PREDIKSI HARGA KOMODITAS PERTANIAN MENGGUNAKAN HYBRID ALGORITMA JARINGAN SYARAF TIRUAN ARSITEKTUR ELMAN DENGAN ALGORITMA GENETIKA
|
|
- Iwan Cahyadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PREDIKSI HARGA KOMODITAS PERTANIAN MENGGUNAKAN HYBRID ALGORITMA JARINGAN SYARAF TIRUAN ARSITEKTUR ELMAN DENGAN ALGORITMA GENETIKA AGRICULTURAL COMMODITIES PRICE PREDICTION USING HYBRID ELMAN NEURAL NETWORK WITH GENETIC ALGORITHM Dewa Made Rai Widyadarma, Deni Saepuddin 2, Fhira Nhita 3 Prodi S Ilmu Komputasi, Fakultas Informatika, Universitas Telkom 2 Prodi S Ilmu Komputasi, Fakultas Informatika, Universitas Telkom 3 Prodi S Ilmu Komputasi, Fakultas Informatika, Universitas Telkom madewidyadarma@gmail.com, 2 denis7579@gmail.com, 3 farid.alchair@gmail.com Abstrak Indonesia adalah negara kepulau deng berbagai komoditi utama pertinya. Komoditi perti yg byak salah satunya adalah cabai d bawg merah.berdasark data harga historis harga cabai d bawg merah mengalami fluktuasi yg dapat dilihat polya, walaupun setiap tahunnya mengalami trend kenaik harga. Tetapi hingga saat ini harga kedua komoditi ini ditentuk dari stok dipasar serta harga dari para tengkulak. Untuk itu diperluk duatu prediksi harga agar didapatk gambar bagaima harga komoditi ini ketika sudah dipen. Pada tugas akhir ini dig Algoritma Jaring Syaraf Tiru Arsitektur Elm untuk memprediksi harga cabe merah besar serta bawg merah untuk 0 minggu seljutnya atau pada saat dipen. Peneliti sebelumnya menyark untuk hasil yg lebih baik algoritma ini di-hybrid-k deng Algoritma Genetika untuk mendapatk bobot optimal Jaring Syaraf Tiru. Algoritma Genetika membgkitk individu deng representasi real sebagai solusi untuk bobot-bobot Jaring Syaraf Tiru. Individu tersebut kemudi diseleksi deng melihat nilai MAPE yg didapat melalui fitness untuk memilih kromosom terbaik. Lalu individu tersebut juga mengalami seleksi org tua, rekombinasi, d mutasi untuk kemudi menghasilk satu individu terbaik yg berupa bobot Jaring Syaraf Tiru yg optimal. Hybrid Jaring Syaraf Tiru Arsitektur Elm deng Algoritma Genetika menghasillk prediksi harga deng rata-rata MAPE training sebesar 25,7 d rata-rata MAPE testing 44,772 deng parameter algoritma genetika probabilitas cross-over (Pc) 0, d 0,, probabilitas mutasi (Pm) 0,, ukur populasi 50, d generasi maksimum 50 Kata kunci : prediksi harga, komoditas perti, Elm neural network, Hybrid, Genetic Algorithm Abstract Indonesia is a country with so my isld with tons of main agriculture comodities. The most agricultural comodities are chili d red onion. Based on historical price, chili d red onion price have so my fluctuation that we c see the pattern, eventhough the price every year got some upcoming price. Untill today the price of both comodities get a stdar from the supplier. So we need a price prediction to get a view about the price of these comodities when they harvested later. In this final task Elm Neural Network was used to predict price of chili d red onion for the next 0 weeks or when its time to harvest. But this algorithm has some weakness in search for searching best weight for connection to each neuron. Like what it said in [] for a better result we c hybrid the algorithm with Genetic Algorithm. Genetic algorithm generate individual with real reprensetation for solution to each weight on Neural Network. Those individual get a selection from MAPE that