SISTEM APLIKASI IDENTIFIKASI LAHAN UNTUK BUDIDAYA TANAMAN PANGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Uning Lestari 1
|
|
- Hadian Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM APLIKASI IDENTIFIKASI LAHAN UNTUK BUDIDAYA TANAMAN PANGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Uning Lestari 1 1 Jurusan Teknik Informatika, Institut Sains & Teknologi AKPRIND Yogyakarta Jl. Kalisahak No. 28, Kompleks Balapan, Yogyakarta uningl@yahoo.com ABSTRACT The development of information technology can be used to optimize the delivery of knowledge that one example is the use of Expert System for the delivery of information on the utility in determining the type of land or crops. Expert systems with a method cultivation of food crops Learning Vector Quantization (LVQ) can provide solutions and information suitable crops grown on a specific field based on characteristic features. Suitability parameters used in the application system consists of 22 types of land characteristics, and 12 kinds of crops. After going through the process of training and testing data characteristics have dientrikan then the system will classify the suitability of crops in 4 categories namely the S1 class (very suitable), S2 (Quite appropriate), S3 (marginal line), and N (Not suitable ). Keywords: Learning Vector Quantization (LVQ), crops, Expert System ABSTRAK Perkembangan teknologi informasi saat ini dapat dimanfaatkan untuk mengoptimalkan penyampaian pengetahuan yang salah satu contohnya adalah dengan memanfaatkan Expert System untuk penyampaian informasi tentang daya guna lahan ataupun dalam penentuan jenis tanaman pangan. Sistem pakar budidaya tanaman pangan dengan metode Jaringan Syaraf Tiruan (JST) Learning Vector Quantization (LVQ) dapat memberikan solusi dan informasi tanaman yang cocok ditanam pada suatu lahan tertentu berdasarkan ciri-ciri karakteristiknya. Parameter kesesuaian lahan yang digunakan dalam sistem aplikasi ini terdiri dari 22 jenis karakteristik lahan, dan 12 jenis tanaman pangan. Setelah melalui proses pelatihan dan pengujian pada data-data karakteristik yang telah dientrikan maka sistem akan mengklasifikasi kesesuaian tanaman pangan dalam 4 kategori kelas yaitu yaitu S1 (Sangat sesuai), S2 (Cukup sesuai), S3 (Sesuai marginal), dan N (Tidak sesuai). Kata kunci: Learning Vector Quantization (LVQ), lahan tanaman pangan, Expert System PENDAHULUAN Tantangan pembangunan terbesar bagi Indonesia dalam dua dasawarsa terakhir adalah meledaknya jumlah penduduk. Sementara program peningkatan produksi selama kurun waktu tersebut masih kurang mantap. Pada akhirnya negara kita terpaksa mengimpor bahan pangan dari negara lain. Menghadapi peledakan pertambahan jumlah penduduk terutama di Jawa, Madura, Bali dan Lombok, sepertinya usaha peningkatan produksi pangan secara intensifikasi masal dan perluasan areal pertanian pada tahun-tahun terakhir ini tidak berjalan dengan baik. Terlalu seringnya kita mengolah tanah dapat menyebabkan kerusakan-kerusakan tanah. Mencari keuntungan-keuntungan material saja tetapi melupakan pemeliharaan daya mampu tanah. Sebaliknya jika tidak dapat menemukan kombinasi yang serasi antara tanah dan iklim setempat, usaha untuk memperbaiki keadaan tanah agar lebih berguna jarang sekali dilakukan bahkan kecenderungannya ditinggal begitu saja. Produktivitas tanaman pangan tergantung pada kualitas lahan yang akan digunakan dalam sistem pengolahannya.. Jika pada pemilihan lahan pada awal pembangunan tanaman areal-areal yang tidak produktif tidak disisihkan, maka kerugian khususnya finansial yang cukup besar akan terjadi nantinya. Pada saat ini, metode penentuan jenis budidaya untuk tanaman pangan yang sesuai ditanam pada suatu lahan tertentu masih dilakukan dengan cara manual, yaitu dengan membandingkan data-data yang ada di lapangan dengan kriteria persyaratan penggunaan lahan untuk tanaman pangan tertentu, sehingga hasil informasi-informasi yang diperoleh membutuhkan akan waktu, tenaga, dan biaya yangt tidak sedikit. Seiring berkembangnya teknologi informasi dewasa ini, teknologi dapat dimanfaatkan untuk mengoptimalkan penyampaian pengetahuan pemeliharaan tentang informasi daya guna lahan, B-353
2 ataupun dalam penentuan jenis-jenis tanaman pangan yang sesuai pada lahan tertentu berdasarkan nilainilai karakteristik lahan, hal ini sangat diperlukan dalam menunjang proses pengambilan keputusan, koordinasi dan pengendalian bagi para praktisi, peneliti, dan perencanaan lahan. Berdasarkan hal tersebut, maka pada penelitian ini dibuat sistem aplikasi sistem pakar dengan menggunakan metode Learning Vector Quantitation (LVQ) untuk evaluasi kesesuaian lahan budidaya tanaman pangan dan memberikan solusi tanaman pangan yang cocok untuk setiap tipe lahan. Aplikasi sistem pakar dengan metode Jaringan Syaraf Tiruan LVQ (Learning Vector Quantization) ini diharapkan dapat membantu dalam menentukan jenis-jenis tanaman pangan yang sesuai ditanam pada suatu lahan tertentu berdasarkan nilai karakteristik lahan, yang sebelumnya dilakukan pembelajaran dan pengujian data. Hal ini dikarenakan komputer diberi bekal pengetahuan dan kemampuan penalaran seperti seorang pakar dalam bidang tersebut. User hanya mengisi masukan (input) berupa data karakteristik lahan, dan sistem akan memproses data tersebut kemudian memberikan keluaran (output) berupa hasil prediksi tanaman. Kualitas lahan merupakan sifat-sifat atau attribute yang kompleks dari suatu lahan. Masing-masing kualitas lahan mempunyai performance tertentu yang berpengaruh terhadap kesesuaiannya bagi penggunaan lahan tertentu. Kualitas lahan ada yang bisa diestimasi atau diukur secara langsung di lapangan, tetapi pada umumnya ditetapkan dari pengertian karakteristik lahan. Sedangkan karakteristik lahan adalah sifat lahan yang dapat diukur atau diestimasi contohnya: lereng, curah hujan, tekstur tanah. Kualitas lahan (Temperatur, Ketersediaan oksigen, Media perakaran, Retensi hara, Bahaya erosi ) dan karakteristik (Temperatur, Kelembaban udara, Kejenuhan basa,drainase, Tekstur ) dapat digunakan dalam menentukan kriteria kesesuaian lahan (Djaenudin et al., 1997). Salah satu metode yang digunakan untuk menentukan