Perbandingan Teknik Jaringan Syaraf Tiruan dan Regresi Multi-Linear untuk Memprediksi Sifat dan Mengklasifikasikan Biji Lada

ABSTRAK
Kualitas benih lada ditentukan menggunakan sifat mekanik dan fisik melalui jaringan saraf tiruan (JST) untuk memungkinkan perencanaan pertanian yang akurat dan tepat waktu. Tujuan dari penelitian ini adalah untuk mengembangkan model yang memberikan prediksi sederhana, tepat, cepat, dan hemat biaya berdasarkan berat seribu butir, porositas, dan berbagai klasifikasi untuk benih lada. Untuk mencapai hal ini, tiga model berbeda—jaringan saraf tiruan (JST), fungsi basis radial (RBF), dan analisis regresi linier berganda (MLR) digunakan untuk memperkirakan berat seribu butir dan porositas. Model yang dipilih terbaik kemudian digunakan untuk mengklasifikasikan 12 varietas benih lada yang berbeda. Kinerja model yang diterapkan ini dievaluasi menggunakan koefisien determinasi (R2), root mean square error (RMSE), mean relative percentage absolute error (MRPE), dan mean square error (MSE). Perbandingan hasil model JST menunjukkan bahwa parameter input—lebar, panjang, tebal, dan bulk density—memberikan model prediksi optimal mengenai R2, RMSE, MRPE, dan MSE. Untuk kumpulan data pengujian, model ANN mencapai nilai berkisar antara 0,88 hingga 0,92 untuk R2, 0,276 hingga 0,016 untuk RMSE, 1,647 hingga 0,232 untuk MRPE, dan 0,138–0,008 untuk MSE menggunakan struktur jaringan 5-8-1 dan 8-10-1. Model-model terpilih ini dapat digunakan sebagai pendekatan berbasis neurokomputasi untuk memprediksi sifat mekanis dan fisik benih cabai, membantu dalam klasifikasi varietas dan prediksi genotipe.