A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Model Jaringan Syaraf Tiruan Dalam Memprediksi Ketersediaan Cabai Berdasarkan Provinsi
Tanaman cabai adalah bumbu masakan yang saling melengkapi. Harga cabai selalu berfluktuasi. Tercatat dari 2012 hingga 2017, produksi tanaman cabai besar (ton) di setiap provinsi berfluktuasi. Pemerintah membutuhkan prediksi ketersediaan tanaman cabai berdasarkan provinsi di Indonesia untuk meningkatkan ketahanan pangan, terutama produksi cabai. Penelitian ini memberikan kontribusi kepada pemerintah untuk dapat memprediksi ketersediaan tanaman cabai berdasarkan provinsi di Indonesia di masa depan. Data yang digunakan adalah data dari Badan Pusat Statistik melalui situs web www.bps.go.id. Data tersebut adalah data tentang ketersediaan tanaman cabai menurut provinsi di Indonesia dari 2012 hingga 2017. Algoritma yang digunakan dalam penelitian ini adalah Jaringan Syaraf Tiruan dengan metode Backpropogation. Variabel input yang digunakan adalah data 2012 (X1), data 2013 (X2), data 2014 (X3), dan data 2015 (X4) dengan 4 pelatihan arsitektur dan model pengujian, 4-2-1, 4-3-1, 4-4-1, dan 4-5-1. Data target diambil dari data 2016 (T). Output yang dihasilkan adalah pola terbaik dari arsitektur JST. Model arsitektur terbaik adalah 4-5-1 dengan zaman 670, MSE 0,010651, dan tingkat akurasi 99,97.
Model Jaringan Syaraf Tiruan Dalam Memprediksi Ketersediaan Cabai Berdasarkan Provinsi
Tanaman cabai adalah bumbu masakan yang saling melengkapi. Harga cabai selalu berfluktuasi. Tercatat dari 2012 hingga 2017, produksi tanaman cabai besar (ton) di setiap provinsi berfluktuasi. Pemerintah membutuhkan prediksi ketersediaan tanaman cabai berdasarkan provinsi di Indonesia untuk meningkatkan ketahanan pangan, terutama produksi cabai. Penelitian ini memberikan kontribusi kepada pemerintah untuk dapat memprediksi ketersediaan tanaman cabai berdasarkan provinsi di Indonesia di masa depan. Data yang digunakan adalah data dari Badan Pusat Statistik melalui situs web www.bps.go.id. Data tersebut adalah data tentang ketersediaan tanaman cabai menurut provinsi di Indonesia dari 2012 hingga 2017. Algoritma yang digunakan dalam penelitian ini adalah Jaringan Syaraf Tiruan dengan metode Backpropogation. Variabel input yang digunakan adalah data 2012 (X1), data 2013 (X2), data 2014 (X3), dan data 2015 (X4) dengan 4 pelatihan arsitektur dan model pengujian, 4-2-1, 4-3-1, 4-4-1, dan 4-5-1. Data target diambil dari data 2016 (T). Output yang dihasilkan adalah pola terbaik dari arsitektur JST. Model arsitektur terbaik adalah 4-5-1 dengan zaman 670, MSE 0,010651, dan tingkat akurasi 99,97.
Model Jaringan Syaraf Tiruan Dalam Memprediksi Ketersediaan Cabai Berdasarkan Provinsi
Devi Monika (author) / Abdullah Ahmad (author) / Sri Wardani (author) / Solikhun (author)
2019
Article (Journal)
Electronic Resource
Unknown
Metadata by DOAJ is licensed under CC BY-SA 1.0
APLIKASI PROJECTION PURSUIT DAN JARINGAN SYARAF TIRUAN DALAM PEMODELAN STATISTICAL-DOWNSCALING
| DOAJ | 2014
Prediksi Kebutuhan Energi Listrik Menggunakan Metode Jaringan Syaraf Tiruan
| BASE | 2022