coming from fitness to get best chromosome. Then this individual get parent selection, recombination, d mutation to get one best individual that represent optimum weight of Neural Network. Hybrid Artificial Neural Network Elm Architecture with Genetic Algortihm giving the result of price prediction within average training MAPE 25,7 d average testing MAPE 44,772, d with genetic algorithm parameter cross-over probability 0, d 0,, mutation probability 0,, population 50, d maximum generation 50 Keywords: price prediction, agriculture commodities, Elm neural network, hybrid, Genetic Algorithm. Pendahulu Indonesia memiliki byak barg komoditi utama. Mulai dari biji kopi, kelapa sawit, cabe, ik, kentg, d komoditi perti lainnya yg membuat perekonomi Indonesia sgat fluktuatif. Jika harga dari salah satu komoditi perti meningkat maka bisa membuat harga komoditi lain juga ikut naik. Cabai adalah salah satunya, karena pedas adalah karaketer kebyak masak Indonesia, maka cabai merah besar tak ak sepi perminta. Terlihat ketika tahun 20 dima harga
2 cabai melonjak tajam yg kemudi mempengaruhi perekonomi Indonesia karena masyarakat terlalu mahal untuk membeli bah dasar sambal ini. Ketika harga komoditi ini meningkat para konsumen ak mengeluh namun ketika hargya rendah, peti yg kemudi resah. Karena itulah dibutuhk prediksi harga agar ntinya semua pihak mendapat bagi yg adil. Hasil prediksi inilah yg kemudi dijadik acu oleh konsumen d peti. Metode yg ak dig pada prediksi harga cabai d bawg merah adalah hybrid Elm neural network deng genetic algorithm atau dalam Bahasa Indonesia hybrid tara Jaring Syaraf Tiru (JST) arsitektur Elm deng Algoritma Genetika(AG). Elm Neural network adalah sebuah metode prediksi pada data mining deng mengg 3 layer utama yaitu input layer, hidden layer, d output layer. Input disini adalah data harga, kemudi yg terjadi dilayer hidden adalah proses melihat pola dari harga tersebut untuk kemudi menjadi hasil di layer output. Genetic algorithm adalah sebuah algoritma genetika yg memiliki bentuk melihat kembali ke generasi sebelumnya, genetic algoritma berfungsi untuk mengoptimalk neural network. Berdasark prosiding Vegetable Price Prediction Using Data Mining Classification Technique [] menyatak bahwa hasil dari prediksi mengg neural network sudah bagus, namun jika ingin meningkatk akurasi prediksi dapat dilakuk deng genetic algorithm deng dasar neural network sebelumnya. Pada tugas akhir ini algoritma Hybrid Neural Network deng Genetic Algorithm dig untuk prediksi harga komoditi perti yaitu cabai d bawg merah di wilayah Bdung. Hybrid Neural Network deng Genetic Algorithm kemudi ak membentuk prediksi harga 0 minggu ke dep. 2. Preprocessing Data Dari dataset yg dimiliki ada pun tahaptahap untuk persiap data agar dataset siap untuk diproses ke dalam jaring. Pada peneliti ini ak dilakuk normalisasi data d partisi data. Normalisasi data lgkah mengubah data aktual menjadi lebih kecil dari sebelumnya d memiliki batas, tapi tidak menghilgk karakteristik seluruhnya. Nilai rge interval yg dig ialah [0,]. Berikut rumus normalisasi data : Keterg : X i : Nilai data yg telah normalisasi : Nilai data aktual : Nilai minimum data : Nilai maksimum data Data kemudi dibagi menjadi 2 yaitu data training d data testing. Data training yg dig sebesar.7 % dari data keseluruh, sedgk untuk data uji adalah 33,33 % dari data keseluruh. 