Sumarni, E.
Jenderal Soedirman University

Published : 1 Documents
Articles

Found 1 Documents
Search

PENDUGAAN HASIL TANAMAN BAYAM (Amaranthus tricolor L.) SECARA HIDROPONIK DENGAN JARINGAN SYARAF TIRUAN (ANN) Sumarni, E.; Suroso, Suroso; Margiwiyatno, A.
Agrin : Jurnal Penelitian Pertanian Vol 11, No 1 (2007): Agrin
Publisher : Jenderal Soedirman University

Show Abstract | Original Source | Check in Google Scholar

Abstract

Artificial Neural Network (ANN) dapat digunakan sebagai pendugaan output dari suatu input yang tidakdiketahui hubungannya. Tujuan dari penelitian ini adalah training data dengan jaringan ANN untukpendugaan hasil tanaman bayam secara hidroponik berdasarkan data parameter tanaman bayam (tinggitanaman, jumlah cabang, dan bobot basah total). Data yang diperoleh dari pengukuran dibagi menjadi 2kelompok yaitu 7 set data digunakan untuk training dan 5 set data digunakan untuk validasi. Validasimempertimbangkan nilai Standar Error of Prediction (SEP), Coefisien of Variation (CV), dan perbedaanantara hasil pengukuran dengan penduga (d). Iterasi sebanyak 30000 kali digunakan dalam training. Hasilvalidasi model jaringan syaraf tiruan berupa nilai SEP, CV dan nilai d (bias) yang rendah bagi parametertanaman bayam yang digunakan. Model ANN ini dapat digunakan untuk pendugaan hasil tanaman bayamdengan hidroponik.Kata kunci : ANN, bayam, EC, hidroponik, iterasi ABSTRACTArtificial Neural Network (ANN) could be used as a tool for predicting output from input which itrelationship with the output is unknown. This research was aimed at training of the network model by usingparameter data of spinach growth (height, branch, leaf, and wet weight) grown in a hydroponics system.Results of training were then used for predicting the spinach yield. Measurement results were divided intotwo groups; 7 set of data was used for training purpose and 5 set data for validation process. Validation ofthe prediction results was made by considering low value of Standard Error of Prediction (SEP), Coefficientof Variation (CV), and difference between actual yield and predicting yield (d). For training purpose, 30000iterations were applied. Results of validation indicated that the iterations produced low value of the SEP, theCV, and the d for each used for predicting the yield of spinach grown in hydroponics system.Keywords: ANN, spinach, EC, hydroponics, iteration