Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Journal of Innovative and Creativity

Prediksi Produksi Tanaman Pangan Kabupaten Kapuas Hulu Mengunakan Algoritma Regresi Linier Berganda Ricko Ardiansyah; Putri Yuli Utami; Istikoma Istikoma
Journal of Innovative and Creativity Vol. 5 No. 2 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i2.1848

Abstract

Pangan merupakan kebutuhan dasar manusia yang memengaruhi ketahanan pangan. Kabupaten Kapuas Hulu menghadapi tantangan ketidakstabilan produksi tanaman pangan seperti padi, jagung, ubi jalar, dan kacang tanah akibat perubahan iklim dan faktor lingkungan. Masalah ini menyulitkan pemerintah dalam merumuskan kebijakan dan sering menyebabkan ketergantungan pada impor pangan. Penelitian ini menggunakan metode Regresi Linier Berganda untuk memprediksi produksi pangan berdasarkan variabel luas panen, curah hujan, suhu, dan kelembapan. Metode ini dinilai efektif karena mampu mengidentifikasi hubungan linear antar variabel. Prediksi tahun 2023 menunjukkan: padi 16.738,40 ton (MAPE 10,18%, akurasi 89,82%), kacang tanah 54,42 ton (MAPE 9,06%, akurasi 90,94%), ubi jalar 1.876,95 ton (MAPE 23,86%, akurasi 76,14%), dan jagung 3.273,33 ton (MAPE 9,81%, akurasi 90,19%). Hasil prediksi ini diharapkan dapat membantu dalam perencanaan kebijakan untuk meningkatkan ketahanan pangan di Kapuas Hulu.
Prediksi Produktivitas Tanaman Biofarmaka Di Kalimantan Barat Menggunakan Algoritma Backpropagation Wahyudi Wahyudi; Putri Yuli Utami Utami; Rizki Surtiyan Surya
Journal of Innovative and Creativity Vol. 5 No. 2 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i2.2059

Abstract

Indonesia dikenal sebagai negara dengan keanekaragaman hayati terbesar di dunia, salah satunya adalah tanaman biofarmaka yang memiliki potensi besar dalam pengembangan obat-obatan alami. Kalimantan Barat merupakan salah satu provinsi yang kaya akan keanekaragaman hayati, terutama terkait tanaman biofarmaka. Namun, produksi tanaman biofarmaka di provinsi ini mengalami fluktuasi setiap tahunnya, yang dapat memengaruhi kesejahteraan petani dan ketersediaan obat tradisional bagi masyarakat. Penelitian ini bertujuan untuk memprediksi produktivitas tanaman biofarmaka di Kalimantan Barat menggunakan algoritma backpropagation. Berbagai model jaringan saraf tiruan diuji untuk mengidentifikasi model yang paling akurat dalam memprediksi produktivitas tanaman biofarmaka dari tahun 2024 hingga 2028. Hasilnya menunjukkan bahwa model arsitektur 9-20-1 adalah yang terbaik, dengan nilai mean squared error (MSE) sebesar 0,00269169 dan akurasi 85,7%. Prediksi menunjukkan bahwa jahe dan kunyit mengalami peningkatan umum meskipun ada fluktuasi, kencur tumbuh konsisten, laos/lengkuas mengalami penurunan bertahap, mahkota dewa terus meningkat setiap tahun, mengkudu fluktuatif, dan temulawak tumbuh stabil dengan peningkatan konsisten hingga 2028.
Perbandingan Algoritma K-Means Dan Fuzzy C-Means Untuk Pengelompokkan Daerah Produktivitas Tanaman Padi Kalimantan Barat Aryo Nugroho; Putri Yuli Utami; Rizki Surtiyan Surya
Journal of Innovative and Creativity Vol. 5 No. 2 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i2.2550

Abstract

Indonesia adalah negara agraris, di mana sektor pertanian berperan penting dalam pembangunan nasional dengan menyediakan pangan untuk seluruh penduduk. Luasnya wilayah di Kalimantan Barat dan variasi produktivitas padi di berbagai daerah menunjukkan perlunya pengelompokan wilayah berdasarkan hasil produksinya. Teknik clustering dalam data mining, seperti K-Means dan Fuzzy C-Means, dapat digunakan untuk mengelompokkan daerah produktivitas padi berdasarkan data, sehingga kebijakan dan intervensi bisa dilakukan dengan lebih terfokus. Fuzzy C-Means 2020 Cluster 1tinggi 4 daerah, Cluster 0 sedang 7 daerah, Cluster 2 rendah 3 daerah. 2021 Cluster 1 tinggi 6 daerah, Cluster 2 sedang 5 daerah, Cluster 0 rendah 3 daerah. 2022 Cluster 1 tinggi 2 daerah, Cluster 0 sedang 5 daerah, Cluster 2 rendah 7 daerah. 2023 Cluster 1 tinggi 5 daerah, Cluster 2 sedang 6 daerah, Cluster 0 rendah 3 daerah. K-Means 2020 Cluster 0 tinggi 4 daerah, Cluster 1 sedang 3 daerah, Cluster 2 rendah 7 daerah. 2021 Cluster 0 tinggi 6 daerah, Cluster 1 sedang 5 daerah, Cluster 2 rendah 3 daerah. 2022 Cluster 2 tinggi 4 daerah, Cluster 0 rendah 5 daerah, Cluster 1 sedang 5 daerah. 2023: Cluster 1 tinggi 5 daerah, Cluster 0 sedang 6 daerah, Cluster 2 rendah 3 daerah. Secara keseluruhan, Fuzzy C-Means unggul pada 8 cluster, sementara K-Means hanya unggul pada 4 cluster. Hal ini mengidentifikasikan bahwa Fuzzy C-Means lebih mampu membentuk klister.