2.2 Set Parameter Awal Parameter yg dig Hybrid JST arsitektur Elm deng AG adalah byaknya populasi, maksimum generasi, probabilitas pindahsilg,d probabilitas mutasi. Kemudi nti hasilnya dilihat dari MAPE training yg dihasilk d dijalk sebyak 5 kali percoba. 2.3 Proses Learning Algoritma Hybrid JST Arsitektur Elm deng AG Berikut ini flowchart bagaima proses learning pada algoritma hybrid JST arsitektur Elm deng AG : 2. Metodologi Gambar umum dalam prediksi harga deng mengg algoritma Hybrid Jaring Syaraf Tiru Arsitektur Elm deng algoritma Genetika sebagai berikut : Gambar 2-2: Flowchart learning Hybrid JST arsitektur Elm deng AG Gambar 2-: Gambar Umum Sistem 2.3. Inisialisasi Populasi Pada tahap ini AG mengenerate bilg berukur kromosom yg telah di set parameternya
3 sebelumnya dalam bentuk real. Kromosom inilah yg ntinya ak menjadi kdidat solusi untuk JST arsitektur Elm Evaluasi Individu deng JST arsitektur Elm Setelah terbentuk populasi, setiap individu di dalam populasi kemudi dimasukk ke dalam sistem JST arsitektur Elm untuk memperoleh error bobot yg berupa MAPE. MAPE inilah yg ak dijadik nilai fitness pada individu untuk kemudi dimasukk ke dalam parameter AG seljutnya Seleksi Org Tua Seleksi org tua dig untuk memilih pasg org tua deng fitness terbaik untuk kemudi direkombinasik deng algoritma roulette wheel Rekombinasi Pasg org tua aj direkomendasi untuk menghasilk ak yg baru. Kromosom ak bisa jadi lebih bagus dari org tua namun tidak tertutup kemungkin pula lebih jelek dari kromosom org tuya. Rekombinasi memperhatik nilai probabilitas cross-over (Pc) yg ditentuk Mutasi Mutasi dilakuk deng mengubah gen secara acak deng berpedom pada probabilitas mutasi (Pm) yg ditentuk sebelumnya Seleksi Survivor Merupak proses mempertahk individu terbaik d dimasukk ke generasi berikutnya. 2.4 Penguji Hybrid JST arsitektur Elm deng AG Dalam penguji sistem Hybrid ini dig beberapa parameter AG yaitu probabilitas pindah silg 0, d 0,, probabilitas mutasi 0,, byaknya populasi 50 d byaknya generasi 50 Berikut adalah tabel skenario penguji : Data Bawg Merah Cabai Merah Besar Curah Huj Tidak Tidak Pop Max Gen Pc Pm 2.4. Hasil Skenario Setelah skenario di uji didapatklah hasil penguji. Didapatk MAPE training terbaik yaitu untuk bawg ada pada rata-rata MAPE training 7,5 d untuk cabai merah besar rata-rata MAPE trainingnya adalah 33,25. Kedua MAPE training terbaik ini berada pada data prediksi yg tidak mengg curah huj. 2.5 Perhitung MAPE Rumus MAPE yg dig untuk menghitung error data pada paper ini adalah Keterg : n = Byaknya Data Tt = Nilai Target Pt = Nilai Prediksi 3. Pembahas Hybrid JST arsitektur Elm deng AG Implementasi Hybrid JST arsitektur Elm deng AG pada peneliti ini dibagi menjadi 3 bagi yaitu : (a.) Mendapatk bobot JST yg optimal (b.) Prediksi harga komoditas perti deng mengg data harga komoditas perti. (c.) Prediksi harga komoditas perti deng mengg data harga komoditas perti ditambahk data curah huj. 3. Mendapatk Bobot JST Optimal Mendapatk bobot JST optimal mengg metode trial d error Namun setelah membdingk deng beberapa hasil peneliti sebelumnya maka diglah parameter yaitu populasi sebyak 50, maksimum generasi sebyak 500, probabilitas pindah-silg 0, d 0, serta probabilitas mutasi 0,. Hasil tara parameter 0, d 0, tidak jauh berbeda seperti terlihat pada hasil prediksi harga bawg berikut Gambar 3- Grafik Hasil Prediksi Bawg deng Pc 0,.
