Nur Muchyiddin, 201369040010 (2018) Analisis Prediksi Jumlah Santri Baru Menggunakan jaringan Syaraf Tiruan Backpropagation (Propagasi Balik). Sarjana thesis, Universitas Yudharta.
Text (BAB I.pdf)
BAB I.pdf Download (74kB) |
|
Text (BAB II.pdf)
BAB II.pdf Restricted to Registered users only Download (337kB) | Request a copy |
|
Text (BAB III.pdf)
BAB III.pdf Restricted to Registered users only Download (212kB) | Request a copy |
|
Text (BAB IV.pdf)
BAB IV.pdf Restricted to Registered users only Download (334kB) | Request a copy |
|
Text (BAB V.pdf)
BAB V.pdf Restricted to Registered users only Download (12kB) | Request a copy |
|
Text (COVER.pdf)
COVER.pdf Download (810kB) |
|
Text (DAFTAR PUSTAKA.pdf)
DAFTAR PUSTAKA.pdf Download (8kB) |
|
Text (LAMPIRAN-LAMPIRAN.pdf)
LAMPIRAN-LAMPIRAN.pdf Download (568kB) |
Abstract
Memprediksi jumlah santri baru menggunakan Jaringan Syaraf Tiruan Backpropagation sebagai Sistem Deteksi Penyakit Tuberculosis (TBC). Skripsi, Jurusan teknik informatika fakultas teknik. Pembimbing Cahya Bagus. M.Kom. Penelitian ini bertujuan untuk memprediksi jumlah santri baru di pondok pesantren ngalah menggunakan teknik pengenalan pola yaitu jaringan saraf tiruan dengan metode backpropagation. Jummlah santri baru mengacu setiap tahun berikutnya. Jaringan saraf tiruan dilakukan dengan menentukan jumlah unit untuk setiap lapisan dengan fungsi aktivasi sigmoid biner. Pengujian dilakukan menggunakan perangkat lunak matlab yang diuji dengan beberapa bentuk arsitektur jaringan. Arsitektur dengan konfigurasi terbaik terdiri dari 10 lapisan masukan, 8 lapisan tersembunyi dan 4 lapisan keluaran dengan nilai lea ing rate sebesar 0.1, nilai toleransi error 0.001, menghasilkan maksimal epoch 1000 dan ehingga dapat disimpulkan bahwa jaringan syaraf tiruan dengan backpropagation mampu mengenali pola dan mampu memprediksi jumlah santri dengan jumlah iterasi 4 dan MSE 0.1866 MSE berada di bawah nilai error yaitu 0.001, Parameter tersebut dipilih menjadi parameter terbaik karena menghasilkan jumlah iterasi yang memiliki nilai akurasi MSE yang cukup baik, karena nilai MSE paling kecil dari arsitektur yang lain serta nilai MSE dibawah dari nilai error yang ditentukan. Sigmoid Biner Fungsi ini digunakan untuk jaringan saraf yang dilatih dengan menggunakan metode backpropagation. Fungsi sigmoid memiliki nilai range 0 sampai 1. Oleh karena itu, fungsi ini sering digunakan untuk jaringan saraf yang membutuhkan nilai output yang terletak pada interval 0 sampai 1.
Item Type: | Thesis (Sarjana) | ||||||
---|---|---|---|---|---|---|---|
Identification Number: | 003 MUC A | ||||||
Contributors: |
|
||||||
Subjects: | Karya Umum > Ilmu Umum dan Komputer | ||||||
Divisions: | Fakultas Teknik > Teknik Informatika | ||||||
Date Deposited: | 18 Dec 2018 10:45 | ||||||
Last Modified: | 02 Mar 2022 06:27 | ||||||
URI: | https://repository.yudharta.ac.id/id/eprint/365 |
Actions (login required)
View Item |