Penerapan Prediksi Produksi Padi Menggunakan Artificial Neural Network Algoritma Backpropagation

Putra, Hasdi; Walmi, Nabilah Ulfa

doi:10.25077/teknosi.v6i2.2020.100-107

Cited by 24 publications

(25 citation statements)

References 21 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Metode yang digunakan adalah dengan melakukan kajian pustaka, yakni dengan mengumpulkan berbagai informasi dari berbagai sumber seperti buku, artikel serta jurnal yang mebahas tentang Artificial Intelligence dan Jaringan Syaraf Tiruan Backpropagation 2. 4 Dalam merancang sebuah arsitektur yang dapat menghasilkan prediksi yang optimal perlu dilakukan penginputan jumlah nilai parameter-parameter yang digunakan seperti jumlah hidden layer, laju pemahaman (learning rate), maksimum iterasi (epoch), dan momentum dengan menggunakan proses trial dan error [12].…”

Section: Mempelajari Literaturunclassified

“…Pada tahap ini dilakukan pengujian hasil prediksi yang diperoleh dengan cara melihat tingkat keakurasian dan error atau nilai MSE, apakah sudah sesuai dengan tujuan yang diharapkan yang dilakuakan pada masingmasing data training dan data testing. Semakin kecil nilai MSE yang diperoleh, maka kinerja prediksi yang didapatkan semakin baik [12].…”

Section: E Pengujian Akurasi Dan Errorunclassified

See 1 more Smart Citation

Penerapan Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Panen Gabah Padi

Maiyuriska

2022

INFEB

View full text Add to dashboard Cite

Hasil panen gabah padi disetiap daerah tiap tahunnya selalu beruba-ubah, termasuk di Kabupaten Peisisr Selatan. Hal ini disebabkan oleh beberapa faktor seperti musim kemarau yang panjang, serangan hama dan faktor lainnya yang dapat menghambat pertumbuhan padi bahkan dapat menyebabkan gagal panen yang dapat merugikan para petani. Penelitian ini bertujuan untuk membuat memprediksi untuk mengetahui hasil panen gabah padi di Kabupaten Pesisir Selatan dengan menggunakan metode Jaringan Syaraf Tiruan dengan algoritma Backpropagation. Jaringan Syaraf Tiruan merupakan salah satu kecerdasan buatan yang menggunakan teknologi komputer yang disebut juga dengan Artificial Intelligent. Jaringan Saraf Tiruan Backpropagation merupakan sebuah neural network berlapis banyak yang terdiri dari layer input, layer hiden dan layer output. Selanjutnya data diolah dengan menggunakan bantuan software Matlab. Data yang diolah dalam penelitian ini adalah data hasil panen gabah padi dari tahun 2015 sampai 2020 yang diperoleh dari Dinas Pertanian Kabupaten Pesisir Selatan. Dari peneliatan yang dilakuakn dilakuakn dengan menggunakan beberapa model arsitektur maka diperoleh satu arsitektur yang mempunyai tingkat akurasi mencapai 92.9% atau tingkat error 7.1% dengan MSE = 0.00094783.

show abstract

Section: Mempelajari Literaturunclassified

Section: E Pengujian Akurasi Dan Errorunclassified

Penerapan Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Panen Gabah Padi

Maiyuriska

2022

INFEB

View full text Add to dashboard Cite

show abstract

“…Penelitian dengan metode backpropagation telah banyak dilakukan [16]. Berdasarkan hasil pelatihan dan pengujian yang telah dilakukan, algoritma Backpropagation dapat memprediksi jumlah kendaraan di Riau [17].…”

Section: Pendahuluanunclassified

Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Asesmen Nasional Berbasis Komputer (ANBK) SMP Se Kota Sawahlunto