4 Cabai Mera h Besar Tida k DIg 33, 4,50 33,4 40,37 33,25 43,03 33,49 4,2 Gambar 3-2 Grafik Hasil Prediksi Bawg deng Pc 0, Tidak terlihat perbeda signifik pada grafik namun terjadi perbeda pada MAPE training yg dihasilk. 3.2 Prediksi harga komoditas perti deng mengg data harga komoditas perti. Pada skenario prediksi dibagi 2 yaitu deng mengg curah huj d tidak mengg curah huj. Hasil yg didapatk cukup berbeda tara yg mengg curah huj d yg tidak mengg curah huj. Terlihat MAPE training yg dihasilk oleh data yg mengg curah huj lebih besar dibdingka\n deng MAPE yg dihasilk data yg tidak digabungk deng curah huj. 3.3 Prediksi harga komoditas perti deng mengg data historis harga komoditas perti disertai data curah huj. Hasil yg didapatk skenario deng mengg curah huj memiliki MAPE training yg lebih besar. Ini terjadi karena perbeda pola pada curah huj deng pola pada data harga yg menyebabk sistem harus menemuk pola yg tepat untuk memprediksi harga seljutnya. Untuk melihat lebih ljut perbeda besar rata-rata MAPE lihat tabel berikut Data Bawa ng Mera h Tabel 3- Rata-rata Hasil MAPE skenario Rata Rata MAPE Po P CH Pc p m Tida k 50 M ax Ge n 50 0 Traini ng Testin g,4 5,95,04 52,70 7,5 43,40,23 43,32 Dari tabel 4-3 untuk bawg, rata-rata MAPE training didapatk yaitu,432 d,04 untuk sistem yg digabungk deng curah huj sedgk untuk rata-rata MAPE training yg tidak mengg curah huj yaitu 7,597 d,2304. Pada cabai merah besar jika dimasukk data curah huj maka MAPE training yg didapat adalah 33,2 d 33,472, untuk MAPE training tidak mengg curah huj diperoleh 33,2505 d 33,492. Masing-masing MAPE didapatk pada parameter cross-over 0, d 0, serta parameter mutasi 0,. Pada kedua data harga, rata-rata MAPE training terbaik berada di hasil running deng tidak mengg data curah huj yaitu 7,5 untuk bawg merah d 33,25 untuk cabai merah besar. Hal ini menunjukk bahwa pengguna curah huj dalam sistem prediksi mempengaruhi hasil yg didapat karena merubah pola yg dipelajari sebelumnya d tentunya merubah pola bobot optimal yg didapat. Berikut adalah tabel bobot untuk bawg Tabel 3-2 Tabel bobot terbaik yg diperoleh untuk bawg tpa curah huj. WI B B2 B3 B4 B5 A A A A A A A A A W2 B B B B B Kesimpul Setelah dilakuk beberapa penguji, adapun berikut hal-hal yg dapat disimpulk dari peneliti tugas akhir ini: a. Bobot optimal diperoleh dari Algoritma Genetika untuk jaring syaraf tiru didapatk melalui
5 inisialisasi populasi, evaluasi individu, rekombinasi berdasark Pc, mutasi berdasark Pm, d pergti populasi. b. Algoritma Jaring Syaraf Tiru Arsitektur Elm yg di optimasi deng Algoritma Genetika menghasilk rata-rata MAPE lebih kecil dibdingk deng Jaring Syaraf Tiru Arsitektur Elm yg tidak di Hybrid, karena pada sistem hybrid terdapat optimasi yaitu optimasi bobot pada Jaring Syaraf Tiru c. Hasil sistem hybrid Algoritma Jaring Syaraf Tiru Arsitektur Elm deng Algoritma Genetika memberik performsi rata-rata MAPE testing 44,772 atau jika dalam akurasi yaitu 5,33% untuk harga bawg d harga cabai. d. Penambah data curah huj ke dalam sistem prediksi memperburuk nilai MAPE. 5. Sar a. Data yg dig sebaiknya memiliki rentg yg lebih pjg agar dapat