kelas lahan adalah metode pembatas yang menentukan kelas lahan berdasarkan banyaknya tingkat pembatas (0: no (tidak ada), 1: slight (ringan), 2: moderate (sedang), 3: severe (berat), 4: very severe (sangat berat)) (Sys, C.,1991). Hubungan antara karakteristik kesesuaian lahan dengan tingkat pembatas yaitu (S1: sangat sesuai, S2: cukup sesuai, S3: sesuai marginal, N: tidak sesuai ). Sistem aplikasi yang akan dibuat akan menghasilkan Kelas kesesuaian lahan berdasarkan kriteria terseb ut. Dalam melakukan penelitian ini mengacu pada penelitian sebelumnya antara lain Penelitian Sri Nurhayati, 2006, dalam tugas akhir tentang sistem pakar penyeleksian komoditas unggul tanaman pangan dan perkebunan pada daerah transmigrasi. Kekurangan Kategori tanaman pangan dan perkebunan yang di sediakan dalam sistem masih terbatas sehingga perlu dilakukan update database untuk menambah item tanaman agar bisa memberikan alternatif pilihan yang lebih kepada pemakai sistem. Tidak terdapat contoh output dari sistem secara detail mengenai jenis tanaman yang sesuai dengan data-data yang telah diinputkan, agar bisa diketahui contoh hasilnya. Penelitian A. K. Makarim, Balai Besar Penelitian Tanaman Padi, 2008, membahas tentang budidaya tanaman padi, yaitu bagaimana menentukan jenis tanaman padi yang sesuai dengan karakteristik biofisik lokasi dan komponen budidaya pilihan petani itu sendiri. Pembuatan sistem ini masih menggunakan MS Excel, sehingga manajemen datanya masih belum maksimal. METODE Metode clustering yang digunakan pada penelitian ini adalah Learning Vector Quantization (LVQ). LVQ merupakan suatu metode klasifikasi pola dimana tiap-tiap output merepresentasikan suatu kelas atau kategori tertentu. Pada metode ini dimungkinkan terdapat beberapa output untuk setiap kelas. Vektor bobot untuk suatu unit output biasanya merupakan referensi terhadap kelas dimana unit tersebut berada. LVQ merupakan metode pembelajaran pada lapisan kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan vectorvektor input. Kelas-kelas yang didapatkan sebagai hasil dari lapisan kompetitif ini hanya tergantung pada jarak antara vektor-vektor input. Jika 2 vektor input mendekati sama, maka lapisan kompetitif akan meletakkan kedua vector input tersebut ke dalam kelas yang sama. Gambar 1. menunjukkan jaringan LVQ dengan 6 unit pada lapisan input, dan 2 unit (neuron) pada lapisan output. Pemrosesan yang terjadi pada setiap neuron adalah mencari jarak antara suatu vector input ke bobot yang bersangkutan (w 1 dan w 2 ). w 1 adalah vektor bobot yang enghubungkan setiap neuron pada lapisan input ke neuron pertama pada lapisan output. Untuk menghitung jarak digunakan Jarak Euclidian. yaitu B-354
3 = ( x1 w1 ) ( x2 w2 )... ( x n wn ) Fungsi aktivasi F 1 akan memetakan y_in 1 ke y 1 = 1 apabila x w1 < x w2, dan y 1 =0 jika sebaliknya. Demikian pula pada fungsi aktivasi F 2 akan memetakan y_in 2 ke y 2 =1 jika x w2 < x w 1, dan y 2 =0 jika sebaliknya. x 1 x 2 x - w 1 y_in 1 F 1 y 1 x 3 x 4 x - w 2 y_in 2 F 2 y 2 x 5 x 6 Gambar 1. Arsitektur Jaringan LVQ Keterangan : X 1... X 6 = Masukkan/Input data X-W 1 = Bobot yang menghubungkan setiap neuron pada lapisan input keneuron pertama pada lapisan output. X-W 2 = Bobot yang menghubungkan setiap neuron pada lapisan ke neuron kedua pada lapisan output. F 1, F 2 = Fungsi aktifasi purelin sebagai fungsi transfer linier yang digunakan untuk jaringan saraf tiruan yang dilatih dengan menggunakan metode LVQ, fungsi ini memiliki nilai pada range 0 sampai 1. Y = Keluaran/output. Proses Pelatihan Langkah pertama tetapkan: Masukkan bobot awal variabel input ke-j menuju ke kelas (cluster) ke-i yaitu: W ij dengan i=1,2, K; dan j=1,2,..,m. Maksimum epoh: MaxEpoh. Parameter learning rate :. Pengurangan learning rate : Dec. Minimal learning rate : Min. Langkah kedua masukkan: Data input : X ij ; dengan i=1,2,..,n; dan j=1,2,..,m dan Target berupa kelas: T k ; dengan k=1,2,..,n Langkah ketiga dengan menetapkan kondisi awal: epoh=0; err=1 Langkah keempat, kerjakan jika: (epoh <MaxEpoh) atau ( > Min ): Epoh = epoh+1; Kerjakan untuk i=1 sampai n Tentukan J sedemikian hingga x i -w j minimum dengan j=1,2,..,k Perbaiki w j dengan ketentuan: Jika T = C j maka: w j (baru)=w j (lama)+ (x + w j (lama)) Jika T C j maka: w j (baru)=w j (lama)- (x-w j (lama)) Kurangi nilai B-355
4 Dilakukan dengan cara : = - Dec ; atau dengan cara = *Dec Aplikasi metode LVQ untuk kasus pencarian pola navigasi user web memerlukan data yaitu : - Data input Adalah halaman-halaman web yang dikunjungi user dalam satu kali kunjungan tunggal. Data input benilai 1 jika user mengujungi halaman-halaman dalam kelas yang sudah ditentukan dan 0 jika tidak mengunjungi. - Target Adalah penentuan kategori kategori untuk pengunjung web misalnya apakah masuk kategori Tertarik, Cukup Tertarik, dan Tidak tertarik terhadap situs web yang dikunjungi. Setelah dilakukan proses pelatihan, akan diperoleh bobot-bobot akhir (W). Bobot-bobot ini nantinya akan digunakan untuk melakukan simulasi atau pengujian. Data yang digunakan pada penelitian adalah data sumber yang berasal Departemen Pertanian tentang kualitas dan karakteristik lahan yang digunakan dalam kriteria kesesuaian lahan. Pada penelitian ini yang digunakan sebagai data masukan adalah karakteristik lahan yang terdiri atas 22 buah, yaitu temperatur rerata, curah hujan, kelembaban, drainase, tekstur, bahan kasar, kedalaman tanah, ketebalan gambut, gambut dengan singkapan/pengkayaan mineral, kematangan gambut, KPK lempung, kejenuhan basa, ph H2O, C-organik, salinitas, alkalinitas, kedalaman sulfidik, lereng, bahaya erosi, genangan, batuan di permukaan, dan singkapan batuan. Output yang akan dihasilkan adalah salah satu dari 12 jenis tanaman pangan berikut: buncis, jagung, padi sawah irigasi, sorgum, gandum, ubi jalar, ubi kayu, kedelai, kacang kapri, kacang panjang, kacang tanah, kacang hijau. Pada sistem aplikasi yang dibangun menggunakan 7 file database yang meliputi data Karakteristik_Lahan, Konsultasi, Keterangan_karakteristik, Data_Karakteristik, Hasil_Prediksi, Data_Tanaman, dan Karakteristik_Tanaman. Relasi dari masing-masing tabel tersebut dapat dilihat pada Gambar 2. Gambar 2. Relasi Database PEMBAHASAN Hasil sistem aplikasi evaluasi kesesuaian lahan untuk budidaya tanaman pangan menggunakan jaringan syaraf tiruan Learning Vector Quantization (LVQ) terdiri dari beberapa menu B-356
