PREDIKSI LOYALITAS PELANGGAN HOTEL DENGAN MENGGUNAKAN METODE BACK PROPAGATION
|
|
- Sugiarto Lesmana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PREDIKSI LOYALITAS PELANGGAN HOTEL DENGAN MENGGUNAKAN METODE BACK PROPAGATION 1 Bain Khusnul Khotimah, dan 2 Lynda Octavia Suryaningtias 1,2) Program Studi Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo Madura, Jl. Raya Telang, PO. BOX. 2 Kamal, Bangkalan-Madura bainkk@gmail.com, lynda@yahoo.com ABSTRAK Hotel merupakan usaha bisnis yang bergerak di bidang jasa untuk melayani konsumen. Bidang usaha bisnis menjadikan dunia industri hotel mengalami persaingan yang ketat. Pada studi kasus hotel Weta Internasional Hotel yang dituntut untuk memberikan pelayanan yang baik kepada semua konsumennya. Dalam system ini akan dibangun sebuah system yang akan mem-prediksi loyalitas tamu hotel dengan menggunakan pendekatan back propagation neural network. Metode ini memiliki keunggulan dalam learning rate. Learning rate sangat berguna dalam menentukan prediksi dengan eror yang kecil. Dengan menggunakan metode ini, tingkat akurasi data yang paling besar dipengaruhi oleh fitur fitur yang dimiliki dalam metode ini. Tingkat akurasi terbesar diperoleh dengan Hidden layer 8, maks Epoch 1000, learning rate 0.9 dan error MSE sebesar Sehingga hasil prediksi ini akan dapat ditentukan langkahlangkah yang tepat untuk mengembangkan pelayanan yang optimal dan dapat memuaskan konsumen. Kata kunci: Loyalitas, Neural Network, Back Propagation, Weta Hotel, Prediksi. PENDAHULUAN Industri perhotelan adalah industri yang bergerak dibidang jasa untuk melayani konsumen dengan persaingan yang sangat ketat, konsumen dengan mudahnya dapat memilih pelayanan dan produk sesuai dengan kebutuhannya. Bisnis jasa perhotelan berhubungan dengan jasa sehingga faktor kepuasan pelayanan dapat menjadi tolak ukur utama. Tolak ukur ini sangat mempengaruhi terhadap loyalitas konsumen terhadap perusahaan. Dengan mengevaluasi kualitas pelayanan dapat mempertahankan pelanggan, dimana pelanggan akan membantu perusahaan dalam memperkirakan dampak secara finansial berupa profit bagi perhotelan. Selama ini perkembanagan perhotelan di Indonesia khususnya di daerah wisata dan kota bersifat dinamis yang memiliki pola data yang selalu berubah-ubah sehingga peramalan dengan metode berbasis statistika tidak bisa mengatasi masalah kriteria yang dinamis yang dipengaruhi aspek waktu, pola data, tipe model sistem yang diamati, tingkat keakuratan ramalan yang diinginkan dan sebagainya. Metode untuk mengukur prediksi loyalitas pelanggan diantaranya adalah back propagation yang berbasis neural netowk atau disebut dengan back propagation neural netowk (BNN). Kelebihan algoritma back propagation yang digunakan dalam peramalan karena menggunakan error untuk mengubah nilai bobot - bobot jaringan dalam arah mundur (Kumar,dkk.,2008). back propagation adalah salah satu metode dari jaringan syaraf tiruan yang dapat diaplikasikan dengan baik dalam bidang peramalan ( forecasting). Back propagation melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan mengenali pola yang digunakan selama training serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa (tapi tidak sama) dengan pola yang dipakai selama pelatihan. Algoritma back C-11-1
2 propagation memiliki beberapa keunggulan pada segi kekonvergenan dan lokasi lokal minimumnya yang sangat peka terhadap pemilihan inisialisasi awal serta perbaikan pembobotnya dapat terus dilakukan hingga diperoleh nilai hasil yang hampir sama dengan target dimana error yang dihasilkan mendekati nol. Metode ini dapat digunakan untuk data stationer dan non stationer. Untuk data non stationer hal ini dapat meredam jump (perubahan mendadak) yang mungkin saja terjadi pada saat krisis moneter atau global. Seperti pergerakan kurs mata uang dalam kegiatan tukar menukar valuta asing (valas). Keakuratan dan keefektifan ketiga model tersebut akan diuji dengan nilai error menggunakan Mean Squred Error (MSE). METODE Penelitian ini