meningkatk akurasi training maupun testing. Juga memperpjg untuk rge data testing. b. Pada peneliti seljutnya prediksi harga dapat dilakuk deng metode lainnya agar hasil yg didapatk lebih baik d memiliki performsi yg lebih tinggi. c. Memperbyak skenario serta parameter penguji untuk mendapatk hasil yg lebih baik.. Motor Fault Detection, Institute of Intelligent Power Electronics, Helsinki University of Technology, [7] Kuswadi, Son. Kendali Cerdas, Penerbit:ANDI, [] Wiharto, Palgunadi, Y. S. Nugroho, Muh Aziz Analisis Pengguna Algoritma Genetika Untuk Perbaik Jaring Syaraf Tiru Radial Basis Function. Seminar Nasional Teknologi Informasi d Komunikasi (SENTIKA). [9] Suyto, 200. Soft Computing Membgun Mesin Ber-IQ Tinggi, Bdung: Informatika. [0] Anbazhag, S. Kumarapp, N Day-Ahead Deregulated Electricity Market Price Forecasting Using Recurrent Neural Network. [] D.P. Nasional, Kamus Besar Bahasa Indonesia Pusat Bahas, Jakarta: PT Gramedia Pustaka Umum, 200 [2] Setiadi, Bertam Cabai di Lah d Pot, Jakarta: Penebar Swadaya, 202. [3] Wibowo S, Budi Daya Bawg, Jakarta:Penebar Swadaya, [4] Ramadevi R., Sheela Ri B., Prakash V, 202, Role of Hidden Neurons in Elm Reccurent Neural Netowrk in Classification of Cavitation Signals, International Journal of Computer Applicatons. Daftar Pustaka: [] Nasira, G.M. & Hemageetha, N Vegetable Price Prediction Using DataMining Classification Technique, Proceedings of the International Conference on Pattern Recognition,. [2] Suyto, 200. Evolutionary Computation Komputasi Berbasis Evolusi d Genetika, Bdung: Informatika,. [3] Hermaw, Arief Jaring Syaraf Tiru Teori d Aplikasi, Yogyakarta:Penerbit ANDI,. [4] Perma, Agus A Jiwa. Prijodiprodjo, Widodo Sistem Evaluasi Kelayak Mahasiswa Magg Mengg Elm Recurrent Neural Network, IJCCS. [5] Ubeyli, Elif Derya. Ubelyi, Mustafa. Case Studies for Applications of Elm Recurrent Neural Network, INTECH, 200. [] Gao, X.Z. Ovaska, S.J. Genetic Algortihm Training of Elm Neural Network in
PREDICTION OF AGRICULTURAL COMMODITIES PRICE USING HYBRID RADIAL BASIS FUNCTION NEURAL NETWORK WITH GENETIC ALGORITHM
PREDIKSI HARGA KOMODITAS PERTANIAN MENGGUNAKAN HYBRID ALGORITMA JARINGAN SYARAF TIRUAN ARSITEKTUR RADIAL BASIS FUNCTION (RBF) DENGAN ALGORITMA GENETIKA PREDICTION OF AGRICULTURAL COMMODITIES PRICE USING
Lebih terperinciANALISIS DAN IMPLEMENTASI ELMAN RECURRENT NEURAL NETWORK UNTUK PREDIKSI HARGA KOMODITAS PERTANIAN
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.1 April 216 Page 1253 ANALISIS DAN IMPLEMENTASI ELMAN RECURRENT NEURAL NETWORK UNTUK PREDIKSI HARGA KOMODITAS PERTANIAN Analysis and Implementation
Lebih terperinciPERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF
PERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF Rudericus Andika Pramudya, Mahmud Imrona 2, Fhira Nhita 3,2,3 Prodi S Teknik Informatika, Fakultas Teknik, Universitas Telkom rudericusdika@gmail.com,
Lebih terperinciPREDIKSI TINGKAT INFLASI DI INDONESIA BERBASIS JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA. Rita Rismala 1, Said Al Faraby 2
