Algoritma Fungsi Perlatihan pada Machine Learning berbasis ANN untuk Peramalan Fenomena Bencana

Abstract

Research has been carried out with several training functions using standard backpropagation methods, One-Step Secant (OSS), and Bayesian regulation. The purpose of this study was to (i) analyze the Performance accuracy (Performance) of the standard backpropagation method and (ii) optimize the training function with the One-Step Secant (OSS) and Bayesian regulation methods to obtain comparison results of the three methods in the search for the best results implementation of disaster phenomenon forecasting data. The research method is based on quantitative methods with times-series data on disaster phenomena in Indonesia over the last ten years (2011-2020) which were analyzed using two network architecture models, namely 4-8-1 and 4-10-1. The results showed that the 4-8-1 architectural model with the Bayesian regulation training function method was able to optimize quite well through accelerating training time and resulted in a low MSE measurement, although not the lowest with an epoch value of 197 iterations and a Performance of 0.0148480766. The lowest epoch value is generated by the OSS method, but it Performs poorly. The best Performance is produced by the standard backpropagation method with the traingd training function, but the training process for achieving convergence is also too long. In general, it can be concluded that the 4-8-1 architectural model with Bayesian regulation can be used to predict (predict) the phenomenon of natural disasters in Indonesia because the training time to achieve convergence is not too long and Performs exceptionally well.

Optimasi Fungsi Pembelajaran Jaringan Saraf Tiruan dalam Meningkatkan Akurasi pada Prediksi Ekspor Kopi Menurut Negara Tujuan Utama

“…Kelemahan dari fungsi pembelajaran standar dari backpropagation adalah bahwa ia dapat mengalami masalah konvergensi lambat dan kemungkinan terjebak dalam optimum lokal yang tidak optimal. Selain itu, fungsi aktivasi yang digunakan dalam backpropagation juga dapat mempengaruhi performa jaringan saraf tiruan [17]. Untuk mengatasi kelemahan tersebut, teknik optimasi dengan mengubah fungsi pembelajaran dapat digunakan untuk memperbaiki performa backpropagation [15], [16].…”

Studi Independent Prediksi Gempa Berbasis Website di Orbit Future Academy

“…Ini menunjukkan pentingnya teknologi dalam pendidikan. Di sisi lain, dalam bidang ilmu data dan machine learning, Wanto et al (2021) mengeksplorasi penggunaan algoritma fungsi perlatihan berbasis Artificial Neural Network (ANN) untuk peramalan fenomena bencana [2]. Hal ini sejalan dengan penelitian Saikin et al (2021) yang mengoptimalkan metode Support Vector Machine menggunakan pemilihan fitur untuk meningkatkan hasil klasifikasi [3].…”

Implementasi Framework Streamlit Sebagai Prediksi Harga Jual Rumah Dengan Linear Regresi

“…Sehingga, hasil penelitian yang didapatkan dengan menggunakan algoritma regresi dengan nilai akurasi sebesar 66% [5]. Penelitian yang lain, menjelaskan bahwa Pengujian keakurasian terhadap hasil prediksi dilakukan menggunakan MSE, RMSE, dan MAPE dapat dikatakan tergolong dalam kategori sangat baik didasari hasil pengujian keakurasian terhadap keseluruhan tipe yang memenuhi standar [9]. Penelitian lain menjelaskan bahwa Pegujian akurasi dilakukan dengan mengukur Root Mean Squared Error (RMSE).…”