dilakukan secara 3 tahap, yaitu penelitian pendahuluan, identifikasi parameter, uji coba learning dan perhitungan nilai MSE. Tahap penelitian awal yaitu pendahuluan dengan mengumpulkan data kuisioner dan pengambilan data kuantitatif dari loyalitas pelanggan di hotel Weta International Surabaya. Loyalitas Pelanggan Kepuasan yang dirasakan oleh pelanggan mempunyai konsekuensi perilaku berupa complain atau loyal. Secara umum loyalitas diartikan sebagai pembelian ulang yang terus menerus pada merek yang sama, atau dengan kata lain adalah tindakan seseorang yang membeli merek, perhatian hanya merek tertentu, dan tidak mencari informasi yang berkaitan dengan merek tersebut. Pelanggan yang loyal atau setia adalah seorang yang melakukan pembelian ulang dari perusahaan yang sama, memberitahukan ke konsumen potensial lain dari mulut ke mulut. Loyalitas adalah suatu perilaku pembelian pengulangan yang menjadi kebiasaan, yang telah ada keterkaitan dan keterlibatan tinggi pada pilihannya terhadap objek tertentu, dan bercirikan dengan ketiadaan pencarian informasi eksternal dan evaluasi alternatif. Penelitian tentang loyalitas konsumen umumnya berpusat pada loyalitas konsumen terhadap tangible products, dan sering disebut sebagai brand loyalty. Pelanggan konsumen akan semakin lama bertahan jika hotel mampu memberikan pelayanan yang berkualitas. Lima dimensi kualitas pelayanan (Widyanti dan Kurniaty, 2012: 875), sebagai berikut: 1. Tangible (kenyataan) Parameter ini menjelaskan pelayanan yang dilihat dari sarana fisik, dapat berupa penampilan karyawan, ruang tunggu dan kolam renang. 2. Reliability (kehandalan) Parameter ini berisi indeks ukur kemampuan dan kehandalan karyawan untuk menyediakan pelayanan dan terpercaya bagi konsumen. 3. Responsiveness (daya tanggap) Parameter ini berupa daya tanggap karyawan untuk sanggup membantu dan menyediakan pelayanan secara cepat dan tepat serta tanggap terhadap keinginan konsumen. 4. Assurance (jaminan) Parameter ini berupa kemampuan dan keramahan serta sopan santun pegawai dalam meyakinkan kepercayaan konsumen. 5. Empathy (perhatian) Parameter ini mengarahkan karyawan untuk memiliki sikap tegas tetapi penuh perhatian terhadap konsumen. Kepuasan konsumen bagi hotel merupakan sasaran dan faktor utama dalam menentukan kesuksesan. Menurut penelitian Rahmi Widyanti dan Kurniaty, kualitas pelayanan member peranan penting berupa tangble, responsiveness, assurance dan empathy C-11-2
3 berpengaruh secara signifikan terhadap kepuasan masyarakat yaitu sebagai konsumen. Reliable tidak berpengaruh secara signifikan karena aspek yang berupa kenyataan, keandalan, daya tanggap, jaminan dan perhatian memiliki pengaruh hubungan yang erat kepada kepuasan pelanggan. Konsumen mengharapkan pelayanan yang terbaik dari tempat yang dijadikan pilihannya. Jika kualitas pelayanan ditingkatkan maka akan memberikan pengaruh terhadap pendapatan bagi perusahaan itu sendiri (Siddiqui & Sharma, 2010: 223). Metode Back Propagation Dalam back propagation menggunakan fungsi aktivasi yang bersifat kontinu terdifferensial. Fungsi tersebut yang menggunakan fungsi sigmoid biner yang memiliki range (0,1) meliputi 3 fase yaitu fase maju mulai dari layar masukan hingga layar keluaran menggunakan menggunakan fungsi aktivasi yang ditentukan. Sedangkan fase kedua adalah fase mundur yang berada pada fungi keluaran jaringan dan target yang diinginkan merupakan kesalahan yang terjadi. Kesalahan tersebut dipropagasikan mundur, dimulai dari garis yang berhubungan langsung dengan unitunit di layar keluaran. Fase yang ketiga adalah modifikasi bobot untuk menurunkan kesalahan yang terjadi (Fausset, 1994). Ketiga fase tersebut dilakukan learning sacara berulang maka kondisi nilai parameter akan dicapai dan akan dijadikan sebagai acuan prediksi. Untuk mengukur tingkat konvergensi optimalnya nilai parameter kondisi penghentian yang dipakai adalah jumlah iterasi atau toleransi kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah maksimum yang