5 utama yaitu menu Pendaftaran_User, Karakteristik_Lahan Tanaman_Pangan Prediksi_Tanaman, Cetak_Hasil, Karakteristik_Tanaman, Search, Info Dan Help. Menu karakteristik_lahan terdiri dari sub Karakteristik, Keterangan Karakteristik dan Detail Karakteristik. Menu Tanamann pangan terdiri dari sub menu : Data Tanaman, Hasil Prediksi Tanaman, dan Detail Tanaman. Tampilan menu Utama dapat dilihat pada Gambar 3. Gambar 3 Menu Utama Sistem Sistem ini terdiri dari user yaitu user pakar yang bertugas mengentrikan data-data karakteristik (pada sistem ini seorang pakar adalah admin) dan user yang akan melakukan konsultasi. Penggunaan sistem ini didahului dengan registrasi user yang akan melakukan proses konsultasi melalui menu Pendaftaran User. Menu ini berfungsi untuk pendaftaran user yang akan mencari informasi atau solusi mengenai penentuan jenis tanaman pangan yang sesuai. Seorang pakar akan memasukkan data-data ke sistem melalui menu-menu tentang Karakteristik, Keterangan Karakteristik, dan Detail Karakteristik. Contoh menu tampilan entri data tersebut terlihat pada Gambar 4 dan Gambar 5. Gambar 4 Tampilan menu Karakteristik lahan B-357
6 Gambar 5 Tampilan menu keterangan karakteristik lahan Setelah memasukkan data-data karakteristik lahan, dilanjutkan dengan meng-entri data-data tanaman pangan pada Menu Utama Tanaman Pangan. Menu ini terdiri dari Data Tanaman, Hasil Prediksi Tanaman dan Detail Tanaman. Salah satu contoh tampilan menu tersebut dilihat pada Gambar 6 dan 7. Gambar 6. Tampilan Input hasil prediksi tanaman Pada Gambar 5 menampilkan kondisi Tanaman sorgum (sorgum bicolor) memiliki karakteristik lahan yang sesuai (S1) untuk proses pertumbuhannya yaitu : temperatur rerata antara C; curah hujan berkisar mm; kelembaban <75%; drainase baik dan agak terhambat; tekstur halus, agak halus dan sedang; bahan kasar <15%; kedalaman tanah >60 cm; ketebalan gambut <60 cm; singkapan atau pengkayaan berupa bahan mineral <140; kematangan gambut saprik+; KPK lempung >16; kejenuhan basa >50%; ph H2O antara 5,5-8,2; C-organik >0,4%; salinitas <0,8 ds/m; alkalinitas/esp <20%; kedalaman sulfidik >100 cm; lereng <8%; B-358
7 bahaya erosi sangat rendah; genangan kedalaman F0 atau tanpa; batuan permukaan <5%; dan singkapan batuan <5%. Gambar 7. Tampilan detail tanaman Sorgum Proses berikutnya pada aplikasi sistem pakar adalah proses konsultasi seorang user yang akan mencari solusi dan informasi. Proses tersebut dilakukan melalui menu Prediksi Tanaman pada menu utama. User harus mengisi isian-isian pada menu tersebut dengan memilih kategorikategori yang sudah disediakan sistem. kemudian dicari perkiraan hasil prediksi tanaman untuk karakteristik tersebut dengan mengklik tombol Prediksi Tanaman. Proses tersebut dapat dilihat pada Gambar 8. Hasil proses Prediksi Tanaman dapat dilihat pada Gambar 9. Gambar 8 Tampilan Menu konsultasi Prediksi Tanaman. B-359
8 Gambar 9 Tampilan hasil prediksi tanaman pangan karakteristik data ke-1 Hasil prediksi tanaman yang diperoleh untuk karakteristik data ke-1 anatara lain kelas S1 (sangat sesuai): padi sawah irigasi dan padi swah tadah hujan, S2 (cukup sesuai): jagung dan kedelai, S3 (sesuai marginal): kacang hijau dan kacang tanah, dan N (tidak sesuai): Padi Gogo, Padi Sawah Lebak, Gandum, Sorgum, Ubi Jalar, Ubi Kayu, Kacang Tunggak, Talas dan Iles-Iles. Proses terakhir pada sistem ini adalah pencarian karaktersistik suatu tanaman tertentu. Proses ini terdapat pada Menu karakteristik_tanaman untuk pengklasifikasian persyaratan penggunaan/karakteristik lahan setiap tanaman pangan sesuai dengan kesesuaian: S1, S2, S3, dan N. Tampilan menu karakteristik tersebut dapat dilihat pada Gambar 8 dan 9. Gambar 10 Tampilan menu karakteristik_tanaman B-360
9 Sistem menekankan pengklasifikasian karakteristik tanaman pada database-nya, sehingga untuk membuktikan bahwa karakteristik suatu tanaman masuk ke dalam kelas mana, maka setelah proses penyimpanan data dilakukan preview database. Sebagai contoh diinputkan karakteristik tanaman padi gogo, tampilan preview databasenya seperti Gambar 11. Gambar 11. Tampilan menu karakteristik_tanaman_pangan_s1 KESIMPULAN Setelah dilakukan analisa data lapangan, pengujian data menggunakan algoritma Learning Vector Quantization, maka dapat diambil kesimpulan bahwa sistem pakar budidaya tanaman pangan dapat membantu para user dalam mencari solusi tentang tanaman pangan yang sesuai dengan kelas kesesuaian lahannya berdasarkan karakteristik lahan. Sistem dapat menampilkan karakteristik tumbuh tanaman sesuai kelas kesesuaian lahan S1, S2, S3 dan N. Jenis tanaman yang sesuai maupun tidak sesuai dengan suatu karakteristik lahan tertentu diperoleh setelah sebelumnya dilakukan analisis dari berbagai macam kemungkinan. DAFTAR PUSTAKA Nurhayati, Sri, 2006, Sistem Pakar dan Seleksi Komoditas Unggulan di Kawasan Transmigrasi, Universitas Gadjah Mada, Yogyakarta Makarim, A. K., 2008, Sistem Pakar Budidaya Padi (Sipadi) Versi 3.0, Balai Besar Penelitian Tanaman Padi, Jakarta. Azis, Anifuddin, dkk, 2005, Evaluasi Kesesuaian Lahan Untuk Budidaya Tanaman Pangan Menggunakan Jaringan Syaraf Tiruan, Universitas Gadjah Mada, Yogyakarta. Chandraleka, Happy, Panduan Praktis Pemrograman Delphi 8, Andi Offset, Yogyakarta. Ritong, Sofyan, dkk, 2007, Evaluasi Kesesuaian Lahan, Balai Penelitian Tanah dan World Agroforestry Centre. Djaenuddin, D., Marwan H., H. Subagyo, dan A. Mulyani, 1997, Kriteria Kesesuaian Lahan untuk Komoditas Pertanian. Pusat Penelitian Tanah dan Agroklimat, Departemen Pertanian. Fausett, L., 1994, Fundamentals of Neural Network, Architecture, Algorithms and Applications, Prentice Hall, New Jersey Kusumadewi, S., 2003, Artificial Intelligence (Teknik dan aplikasinya), Graha Ilmu Yogyakarta. Sys, C., Ranst V., and Debaveye J, 1991, Land Evaluation Part II: Methods in Lan Evaluation, General Administration for Development Cooperation, Brussels, sesuaianlahan.pdf B-361