PREDIKSI TINGKAT INFLASI DI INDONESIA BERBASIS JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA Rita Rismala 1, Said Al Faraby 2 1,2 Prodi S1 Informatika, Fakultas Informatika, Universitas Telkom 1 ritaris@telkomuniversity.ac.id,
Lebih terperinciANALISIS DAN IMPLEMENTASI ELMAN RECURRENT NEURAL NETWORK UNTUK PREDIKSI HARGA KOMODITAS PERTANIAN
ANALISIS DAN IMPLEMENTASI ELMAN RECURRENT NEURAL NETWORK UNTUK PREDIKSI HARGA KOMODITAS PERTANIAN Analysis and Implementation of Elman Recurrent Neural Network for Predicting Agricultural Commodities Prices
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciANALISIS DAN IMPLEMENTASI RADIAL BASIS FUNCTION NEURAL NETWORK DALAM PREDIKSI HARGA KOMODITAS PERTANIAN
ANALISIS DAN IMPLEMENTASI RADIAL BASIS FUNCTION NEURAL NETWORK DALAM PREDIKSI HARGA KOMODITAS PERTANIAN ANALYSIS AND IMPLEMENTATION OF RADIAL BASIS FUNCTION NEURAL NETWORK IN FORECASTING OF AGRICULTURAL
Lebih terperinciANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM)
ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM) Hanura Ian Pratowo¹, Retno Novi Dayawati², Agung Toto Wibowo³ ¹Teknik Informatika,,
Lebih terperinciJaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit
Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik
Lebih terperinciPREDIKSI TIME SERIES TINGKAT INFLASI INDONESIA MENGGUNAKAN EVOLUTION STRATEGIES
PREDIKSI TIME SERIES TINGKAT INFLASI INDONESIA MENGGUNAKAN EVOLUTION STRATEGIES Universitas Telkom Jl.Telekomunikasi No. 1, Terusan Buah Batu, Bandung ritaris@telkomuniversity.ac.id Abstrak Prediksi tingkat
Lebih terperinciSTUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA
STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA (Agustinus N., et al. STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA Agustinus Noertjahyana
Lebih terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
Lebih terperinciPERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH. Iqbal Dwihanandrio
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6447 PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH Iqbal Dwihanandrio S1 Teknik Informatika
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 terperinciPrediksi Harga Saham Dengan Metode Fuzzy Time Series dan Metode Fuzzy
Prediksi Harga Saham Dengan Metode Fuzzy Time Series dan Metode Fuzzy Time Series-Genetic Algorithm (Studi Kasus: PT Bank Mandiri (persero) Tbk) Stock Price Prediction Using Fuzzy Time Series and Fuzzy
Lebih terperinciOPTIMASI HASIL PREDIKSI KETERSEDIAAN ENERGI SUMBER DAYA MINERAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI HASIL PREDIKSI KETERSEDIAAN ENERGI SUMBER DAYA MINERAL MENGGUNAKAN ALGORITMA GENETIKA Eka Handayani 1, Jondri,Drs.,M.T. 2, Siti Sa adah,s.t.,m.t. 3 1,2,3 ProdiS1 Teknik Informatika, Fakultas Teknik,
Lebih terperinciANALISIS ALGORITMA PREDIKSI CURAH HUJAN MENGGUNAKAN HYBRID PARTIALLY CONNECTED FEEDFORWARD NEURAL NETWORK (PCFNN) DAN NESTED GENETIC ALGORITHM (GA)
ANALISIS ALGORITMA PREDIKSI CURAH HUJAN MENGGUNAKAN HYBRID PARTIALLY CONNECTED FEEDFORWARD NEURAL NETWORK (PCFNN) DAN NESTED GENETIC ALGORITHM (GA) Yana Meinitra Wati 1, Fhira Nhita, ST., MT. 2, Dr. Adiwijaya,
