Fadillah, Aditiya (2020) Aplikasi Sistem Monitoring Pertanian Presisi Menggunakan Metode Recurrent Neural Network Berbasis Internet Of Thing. Other thesis, Universitas Komputer Indonesia.
|
Text
(01)Unikom_Aditiya Fadillah_Cover.pdf - Published Version Download (12kB) | Preview |
|
|
Text
(02)Unikom_Aditiya Fadillah_Lembar Pengesahan.pdf - Published Version Download (460kB) | Preview |
|
|
Text
(18)Unikom_Aditiya Fadillah_Surat Persetujuan Publikasi.pdf - Published Version Download (347kB) | Preview |
|
|
Text
(03)Unikom_Aditiya Fadillah_Lembar Bukti Keaslian Orisinalitas.pdf - Published Version Download (351kB) | Preview |
|
|
Text
(06)Unikom_Aditiya Fadillah_Kata Pengantar.pdf - Published Version Download (115kB) | Preview |
|
|
Text
(07)Unikom_Aditiya Fadillah_Daftar Isi.pdf - Published Version Download (363kB) | Preview |
|
|
Text
(11)Unikom_Aditiya Fadillah_BAB I Pendahuluan.pdf - Published Version Download (77kB) | Preview |
|
|
Text
(12)Unikom_Aditiya Fadillah_BAB II Landasan Teori.pdf - Published Version Download (107kB) | Preview |
|
Text
(13)Unikom_Aditiya Fadillah_BAB III Analisis dan Perancangan.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy |
||
Text
(14)Unikom_Aditiya Fadillah_BAB IV Implementasi dan Pengujian.pdf - Published Version Restricted to Repository staff only Download (463kB) | Request a copy |
||
|
Text
(15)Unikom_Aditiya Fadillah_BAB V Kesimpulan dan Saran.pdf - Published Version Download (105kB) | Preview |
|
|
Text
(16)Unikom_Aditiya Fadillah_Daftar Pustaka.pdf - Published Version Download (402kB) | Preview |
Abstract
Pertanian merupakan sektor paling besar dalam pembangunan perekonomian masyarakat Indonesia, hal ini dapat ditunjukkan oleh Badan Pusat Statistik (BPS) pada tahun 2018 sekitar 88,56% penduduk Indonesia bekerja pada sektor pertanian, akan tetapi dibeberapa wilayah seperti Afrika, Asia Tenggara dan Asia Barat mengalami situasi penurunan ketahanan pangan. Ada beberapa indikator yang mempengaruhi ketahanan pangan diantaranya seperti pola tanam, waktu tanam, produksi dan kualitas hasil panen. Dari pola-pola tersebut munculah kebiasaan petani dalam bercocok tanam yang masih mengandalkan prediksi tanpa adanya data akurat dan masih menggunakan cara manual. Tujuan dari penelitian ini adalah untuk mengurangi kegagalan panen, dan juga membantu petani dalam bercocok tanam dengan baik berdasarkan data. Data-data yang diperlukan seperti data perkiraan cuaca dari Kaggle, data tanaman dari dinas pertanian, dan data pengukuran dari hasil pengukuran alat. Dari ketiga parameter tersebutlah yang nantinya akan dijadikan sebagai pengolahan data untuk rekomendasi jenis tanaman apa yang cocok ditanam pada musim tersebut. Untuk dapat merekomendasikan jenis tanaman berdasarkan pada musim depan itu diperlukannya suatu metode yang bisa memprediksi cuaca dimusim depan, metode yang digunakan yaitu Recurrent Neural Network (RNN), yaitu suatu metode yang digunakan untuk data time series. Dengan adanya sistem ini diharapkan para petani dapat lebih mengetahui rekomendasi jenis tanaman apa yang sesuai dengan musim tersebut. Sehingga tingkat kegagalan panenpun dapat diminimalisir.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | BPS, Pertanian, Ketahanan Pangan, BMKG, RNN. |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software |
Divisions: | S1_SKRIPSI > FTIK_Sistem Komputer (02) |
Depositing User: | Mrs. Calis Maryani |
Date Deposited: | 08 Dec 2021 03:27 |
Last Modified: | 08 Dec 2021 03:27 |
URI: | http://elibrary.unikom.ac.id/id/eprint/4564 |
Actions (login required)
View Item |