Yuberta¹

2022

jidt

View full text Add to dashboard Cite

Abstract The National Computer-Based Assessment for SMP level is a quality assessment program for all SMP level schools. This has only been simulated in 2019 and in 2021 this is the first stage of testing. Adaptation to ANBK needs to be done quickly so that the School Quality Score becomes good from time to time and the main goal of the education unit, namely the development of student competence and character, is achieved. Finding a solution to improve the quality of SMP in Sawahlunto City based on ANBK using ANN with Backpropagation Algorithm. The data used in this study was sourced from the Education Office of Sawahlunto City where as many as 11 schools participated in ANBK at the junior high school level. Based on the 2021 ANBK simulation data, the results obtained are above the minimum competency of 11 schools. Furthermore, the data is processed using Matlab software. The processing implementation involves four input variables (reading literacy, numeracy, character survey and learning environment survey). Of the 33 data tested using variations of test data and training data, which are then processed using variations in the learning rate and number of epoch parameters. From the test results obtained the level of accuracy of pattern recognition on the backpropagation method with a learning rate variation of 0.2 and the number of epochs 1000. The results of testing this method are as many as 11 junior high schools that have passed. So that the level of accuracy is 99,9987%. The prediction results of ANBK SMP in Sawahlunto City can already describe the quality of education in SMP in Sawahlunto City. With an achievement level above the district/city average of 36.36%, it can become accurate information to improve the quality of teaching and learning and improve student achievement. Keywords: Artificial Neural Networks; Backpropagation; ANBK; Computer-Based National Assessment; Student; Education.

show abstract

“…Hasil dari nilai Mape didapatkan sesuai dengan prediksi data aktual, yaitu apabila nilai MAPE semakin kecil maka kinerja prediksi akan semakin baik. Dari implementasi sistem yang dirancang, diperoleh hasil prediksi dengan akurasi mencapai 88,14% [23].…”

Section: B Penerapan Metode Artificial Neural Network (Ann)unclassified

Literature Review Klasifikasi Data Menggunakan Metode Cosine Similarity dan Artificial Neural Network

Meilina¹,

Kumara²,

Setiawan³

2021

JTE

View full text Add to dashboard Cite

Dampak positif yang ditimbulkan dari perkembangan teknologi salah satunya adalah kemudahan dalam menyampaikan aspirasi dan dalam mendapatkan informasi dengan sangat cepat. Manfaat dari perkembangan teknologi ini dapat dirasakan oleh semuassektor, termasuk sektor pemerintahan yang harus mengayomi masyarakat dan negara. Dalam meningkatkan kualitas pelayanan publik, pemerintah harus menerapkan pemerintahan yang berbasis teknologi informasi digital. Oleh karena itu, Pemerintah pusat maupun daerah telah menyediakan layanan pengaduan masyarakat yang berbasis online. Untuk meningkatkan kualitas pelayanan maka sistem pengaduan online harus berjalan dengan optimal. Metode yang banyak digunakan untuk mencari kemiripan teks pengaduan adalah metode cosine similarity dan metode Artificial Neural Network (ANN) untuk klasifikasi data pengaduan. Penelitian ini mereview penerapan kedua metode tersebut untuk mengetahui tingkat akurasinya sebelum dapat di implementasikan pada sistem pengaduan online. Hasil dari review menyatakan bahwa metode Cosine Similarity memiliki tingkat akurasi sebesar 71,5% dan ANN memiliki tingkat akurasi sebesar 77%. Sedangkan metode lainnya memiliki tingkat akurasi sebesar 67%. Dari presentase nilai tersebut dapat disimpulkan bahwa penggunaan metode Cosine Similarity dan ANN layak untuk digunakan dalam mengklasifikasikan data pada Sistem Pengaduan Masyarakat Online

show abstract

Penerapan Prediksi Produksi Padi Menggunakan Artificial Neural Network Algoritma Backpropagation

Cited by 24 publications

References 21 publications

Penerapan Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Panen Gabah Padi

Penerapan Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Panen Gabah Padi

Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Asesmen Nasional Berbasis Komputer (ANBK) SMP Se Kota Sawahlunto

Literature Review Klasifikasi Data Menggunakan Metode Cosine Similarity dan Artificial Neural Network

Contact Info

Product

Resources

About