Analysis Resilient Algorithm on Artificial Neural Network Backpropagation

Saputra, Widodo; Tulus, .; Zarlis, Muhammad; Sembiring, Rahmat Widia; Hartama, Dedy

doi:10.1088/1742-6596/930/1/012035

Cited by 33 publications

(21 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Jumlah node pada hidden layer yang digunakan dalam proses trial and error proses pelatihan jaringan syaraf tiruan adalah 5, 7, 9, 11, 13, dan 15. c. Jumlah layer keluaran (output layer); d. Learning rate : nilai learning rate yang dipakai adalah 0,01 [14]. e. Inisialisasi kesalahan (error goal) : nilai target dari kesalahan yang dipakai adalah 0,001 [15]; f. Inisialisasi epoch : nilai iterasi maksimal yang ditentukan adalah 10.000 [16]. Variabel untuk pelatihan yang digunakan dalam memprediksi jumlah pendaftar haji lansia di Provinsi Jawa Timur dapat dilihat pada Tabel 3.…”

Section: Pembentukan Jaringan Syaraf Tiruanunclassified

Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier (NBC) Dan Support Vector Machine (SVM)

Tuhenay

2021

JIKO

View full text Add to dashboard Cite

Tingginya animo masyarakat muslim Indonesia untuk mendaftar haji ditandai dengan meningkatnya jumlah pendaftar haji dari tahun ke tahun. Hal ini menyebabkan antrian keberangkatan haji semakin panjang termasuk bagi Jemaah Haji lanjut usia. Undang-Undang Nomor 8 Tahun 2019 tentang Penyelenggaraan Ibadah Haji dan Umrah mengamanatkan memberikan prioritas kuota persentase tertentu bagi Jemaah Haji lanjut usia untuk berangkat haji. Permasalahan yang terjadi adalah belum adanya data prediksi pendaftar haji lanjut usia setiap tahun yang digunakan sebagai salah satu pertimbangan penetapan kuota bagi Jemaah Haji lanjut usia agar tidak terlalu lama menunggu. Penelitian ini bertujuan membangun model jaringan syaraf tiruan backpropagation yang tepat untuk memprediksi jumlah pendaftar haji lanjut usia. Penelitian dilakukan dengan mengubah jumlah node hidden layer untuk mendapatkan model terbaik, penelitian menggunakan data pendaftar haji lanjut usia periode tahun 2004 sampai dengan 2019. Data dibagi menjadi 2 bagian yaitu data latih (2004 sampai dengan 2014) dan data uji (2009 sampai dengan 2019). Berdasarkan hasil pelatihan, model yang terbaik adalah 10-7-1 dengan nilai MSE sebesar 0,000998514, nilai MAPE sebesar 9,8% dan akurasi sebesar 90,20%. Hasil prediksi pendaftar haji lanjut usia tahun 2020 dengan menggunakan model 10-7-1 adalah 5.124 pendaftar haji lanjut usia. Dengan dibangunnya model prediksi pendaftar haji lanjut usia maka pengambil kebijakan mudah mendapatkan data prediksi jumlah pendaftar haji lanjut usia setiap tahun dan hasil prediksi dapat digunakan untuk menetapkan kuota bagi Jemaah Haji lanjut usia sehingga antrian keberangkatan bagi Jemaah Haji lanjut usia tidak terlalu lama. Kata kunci: pendaftar, jemaah haji, lanjut usia, jaringan syaraf tiruan backpropagation

show abstract

Section: Pembentukan Jaringan Syaraf Tiruanunclassified

Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier (NBC) Dan Support Vector Machine (SVM)

Tuhenay

2021

JIKO

View full text Add to dashboard Cite

show abstract

“…Jaringan syaraf tiruan menyerap keahlian pemikiran manusia dalam memberikan umpan balik, pekerjaan dan hasil [5]. Jaringan saraf tiruan akan diberikan sinyal input dan output serta akan menghasilkan output yang sudah diterimanya [6] Backpropagation adalah salah satu jaringan otak dengan kemampuan dapat merumuskan ilmu yang akan datang dan dapat melakukan prediksi [7]. JST mempunyai rasa empati tinggi dalam data, memiliki noise bias mengambil hubungan yang lengkap antar masukan dan keluaran [8].…”

Section: Pendahuluanunclassified

Tingkat Korelasi Prestasi Akademik Terhadap Siswa SMP Menggunakan Metode Backpropagation

Yeni¹,

Yuhandri

2021

JSisfotek

View full text Add to dashboard Cite

Student academic achievement plays a very important role in determining the quality of a school. Student grades sometimes change every semester, there are increases and decreases. There is an assumption that students whose grades are in the previous semester will be in the next semester and vice versa. is expected to make it easier for us as educators to see the extent to which changes in student academic achievement. The data tested is the data of 60 class VII students in 2 semesters. Furthermore, it will be tested using the MatLab Application, then the results of the changes that occur will come out. The results of this study found that they did not know the value of semester 1 with the value of semester 2 TP. 2019/2020 is very good with an architectural pattern of 10-10-1 with a value of 95.3%. So students who excel in semester 1 are likely to excel in the following semester. So that it can help the school in seeing the Correlation Level of Student Academic Achievement at SMPN 3 Lengayang.

show abstract

“…Jaringan saraf tiruan akan diberikan sinyal input dan output serta akan menghasilkan output yang sudah diterimanya [6]. Metode Backpropagation adalah salah satu jaringan otak dengan kemampuan dapat merumuskan ilmu yang akan datang dan dapat melakukan prediksi [7]. JST mempunyai rasa empati tinggi dalam data, memiliki noise bisa mengambil hubungan yang lengkap antar masukan dan keluaran [8].…”

Section: Pendahuluanunclassified

Tingkat Korelasi Prestasi Akademik terhadap Siswa SMP Menggunakan Metode Backpropagation

Yeni¹,

Yunus

2021

JSisfotek

View full text Add to dashboard Cite

Student academic achievement plays an important role in determining the quality of a school. Student scores sometimes change each semester, there are increases and decreases. There is an assumption that students who scored well in the previous semester will be good in the next semester and vice versa. This method is expected to make it easier for educators to see the extent of changes in student academic achievement. The data tested were data from 60 grade VII students in 2 semesters. Furthermore, it will be tested using the MatLab application, then the results of the changes that will occur will appear. The results of this study found that the correlation between semester 1 scores and semester 2 TP scores. 2019/2020 is very good with an architectural pattern of 10-10-1 with an accuracy value of 95.3%. So students who excel in semester 1 are likely to excel in the next semester, so that they can help the school see the Correlation Level of Student Academic Achievement at SMPN 3 Lengayang.

show abstract

Analysis Resilient Algorithm on Artificial Neural Network Backpropagation

Cited by 33 publications

References 4 publications

Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier (NBC) Dan Support Vector Machine (SVM)

Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier (NBC) Dan Support Vector Machine (SVM)

Tingkat Korelasi Prestasi Akademik Terhadap Siswa SMP Menggunakan Metode Backpropagation

Tingkat Korelasi Prestasi Akademik terhadap Siswa SMP Menggunakan Metode Backpropagation

Contact Info

Product

Resources

About