ABSTRAK. Kata Kunci: Jaringan syaraf tiruan, learning vector quantization, evaluasi kesesuaian lahan ABSTRACT
Anifuddin Azis dkk,evaluasi Kesesuaian Lahan EVALUASI KESESUAIAN LAHAN UNTUK BUDIDAYA TANAMAN PANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN (An Evaluation of Suitable Landscape to Crop Food Cultivation by
Lebih terperinciI. PENDAHULUAN. Era globalisasi yang terjadi saat ini telah melahirkan tuntutan kehidupan yang semakin
1 I. PENDAHULUAN Latar Belakang Era globalisasi yang terjadi saat ini telah melahirkan tuntutan kehidupan yang semakin kompetitif bagi manusia, salah satunya dalam bidang pertanian. Penyusutan luas lahan
Lebih terperinci2013, No.1041 BAB I PENDAHULUAN A. Latar Belakang
5 2013, No.1041 LAMPIRAN PERATURAN MENTERI PERTANIAN REPUBLIK INDONESIA NOMOR 79/Permentan/OT.140/8/2013 TENTANG PEDOMAN KESESUAIAN LAHAN PADA KOMODITAS TANAMAN PANGAN PEDOMAN KESESUAIAN LAHAN PADA KOMODITAS
Lebih terperinciPERATURAN MENTERI PERTANIAN NOMOR 79/Permentan/OT.140/8/2013 TENTANG PEDOMAN KESESUAIAN LAHAN PADA KOMODITAS TANAMAN PANGAN
PERATURAN MENTERI PERTANIAN NOMOR 79/Permentan/OT.140/8/2013 TENTANG PEDOMAN KESESUAIAN LAHAN PADA KOMODITAS TANAMAN PANGAN DENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI PERTANIAN, Menimbang : a. bahwa kesesuaian
Lebih terperinciII. TINJAUAN PUSTAKA. A. Ubi Jalar (Ipomoea batatas L.) Tanaman ubi jalar tergolong famili Convolvulaceae suku Kangkungkangkungan,
II. TINJAUAN PUSTAKA A. Ubi Jalar (Ipomoea batatas L.) 1. Karakteristik Tanaman Ubi Jalar Tanaman ubi jalar tergolong famili Convolvulaceae suku Kangkungkangkungan, dan terdiri dari 400 species. Ubi jalar
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciI. TINJAUAN PUSTAKA. bahan induk, relief/ topografi dan waktu. Tanah juga merupakan fenomena alam. pasir, debu dan lempung (Gunawan Budiyanto, 2014).
I. TINJAUAN PUSTAKA A. Tanah dan Lahan Tanah merupakan sebuah bahan yang berada di permukaan bumi yang terbentuk melalui hasil interaksi anatara 5 faktor yaitu iklim, organisme/ vegetasi, bahan induk,
Lebih terperinciPENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Abstrak
PENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Dini Fakta Sari Teknik Informatika STMIK AKAKOM Yogyakarta dini@akakom.ac.id Abstrak Tenaga
Lebih terperinciTINJAUAN PUSTAKA. yang mungkin dikembangkan (FAO, 1976). Vink, 1975 dalam Karim (1993)
TINJAUAN PUSTAKA Pengertian Evaluasi Lahan Evaluasi lahan adalah proses penilaian penampilan atau keragaman lahan jika dipergunakan untuk tujuan tertentu, meliputi pelaksanaan dan interpretasi survei serta
Lebih terperinciKarakteristik dan Kesesuaian Lahan Tanaman Cabai & Bawang Merah Dr. Dedi Nursyamsi
Karakteristik dan Kesesuaian Lahan Tanaman Cabai & Bawang Merah Dr. Dedi Nursyamsi Kepala BB. Litbang Sumber Daya Lahan Pertanian Topik bahasan : KONSEP DASAR EVALUASI LAHAN SYARAT TUMBUH CABAI & BAWANG
Lebih terperinciMela Febrianti * 1. Pendahuluan. Abstrak KESESUAIAN LAHAN
KESESUAIAN LAHAN Jurnal Nasional Ecopedon JNEP Vol. 2 No. 2 (2015) 038-042 http://www.perpustakaan politanipyk.ac.id. Kesesuaian Lahan Kopi, Sawit, Jagung, Kayu Manis, Kelapa, Tembakau, Kedelai, Kakao
Lebih terperinciKesesuaian Lahan Untuk Tanaman Kacang Tanah di Desa Sampuran, Kecamatan Ranto Baek, Kabupaten Mandailing Natal
KESESUAIAN LAHAN Jurnal Nasional Ecopedon JNEP Vol. 2 No.2 (2015) 001-004 http://www... Kesesuaian Lahan Untuk Tanaman Kacang Tanah di Desa Sampuran, Kecamatan Ranto Baek, Kabupaten Mandailing Natal Endang
Lebih terperinciTINJAUAN PUSTAKA. A. Lahan Pasir Pantai. hubungannya dengan tanah dan pembentukkannya.
II. TINJAUAN PUSTAKA A. Lahan Pasir Pantai Lahan adalah bagian daratan dari permukaan bumi sebagai lingkungan fisik yang meliputi tanah beserta faktor yang mempengaruhi penggunaannya seperti iklim relief/topografi,
Lebih terperinciAPLIKASI PENGENALAN POLA DAUN MENGGUNAKAN JARINGAN SYARAF LEARNING VECTOR QUANTIFICATION UNTUK PENENTUAN TANAMAN OBAT
APLIKASI PENGENALAN POLA DAUN MENGGUNAKAN JARINGAN SYARAF LEARNING VECTOR QUANTIFICATION UNTUK PENENTUAN TANAMAN OBAT Fradika Indrawan Jurusan Teknik Informatika, Universitas Ahmad Dahlan, Yogyakarta Jl.
Lebih terperinciLAMPIRAN. Lampiran 1. Data Jumlah Curah Hujan (milimeter) di Stasiun Onan Runggu Periode Tahun
LAMPIRAN Lampiran 1. Data Jumlah Curah Hujan (milimeter) di Stasiun Onan Runggu Periode Tahun 19982007 Bln Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des THN 1998 77 72 117 106 68 30 30 227 58 76 58 63
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 2.1 Survei Tanah BAB II TINJAUAN PUSTAKA Salah satu kegiatan yang dilakukan untuk mempelajari lingkungan alam dan potensi sumber dayanya adalah survei. Sebuah peta tanah merupakan salah satu dokumentasi
Lebih terperinciSISTEM PAKAR PENENTUAN KESESUAIAN LAHAN BERDASARKAN FAKTOR PENGHAMBAT TERBESAR (MAXIMUM LIMITATION FACTOR) UNTUK TANAMAN PANGAN NINA SEVANI
SISTEM PAKAR PENENTUAN KESESUAIAN LAHAN BERDASARKAN FAKTOR PENGHAMBAT TERBESAR (MAXIMUM LIMITATION FACTOR) UNTUK TANAMAN PANGAN NINA SEVANI PROGRAM STUDI ILMU KOMPUTER SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciKESESUAIAN LAHAN DI POLITEKNIK PERTANIAN NEGERI PAYAKUMBUH UNTUK BUDIDAYA KEDELAI
TOPIC KESESUIAN OF MANUSCRIPT LAHAN Jurnal Nasional Ecopedon JNEP Vol. 2. No.2 (2015) 17-21 http:www... KESESUAIAN LAHAN DI POLITEKNIK PERTANIAN NEGERI PAYAKUMBUH UNTUK BUDIDAYA KEDELAI Puspita Handayani
Lebih terperinciPERANCANGAN SISTEM. Kelas Kriteria
Kelas Kriteria Lahan S2 Unit lahan memiliki lebih dari 4 pembatas ringan, dan/atau memiliki tidak lebih dari 3 pembatas sedang S3 Unit lahan memiliki lebih dari 3 pembatas sedang, dan/atau 1 atau lebih
Lebih terperinciKesesuian lahan untuk tanaman papaya dan durian dipolitani
KESESUAIAN LAHAN Kesesuian lahan untuk tanaman papaya dan durian dipolitani Ahmad Tohir 1, Hasnah Wita 1 1 Mahasiswi semester 3 Prodi. Tata Air Pertanian Jurusan Teknologi Pertanian Politeknik Pertanian
Lebih terperinciLEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA
LEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA 1,2,3 Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara e-mail: edgar.audela.bb@students.usu.ac.id,
Lebih terperinciII. TINJAUAN PUSTAKA A.