ditetapkan, atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diijinkan. Langkah-langkah Algoritma Back Propagation Langkah pertama dalam metode back propagation adalah inisialisasi bobot pada semua bobot dengan bilangan acak kecil. Bobot bias input (vjk) = bilangan acak dari - dan +, dan bobot input (vij) = bilangan acak dari -0.5 dan 0.5. Sedangkan Bobot bias hidden (w0k) dan bobot hidden (wjk) = bilangan acak dari -1 dan 1, sesuai dengan langkah-langkah berikut: 1. Pada tiap unit output, gunakan formula ini untuk memperbaiki nilai bobot dan bias (δ): Jika w 0 = (1 ) (1) = (1 ) (2) Jika w<0 h = (3) 2. Hitung derivatif fungsi biaya terhadap bobot-bobot pada lapisan output dengan rumus: Jika w 0 Jika w<0 = (4) (5) C-11-3
4 3. Hitung fungsi derivatif terhadap bobot-bobot pada setiap hidden layer input dengan rumus: Jika wj 0 dan wji 0 Jika wj 0 dan wji<0 = (1 ) (1 ) (6) Jika wj<0 dan wji 0 Jika wj<0 dan wji<0 (7) (8) (9) 4. Menghitung penambahan nilai bobot ( w) dan bias ( b) dengan menggunakan formula: wj(t+1) = η + α wj(0) (10) b (t+1) = -η + α b(0) (11) dimana a = momentum, η = learning rate 5. Analisa kinerja metode back propagation dengan menghitung MSE ( Mean Square Error) dengan menggunakan formula: MSE= (12) 6. Jika (Epoch < maximum Epoch) atau (MSE < Target Error), ulangi langkah pelatihan (dengan memulai feedforward). Selanjutnya dilakukan proses training sesuai degan menggunakan metode back propagation dengan menentukan n buah inputan (ditambah sebuah bias), sebuah hidden layer yang terdiri dari p unit (ditambah sebuah bias), serta m buah unit output, sesuai dengan gambar flowchart 1. Sistem yang akan dirancang dalam penelitian ini adalah sebuah sistem penentuan prediksi loyalitas para tamu berdasarkan semua layanan dari yang ada di Weta International Hotel Surabaya. Data yang digunakan dari 120 responden pada tahun 2012 digunakan untuk memprediksi pelanggan hotel untuk tahun Data tersebut dibagi menjadi 2 bagian yaitu data training (pelatihan) dan data tes (uji prediksi) sesuai Tabel 1. Validasi Data Responden Gambar 1. Pembagian data Pelatihan dan Data uji Pengambilan data berbasis sampling dari sejumlah responden tamu hotel Weta International Surabaya, menggunakan teknik probability sampling secara random (Sangadji, C-11-4
5 2010: 186). Dalam menghitung jumlah sample rata-rata indicator maka tergantung pada jumlah indikator dikalikan 10 (Muslicha, 2011: 4). Dengan tingkat efektifitas sebesar 10 %. Adapun perhitungan sampel minimal pada penelitian ini adalah sebagai berikut: Jumlah sampel = Jumlah indikator x 10 = 12 x 10 = 120 responden Hasil sampel menunjukkan 120 responden, tetapi dikarenakan pihak hotel memiliki ketentuan, dimana adanya batas kuesioner yang ingin disebar. Sehingga penyebaran kuesioner hanya dapat dilakukan sebanyak 120. Dalam pengambilan sampel dimana jumlah indikator dikalikan sepuluh, dengan indikator sesuai dengan Tabel 1. Tabel 1. Variabel Pelayanan Reliability (kehandalan) No. N=12 1. Penampilan resepsionis rapi. 2. Seragam resepsionis mencerminkan citra perusahaan. 3. Resepsionis memiliki kemampuan untuk melayani anda. 4. Resepsionis kami akurat dalam menginput data konsumen. 5. Resepsionis kami sangat membantu 6. Resepsionis kami menyediakan layanan dengan cepat dan akurat. 7. Resepsionis kami cepat merespon keinginan konsumen 8. Resepsionis kami dapat menjamin konsumen pada layanan hotel yang disediakan. 9. Resepsionis kami ramah. 10. Resepsionis kami sopan. 11. Resepsionis kami penuh perhatian. 12. Resepsionis kami perhatian pada kebutuhan anda. HASIL DAN PEMBAHASAN Menu Akses Hak akses pada penelitian ini untuk tiga user yaitu admin, manager dan pelanggan hotel. Pada saat menjalankan aplikasi ini pada web browser, pada form penting yaitu untuk pengisian criteria berisi data data kriteria yang ada sesuai Gambar 2, dimana form kriteria berhubungan dengan pengisian kuisioner dan data kriteria. Gambar 2. Menu Kuisioner C-11-5
