Application of Backpropagation Neural Networks in Predicting Rainfall Data in Ambon City

Lesnussa, Yopi Andry; Mustamu, C. G.; Lembang, Ferry Kondo; Talakua, Mozart W.

doi:10.29099/ijair.v2i2.59

Cited by 18 publications

(12 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pada penelitiannya, Qomariah et al (2013) (Dimililer dan Kiani, 2017;Herulambang, 2016;Lesnussa et al, 2018;Rao et al, 2019). Namun demikian, salah satu kekurangan penggunaan BPNN adalah nilai output yang selalu berubah pada setiap kali training dikarenakan nilai bobot awal pada setiap neuron berbeda-beda.…”

Section: Abstrakunclassified

Portable Near Infrared Spectrometer Dengan Sensor As7263 Untuk Pendugaan Sifat Kimia Jeruk Siam (Citrus Nobilis) Secara Non-Destruktif

Sulistyo

Sudarmaji

Siswantoro

et al. 2021

JTP

View full text Add to dashboard Cite

Evaluasi mutu buah jeruk secara umum masih dilakukan secara destruktif. Penelitian ini bertujuan untuk memprediksi kandungan kimia buah jeruk siam secara non-destruktif menggunakan Near Infrared Spectrometer portable dengan sensor AS7263 dan aplikasi Neural Network Ensemble (NNE) dengan genetic algorithm (GA) untuk optimasi. Keluaran dari enam channel NIRS portable digunakan sebagai input NNE. NNE yang dikembangkan terdiri atas empat buah Backpropagation Neural Network (BPNN) dengan dua buah lapisan tersembunyi dan kombinasi transfer function yang berbeda-beda. Keluaran dari keempat BPNN ini digabung untuk menghasilkan keluaran NNE yang baru dan dioptimasi menggunakan GA. Karakteristik kimia buah jeruk yang diestimasi adalah total padatan terlarut (TPT) dan vitamin C. Hasil penelitian menunjukkan bahwa akurasi estimasi NNE lebih tinggi dibandingkan akurasi sebuah BPNN tunggal. Estimasi kadar TPT buah jeruk siam menggunakan NNE berbasis GA tergolong sangat akurat dengan nilai Mean Absolut Percentage Error (MAPE) 8,04%. Adapun estimasi kadar vitamin C menggunakan NNE berbasis GA tergolong akurat dengan MAPE sebesar 11,02%. Namun demikian, hasil penelitian ini masih perlu dilanjutkan untuk mengetahui performansi alat yang dikembangkan untuk memprediksi mutu internal jeruk varietas lain yang berbeda karakteristik fisikokimianya.

show abstract

Section: Abstrakunclassified

Portable Near Infrared Spectrometer Dengan Sensor As7263 Untuk Pendugaan Sifat Kimia Jeruk Siam (Citrus Nobilis) Secara Non-Destruktif

Sulistyo

Sudarmaji

Siswantoro

et al. 2021

JTP

View full text Add to dashboard Cite

show abstract

“…Penelitian ini membahas tentang penggunaan teknologi biometrik berbasis kecerdasan buatan yang digunakan untuk mengenali pola fisik dari seseorang sehingga dapat teridentifikasi. Kecerdasan buatan merupakan sebuah teknologi yang mampu menularkan pengetahuan manusia ke dalam sebuah sistem [1]. Selain itu kecerdasan buatan dikenal dengan sebuah konsep yang mampu melakukan penalaran terhadap aturan-aturan yang dimasukkan untuk menyelesaikan permasalahan [2].…”

Section: Pendahuluanunclassified

Biometric Technology Using Eigenface Algorithm

Ramadhan¹,

Nurarif²,

Syahril³

et al. 2021

Com, Engine, Sys, Sci

View full text Add to dashboard Cite

Penelitian ini membahas tentang teknologi biometrik yang digunakan untuk mengenali pola fisik dari seseorang sehingga dapat teridentifikasi. Focus biometrik yang akan diteliti adalah deteksi wajah. Hal ini dilakukan karena melihat kurang optimalnya pengenalan biometrik pada sidik jari yang rentan tidak terdeteksi akibat luka atau perubahan struktur kulit seseorang. Teknologi biometrik wajah ini dapat digunakan untuk mengenali seseorang dalam melakukan perekaman data seperti pengelolaan biodata pegawai, masyarakat dan absensi. Untuk membangun teknologi biometrik tersebut maka dibutuhkan sebuah algoritma yang mampu melakukan pengenalan pola yaitu Eigenface. Algoritma tersebut telah teruji dan banyak digunakan pada penelitian sebelumnya dalam pengenalan pola, sehingga sangat tepat untuk digunakan dalam penelitian ini. Proses pengenalan wajah dimulai dengan mengambil citra wajah sehingga akan memperoleh nilai RGB, kemudian melakukan konversi dari RGB ke grayscale. Setelah proses konversi selesai maka selanjutnya mengubah citra tersebut ke dalam bentuk matriks dan menghitung nilai Flatvektor sehingga nantinya akan dicari nilai kedekatan dari data citra yang direkam. Dari hasil penelitian yang dilakukan maka diperoleh hasil bahwa algoritma Eigenface telah berhasil melakukan pengenalan wajah dengan akurasi 100% dari 10 data uji. Pengujian akurasi dilakukan dengan insitas cahaya 10 sampai dengan 1000 Lux, jarak antara 30 sampai dengan 200 cm dan gerak objek diatas 4 detik

show abstract

“…The algorithm is a computer science concept that is widely used in the case of analysis, prediction and pattern determination [12]. The backpropagation algorithm is a learning algorithm in ANN to reduce the error rate by adjusting the weight based on the desired output and target differences [13].…”

Section: Introductionmentioning

confidence: 99%

Predicting The Number of Tourists Based on Backpropagation Algorithm

Marlina

Arifin

2021

RESTI

View full text Add to dashboard Cite

The number of tourists always fluctuates every month, as happened in Kaliadem Merapi, Sleman. The purpose of this research is to develop a prediction system for the number of tourists based on artificial neural networks. This study uses an artificial neural network for data processing methods with the backpropagation algorithm. This study carried out two processes, namely the training process and the testing process with stages consisting of: (1) Collecting input and target data, (2) Normalizing input and target data, (3) Creating artificial neural network architecture by utilizing GUI (Graphical User Interface) Matlab facilities. (4) Conducting training and testing processes, (5) Normalizing predictive data, (6) Analysis of predictive data. In the data analysis, the MSE (Mean Squared Error) value in the training process is 0.0091528 and in the testing process is 0.0051424. Besides, the validity value of predictive accuracy in the testing process is around 91.32%. The resulting MSE (Mean Squared Error) value is relatively small, and the validity value of prediction accuracy is relatively high, so this system can be used to predict the number of tourists in Kaliadem Merapi, Sleman.

show abstract

Application of Backpropagation Neural Networks in Predicting Rainfall Data in Ambon City

Cited by 18 publications

References 3 publications

Portable Near Infrared Spectrometer Dengan Sensor As7263 Untuk Pendugaan Sifat Kimia Jeruk Siam (Citrus Nobilis) Secara Non-Destruktif

Portable Near Infrared Spectrometer Dengan Sensor As7263 Untuk Pendugaan Sifat Kimia Jeruk Siam (Citrus Nobilis) Secara Non-Destruktif

Biometric Technology Using Eigenface Algorithm

Predicting The Number of Tourists Based on Backpropagation Algorithm

Contact Info

Product

Resources

About