Smart Forecasting Models (SFM) Menggunakan Metode Recurrent Neural Network Untuk Prediksi Musim Tanam Pada Komoditas Cabai Merah

Makmur, Nur Athifah Marwa and Haris, Abdul and Sikumbang, Hengki (2023) Smart Forecasting Models (SFM) Menggunakan Metode Recurrent Neural Network Untuk Prediksi Musim Tanam Pada Komoditas Cabai Merah. Diploma thesis, IT PLN.

[thumbnail of NUR ATHIFAH MARWA MAKMUR_201831135_SKRIPSI.pdf] Text
NUR ATHIFAH MARWA MAKMUR_201831135_SKRIPSI.pdf
Restricted to Registered users only

Download (3MB)

Abstract

There are still many red chili farmers who have difficulty determining when is the right time to plant red chilies. Because there are several factors that must be considered before starting to loosen red chilies. The factors that farmers pay the most attention to are not only cleanliness and plant needs such as fertilizer, but also external aspects such as rainfall. With the development of technology, now we can predict when the right time to
plant red chilies. Weather forecasting is done to determine the time of coverage of this red chili can use the recurrent neural network method. The recurrent neural network method in this study uses sequentially patterned daily rainfall data. There are 3 stages in the recurrent neural network method, namely data preprocessing, calculations using the RNN method and model evaluation. The data used in the study were 3926 daily rainfall data. From this data, the results of the prediction of the correct planting season are from January to March and July to September 2023. The level of accuracy in this study uses 2 (two) methods, namely Mean Absolute Error (MAE) which produces an error value of 0.2528, and Root Mean Squared Error (RMSE) which produces an error of 0.44

Masih banyak petani cabai merah yang kesulitan menentukan kapan waktu yang tepat untuk menanam cabai merah. Dikarenakan ada beberapa faktor yang harus diperhatikan sebelum memulai penanaman cabai merah. Faktor yang paling diperhatikan oleh para petani tidak hanya megenai kebersihan maupun kebutuhan tanaman seperti pupuk, melainkan juga dari segi ektsternal seperti curah hujan. Dengan berkembangnya teknologi, maka sekarang kita dapat memprediksi kapan waktu yang tepat untuk menanam cabai merah. Perkiraan cuaca yang dilakukan untuk menentukan Waktu penanaman cabai merah ini dapat menggunakan metode Recurrent Neural Network. Metode Recurrent Neural Network pada penelitian ini menggunakan data curah hujan harian yang berpola secara berurutan. Tahapan dalam metode Recurrent Neural Network ada 3 tahapan yaitu praprocessing data, perhitungan menggunakan metode RNN serta evaluasi model. Data yang digunakan pada penelitian sebanyak 3926 data curah hujan harian. Dari data tersebut didapatkan hasil perkiraojan musim tanam yang tepat itu ada pada bulan Januari hingga bulan Maret serta dibulan Juli hingga September 2023. Tingkat akurasi pada penelitian ini menggunakan 2 (dua) metode, yaitu Mean Absolute Error (MAE) yang menghasilkan nilai error sebesar 0.2528, dan Root Mean Squared Error (RMSE) yang menghasilkan error sebesar 0.44.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Forecasting, growing season, Recurrent Neural Network, Mean Absolute Error, Root Mean Squared Error. Forecasting, growing season, Recurrent Neural Network, Mean Absolute Error, Root Mean Squared Error.
Subjects: Skripsi
Bidang Keilmuan > Teknik Informatika
Divisions: Fakultas Telematika Energi > S1 Teknik Informatika
Depositing User: Sutrisno
Date Deposited: 20 Oct 2025 03:58
Last Modified: 20 Oct 2025 03:58
URI: https://repository.itpln.ac.id/id/eprint/2580

Actions (login required)

View Item
View Item