Electronic Theses and Dissertation

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.

The agricultural industry plays a vital role in meeting the growing global food demand. The growing demand for local food, particularly seedless watermelon, combined with the Indonesian people's preference for consuming fruit, has created a critical need for large-scale seed production. On the other hand, watermelon seed provider companies such as PT. East West Seed Indonesia (PT. EWINDO) faces challenges in meeting this demand. In 2022 to early 2024, a significant decline in watermelon seed production from partner farmers decreased by 42,067% from the production target in eight planting areas. In response to market demand and unpredictable external factors, agricultural companies such as EWINDO must have adequate planning, starting with accurate seed production forecasting. To anticipate this, a reliable and adaptive seed production forecasting method is needed. This study proposes the use of the Artificial Neural Network (ANN) method to model and predict watermelon seed production based on two primary variables: the number of seed populations and planting seasons, in eight planting areas spanning Java and Lombok. The results of the ANN model training indicate that the architecture with two hidden layers yields stable and fairly accurate prediction performance (average MSE = 0.021375), without requiring the addition of further layers. Planting areas A2, A3, and A7 are the areas that have the most influence on the number of seed populations with sensitivity values of 0.77, 0.52487, and 0.45652, respectively (the impact will be greater if it approaches a value of 1). This indicates that efforts to increase or manage the number of seed populations must be prioritized in these areas. On the other hand, planting areas A5, A7, and A8 are the areas that have the most influence on the planting season. This indicates that these areas are very suitable for planting seeds during the on-season months. Meanwhile, A1 and A4 do not show a significant difference in between the two factors due to the limited amount of input data and lack of variation. An evaluation of relative importance was also conducted to formulate a monthly planting plan based on its sensitivity.