relevan pada waktu-waktu
sebelumnya melalui suatu metode ilmiah [17][18].
2. 4 Biofarmaka
Biofarmaka menjadi salah satu penyebab penggerak perkembangan pertanian dengan mutu
bahan baku yang baik. Tanaman herbal sangat penting untuk kehidupan saat ini guna
memenuhi kebutuhan dasar kesehatan dan tanaman herbal tidak memiliki efek samping
kesehatan sebesar obat-obatan berbahan kimia [19]. Pemberian pupuk organik dapat
meningkatkan kesuburan tanah dan memperbaiki struktur tanah untuk meningkatkan
pertumbuhan dan perkembangan tanaman obat [20]. Produksi biofarmaka mengalami
pertumbuhan yang fluktuatif, dimana terjadi penurunan 0,22% berdasarkan produksinya
sebesar 60,220 ton jahe pada periode 2008-2011, tetapi kembali meningkat 0,21% sebesar
19.794 ton pada tahun 2012. Produksi kunyit juga mengalami penurunan 0,23% pada periode
2008–2011 sebanyak 26.455 ton, dan mengalami peningkatan 0,14% di tahun 2012 sebesar
12.176 ton (Ditjend Hortikultura Departemen Pertanian, 2012) [21].
2.5 Kerangka Kerja Penelitian
Kerangka kerja penelitian digunakan untuk menyelesaikan masalah pada penelitian ini
ditunjukkan oleh Gambar 1.
Tabel 2 merupakan Hasil normalisasi data training. Data ini telah dinormalisasi menggunakan
fungsi sigmoid (Persamaan (1)) berdasarkan pada Tabel 1, yakni tahun 20122014 dengan
target tahun 2015.
Tabel 3 merupakan Hasil normalisasi data testing. Data ini telah dinormalisasi menggunakan
fungsi sigmoid (Persamaan (1)) berdasarkan pada Tabel 1, yakni tahun 20132015 dengan
target tahun 2016.
Tabel 3. Normalisasi Data Testing (Tahun 2013-2015) / Target Tahun 2016
3. HASIL DAN PEMBAHASAN
3.1 Analisis
Sebelum Training dilakukan, terlebih dahulu ditentukan nilai parameter yang diinginkan guna
memperoleh hasil yang optimal. Parameter-parameter yang digunakan secara umum pada
aplikasi Matlab untuk training dan testing dapat dilihat pada Gambar 2.
3.2 Hasil
Penelitian ini menggunakan 5 arsitektur. Antara lain 3-3-1, 3-4-1, 3-5-1,3-6-1, 3-8-1. Dari ke 5
arsitektur ini, arsitektur terbaiknya yaitu 3-4-1 dengan tingkat akurasi sebesar 87%. Gambar 3
menunjukkan Hasil Data Training Dengan Model Arsitektur 3-4-1.
Tabel 4 merupakan hasil akurasi dan tingkat MSE dari model arsitektur terbaik, yakni 3-
4-1. Tabel 4 ini dibuat dan dihitung dengan menggunakan Microsoft Excel. Berdasarkan tabel 4,
error = diperoleh dari Target-Output, SSE = diperoleh dari Error ^2, Total = Jumlah SSE
yang dihasilkan dari pola 1 ke pola15, Hasil = Jika nilai kesalahan dalam pengujian data < =
0,05 maka hasilnya benar (1). Jika tidak maka salah (0). Akurasi = diperoleh dari jumlah hasil
yang benar pada ((pola/15) * 100), menghasilkan 87%, Margin Error = diperoleh dari jumlah
hasil yang salah pada ((pola/15) * 100) atau diperolehdari jumlah akurasi maksimum (100%)
dikurangi akurasi yang dihasilkan,menghasilkan 13%. MSE = Diperoleh dari Total SSE/15
(jumlah pola).
Pada tabel 5 dapat dilihat perbandingan dari 5 model arsitektur jaringan yang
digunakan. Dari ke 5 model arsitektur ini, tingkat Epoch dan waktu diperoleh dengan
menggunakan aplikasi Matlab, sedangkan MSE dan Akurasi dari masing-masing model
arsitektur diperoleh dengan menggunakan perhitungan pada Microsoft Excel. Kesimpulan dari
ke 5 model arsitektur ini diperoleh model arsitektur terbaik menggunakan 3-4-1.
Pada Tabel 6 dapat dilihat hasil prediksi Luas Panen Tanaman Biofarmaka di Indonesia
untuk 4 tahun kedepan, yakni tahun 20172020, Adapun hasil ini diperoleh dari perhitungan
dengan model arsitektrur terbaik (3-4-1) menggunakan aplikasi Matlab dan Microsoft Excel,
sama seperti pembahasan sebelumnya.
Tabel 6. Hasil Prediksi Luas Panen Biofarmaka 4 Tahun ke Depan dengan Backpropagation
(Tahun 2017-2020)
4. KESIMPULAN
5. SARAN
Berdasarkan hasil penelitian, ada saran-saran yang dapat penulis kemukakan demi
pengembangan penelitian, antara lain:
1. Penggunaan model arsitektur jaringan hendaknya lebih dikembangkan lagi, selain dari yang
sudah penulis lakukan. Misal nya dengan menggunakan 2 hidden layer.
2. Penggunaan learning ratedan tingkat erorr yang lebih kecil serta parameter train yang
berbeda, agar menghasilkan tingkat akurasi yang lebih baik.
3. Penelitian ini hendaknya dikembangkan dengan menggunakan metode atau algoritma yang
lain.
DAFTAR PUSTAKA
[1] Sundawati, L., Purnaningsih, N. and Purwakusumah, E. D., 2012, Pengembangan Model
Kemitraan dan
Pemasaran Terpadu Biofarmaka dalam Rangka Pemberdayaan Masyarakat Sekitar Hutan di
Kabupaten Sukabumi,
Provinsi Jawa Barat (Integrated), Jurnal Ilmu Pertanian Indonesia, vol. 17, no.3, pp. 153–158.
[2] Hani, D. A., Widayati, W. and Taufiq, A., 2015, Kajian Kerjasama Antar Pemangku
Kepentingan Dalam ProgramPengembangan Tanaman Obat (Biofarmaka) Di Kecamatan
Tengaran, Journal of Politic and Government
Studies, vol. 5, no. 4, pp. 1–15.
[3] Desa, G., Gajah, G. and Bayat, K. , 2008, Analisis Usaha Tani Biofarmaka (Studi Kasus
Kelompok Tani Sri
Gunung Desa Gunung Gajah Kecamatan Bayat Kabupaten Klaten),”vol. 3, no. Deptan, pp.
612–618.
[4] D. I. Desa, M. Kecamatan, and I. Selatan, 2017, “No Title,” vol. 14, no.1, pp. 45–52
[5] Wanto, A. and Windarto, A. P., 2017, Analisis Prediksi Indeks Harga Konsumen
Berdasarkan Kelompok
Kesehatan Dengan Menggunakan Metode Backpropagation, Sinkron Jurnal & Penelitian Teknik
Informatika,
vol. 2, no. 2, pp. 37–44.
[6] Website :
https://www.researchgate.net/publication/326295455_ANALISIS_JARINGAN_SARAF_TIRUAN
_UNTUK_PREDIKSI_LUAS_PANEN_BIOFARMAKA_DI_INDONESIA