6 Hasil Uji Coba Menggunakan Back Propagation Hasil uji coba menggunakan metode back propagation dengan perubahan parameter ditunjukkan pada Tabel 2 dan 3. Tabel 2. Hasil Uji Coba Nilai MSE Menggunakan Back Propagation Jumlah Hidden Layer MSE Pelatihan MSE uji Prediksi Tabel 3. Hasil Uji Coba Berdasarkan Pengaruh Perubahan Parameter Learning Rate Momentum Epoch MSE Pada uji coba Tabel 2. dengan menggunakan epoch 2000, hidden layer 12 dan learning rate 1 menghasilkan nilai MSE yang berbeda antara nilai MSE pada proses pelatihan dan uji testing (uji waktu prediksi). Hal ini dipengaruhi oleh perubahan penggunaan jumlah hidden layer. Mengenai nilai cut off sesuai dengan Gambar 3. dicapai pada saat epoch mendekati 1500 untuk mencapai nilai konvergen dimana nilai MSE mencapai kestabilan. Sedangkan pada hasil Tabel 4. Dengan menggunakan hidden layer 6 maka nilai cut off mencapai lebih dari 1500 dan mendekati 2000 pada saat mengalami konvergen. Semakin banyak hidden layer yang digunakan maka semakin cepat nilai konvergen diperoleh. Pada saat penggunaan jumlah hidden layer semakin anyak digunakan menyebabkan nilai MSE peramalan semakin tinggi sesuai dengan Tabel 2, dan jumlah neuron yang cocok pada uji coba dengan metode backpropagation adalah 6 keatas karena algoritma akan cepat mengalami konvergen dengan nilai MSE<1. Dari Tabel 2 tersebut menghasilkan nilai MSE training berbanding terbalik dengan nilai MSE peramalan pada waktu uji testing, akan tetapi MSE yang digunakan adalah MSE pada waktu proses peramalan. C-11-6
7 Gambar 3. Hasil Uji Coba Berdasarkan Pengaruh Perubahan Parameter Gambar 4. Hasil Uji Coba Berdasarkan Pengaruh Perubahan Parameter Selanjutnya dilakukan pengujian dengan menggunakan perubahan parameter untuk mengetahui tingkat kinerja metode back propagation, dimana hasilnya sesuai dengan Tabel 2 dan 3. dapat dilihat bahwa jaringan back propagation dapat mengenali pola. Dari hasil tersebut didapatkan arsitektur jaringan yang terbaik menggunakan hidden layer lebih dari 6, dan epoch 1000 keatas menghasilkan MSE semakin kecil walaupun sacara fluktuatif pada learning rate mendekati nilai 0.9. KESIMPULAN DAN SARAN Sistem peramalan uji coba prediksi loyalitas pelanggan hotel dengan menggunakan metode back propagation dipengaruhi oleh penggunaan parameter. Dimana semakin besar learning rate, jumlah hidden layer dan epoch yang digunakan, maka learning akan semakin mendekati titik kestabilan (cut off) atau mengalami kondisi konvergen. Pada hasil uji coba penggunaan metode back propagation menghasilkan nilai error berupa MSE training berbanding terbalik dengan nilai MSE peramalan, dimana jumlah hidden layer terbaik mencapai lebih dari 6 neuron. Berdasarkan hasil uji coba penggunaan epoch semakin tinggi epoch yang digunakan maka nilai MSE error yang diperoleh akan semakin besar tapi masih dibawah toleransi <0.1 dengan nilai learning rate mendekati 0.9. Saran Diharapkan pada penelitian selanjutnya adalah bagaimana caranya memperbaiki titik optimal pada metode backproppagation dengan mengoptimalisasi parameter. Sehingga diharapkan penelitian kedepan akan menghasilkan pendekatan metode yang lebih baik diantaranya dengan optimalisasi parameter menggunakan metode grid search dan algortima genetika. C-11-7
8 DAFTAR PUSTAKA Engel, J. F; R. D. Blackwell, and P. W. Miniard. ( 1993). Consumer Behavior, Florida, The Dryden Press, Edisi ke tujuh. Kotler, P., & Keller, K. L. (2007). Manajemen Pemasaran 12st edition. New Jersey: Pearson. Rachmad Raharjo, Deddy. (2010). Pengaruh Kualitas Layanan Terhadap Kepuasan Konsumen pada Hotel Weta Surabaya. UPN Jawa Timur. Kumar, P. R., Murty, M. V. R., dkk. (2008), Time Series Modeling Using Artificial Neural Networks, Journal of Theoretical and Applied Information Technology, 4 (12), hal Siddiqyi, M. H., & Sharma, T. G. (2010). Analyzing Customer Satisfaction with Service Quality in Life Insurance Service. Journal of Targetting, Measurement and Analysis for Marketing, Widyanti, R., Kurniaty, & Banjarmasin, U. M.-B. (2012). Kualitas Pelayanan dan Pengaruhnya Terhadap Kepuasan Pelanggan. Journal of Conference in Business, Accounting and Management, C-11-8