II. TINJAUAN PUSTAKA A. Tanaman Durian 1. Karakteristik tanaman durian Durian (Durio zibethinus Murr.) merupakan salah satu tanaman hasil perkebunan yang telah lama dikenal oleh masyarakat yang pada umumnya
Lebih terperinciI. PENDAHULUAN. Beras merupakan bahan pangan yang dikonsumsi hampir seluruh penduduk
I. PENDAHULUAN 1.1 Latar Belakang dan Masalah Beras merupakan bahan pangan yang dikonsumsi hampir seluruh penduduk Indonesia. Perkembangan produksi tanaman pada (Oryza sativa L.) baik di Indonesia maupun
Lebih terperinciLampiran 1 : Data suhu udara di daerah Kebun Bekala Kecamatan Pancur Batu Kabupaten Deli Serdang ( 0 C)
Lampiran 1 : Data suhu udara di daerah Kebun Bekala Kecamatan Pancur Batu Kabupaten Deli Serdang ( 0 C) Bln/Thn 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Total Rataan Jan 25.9 23.3 24.0 24.4 24.7
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciI. PENDAHULUAN. Kebutuhan beras di Indonesia meningkat seiring dengan peningkatan laju
1 I. PENDAHULUAN 1.1 Latar Belakang dan Masalah Kebutuhan beras di Indonesia meningkat seiring dengan peningkatan laju pertumbuhan penduduk, namun hal ini tidak dibarengi dengan peningkatan kuantitas dan
Lebih terperinciPENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing. Tugas Ujian Sarjana
PENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing Tugas Ujian Sarjana. Penjelasan Learning Vector Quantization (LVQ) Learning
Lebih terperinciLampiran 1. Kesesuaian lahan padi lebak
Lampiran 1. Kesesuaian lahan padi lebak No Syarat S1 S2 S3 N 1 Tekstur Halus, agak halus, sedang Halus, agak halus, sedang agak kasar kasar 2 Drainase terhambat, sangat terhambat agak terhambat, agak cepat
Lebih terperinciTATA CARA PENELITIAN. A. Tempat dan Waktu Penelitian. Pengambilan sampel tanah dilakukan di Lahan pesisir Pantai Desa Bandengan,
12 III. TATA CARA PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini dilaksanakan mulai Januari sampai Maret 2017. Pengambilan sampel tanah dilakukan di Lahan pesisir Pantai Desa Bandengan, Kecamatan
Lebih terperinciSIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )
SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
Lebih terperinciTINJAUAN PUSTAKA. Survei Tanah. potensi sumber dayanya adalah survei. Sebuah peta tanah merupakan salah satu
TINJAUAN PUSTAKA Survei Tanah Salah satu kegiatan yang dilakukan untuk mempelajari lingkungan alam dan potensi sumber dayanya adalah survei. Sebuah peta tanah merupakan salah satu dokumentasi utama sebagai
Lebih terperinciLAMPIRAN. Lampiran 1. Data Jumlah Curah Hujan (milimeter) di Stasiun Onan Runggu Periode Tahun
LAMPIRAN Lampiran 1. Data Jumlah Curah Hujan (milimeter) di Stasiun Onan Runggu Periode Tahun 20002009 Bln Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des THN 2000 47 99 147 114 65 19 56 64 220 32 225
Lebih terperinciEvaluasi Lahan. proses perencanaan penggunaan lahan (land use planning). Evaluasi lahan
Evaluasi Lahan Evaluasi lahan merupakan salah satu komponen yang penting dalam proses perencanaan penggunaan lahan (land use planning). Evaluasi lahan merupakan proses penilaian atau keragaab lahan jika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan
Lebih terperinciPENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU
PENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU Risky Meliawati 1,Oni Soesanto 2, Dwi Kartini 3 1,3Prodi Ilmu Komputer FMIPA UNLAM 2 Prodi Matematika
Lebih terperinciIV. PERANCANGAN 4.1 Kerangka Sistem Yang Dirancang
69 IV. PERANCANGAN 4.1 Kerangka Sistem Yang Dirancang Kerangka sistem yang dirancang ini dikembangkan dari kerangka pemikiran sistem pakar yang telah disebutkan pada bagian metodologi. Pada kerangka sistem
Lebih terperinciLAMPIRAN. Lampiran 1. Data Jumlah Curah Hujan (milimeter) di Stasiun Onan Runggu Periode Tahun
LAMPIRAN Lampiran 1. Data Jumlah Curah Hujan (milimeter) di Stasiun Onan Runggu Periode Tahun 20002009 Bln Jan Feb Mar Apr Mei Jun Jul Ags Sep Okt Nov Des THN 2000 47 99 147 114 65 19 56 64 220 32 225
Lebih terperinciEvaluasi Kesesuaian Lahan untuk Tanaman Kopi Arabika (Coffea arabica L var Kartika Ateng ) Di Kecamatan Muara Kabupaten Tapanuli Utara
Evaluasi Kesesuaian Lahan untuk Tanaman Kopi Arabika (Coffea arabica L var Kartika Ateng ) Di Kecamatan Muara Kabupaten Tapanuli Utara The Evaluation of Land Suitability coffea arabica (Coffea arabica
Lebih terperinciTINJAUAN PUSTAKA. A. Ubi Jalar (Ipomoea batatas L.)
