JURNAL NASIONAL TEKNOLOGI DAN SISTEM INFORMASI - VOL. 06 NO. 02 (2020) 100-107 Terbit online pada laman : http://teknosi.fti.unand.ac.id/ Jurnal Nasional Teknologi dan Sistem Informasi | ISSN (Print) 2460-3465 | ISSN (Online) 2476-8812 | https://doi.org/10.25077 TEKNOSI.v6i2.2020.100-107 Attribution-NonCommercial 4.0 International. Some rights reserved Artikel Penelitian Penerapan Prediksi Produksi Padi Menggunakan Artificial Neural Network Algoritma Backpropagation Hasdi Putra a,* , Nabilah Ulfa Walmi b a, b Program Studi Sistem Informasi Universitas Andalas, Kampus Unand Limau Manis, Padang 25163 INFORMASI ARTIKEL ABSTRACT Sejarah Artikel: Diterima Redaksi: 15 Juli 2020 Revisi Akhir: 02 September 2020 Diterbitkan Online: 05 September 2020 Prediksi produksi padi menjadi penting dilakukan untuk menunjang pembangunan nasional sektor pertanian pada suatu negara atau wilayah. Artificial Neural Network (ANN) termasuk metode yang terbaik dalam melakukan prediksi. Masalah utamanya adalah bagaimana menentukan jumlah neuron dan hidden layer yang optimal sehingga akurasi prediksinya tinggi. Artikel ini bertujuan untuk merancang arsitektu ANN unutk melakukan prediksi terhadap produksi padi menggunakan ANN dengan algortima backpropagation. Tahapan penelitian yang dilakukan adalah mengumpulkan data produksi padi, melakukan pre-processing data, memproses prediksi, dan pengujian akurasi dan error serta implementasi. Dalam memproses prediksi dilakukan sesuai dengan rancangan model prediksi, yaitu parameter epoch, momentum, learning rate, hidden layer untuk menghasilkan keakuratan yang tinggi. Temuan yang diperolah berupa rancangan optimal untuk melakukan prediksi yaitu dengan menggunakan multilayer. Hasil pengujian sistem prediksi produksi padi yang terdiri dari 75 kali pengujian pada di 19 daerah di Sumatera Barat, diperoleh tingkat akurasi mencapai 88,14% atau dengan tingkat error yang relatif rendah yaitu 11,86%. KATA KUNCI prediksi produksi padi artificial neural network backpropagation hidden layer akurasi KORESPONDENSI E-mail: hasdiputra@it.unand.ac.id * 1. PENDAHULUAN Prediksi produksi padi merupakan suatu yang vital bagi Indonesia khususnya di sektor pertanian [1]. Dengan jumlah penduduk yang mencapai 267 juta orang serta tingkat konsumsi beras mencapai 124,89 kg/kapita/tahun, perencanaan pembangunan produksi padi menjadi semakin strategis [2]. Untuk efektifitas perencanaan pembangunan sektor pertanian, akurasi dari prediksi produksi padi menjadi semakin krusial [3]. Untuk memperoleh akurasi yang baik, beragam metode sudah dikembangkan. Metode dan teknik prediksi yang berkembang sudah direview pada penelitian sebelumnya [4], [5]. Support Vector Machines (SVM) memiliki kelebihan dalam menginterprestasi hasil, tingkat error yang rendah, dan juga dapat menghasilkan prediksi yang baik, tapi memiliki kelemahan pada saat training dengan kumpulan data besar sehingga training jadi lambat [6]. K-Nearest Neighbor (KNN) memiliki kelebihan efektif terhadap data yang berukuran besar, dan handal terhadap data yang memiliki banyak noise, namun juga memiliki kekurangan yaitu perlunya menghitung satu persatu data testing terhadap semua data training [7], dan sensitif terhadap data pre processing [8]. Artificial Neural Network (ANN) atau Jaringan Syaraf Tiruan (JST) merupakan suatu sistem pemrosesan informasi dengan suatu karakteristik menyerupai sistem saraf pada manusia yang dapat memecahkan masalah SVM dan KNN dengan melakukan training data yang besar dan ANN memiliki kemamuan untuk mentoleransi kesalahan sehingga dapat menghasilkan prediksi yang baik [6], [9], [10]. Selain itu metode ini juga dapat digunakan untuk memodelkan hubungan yang kompleks antara masukan (input) dan keluaran (output) dalam menemukan pola- pola pada data [11]. Namun masalahnya adalah ANN memiliki kelemahan yaitu sulit untuk mengetahui berapa banyak neuron dan lapisan yang diperlukan, dan mengalami perlambatan saat learning [12].