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Lebih terperincilalu menghitung sinyal keluarannya menggunakan fungsi aktivasi,
LAMPIRAN 15 Lampiran 1 Algoritme Jaringan Syaraf Tiruan Propagasi Balik Standar Langkah 0: Inisialisasi bobot (bobot awal dengan nilai random yang paling kecil). Langkah 1: Menentukan maksimum epoch, target
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang)
ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) 1 Musli Yanto, 2 Sarjon Defit, 3 Gunadi Widi Nurcahyo
Lebih terperinciBACK PROPAGATION NETWORK (BPN)
BACK PROPAGATION NETWORK (BPN) Arsitektur Jaringan Digunakan untuk meminimalkan error pada output yang dihasilkan oleh jaringan. Menggunakan jaringan multilayer. Arsitektur Jaringan Proses belajar & Pengujian
Lebih terperinciBAB 1 PENDAHULUAN 1.1 LATAR BELAKANG
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciPrediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation
1 Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Reza Subintara Teknik Informatika, Ilmu Komputer, Universitas
Lebih terperinciArsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah memin
BACK PROPAGATION Arsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah meminimalkan error pada output yang dihasilkan
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kebutuhan akan prediksi semakin meningkat pada era globalisasi saat ini sejalan dengan keinginan masyarakat khususnya pelaku bisnis untuk memberikan tanggapan
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciANALISIS LEARNING RATES PADA ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI PENYAKIT DIABETES
ANALISIS LEARNING RATES PADA ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI PENYAKIT DIABETES Thomas Brian Universitas Trunojoyo Madura Bangkalan, Indonesia thomasbrian2112@yahoo.com Abstrak Salah satu algoritma
Lebih terperinciANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, M. Rhifky Wayahdi 2 1 Dosen Teknik Informatika,
Lebih terperinciPERKIRAAN PENJUALAN BEBAN LISTRIK MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILENT BACKPROPAGATION (RPROP)
PERKIRAAN PENJUALAN BEBAN LISTRIK MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILENT BACKPROPAGATION (RPROP) Apriliyah, Wayan Firdaus Mahmudy, Agus Wahyu Widodo Program Studi Ilmu Komputer Fakultas MIPA Universitas
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciBAB 5 SIMPULANDAN SARAN. 5.1 Simpulan Kesimpulan Statistik Setelah dilakukan proses pengolahan data melalui program SPSS 20,
BAB 5 SIMPULANDAN SARAN 5.1 Simpulan 5.1.1 Kesimpulan Statistik Setelah dilakukan proses pengolahan data melalui program SPSS 20, dapat diketahui bahwa: - Uji normalitas yang telah dilakukan menggunakan
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciANALISIS PENAMBAHAN MOMENTUM PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
Seminar Nasional Informatika 0 ANALISIS PENAMBAHAN MOMENTUM PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian, Purwa Hasan Putra Dosen Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Semua negara mempunyai mata uang sebagai alat tukar. Pertukaran uang dengan barang yang terjadi disetiap negara tidak akan menimbulkan masalah mengingat nilai uang
Lebih terperinciPREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Dwi Marisa Midyanti Sistem Komputer Universitas Tanjungpura Pontianak Jl Prof.Dr.Hadari Nawawi, Pontianak
Lebih terperinciPresentasi Tugas Akhir
Presentasi Tugas Akhir Bagian terpenting dari CRM adalah memahami kebutuhan dari pelanggan terhadap suatu produk yang ditawarkan para pelaku bisnis. CRM membutuhkan sistem yang dapat memberikan suatu
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang
BAB 3 PERANCANGAN SISTEM Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang diimplementasikan sebagai model estimasi harga saham. Analisis yang dilakukan adalah menguraikan penjelasan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi Penelitian Penelitian ini di lakukan di PG. Kebon Agung. Tbk, Desa Kebon Agung Kec. Pakisaji, Kab. Malang, Jawa Timur. Pemilihan lokasi ini dilakukan secara sengaja
