NISSA TADZKIA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Fokus industri pertanian memiliki peran krusial dalam memenuhi kebutuhan pangan global yang terus meningkat. Peningkatan permintaan akan pangan lokal, khususnya semangka tanpa biji (seedless), beriringan dengan pola konsumsi masyarakat Indonesia yang gemar mengkonsumsi buah, telah menciptakan kebutuhan kritis akan produksi benih dalam jumlah besar. Di sisi lain, perusahaan penyedia benih semangka seperti PT. East West Seed Indonesia (PT. EWINDO), menghadapi tantangan dalam memenuhi permintaan ini. Pada tahun 2022 hingga 2024 awal, penurunan signifikan produksi benih semangka dari petani mitra menurun sebanyak 42.067% dari target produksi pada delapan area tanam. Dalam menghadapi permintaan pasar serta faktor eksternal yang tidak dapat diprediksi, perusahaan pertanian seperti EWINDO perlu memiliki perencanaan efektif yang dimulai dari peramalan produksi benih yang akurat. Untuk mengantisipasi hal ini, dibutuhkan metode peramalan produksi benih yang andal dan adaptif. Penelitian ini mengusulkan penggunaan metode Artificial Neural Network (ANN) untuk memodelkan dan memprediksi produksi benih semangka berdasarkan dua variabel utama, yaitu jumlah populasi benih dan musim tanam, pada delapan area tanam yang tersebar di Jawa dan Lombok. Hasil pelatihan model ANN menunjukkan bahwa arsitektur dengan dua hidden layer memberikan performa prediksi yang stabil dan cukup akurat (rata-rata MSE = 0.021375) tanpa memerlukan penambahan lapisan lebih lanjut. Selain itu, besar pengaruh yang dinilai dari uji R-squared berkisar antara 34%-87%. Area tanam A2, A3, dan A7 adalah area yang paling berpengaruh terhadap jumlah populasi benih dengan nilai uji best scenario berturut-turut 0.77, 0.52487, dan 0.45652 (pengaruh akan semakin besar jika mendekati nilai 1). Hal ini menandakan upaya untuk meningkatkan atau mengelola jumlah populasi benih harus diprioritaskan pada area ini. Di sisi lain, area tanam A5, A7, A8 adalah area yang paling berpengaruh terhadap musim tanam. Hal ini menandakan bahwa area tersebut sangat cocok ditanami benih pada bulan-bulan dengan musim on season. Sedangkan untuk A1 dan A4 tidak terlalu menunjukkan perbedaan antara dua faktor akibat jumlah input data yang kecil dan kurang bervariasi. Evaluasi kepentingan relatif juga dilakukan untuk merumuskan rencana tanam per bulan sesuai dengan sensivitasnya. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 160529 2025-07-13 20:14:44 2025-07-14 23:43:47 machine generated