<![CDATA[Gula adalah bahan baku penting dalam kehidupan sehari-hari, baik untuk konsumsi publik maupun dalam industri makanan dan minuman. Di Indonesia, konsumsi gula mengalami fluktuasi yang signifikan, terutama menjelang hari-hari besar, dengan total kebutuhan mencapai 3,9 juta ton pada tahun 2021. Permasalahan dalam produksi gula seperti berkurangnya area lahan tebu, inefisiensi dalam pengelolaan dan ketidakstabilan hasil produksi, sehingga memerlukan perencanaan yang efisien. Penelitian ini menggunakan metode neural network untuk memprediksi produksi gula tebu dengan menggunakan data historis dari Januari 2014 hingga Desember 2018, yang mencakup faktor-faktor penting seperti curah hujan, suhu udara, kelembapan udara, dan waktu tanam. Neural network dipilih karena kemampuannya dalam mengenali pola data untuk memberikan prediksi yang tepat. Dengan memanfaatkan perangkat lunak Zaitun Time Series, penelitian ini mengevaluasi berbagai konfigurasi jaringan saraf tiruan untuk menunjukkan model yang paling efektif. Hasil penelitian menunjukkan bahwa konfigurasi dengan 4 input layer dan 3 hidden layer menghasilkan error terkecil dengan nilai data ERROR 0,23886 MAE 0,03608 MSE 0,01761 RMSE 0,132702675.]]>
Copyrights © 2024