II. TINJAUAN PUSTAKA A. Ubi Jalar (Ipomoea batatas L.) Ubi jalar atau ketela rambat (Ipomoea batatas L.) merupakan salah satu jenis tanaman budidaya yang dimanfaatkan bagian akarnya yang membentuk umbi
Lebih terperinciLampiran 1. Peta/ luas areal statement kebun helvetia. Universitas Sumatera Utara
Lampiran 1. Peta/ luas areal statement kebun helvetia Lampiran 2. Struktur organisasi Kebun Helvetia STRUKTUR ORGANISASI PT. PERKEBUNAN NUSANTARA II (PERSERO) KEBUN HELVETIA WILAYAH HELVETIA MANAGER Kadis
Lebih terperinciKesesuaian Lahan Jagung Pada Tanah Mineral dipoliteknik Pertanian Negeri Payakumbuh
KESESUAIAN LAHAN Jurnal Nasional Ecopedon JNEP Vol. 2 No.1 (2015) 020-024 http://www.perpustakaan.politanipyk.ac.id Kesesuaian Lahan Jagung Pada Tanah Mineral dipoliteknik Pertanian Negeri Payakumbuh Moratuah
Lebih terperinciBerdasarkan TUJUAN evaluasi, klsifikasi lahan, dibedakan : Klasifikasi kemampuan lahan Klasifikasi kesesuaian lahan Kemampuan : penilaian komponen lah
KUALITAS LAHAN SUNARTO ISMUNANDAR Umum Perlu pertimbangan dalam keputusan penggunaan lahan terbaik Perlunya tahu kemampuan dan kesesuaian untuk penggunaan ttt Perlu tahu potensi dan kendala EL : pendugaan
Lebih terperinciTUGAS KULIAH SURVEI TANAH DAN EVALUASI LAHAN SETELAH UTS
2018 TUGAS KULIAH SURVEI TANAH DAN EVALUASI LAHAN SETELAH UTS Sudarto, Aditya Nugraha Putra & Yosi Andika Laboratorium Pedologi dan Sistem Informasi Sumberdaya Lahan (PSISDL) 9/4/2018 TUGAS SURVEI TANAH
Lebih terperinciEVALUASI KESESUAIAN LAHAN UNTUK TANAMAN BAWANG MERAH (Allium ascalonicum L.) DI KECAMATAN MUARA KABUPATEN TAPANULI UTARA
EVALUASI KESESUAIAN LAHAN UNTUK TANAMAN BAWANG MERAH (Allium ascalonicum L.) DI KECAMATAN MUARA KABUPATEN TAPANULI UTARA The Evaluation of Land Suitability Onion (Allium ascalonicum L.) in Muara Subdistrict
Lebih terperinciLampiran 1. Kriteria Kelas Kesesuaian Lahan Kelapa sawit
Lampiran 1. Kriteria Kelas Kesesuaian Lahan Kelapa sawit Persyaratan penggunaan lahan/ karakteristik lahan Temperatur (tc) Temperatur rerata ( C) 25-28 22 25 28 32 Kelas keesuaian lahan S1 S2 S3 N Ketersedian
Lebih terperinciV. HASIL DAN PEMBAHASAN. A. Kondisi Eksisting Fisiografi Wilayah Studi
V. HASIL DAN PEMBAHASAN A. Kondisi Eksisting Fisiografi Wilayah Studi Desa Panapalan, Kecamatan Tengah Ilir terdiri dari 5 desa dengan luas 221,44 Km 2 dengan berbagai ketinggian yang berbeda dan di desa
Lebih terperinciTINJAUAN PUSTAKA. A. Kelapa Sawit(Elaeis guineensis) tanaman kelapa sawit diantaranya Divisi Embryophyta Siphonagama, Sub-devisio
7 II. TINJAUAN PUSTAKA A. Kelapa Sawit(Elaeis guineensis) Kelapa sawit (Elaeis guineensis) berasal dari Afrika dan Brazil. Di Brazil, tanaman ini tumbuh secara liar di tepi sungai. Klasifikasi dan pengenalan
Lebih terperinciI. PENDAHULUAN. penduduk di Indonesia bergantung pada sektor pertanian sebagai sumber. kehidupan utama (Suparyono dan Setyono, 1994).
I. PENDAHULUAN 1.1. Latar Belakang Indonesia merupakan negara agraris yang menjadikan sektor pertanian sebagai sektor utama dalam pembangunan perekonomian di Indonesia, karena sekitar 70% penduduk di Indonesia
Lebih terperinciBAB II TINJAUAN PUSTAKA 2.1 Kajian Teoritis Gambaran Umum Lahan Pertanian di Area Wisata Posong Desa Tlahap terletak di Kecamatan Kledung,
BAB II TINJAUAN PUSTAKA 2.1 Kajian Teoritis 2.1.1 Gambaran Umum Lahan Pertanian di Area Wisata Posong Desa Tlahap terletak di Kecamatan Kledung, Kabupaten Temanggung tepatnya pada koordinat 7 19 20.87-7
Lebih terperinciAnalisis Kesesuaian Lahan Pertanian dan Perkebunan
Analisis Kesesuaian Lahan Pertanian dan Perkebunan Oleh : Idung Risdiyanto 1. Konsep dan Batasan Evaluasi Lahan dan Zonasi Pertanian 1.1. Pengertian Dasar (dikutip dari Evakuasi Lahan Puslitanak) Dalam
Lebih terperinciLAMPIRAN. Lampiran 1. Kriteria Kesesuaian Lahan Tanaman Kentang (Solanum tuberosum L.)
LAMPIRAN Lampiran 1. Kriteria Kesesuaian Lahan Tanaman Kentang (Solanum tuberosum L.) Persyaratan Penggunaan/Karakteristik Lahan Temperatur (tc) Temperatur ratarata ( 0 C) 1618 14 16 Ketersediaan Air (wa)
Lebih terperinci11. TINJAUAN PUSTAKA
11. TINJAUAN PUSTAKA, r,. t ' -! '. 2.1. Evaluasi Kesesuaian Lahan Lahan merupakan bagian dari bentang darat (land scape) yang mencakup lingkungan fisik seperti iklim, topografi, vegetasi alami yang semuanya
Lebih terperinciKesesuaian Lahan tanaman kopi di Politeknik Pertanian Negeri Payakumbuh
Kesesuaian Lahan tanaman kopi di Politeknik Pertanian Negeri Payakumbuh Rafika Yogi1 Mahasiswi semester 6 Prodi. Manajemen Produksi Pertanian, Jurusan Budidaya Tanaman Pangan, Politeknik Pertanian Negeri
Lebih terperinciI. PENDAHULUAN. Tanaman jagung merupakan salah satu jenis tanaman pangan biji-bijian dari keluarga
I. PENDAHULUAN 1.1 Latar Belakang Tanaman jagung merupakan salah satu jenis tanaman pangan biji-bijian dari keluarga rumput-rumputan. Berasal dari Amerika yang tersebar ke Asia dan Afrika melalui kegiatan
Lebih terperinciKata kunci : Kesesuaian lahan, Padi gogo, Lahan kering.