Lebih terperinciBACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA
BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA Anggi Purnama Undergraduate Program, Computer Science, 2007 Gunadarma Universiy http://www.gunadarma.ac.id
Lebih terperinciADLN - Perpustakaan Universitas Airlangga ABSTRAK. viii
Muhammad Arif Santoso, 2015. Peramalan Penjualan Produk Menggunakan Jaringan Syaraf Tiruan Metode Extreme Learning Machine. Skripsi ini dibawah bimbingan Auli Damayanti,S.Si, M.Si dan Dr. Herry Suprajitno,
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciGambar 3.1 Desain Penelitian
METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Permalan Time Series, Harga Minyak Bumi, Jaringan Syaraf Tiruan, Backpropagation Pengumpulan Data Harga Minyak Bumi di Indonesia Perancangan
Lebih terperinciBAB III. METODOLOGI. kegiatan manusia membuat penelitian dengan domain teknik informatika
BAB III. METODOLOGI 3.1. Kerangka Pikir Teknik informatika yang memiliki andil yang cukup besar dalam berbagai kegiatan manusia membuat penelitian dengan domain teknik informatika merupakan hal yang menarik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini akan dibahas mengenai teori-teori pendukung pada penelitian ini. Adapun teori tersebut yaitu teori jaringan saraf tiruan dan algoritma backpropragation. 2.1. Jaringan Saraf
Lebih terperinciSIMULASI DAN PREDIKSI JUMLAH PENJUALAN AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (Study Kasus: PDAM TIRTA KEPRI) Ilham Aryudha Perdana
SIMULASI DAN PREDIKSI JUMLAH PENJUALAN AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (Study Kasus: PDAM TIRTA KEPRI) Ilham Aryudha Perdana Mahasiswa Program Studi Teknik Informatika, Universitas
Lebih terperinciBAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH
BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu data saham Astra Internasional Tbk tanggal 2 Januari
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan Peramalan Inventory Barang
Lebih terperinciBACK PROPAGATION NETWORK (BPN)
BACK PROPAGATION NETWORK (BPN) Arsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah meminimalkan error pada output
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
Lebih terperinciANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION
ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION Eka Irawan1, M. Zarlis2, Erna Budhiarti Nababan3 Magister Teknik Informatika, Universitas Sumatera
Lebih terperinciPemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat
Pemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat SKRIPSI Disusun oleh: MAULIDA NAJWA 24010212130028 DEPARTEMEN STATISTIKA
Lebih terperinciMETODOLOGI PENELITIAN
digilib.uns.ac.id BAB III METODOLOGI PENELITIAN 3.1 Studi Literatur Studi ini dilakukan dengan cara mencari dan membaca berbagai literatur serta karya-karya penelitian mengenai topik penelitian yang sudah
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Suara Manusia Menurut Inung Wijayanto (2013), produksi suara manusia memerlukan tiga elemen, yaitu sumber daya, sumber suara dan pemodifikasi suara. Ini adalah dasar dari teori
Lebih terperinciJARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 JARINGAN SARAF SECARA BIOLOGIS Jaringan saraf adalah salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak
Lebih terperinciPENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK
PENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK Naskah Publikasi disusun oleh Zul Chaedir 05.11.0999 Kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
Lebih terperinciANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN
ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Karyawan atau tenaga kerja adalah bagian
Lebih terperinciBAB 4 DISAIN MODEL. Pengguna. Citra. Ekstraksi Ciri x. Antar muka (Interface) Data Hasil Ekstraksi Ciri. Testing dan Identifikasi.
