<![CDATA[Pemanfaatan teknologi komputasi cerdas seperti jaringan syaraf tiruan (JST) dapat diterapkan dalam sektor ketahanan pangan. JST bekerja seperti layaknya otak manusia. Dalam hal ini JST digunakan untuk mendeteksi tingkat ketahanan pangan di suatu daerah. Penelitian ini bertujuan meningkatkan kinerja JST pada sistem deteksi dini krisis pangan yang telah dikembangkan sebelumnya melalui pelatihan tambahan. Pelatihan yang dilakukan menggunakan data sekunder dengan mempertimbangkan keterbaruan waktu dan wilayah. JST yang digunakan adalah multi-layer perceptron dua hidden layer dengan algoritma pelatihan backpropagation. Sepuluh parameter krisis pangan dijadikan sebagai input dan level krisis pangan menjadi output pada proses pengenalan pola oleh JST selama pelatihan. Hasil penelitian menunjukkan bahwa proses pelatihan tambahan dapat menambah tingkat akurasi JST dari 70,55%menjadi 85,38%. Berdasarkan hasil analisis bobot JST dapat diidentifikasi parameter penentu level krisis pangan diurutkan berdasarkan bobot tertinggi sampai bobot terendah, yaitu: (1) padi puso atau gagal panen (2) rasio konsumsi normatif, (3) harga beras, (4) IHSG, (5) angka kematian bayi, (6) tanpa hutan, (7) perubahan kurs dolar, (8) penduduk miskin, (9) berat badan balita dibawah standar dan (10) curah hujan 30 tahun. Hasil pengurutan tersebut dapat menjadi masukan serta prioritas dalam penanggulangan dan penyelamatan krisis pangan. Kata kunci: JST, backpropagation, manajemen krisis pangan, ketahanan pangan ]]>
Copyrights © 2017
