Analisis Performansi Metode Adaptive Neuro Fuzzy Inference System (ANFIS) Untuk Mengklasifikasi Tingkat Potensi Luas Tahan Pertanian

Metode Adaptive Neuro Fuzzy Inference System (ANFIS) dapat dimanfaatkan untuk menganalisis dan menghasilkan nilai klasifikasi potensi luas lahan pertanian berdasarkan parameter yang menyusun adanya perbedaan potensi luas lahan pertanian. ANFIS merupakan suatu struktur yang menggabungkan sistem fuzzy dengan sistem jaringan saraf tiruan dan menggunakan suatu prosedur learning yang dapat membangun suatu mapping input-output berdasarkan pada pengetahuan manusia (pada aturan fuzzy if-then). Dalam melakukan proses analisis, terdapat 3 kategori potensi luas lahan yang berbeda yaitu �kurang berkelanjutan�, �cukup berkelanjutan� dan �berkelanjutan�. Setiap kategori tersusun dari lima parameter yang membentuknya yaitu parameter luas wilayah, luas lahan potensial, luas penggunaan lahan pertanian dan non-pertanian, serta tingkat peralihan. Dengan menggunakan metode ANFIS, kelima parameter tersebut akan digunakan sebagai masukan bagi sistem, setiap parameter akan melalui rangkaian proses pada tiap lapisan yang terdapat pada metode ANFIS. Mulai dari proses fuzzyfication, inference fuzzy, normalisasi, LSE, dan defuzzyfication sampai pada tahap pembelajaran mundur menggunakan metode Error Back-Propagation. Berdasarkan hasil pembelajaran yang telah dilakukan dengan menggunakan 51 data kecamatan dan pengujian dengan menggunakan 28 data kecamatan, metode ANFIS ini dapat menghasilkan nilai klasifikasi tingkat potensi luas lahan pertanian dengan nilai akurasi tertinggi sebesar 96.43% dan rata-rata akurasi yang didapat sebesar 70.83% pada pengujian dengan Confusion Matrix Multi-Class.

Adaptive Neuro Fuzzy Inference System (ANFIS) method can be utilized to analyze and generate the numeric value of the agricultural potential land based on the parameters that make the difference in it. ANFIS is a structure that combines fuzzy system with neural network system and use a learning procedure to establish an input-output mapping based on human knowledge (fuzzy if-then rules). In conducting the analysis, there are three categories of potential land area that define as "less sustainable", "reasonably sustainable" and "sustainable". Each category is composed from five parameters that make it up, they are the broad parameters of the area, the potential land area, extensive use of agricultural land area and non-agricultural area, and the transition level. By using ANFIS, the fifth parameter will be used as input for the system, every parameter will go through a series of processes in each layer that contained in ANFIS method. Starting from the fuzzyfication, fuzzy inference, normalization, LSE, and defuzzyfication till reached the stage of learning retreat using Error Back-Propagation. Based on the learning outcomes that have been carried out by using 51 data districts and the testing using 28 data districts, ANFIS method can generate the numeric value of the level of agricultural potential land with the highest accuracy at 96.43% and the average accuracy obtained amounted to 70.83% using the Confusion Matrix Multi-Class test.