PERBANDINGAN BACKPROPAGATION DAN ELMAN RECURRENT NEURAL NETWORKS DALAM PREDIKSI PRODUKSI TANAMAN PANGAN JAGUNG DI MALANG JAWA TIMUR

Kabupaten Malang merupakan salah satu penghasil tanaman pangan di Indonesia. Salah satu komoditas tanaman pangan di Kabupaten Malang yaitu jagung yang menduduki urutan ke-10 dalam produksi jagung di wilayah Jawa Timur. Tanaman pangan jagung memiliki banyak manfaat sehingga membuat permintaan produksi meningkat. Jumlah produksi tanaman pangan yang tidak menentu akan menjadi masalah bagi Dinas Pertanian dan Ketahanan Pangan Provinsi Jawa Timur dalam menentukan suatu kebijakan di Kabupaten
Malang.
Untuk mengatasi masalah tersebut maka dibutuhkan sistem untuk memprediksi
produksi tanaman pangan jagung di Kabupaten Malang. Penelitian ini
membandingkan algoritma Backpropagation dan Elman Recurrent Neural
Networks (ERNN). Data pada penelitian ini diperoleh dari Dinas Pertanian dan
Ketahanan Pangan Provinsi Jawa Timur mulai dari tahun 2007-2020 per bulan
dengan menggunakan data jagung daerah Malang. Hasil penelitian menunjukkan
bahwa algoritma terbaik pada penelitian ini yaitu Backpropagation dengan gradient
descent momentum karena menghasilkan nilai MSE dengan hasil prediksi yang baik
dari seluruh algoritma yang dibandingkan yaitu 0,00000597. Pembagian data
terbaik untuk mencapai hasil prediksi yang baik yaitu 80%:20%. Nilai momentum
optimal agar mencapai hasil prediksi yang baik pada algoritma Backpropagation
dan ERNN yaitu 0.9. Sedangkan nilai learning rate optimal pada penelitian ini yaitu
0.9 pada algoritma Backpropagation dan ERNN. Sehingga dapat disimpulkan
bahwa pemberian nilai momentum, pembagian data dan learning rate memiliki
pengaruh dalam hasil prediksi yang dilakukan oleh peneliti. Nilai MSE pengujian
yang semakin kecil menandakan hasil prediksi semakin baik.