ABSTRAK EVALUASI KESESUAIAN LAHAN TANAMAN PADI GOGO PADA LAHAN KERING DI UATULARI, DISTRITO VIQUEQUE-TIMOR LESTE Pertambahan penduduk dengan pola konsumsi pangan masyarakat Timor Leste sangat tergantung
Lebih terperinciKesesuaian Lahan Kayu Manis di Politeknik Pertanian Negeri Payakumbuh
KESESUAIAN LAHAN Jurnal Nasional Ecopedon JNEP Vol. 2 No.1 (2015) 038-042 http://www.perpustakaan politanipyk.ac.id. Kesesuaian Lahan Kayu Manis di Politeknik Pertanian Negeri Payakumbuh Adeha Suryani1
Lebih terperinciANALISA POTENSI LAHAN UNTUK KOMODITAS TANAMAN KEDELAI DI KABUPATEN SITUBONDO
ANALISA POTENSI LAHAN UNTUK KOMODITAS TANAMAN KEDELAI DI KABUPATEN SITUBONDO Kustamar Dosen Teknik Sipil (Teknik Sumber Daya Air) FTSP ITN Malang ABSTRAKSI Kedelai merupakan komoditas tanaman pangan yang
Lebih terperinciTINJAUAN PUSTAKA DAN KERANGKA PIKIR. Lahan adalah suatu daerah dipermukaan bumi dengan sifat- sifat tertentu yaitu
7 II. TINJAUAN PUSTAKA DAN KERANGKA PIKIR A. Tinjauan Pustaka 1. Pengertian Lahan Lahan adalah suatu daerah dipermukaan bumi dengan sifat- sifat tertentu yaitu adanya persamaan dalam hal geologi, geomorfologi,
Lebih terperinciLampiran 1. Data curah hujan di desa Sipahutar, Kecamatan Sipahutar, Kabupaten Tapanuli Utara
Lampiran 1. Data curah hujan di desa Sipahutar, Kecamatan Sipahutar, Kabupaten Tapanuli Utara Data curah hujan (mm) Tahun 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 Jan 237 131 163 79 152 162 208
Lebih terperinciTINJAUAN PUSTAKA Karakteristik Lahan Kering
TINJAUAN PUSTAKA Karakteristik Lahan Kering Lahan kering adalah hamparan lahan yang tidak pernah digenangi atau tergenang air pada sebagian besar waktu dalam setahun. Berdasarkan iklimnya, lahan kering
Lebih terperinciPemetaan Tanah.
Pemetaan Tanah nasih@ugm.ac.id Peta Geologi dan Fisiografi Daerah Istimewa Yogyakarta Peta : alat pemberita visual suatu wilayah Peta ilmu bumi (geografi) Peta topografi Peta geologi dan sebagainya Peta
Lebih terperinciPerbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan
Jurnal Sains & Matematika (JSM) ISSN Kajian 0854-0675 Pustaka Volume14, Nomor 4, Oktober 2006 Kajian Pustaka: 147-153 Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization
Lebih terperinciSISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
SISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Pradityo Utomo Program Studi D3 Manajemen Informatika Universitas Merdeka Madiun pradityou@gmail.com ABSTRACT Information
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1. Lahan Lahan adalah lingkungan fisik yang meliputi tanah, iklim, relief, hidrologi dan vegetasi dimana faktor tersebut mempengaruhi potensi penggunaan lahannya (Hardjowigeno et
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Desain Penelitian Penelitian ini merupakan penelitian deskriptif kuantitatif dengan menggunakan pendekatan ekologi. Penelitian deskriptif kuantitatif dengan pendekatan ekologi
Lebih terperinciPETUNJUK TEKNIS PENGEMBANGAN KAWASAN TANAMAN PANGAN KEMENTERIAN PERTANIAN DIREKTORAT JENDERAL TANAMAN PANGAN
PETUNJUK TEKNIS PENGEMBANGAN KAWASAN TANAMAN PANGAN KEMENTERIAN PERTANIAN DIREKTORAT JENDERAL TANAMAN PANGAN 2017 Direktorat Jenderal Tanaman Pangan Kementerian Pertanian a b Petunjuk Teknis Pengembangan
Lebih terperinciOPTICAL CHARACTER RECOGNIZATION (OCR)
LAPORAN JARINGAN SYARAF TIRUAN OPTICAL CHARACTER RECOGNIZATION (OCR) DISUSUN OLEH: DIJAS SCHWARTZ. S (524) FIRNAS NADIRMAN (481) INDAH HERAWATI (520) NORA SISKA PUTRI (511) OKTI RAHMAWATI (522) EKSTENSI
Lebih terperinciTINJAUAN PUSTAKA. A. Tanaman Singkong. prasejarah. Potensi singkong menjadikannya sebagai bahan makanan pokok
II. TINJAUAN PUSTAKA A. Tanaman Singkong 1. Karakteristik Tanaman Singkong Singkong atau cassava (Manihot esculenta) pertama kali dikenal di Amerika Selatan yang dikembangkan di Brasil dan Paraguay pada
Lebih terperinciIV. PERANCANGAN. Gambar 9. Diagram Alir Formulasi Sistem yang Dirancang
IV. PERANCANGAN 4.1 Kerangka Sistem Yang Dirancang Kerangka sistem yang dirancang ini dikembangkan dari kerangka model sistem manajeme ahli yang telah disebutkan pada bagian metodologi. Pada kerangka sistem
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA A. Evaluasi Lahan Lahan mempunyai pengertian yang berbeda dengan tanah (soil), dimana lahan terdiri dari semua kondisi lingkungan fisik yang mempengaruhi potensi penggunaannya, sedangkan
Lebih terperinciRANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON
RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON Liza Afriyanti Laboratorium Komputasi dan Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 004 Yogyakarta, 19 Juni 004 Klasifikasi Pola Menggunakan Jaringan Probabilistik Sri Kusumadewi Jurusan Teknik Informatika, Universitas Islam Indonesia Jl.
Lebih terperinciTINJAUAN PUSTAKA. A. Tanah dan Lahan. bumi, yang terdiri dari bahan mineral dan bahan organik, serta mempunyai sifat
II. TINJAUAN PUSTAKA A. Tanah dan Lahan Tanah adalah salah satu komponen lahan, berupa lapisan teratas kerak bumi, yang terdiri dari bahan mineral dan bahan organik, serta mempunyai sifat fisik, kimia,
Lebih terperinciTATA CARA PENELITIAN. A. Tempat dan Waktu Penelitian. Penelitian ini dilaksanakan pada bulan Desember 2015 sampai Maret 2016
IV. TATA CARA PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini dilaksanakan pada bulan Desember 2015 sampai Maret 2016 di Kebun Buah Mangunan Kecamatan Dlingo, Kabupaten Bantul, Daerah Istimewa
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciTINJAUAN PUSTAKA. A. Tanaman Padi (Oryza sativa L.) Spermatophyta, subdivisio Angiospermae, class Monocotyledoneae, family
II. TINJAUAN PUSTAKA A. Tanaman Padi (Oryza sativa L.) 1. Karakteristik Tanaman Padi Klasifikasi tanaman padi adalah sebagai berikut kingdom Plantae, division Spermatophyta, subdivisio Angiospermae, class