33 BAB 4 DISAIN MODEL Disain model sistem identifikasi citra karang dirancang sedemikian rupa dengan tuuan untuk memudahkan dalam pengolahan data dan pembuatan aplikasi serta memudahkan pengguna dalam
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinciArtificial Neural Network Backpropagation Dengan Momentum Untuk Prediksi Surface Roughness Pada CNC Milling
Artificial Neural Network Dengan Momentum Untuk Prediksi Surface Roughness Pada CNC Milling Vivi Tri Widyaningrum Program Studi Mekatronika, Fakultas Teknik, Universitas Trunojoyo Madura Bangkalan, Jawa
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBAB VIIB BACKPROPAGATION dan CONTOH
BAB VIIB BACKPROPAGATION dan CONTOH 7B. Standar Backpropagation (BP) Backpropagation (BP) merupakan JST multi-layer. Penemuannya mengatasi kelemahan JST dengan layer tunggal yang mengakibatkan perkembangan
Lebih terperinciPeramalan Data IHSG Menggunakan Metode Backpropagation
Peramalan Data IHSG Menggunakan Metode Backpropagation Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Diterima 31 Agustus 2012 Disetujui
Lebih terperinciJARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA
JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA Dahriani Hakim Tanjung STMIK POTENSI UTAMA Jl.K.L.Yos Sudarso Km 6.5 Tanjung Mulia Medan notashapire@gmail.com Abstrak
Lebih terperinciAnalisis kualitas pelayanan (service quality) terhadap kepuasan konsumen pada rumah makan sop ayam Pak Min Klaten di Malang
Jurnal Ilmu-Ilmu Peternakan 23 (1): 30-34 ISSN: 0852-3581 Fakultas Peternakan UB, http://jiip.ub.ac.id/ Analisis kualitas pelayanan (service quality) terhadap kepuasan konsumen pada rumah makan sop ayam
Lebih terperinciPENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM
PENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM Nanik Susanti 1* 1 Program Studi Sistem Informasi, Fakultas Teknik, Universitas Muria Kudus Gondangmanis, PO Box 53, Bae, Kudus
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciPengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan
Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan Adhika Aryantio School of Electrical Engineering and Informatics Institute Technology of Bandung 10th Ganeca Street Bandung, Indonesia. Adhikaaryantio.x6@gmail.com
Lebih terperinciJaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang)
Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang) Hadi Syahputra Universitas Putra Indonesia YPTK Padang E-mail: hadisyahputra@upiyptk.ac.id
Lebih terperinciPERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION
PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION Fitrisia, Adiwijaya, dan Andrian Rakhmatsyah Program Studi S1 Teknik Informatika,
Lebih terperinciGambar4.13. Kepercayaan Responden terhadap Prodia Untuk Dijadikan Tempat Periksa
responden karyawan bersedia melakukan pemeriksaan kembali jika tidak dibayari perusahaan. Hal ini dikarenakan pemeriksaan memang harus dilakukan secara periodik, kinerja pelayanan Prodia cukup baik, dan
Lebih terperinci2.1. Dasar Teori Bandwidth Regression
2.1. Dasar Teori 2.1.1. Bandwidth Bandwidth adalah ukuran kapasitas dari sistem transmisi (Comer, 2004) Bandwidth adalah konsep pengukuran yang sangat penting dalam jaringan, tetapi konsep ini memiliki
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciPENERAPAN TEKNIK JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION UNTUK PERAMALAN HARGA SAHAM Putra Christian Adyanto
PENERAPAN TEKNIK JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION UNTUK PERAMALAN HARGA SAHAM Putra Christian Adyanto Teknik Informatika, Univesitas Dian Nuswantoro ABSTRACT: Peramalan saham merupakan
Lebih terperinciPERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION
PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION (Forecast The Number of Vehicle in Jakarta Using Backpropagation Neural Net ) Zumrotus Sya diyah Universitas Darussalam Ambon,
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION Zulkarnain Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja
Lebih terperinciPERAMALAN BEBAN LISTRIK MENGGUNAK AN JARINGAN SARAF TIRUAN METODE KOHONEN ABSTRAK
PERAMALAN BEBAN LISTRIK MENGGUNAK AN JARINGAN SARAF TIRUAN METODE KOHONEN Galang Jiwo Syeto, Arna Fariza, S.Kom, M.Kom, Setiawardhana, S.T Program DIV Jurusan Teknik Informatika Politeknik Elektronika
Lebih terperinciBAB I PENDAHULUAN. paling parah dan paling lama tingkat pemulihannya akibat krisis keuangan
