Notice: Undefined index: item_type_code in /var/www/html/pustaka/repository/lib/detail.inc.php on line 462
Desem Natal Samosir Pengarang Drs. Humuntal Rumapea, M.Kom Penguji 1 Naikson Fandier Saragih, S.T., M.Kom. Penguji 2

ABSTRAK Pemerintah Indonesia sudah membangun Kawasan Lumbung Pangan atau Food Estate di Provinsi Sumatera Utara, berlokasi di Desa Huta Julu, Kecamatan Pollung, Kabupaten Humbang Hasundutan. Dalam pengembangan pangan ini, terdapat beberapa daerah dalam Food Estate yang masih belum menggunakan teknologi canggih dan tanaman yang tumbuhnya kurang baik. Pemanfaatan teknologi BMKG dan Artificial sangat dibutuhkan dalam penguatan program nasional food estate. BMKG melalui Pusat Penelitian dan Pengembangan (Puslitbang) ambil bagian dalam percepatan program nasional dan penguatan ketahanan pangan dengan memasang alat pendeteksi cuaca berupa Micro Radar Rain (MRR) dan Portable Weather Station (PWS) dalam mendukung informasi layanan iklim dan cuaca di wilayah Food Estate, Humbang Hasundutan. Faktor iklim yang baik sangat berpengaruh terhadap hasil produksi di Food Estate. Kelembaban Udara adalah salah satu faktor yang mempengaruhi pertumbuhan tanaman di Food Estate. Dalam penelitian ini akan dilakukan klasifikasi dengan memprediksi suatu data yang digunakan untuk mengetahui tingkat kelembapan udara dimasa yang akan datang, guna membantu para petani melakukan persiapan dan pengambilan kebijakan terkait kegiatan pertanian agar nantinya hasil produksi dari suatu tanaman akan menghasilkan kualitas yang baik. Metode dalam melakukan klasifikasi telah diuji dalam berbagai proses penilitian, salah satunya yaitu metode Long Short Term Memory (LSTM). LSTM merupakan arsitektur dari Reccurent Neural Network (RNN). LSTM dapat digunakan untuk memproses data sequential sehingga dapat digunakan untuk memprediksi data yang bersifat time series. Parameter yang digunakan mempengaruhi hasil prakiraan metode LSTM dalam penelitian ini. Dengan menggunakan parameter epoch 100 dan split data 70:30 didapat nilai akurasi dalam pengklasifikasian menggunakan confusion matrix adalah 76,75% dan prediksi dengan Root Mean Square Error (RMSE) adalah 0,34. Kata kunci : Food Estate, Long Short Term Memory , Reccurent Neural Network, Batch Size, Epoch, Klasifikasi, Prediksi, Confusion Matrix, RMSE.