Lebih terperinciEvaluasi Kesesuaian Lahan Tanaman Padi Sawah Irigasi (Oryza sativa L.) Di Desa Bakaran Batu Kecamatan Sei Bamban Kabupaten Serdang Bedagai
Evaluasi Kesesuaian Lahan Tanaman Padi Sawah Irigasi (Oryza sativa L.) Di Desa Bakaran Batu Kecamatan Land Suitability Evaluation for Irigation Rice (Oryza sativa L.) in Bakaran Batu Village Sei Bamban
Lebih terperinciBAB VIII JARINGAN SYARAF TIRUAN
BAB VIII JARINGAN SYARAF TIRUAN A. OTAK MANUSIA Otak manusia berisi berjuta-juta sel syaraf yang bertugas untuk memproses informasi. Tiaptiap sel bekerja seperti suatu prosesor sederhana. Masing-masing
Lebih terperinciEVALUASI KESESUAIAN LAHAN TANAMAN PADI SAWAH, PADI GOGO
EVALUASI KESESUAIAN LAHAN TANAMAN PADI SAWAH, PADI GOGO (Oryza sativa L.), DAN SORGUM (Shorgum bicolor) DI KECAMATAN SEI BAMBAN KABUPATEN SERDANG BEDAGAI SKRIPSI Oleh : WASKITO 120301011/ILMU TANAH PROGRAM
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Perancangan Sistem Pakar Fuzzy Sebagai Pendukung Keputusan Manajemen Pola Tanam Tanaman Pangan Berdasarkan Ketersediaan Air
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
7 BAB 2 TINJAUAN PUSTAKA 2.1 Jaringan Syaraf Biologi Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan yang luar biasa. Otak terdiri dari neuron-neuron dan penghubung yang disebut
Lebih terperinciKesesuaian Lahan Tanaman Kelapa di Lahan Politeknik Pertanian Negeri Payakumbuh
KESESUAIAN LAHAN Kesesuaian Lahan Tanaman Kelapa di Lahan Politeknik Pertanian Negeri Payakumbuh Fitriawati Sandri* Mahasiswi semester 6 Prodi. Manajemen Produksi Pertanian, Jurusan Budidaya Tanaman Pangan,
Lebih terperinciBACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA
BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA Anggi Purnama Undergraduate Program, Computer Science, 2007 Gunadarma Universiy http://www.gunadarma.ac.id
Lebih terperinciSISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
SISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Pradityo Utomo 1) dan Setiyo Daru Cahyono 2) 1) Program Studi Magister Ilmu Komputer, Universitas
Lebih terperinci8/19/2015 SENAWI SNHB-FKT-UGM
1 PRINSIP ESL-KESESUAIAN LAHAN 1. Kesesuaian lahan dinilai berdasarkan macam/jenis penggunaan lahan tertentu. 2. Evaluasi lahan membutuhkan pembandingan antara keuntungan yang diperoleh dengan masukan
Lebih terperinciSISTEM PAKAR PENENTUAN KESESUAIAN LAHAN BERDASARKAN FAKTOR PENGHAMBAT TERBESAR (MAXIMUM LIMITATION FACTOR) UNTUK TANAMAN PANGAN NINA SEVANI
SISTEM PAKAR PENENTUAN KESESUAIAN LAHAN BERDASARKAN FAKTOR PENGHAMBAT TERBESAR (MAXIMUM LIMITATION FACTOR) UNTUK TANAMAN PANGAN NINA SEVANI PROGRAM STUDI ILMU KOMPUTER SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan (SPK) Pada dasarnya SPK merupakan pengembangan lebih lanjut dari Sistem Informasi Manajemen terkomputerisasi yang dirancang sedemikian rupa sehingga
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciTINJAUAN PUSTAKA. A. Tanah dan Lahan
II. TINJAUAN PUSTAKA A. Tanah dan Lahan Tanah merupakan sebuah bahan yang berada di permukaan bumi yang terbentuk melalui hasil interaksi anatara 5 faktor yaitu iklim, organisme/vegetasi, bahan induk,
Lebih terperinciLampiran 1. Deskripsi Profil
Lampiran 1. Deskripsi Profil A. Profil pertama Lokasi : Desa Sinaman kecamatan Barus Jahe Kabupaten Tanah Karo Simbol : P1 Koordinat : 03 0 03 36,4 LU dan 98 0 33 24,3 BT Kemiringan : 5 % Fisiografi :
Lebih terperinciIII. BAHAN DAN METODE. Penelitian ini dilaksanakan pada bulan Desember 2012 sampai Januari 2013.
III. BAHAN DAN METODE 3.1 Tempat dan Waktu Penelitian Penelitian ini dilaksanakan pada bulan Desember 2012 sampai Januari 2013. Penelitian dilaksanakan pada lahan pertanaman ubi kayu (Manihot esculenta
Lebih terperinciKesesuaian Padi Sawah di Lahan Gambut Politeknik Pertanian Negeri Payakumbuh
KESESUAIAN LAHAN Jurnal Nasional Ecopedon JNEP Vol. 2 No.1 (2014) 7-11 http://www.perpustakaan.politanipyk..co.id Kesesuaian Padi Sawah di Lahan Gambut Politeknik Pertanian Negeri Payakumbuh Beni Saputra
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciEVALUASI KESESUAIAN LAHAN UNTUK TANAMAN APEL DI DESA SIHIONG KECAMATAN BONATUA LUNASI KABUPATEN TOBA SAMOSIR
996. Jurnal Online Agroekoteknologi Vol.1, No.4, September 2013 ISSN No. 2337-6597 EVALUASI KESESUAIAN LAHAN UNTUK TANAMAN APEL DI DESA SIHIONG KECAMATAN BONATUA LUNASI KABUPATEN TOBA SAMOSIR Carlos Samuel
Lebih terperinciKarakteristik Lahan Gambut dan Pola Agroforestri Di Kelurahan Kalampangan Kota Palangka Raya Kalimantan Tengah
Karakteristik Lahan Gambut dan Pola Agroforestri Di Kelurahan Kalampangan Kota Palangka Raya Kalimantan Tengah Tim Penelit Daniel Itta Asysyifa Trisnu Satriadi PENDAHULUAN Lahan gambut merupakan suatu
Lebih terperinciKesesuian lahan untuk tanaman tebu dipolitani
KESESUAIAN LAHAN Jurnal Nasional Ecopedon JNEP Vol. 2 No.2 (2014) 024 028 http://www... Kesesuian lahan untuk tanaman tebu dipolitani Sry maryenti 1, Yosi puti angela 1 1 Mahasiswi semester 3 Prodi. Tata
Lebih terperinciKESESUAIAN LAHAN UNTUK TANAMAN PADI GOGO, JAGUNG DAN TEMBAKAU DI KECAMATAN PAKEM KABUPATEN BONDOWOSO
KESESUAIAN LAHAN UNTUK TANAMAN PADI GOGO, JAGUNG DAN TEMBAKAU DI KECAMATAN PAKEM KABUPATEN BONDOWOSO KARYA ILMIAH TERTULIS (SKRIPSI) Diajukan Guna Memenuhi Salah Satu Syarat Untuk Menyelesaikan Pendidikan
Lebih terperinciPEMETAAN KESESUAIAN LAHAN UNTUK TANAMAN AGROFORESTRY DI SUB DAS LAU SIMBELIN DAS ALAS KABUPATEN DAIRI
PEMETAAN KESESUAIAN LAHAN UNTUK TANAMAN AGROFORESTRY DI SUB DAS LAU SIMBELIN DAS ALAS KABUPATEN DAIRI SKRIPSI Oleh: MEILAN ANGGELIA HUTASOIT 061201019/MANAJEMEN HUTAN DEPARTEMEN KEHUTANAN FAKULTAS PERTANIAN
Lebih terperinci338. Jurnal Online Agroekoteknologi Vol.1, No.2, Maret 2013 ISSN No
338. Jurnal Online Agroekoteknologi Vol.1, No.2, Maret 2013 ISSN No. 2337-6597 EVALUASI KESESUAIAN LAHAN SAWAH BERIRIGASI DI DESA AIR HITAM KECAMATAN LIMA PULUH KABUPATEN BATUBARA Frans Ferdinan 1*, Jamilah
Lebih terperinci