Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

KLASIFIKASI DAERAH RAWAN PANGAN MENGGUNAKAN METODE EXTREME LEARNING MACHINE DENGAN OPTIMASI ALGORITMA GENETIKA

ANNA KHOLILAH PASARIBU, - (2021) KLASIFIKASI DAERAH RAWAN PANGAN MENGGUNAKAN METODE EXTREME LEARNING MACHINE DENGAN OPTIMASI ALGORITMA GENETIKA. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
bab1-6 kecuali bab 4-5.pdf

Download (2MB) | Preview
[img] Text (BAB IV dan BAB V)
BAB 4-5.pdf - Published Version
Restricted to Repository staff only

Download (3MB)

Abstract

Rawan pangan merupakan suatu kondisi tidak tersedianya pangan yang cukup bagi individu atau perorangan untuk dapat hidup sehat, aktif, dan produktif secara berkelanjutan. Penyebab terjadinya kerawanan pangan ialah tidak seimbangnya produksi pangan dengan kebutuhan konsumsi pangan masyarakat, hal ini disebabkan oleh lahan yang kurang berpotensi untuk tanaman pangan. Berdasarkan hasil wawancara dengan bapak Ir. Al-Azhar pada tanggal 8 Oktober 2019 di Dinas Ketahanan Pangan Provinsi Riau, selama ini pengumpulan serta perangkuman data FSVA membutuhkan waktu yang sangat lama yaitu selama 3 (tiga) tahun sehinga mengakibatkan lambatnya penanganan terhadap suatu daerah yang mengalami kerawanan pangan. Sedangkan pangan merupakan kebutuhan pokok yang mendesak dan harus segera diatasi. Rawan pangan di klasifikasikan kedalam 6 prioritas yaitu sangat rentan pangan, rentan pangan, cukup rentan pangan, cukup tahan pangan, tahan pangan, dan sangat tahan pangan. Pada penelitian ini menerapkan metode Extreme Learning Machine (ELM) dengan optimasi Algoritma Genetika yang dapat mengklasifikasikan daerah rawan pangan. Variabel yang digunakan yaitu jumlah penduduk miskin, angka harapan hidup, rumah tangga tanpa akses listrik, air bersih, perempuan buta huruf, stunting, akses jalan yang memadai, jarak dari fasilitas kesehatan, dan NCPR. Algoritma Genetika berperan untuk mengoptimasi bobot awal yang digunakan pada metode ELM. Berdasarkan hasil pengujian yang telah dilakukan, diperoleh akurasi terbaik sebesar 71,05% yang terletak pada populasi 40, kombinasi Cr 0,6 dan Mr 0,4, hidden neuron 9 dan generasi 10. Oleh karena itu, dapat disimpulkan bahwa metode ELM dengan optimasi Algoritma Genetika dapat diterapkan pada klasifikasi tingkat daerah rawan pangan.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 26 Feb 2021 13:01
Last Modified: 26 Feb 2021 13:01
URI: http://repository.uin-suska.ac.id/id/eprint/47367

Actions (login required)

View Item View Item