Memprediksi Jumlah Siswa Baru Menggunakan Metode Backpropagation


Abstract
Jaringan Syaraf Tiruan (JST) dan data time series dapat digunakan untuk metode peramalan dengan baik. Jaringan Syaraf Tiruan adalah suatu metode yang prinsip kerjanya diadaptasi dari model matematika pada manusia atau syaraf biologi. Jaringan syaraf dikarakteristikkan oleh; (1) pola koneksi diantara neuron (disebut arsitektur), (2) menentukan bobot dari koneksi (disebut training atau learning), dan (3) fungsi aktifasi. Tujuan penelitian adalah mendapatkan arsitektur jaringan syaraf tiruan yang terbaik, membandingkan dua metode Jaringan Syaraf Tiruan Backpropogation dengan metode Jaringan Syaraf Tiruan Fungsi Basis Radial (RBF). Penelitian ini merupakan penelitian dengan menggunakan data yang sebenarnya (true experimental). Penelitian ini dilaksanakan di SMK Harapan Bangsa Kuala, yang diperoleh dari tahun 2015 sampai dengan 2019. Hasil penelitian menunjukkan adanya untuk satu iterasi menggunakan metode backpropagation hasilnya dengan jumlah kuadrat error 0,143033468, maka hasil yang dicapai belum sesuai dengan target.
References
[2]. DiyahPuspitaningrum. 2006. PengantarJaringanSarafTiruan. CV. Andi Offset, Yogyakarta.
[3]. Kusumodestoni R. HadapiningradjadanSarwido. 2017. Komparasi Model Support Vector Machines (Svm) dan Neural Network UntukMengetahui Tingkat AkurasiPrediksiTertinggiHargaSaham. JurnalInformatika UPGRIS Vol. 3, No. 1 : 1-9.
[4]. Jek JongSiang. 2009.JaringanSyarafTiruandanPemogramannyaMenggunakanMatlab. CV. Andi Offset, Yogyakarta.
[5]. T.Sutojo, EdyMulyanto, dkk.2011.KecerdasanBuatan. CV.Andi Offset, Yogyakarta.
[6]. Wuryandari Maharani DessydanAfriantoIrawan. 2012.PerbandinganMetodeJaringanSyarafTiruan Backpropagation dan Learning Vector Quantization PadaPengenalanWajah.UniversitasKomputer Indonesia: Bandung.