APLIKASI MODEL ARTIFICIAL NEURAL NETWORK SEBAGAI EXTENSION ARC VIEW-GIS UNTUK PENILAIAN KESESUAIAN LAHAN PERKEBUNAN KAKAO DI DIY.

https://doi.org/10.22146/mgi.15457

Hermantoro Hermantoro(1*), Slamet Suprayogi(2), Rudiyanto Rudiyanto(3)

(1) 
(2) Fakultas Geografi Universitas Gadjah Mada, Yogyakarta
(3) Fakultas Teknologi Pertanian, Institut Pertanian Bogor
(*) Corresponding Author

Abstract


Evaluasi kesesuaian lahan untuk tujuan tertentu di sektor perkebunan menjadi sangat penting karena meningkatnya persaingan dalam penggunaan lahan dan pengembangan sektor perkebunan . Evaluasi lahan menghasilkan informasi tentang nilai ekonomi dari penggunaan lahan tertentu . Tujuan dari penelitian ini adalah untuk mengembangkan metode Evaluasi Kesesuaian Lahan kakao estate dengan menggunakan model terintegrasi Artificial Neural Network (ANN) dan Sistem Informasi Geografis (GIS). Propagasi Kembali Model ANN yang digunakan untuk memprediksi dasar hasil kakao pada kualitas lahan parameter . Hasilnya menunjukkan bahwa model yang terbaik ANN untuk memprediksi hasil kakao memiliki 15 lapisan input, 15 lapisan tersembunyi , dan 1 output layer . dengan koefisien determinasi ( r2 ) dari 0,99 dan Kesalahan Root Mean Square ( RMSE ) dari 93,83 dalam proses pelatihan , jika dalam pengujian menemukan r2 sebesar 0,76 dan RMSE dari 113,83 . Dalam tahap verifikasi model terintegrasi dari ANN dan GIS digunakan untuk mengevaluasi kesesuaian lahan Jogjakarta Daerah Istimewa untuk pengembangan real kakao . Hasilnya melihat bahwa Jogjakarta Daerah Istimewa memiliki lahan sesuai marginal ( S2 ) kakao dari 38,911.102 Ha , Cocok ( S2 ) dari 110.367.050 Ha , dan sangat cocok ( S3 ) dari 20,577.179Ha.


Keywords


ANN , GIS , Evaluasi Lahan , Cocoa




DOI: https://doi.org/10.22146/mgi.15457

Article Metrics

Abstract views : 555 | views : 4798

Refbacks

  • There are currently no refbacks.




Copyright (c) 2016 Majalah Geografi Indonesia

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


 

Accredited Journal, Based on Decree of the Minister of Research, Technology and Higher Education, Republic of Indonesia Number 30e/KPT/2018

Volume 31 No 2 the Year 2017 for Volume 35 No 2 the Year 2021

ISSN  0215-1790 (print) ISSN 2540-945X  (online)

 

website statistics Statistik MGI