View/Open

Author
Faris Anang, Purnama

Advisor
Alfiah Rizky Diana Putri, S.T., M.Eng.
Muhammad Isnaenda Ikhsan, S.Si., M.Si.

Koleksi
Undergraduate Thesis

Publisher

Hujan merupakan salah satu parameter penting dalam bidang pertanian. Pola hujan yang sering berubah-ubah dapat mengganggu keberhasilan aktivitas forcing pada nanas. Forcing merupakan teknik untuk menyeragamkan pembungaan nanas dari vegetatif ke generatif menggunakan bahan kimia. Penelitian ini bertujuan untuk mengoptimalisasi aktivitas forcing nanas dengan melakukan prediksi kejadian hujan dan tidak hujan per jam menggunakan metode Long Short Term Memory (LSTM) di PT. Great Giant Pineapple, Lampung. Model arsitektur yang digunakan yaitu Vanilla LSTM. Model prediksi LSTM dibangun dengan mengombinasikan variabel masukan dengan hyperparameter LSTM. Stasiun Traknus memperoleh nilai RMSE uji terkecil 1,18 mm. Stasiun Lakop memperoleh nilai RMSE uji terkecil 0,98 mm. Hasil pengujian kombinasi menunjukkan persentase tinggi pada keberhasilan aktivitas forcing pada kedua stasiun pengujian. Dari data pengamatan aktual dan hasil prediksi yang telah diuji diperoleh persentase kejadian tidak hujan pada Stasiun Traknus dan Stasiun Lakop memiliki nilai persentase yang sama yaitu 94,07%. Persentase keberhasilan aktivitas forcing saat kejadian tidak hujan dan temperatur berada di bawah 25 ℃ memperoleh nilai 91,67% untuk Stasiun Traknus dan 93,75% untuk Stasiun Lakop. Sedangkan, persentase kegagalan aktivitas forcing disebabkan kejadian hujan pada Stasiun Traknus hanya bernilai 3,99

URI
https://repo.itera.ac.id/depan/submission/SB2406070051

Keyword
Forcing,Hujan,Iklim Mikro,Prediksi,Vanilla LSTM.