| dc.description.abstract | Perubahan iklim berdampak pada sektor pertanian, termasuk terganggunya
pola tanam dan produksi bawang putih. Konsumsi bawang putih nasional
meningkat 4,24% per tahun (2017–2021), sementara produksi lokal menurun
5,18%, menyebabkan defisit pasokan. Untuk menjawab tantangan ini, sistem INA
Agro-GARLIC yang sebelumnya hanya menilai kesesuaian lahan dikembangkan
dengan fitur kalender musim tanam berbasis prediksi cuaca menggunakan data
Visual Crossing. Penelitian ini membangun dan menguji tiga model yaitu LSTM,
GRU, dan Facebook Prophet dengan pembagian data 80% data latih dan 20% data
uji dengan menggunakan data periode tanggal 8 Januari 2019 sampai 8 Januari 2025.
Tahapan penelitian dimulai dari processing data, dilanjutkan dengan pembuatan
model prediksi, serta penerapan metode prototype untuk membangun kalender
tanam. Hasil menunjukkan bahwa LSTM dan GRU mampu memprediksi parameter
cuaca seperti curah hujan dengan baik, ditandai dengan Mean Absolute Error
(MAE) dan Mean Squared Error (MSE) yang rendah serta nilai R² tinggi, yaitu
hingga 0,997 di Magetan dan 0,9990 di Lombok Timur. GRU unggul dalam
kecepatan dan akurasi, misalnya di Lombok Timur membutuhkan waktu pelatihan
8.205–8.253 detik dengan R² sebesar 0,9990, sedangkan LSTM mencapai R²
sebesar 0,9986. Facebook Prophet menunjukkan hasil yang kurang optimal dengan
MAE dan MSE tinggi serta R² rendah. Model terbaik diintegrasikan ke dalam sistem
INA Agro-GARLIC untuk menghasilkan kalender tanam berbasis prediksi cuaca,
yang memberikan rekomendasi waktu tanam optimal berdasarkan curah hujan.
Sistem ini diharapkan membantu petani mengantisipasi risiko perubahan cuaca
sejak awal musim tanam, mengurangi kegagalan panen, dan meningkatkan efisiensi
serta produktivitas pertanian bawang putih. | |
