Discussion of “Generalized regression neural networks for evapotranspiration modelling”

2007 ◽  
Vol 52 (4) ◽  
pp. 825-831 ◽  
Author(s):  
Hafzullah Aksoy ◽  
Aytac Guven ◽  
Ali Aytek ◽  
M. Ishak Yuce ◽  
N. Erdem Unal
2017 ◽  
Vol 2 (2) ◽  
pp. 117 ◽  
Author(s):  
Muhammad Alkaff ◽  
Yuslena Sari

Padi sebagai bahan makanan pokok utama bagi masyarakat Indonesia merupakan tanaman pangan yang rentan terhadap perubahan iklim. Pendataan dan perhitungan ramalan hasil produksi padi sangat diperlukan untuk mendukung kebijakan yang berkaitan dengan ketahanan pangan. Penelitian ini bertujuan untuk melakukan peramalan terhadap produksi padi di Kabupaten Barito Kuala sebagai kabupaten penghasil padi terbesar di Kalimantan Selatan dengan menggunakan data iklim sebagai input. Data iklim yang digunakan berasal dari Stasiun Meteorologi Syamsudin Noor, sedangkan sebagai data output adalah data produksi padi dari Badan Pusat Statistika (BPS) Provinsi Kalimantan Selatan. Metode yang digunakan untuk melakukan peramalan produksi padi adalah Generalized Regression Neural Networks (GRNN). Dari hasil pengujian didapatkan nilai Root Mean Square Error (RMSE) sebesar 0,296 dengan menggunakan parameter smoothness bernilai 1.Kata kunci: padi, iklim, Barito Kuala, GRNN, RMSE


Sign in / Sign up

Export Citation Format

Share Document