Rancang Bangun Aplikasi Machine Learning Pemilihan Varietas Bibit Jagung Unggul Menggunakan Algoritma Artificial Neural Network (ANN) Berbasis Web

Sari

Jagung atau dalam bahasa latin Zea Mays merupakan adalah salah satu dari jenis tanaman pangan dari keluarga rumput-rumputan yang dikelompokkan dalam tanaman biji-bijian. Jagung memiliki banyak varietas. Adapun varietas yang telah dilepas oleh Menteri Pertanian hingga Oktober tahun 2022 sebanyak 361 varietas, yaitu jagung hibrida sebanyak 298 varietas, jagung komposit sebanyak 59 varietas, dan ada sebanyak 4 varietas jagung hibrida produk rekayasa genetik (PRG). Petani jagung biasanya memilih dan menentukan bibit jagung yang akan dibudidayakan berdasarkan rekomendasi pedagang bibit jagung atau dari rekan sesama petani jagung. Namun demikian sering dijumpai hasil panen jagung tidak sesuai dengan ekspektasi dan target yang diharapkan. Bahkan, tidak jarang petani jagung mengalami gagal panen yang disebabkan oleh beberapa faktor, salah satunya dikarenakan bibit jagung yang dipilih bukan merupakan varietas bibit jagung unggul. Sistem ini dirancang untuk membantu para petani jagung khususnya di daerah Aceh dalam memilih dan menentukan bibit jagung unggul untuk dibudidayakan dengan tujuan mendapatkan hasil panen yang memuaskan. Sistem ini menggunakan algoritma Artificial Neural Network untuk melakukan pemilihan. Artificial Neural Network (ANN) adalah algoritma Machine Learning dengan model komputasi yang terinspirasi dari prinsip kerja otak manusia. Artificial Neural Network digunakan dalam aplikasi ini karena dapat melakukan prediksi dengan akurat. Hasil yang diharapkan dengan adanya sistem ini petani dapat memilih varietas bibit jagung unggul untuk dibudidayakan, sehingga dapat memenuhi kebutuhan stok dalam negeri dengan memanfaatkan komputer dalam tahapan pemilihan bibit unggul. Penerapan algortima ANN Multi Layer Perceptron pada aplikasi ini menggunakan 21 data varietas jagung dengan 504 dataset yang dimasukkan mendapatkan hasil nilai tertinggi dengan persentase akurasi 90,47%. Dengan hasil tersebut, algortima Artificial Neural Network Multi Layer Perceptron dapat digunakan untuk Aplikasi Machine Learning dalam menentukan pemilihan varietas bibit jagung unggul Abstract Corn or in Latin Zea Mays is one of the types of food crops from the grass family which is grouped into grain crops. Corn has many varieties. The varieties that have been released by the Minister of Agriculture until October 2022 are 361 varieties, namely 298 varieties of hybrid corn, 59 varieties of composite corn, and there are as many as 4 varieties of genetically modified (PRG) hybrid corn. Maize farmers usually choose their maize seeds based on recommendations from maize seed traders or fellow maize farmers. However, maize yields are often not in line with expectations and targets. In fact, it is not uncommon for corn farmers to experience crop failure caused by several factors, one of which is because the corn seeds chosen are not superior corn seed varieties. This system is designed to help corn farmers, especially in the Aceh area, in choosing and determining superior corn seeds for cultivation with the aim of getting satisfactory yields. This system uses Artificial Neural Network algorithm to make the selection. Artificial Neural Network (ANN) is a Machine Learning algorithm with a computational model inspired by the working principles of the human brain. Artificial Neural Network is used in this application because it can make accurate predictions. The expected results with this system are that farmers can choose superior varieties of corn seeds to be cultivated, so that they can meet the needs of domestic stocks by utilizing computers in the stages of selecting superior seeds. The application of ANN Multi Layer Perceptron algortima in this application using 21 corn variety data with 504 datasets entered gets the highest value results with an accuracy percentage of 90.47%. With these results, the Artificial Neural Network Multi Layer Perceptron algortima can be used for Machine Learning applications in determining the selection of superior corn seed varieties.