BAB I PENDAHULUAN 1.1 Latar Belakang Krisis keuangan yang terjadi di Asia pada pertengahan tahun 1997 diawali di Thailand dan merembet ke berbagai negara di Asia lainnya seperti di Indonesia, Malaysia,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1. Analisis Analisis adalah kemampuan pemecahan masalah subjek kedalam elemen-elemen konstituen, mencari hubungan-hubungan internal dan diantara elemen-elemen, serta mengatur
Lebih terperinciArchitecture Net, Simple Neural Net
Architecture Net, Simple Neural Net 1 Materi 1. Perceptron 2. ADALINE 3. MADALINE 2 Perceptron Perceptron lebih powerful dari Hebb Pembelajaran perceptron mampu menemukan konvergensi terhadap bobot yang
Lebih terperinciIDENTIFIKASI POLA IRIS MENGGUNAKAN METODE BACKPROPAGATION
JURNAL MANUTECH 43 IDENTIFIKASI POLA IRIS MENGGUNAKAN METODE BACKPROPAGATION Yoan Elviralita 1, Asrul Hidayat 2 1 Program Studi Teknik Mekatronika-Politeknik Bosowa 2 Program Studi Perawatan dan Perbaikan
Lebih terperinciANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION TERHADAP PERAMALAN NILAI TUKAR MATA UANG RUPIAH DAN DOLAR
Jurnal Barekeng Vol. 8 No. Hal. 7 3 (04) ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION TERHADAP PERAMALAN NILAI TUKAR MATA UANG RUPIAH DAN DOLAR Analysis of Backpropagation Artificial Neural Network to
Lebih terperinciProgram Pilihan Ganda Sederhana dengan Java
Program Pilihan Ganda Sederhana dengan Java Posted by Lita Nurlaelati 1:25 PM Programming Kali ini admin berbagi tentang membuat program Java GUI menggunakan Netbeans. Berikut langkah - langkahnya : Buat
Lebih terperinciOptimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization
IJCCS, Vol.8, No.1, January 2014, pp. 25~36 ISSN: 1978-1520 25 Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization Harry Ganda Nugraha* 1 dan Azhari SN 2 1 Mahasiswa Program Pascasarjana
Lebih terperinciBAB II. Penelitian dengan jaringan syaraf tiruan propagasi balik. dalam bidang kesehatan sebelumnya pernah dilakukan oleh
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Penelitian dengan jaringan syaraf tiruan propagasi balik dalam bidang kesehatan sebelumnya pernah dilakukan oleh Sudharmadi Bayu Jati Wibowo
Lebih terperinci3. METODE PENELITIAN
19 3. METODE PENELITIAN 3.1 Diagram Alir Penelitian Kerangka pemikiran pada penelitian ini dapat digambarkan dalam suatu bagan alir seperti pada Gambar 8. Gambar 8 Diagram Alir Penelitian Pengumpulan Data
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Gambar 3.1 menggambarkan desain penelitian peramalan volume penumpang kereta api di pulau Jawa-Sumatera dengan metode Jaringan Syaraf Tiruan Backpropagation.
Lebih terperinciAPLIKASI PREDIKSI JUMLAH PENDERITA PENYAKIT DEMAM BERDARAH DENGUE DI KOTA SEMARANG MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Raditya Lucky Riswanto, Sutikno, dan Indriyati APLIKASI PREDIKSI JUMLAH PENDERITA PENYAKIT DEMAM BERDARAH DENGUE DI KOTA SEMARANG MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Raditya Lucky Riswanto,
Lebih terperinciMATERI DAN METODE. Cara Pengambilan Data
MATERI DAN METODE Lokasi dan Waktu Penelitian ini dilaksanakan di Laboratorium Lapang Bagian Ilmu Produksi Ternak Perah, Fakultas Peternakan Institut Pertanian Bogor. Penelitian dilaksanakan selama dua
Lebih terperinciJurnal Informatika Mulawarman Vol 5 No. 1 Februari
Jurnal Informatika Mulawarman Vol 5 No. 1 Februari 2010 50 Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciPREDIKSI DISTRIBUSI AIR PDAM MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DI PDAM KOTA MALANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 2, Juni 2016, hlm. 83-87 PREDIKSI DISTRIBUSI AIR PDAM MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DI PDAM KOTA MALANG Daneswara
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan diuraikan materi yang mendukung dalam pembahasan evaluasi implementasi sistem informasi akademik berdasarkan pengembangan model fit HOT menggunakan regresi linier
Lebih terperinciPrediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi
Prediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi Qoriatul Fitriyah 1),Didi Istardi 2) 1) Jurusan Teknik Elektro Politeknik Batam, Batam 29461, email: fitriyah@polibatam.ac.id Jurusan
Lebih terperinciPrediksi Jangka Pendek Debit Aliran Irigasi Seluma dengan Menggunakan Jaringan Syaraf Tiruan
Prediksi Jangka Pendek Debit Aliran Irigasi Seluma dengan Menggunakan Jaringan Syaraf Tiruan Supiyati, Syamsul Bahri dan Iwan Erdi Abstract: Penelitian mengenai prediksi jangka pendek debit aliran irigasi
Lebih terperinci