Jurnal Pseudocode, Volume VII Nomor 1, Februari 2020, ISSN 2355-5920, e-ISSN 2655-1845 www.ejournal.unib.ac.id/index.php/pseudocode 35 MODEL PREDIKSI KESESUAIAN LAHAN BUDIDAYA TANAMAN PANGAN DENGAN BACKPROPAGATION NEURAL NETWORK (STUDI KASUS: SUB-DAS BENGKULU HILIR) Ernawati 1 , Desi Andreswari 2 , Tommy Alexander 3 1,2,3 Program Studi Informatika, Fakultas Teknik, Universitas Bengkulu. Jl. W.R. Supratman Kandang Limun Bengkulu 38371A Indonesia (Telp : 0736-341022; fax: 0736-341022) 1 alexandertommy10@gmail.com 2 ernawati@unib.ac.id 3 desi.andreswari@unib.ac.id Abstrak: Selama ini, dalam menentukan jenis budidaya tanaman pangan yang sesuai ditanam pada Sub- DAS Bengkulu hilir hanya dilakukan berdasarkan pengamatan petani serta dengan membandingkan data- data yang ada di lapangan. Tentu saja cara seperti ini tidak akan mendapatkan hasil yang maksimal. Dalam penelitian ini, Jaringan Syaraf Tiruan (JST) berbasis metode Backpropagation digunakan untuk memberikan informasi yang tepat mengenai tanaman yang cocok ditanam pada sub-DAS Bengkulu Hilir dengan mudah, cepat, dan akurat. Aplikasi ini dibangun dalam bahasa pemrograman PHP dan dirancang dengan Data Flow Diagram (DFD) sedangkan pengembangan sistem dilakukan dengan metode waterfall. Terdapat dua parameter yang diperoleh dari hasil pengujian, yakni nilai Eps (error minimum yang diharapkan) = 0.001 dan nilai maksimum epoh = 0.8. Berdasarkan nilai parameter tersebut diperoleh tingkat ketepatan prediksi sebesar 95,8% dari 24 data pengujian. Hal ini mengindikasikan bahwa metode yag diusulkan cukup efektif dan efisien dalam melakukan prediksi jenis tanaman pangan yang sesuai pada lahan sub-DAS Bengkulu Hilir. Kata Kunci: Jaringan syaraf tiruan, Backpropagation, Kesesuaian Lahan, Tanaman Pangan, sub-DAS Abstract : So far, in determining the type of cultivation of suitable food crops planted in the Bengkulu downstream watershed, it is only based on observations of farmers and by comparing the data in the field. Of course this way will not get maximum results. In this study, Artificial Neural Network (ANN) based on Backpropagation method is used to provide precise information about suitable plants planted in the Bengkulu Downstream sub-watershed easily, quickly, and accurately. This application is built in the PHP programming language and is designed with Data Flow Diagrams (DFD) while the system development is done by the waterfall method. There are two parameters obtained from the test results, namely the value of Eps (minimum expected error) = 0.001 and the maximum value of epoh = 0.8. Based on these parameter values, a prediction accuracy level of 95.8% was obtained from 24 test data. This indicates that the proposed method is quite effective and efficient in predicting suitable types of food plants in Bengkulu Hilir sub-watershed land. Keywords: Artificial neural networks, Backpropagation, Land Suitability, Food Plants, sub-watershed I. PENDAHULUAN Daerah Aliran Sungai (DAS) (catchment, basin, watershed) merupakan daerah dimana semua airnya mengalir ke dalam suatu sungai yang dimaksudkan. Daerah ini umumnya dibatasi oleh batas topografi, yaitu merupakan tempat tertinggi (punggung bukit) sehingga air hujan yang jatuh didalamnya akan selalu menuju tempat hilirnya (bagian yang lebih rendah). Batas ini tidak ditetapkan berdasar air bawah tanah karena permukaan air tanah selalu berubah sesuai dengan musim dan tingkat kegiatan pemakaian.