Performance One-step secant Training Method for Forecasting Cases

Abstract

The training function used in the ANN method, especially backpropagation, can produce different forecasting accuracy, depending on the method parameters given and the data to be predicted. This paper aims to analyze the ability and performance of one of the training functions in the backpropagation algorithm, namely One-step secant, which can later be used or used as a reference in the case of data forecasting. This method is able to update the values of bias and weights according to the one-step secant method. The analysis process uses a dataset of Foreign Exchange Reserves (US $ Million) in Indonesia 2011-2020. Based on this dataset, the dataset will be divided into two parts. The training data uses the 2011-2014 and 2015 dataset as the training data target. Meanwhile, the test data used 2016-2019 and 2020 as the target test data. The analysis process uses 5 experimental architectures, namely 4-5-1, 4-7-1, 4-9-1, 4-11-1 and 4-13-1. The results of the research based on the analysis obtained the best network architecture 4-11-1 with an MSE Training value of 0.00000012, MSE testing/performance of 0.00115144 (the smallest compared to other architectures) and Epoch 343 Iterations.

The Application of Multiple Linear Regression Method for Population Estimation Gunung Malela District

“…Maka dari itu perlu dilakukan estimasi terhadap jumlah penduduk Kecamatan Gunung Malela agar pihak daerah dapat meningkatkan fasilitas penduduk pada segi pendidikan, kesehatan, perekonomian, pembangunan, dan rencana tersebut membutuhkan data jumlah penduduk. Banyak cabang ilmu Komputer dapat memecahkan masalah yang kompleks, diantaranya: Sistem Pendukung Keputusan [3]- [9], Jaringan Saraf Tiruan [10]- [17], maupun Data mining [18]- [27]. Data Mining merupakan proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu.…”

Backpropagation Model in Predicting the Location of Prospective Freshman Schools for Promotion Optimization

“…Langkah berikutnya memisahkan dataset penelitian menjadi 2 kelompok, yakni untuk data pelatihan dan pengujian. Tahapan berikutnya melakukan normalisasi data pelatihan dan pengujian dengan menggunakan rumus persamaan (1) [10]- [17].…”

C4.5 Algorithm Classification for Determining Smart Indonesia Program Recipients at MIS Al-Khoirot

“…Sehingga proses penyeleksian dalam penentuan Penerima PIP tidak terjadi secara sistematis dan terkadang tidak tepat sasaran. Banyak cabang ilmu komputer yang dapat menyelesaikan permasalahan diantaranya: Sistem Pendukung Keputusan [1]- [7], Jaringan Saraf Tiruan [8]- [15], maupun Data mining [16]- [25]. Dalam merekomendasikan penerima bantuan dana PIP tersebut, jadi memerlukan waktu yang cukup lama dan sering terjadi kesalahan.…”