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciSKRIPSI HYBRIDRADIAL BASIS FUNCTION(RBF) DENGAN ALGORITMA GENETIKA DAN ALGORITMA SIMULATED ANNEALING UNTUK PREDIKSI KONSUMSI LISTRIK
SKRIPSI HYBRIDRADIAL BASIS FUNCTION(RBF) DENGAN ALGORITMA GENETIKA DAN ALGORITMA SIMULATED ANNEALING UNTUK PREDIKSI KONSUMSI LISTRIK LUTHFI HIDAYATI PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada penelitian machine learning banyak sekali diperbincangkan tentang perilaku belajar mesin (komputer) agar mampu belajar dan berpikir cerdas layaknya manusia yang
Lebih terperinciPenerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem
Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,
Lebih terperinciPENERAPAN TEKNIK KLASIFIKASI PADA SISTEM REKOMENDASI MENGGUNAKAN ALGORITMA GENETIKA
PENERAPAN TEKNIK KLASIFIKASI PADA SISTEM REKOMENDASI MENGGUNAKAN ALGORITMA GENETIKA Rita Rismala 1, Mahmud Dwi Sulistiyo 2 Program Studi S1 Teknik Informatika, Fakultas Informatika Universitas Telkom 1,
Lebih terperinciPeramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika
Peramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika M. Syafrizal, Luh Kesuma Wardhani, M. Irsyad Jurusan Teknik Informatika - Universitas Islam Negeri Sultan Syarif Kasim Riau
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Metode Hybrid Algoritma Genetika Dan Algoritma Koloni Semut
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3711 OPEN ACCESS ISSN XXXX-XXXX IND. SYMPOSIUM ON COMPUTING VOL. XX, NO. XX, SEPT 2016 SOCJ.TELKOMUNIVERSITY.AC.ID/INDOSC Penjadwalan
Lebih terperinciPREDIKSI CURAH HUJAN MENGGUNAKAN ALGORITMA GRAMMATICAL EVOLUTION
PREDIKSI CURAH HUJAN MENGGUNAKAN ALGORITMA GRAMMATICAL EVOLUTION 1 Sheila Annisa, 2 Fhira Nhita, 3 Adiwijaya Ilmu Komputasi Fakultas Informatika Universitas Telkom, Bandung 1 lirasheilaannisa@gmail.com,
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
Lebih terperinciKINERJA ARSITEKTUR MADALINE DALAM MEMPREDIKSI CUACA DENGAN MENGGUNAKAN PARAMETER SUHU, KELEMBAPAN UDARA DAN CURAH HUJAN
KINERJA ARSITEKTUR MADALINE DALAM MEMPREDIKSI CUACA DENGAN MENGGUNAKAN PARAMETER SUHU, KELEMBAPAN UDARA DAN CURAH HUJAN Dianta Hasri Natalius Barus / 0422083 Jurusan Teknik Elektro, Fakultas Teknik, Jl.
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 terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4C3 EVOLUTIONARY COMPUTATION Disusun oleh: Untari Novia Wisesty Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR
Lebih terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Literatur Algoritma genetik merupakan salah satu algoritma yang biasanya digunakan dalam optimalisasi data. Namun penggunaan algoritma genetik dalam melakukan peramalan
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciPrediksi Jumlah Pengangguran Terbuka di Indonesia menggunakan Metode Genetic-Based Backpropagation
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 4, April 2017, hlm. 341-351 http://j-ptiik.ub.ac.id Prediksi Jumlah Pengangguran Terbuka di Indonesia menggunakan
Lebih terperinciPREDIKSI CURAH HUJAN MENGGUNAKAN ALGORITMA GRAMMATICAL EVOLUTION
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.1 April 2015 Page 1852 PREDIKSI CURAH HUJAN MENGGUNAKAN ALGORITMA GRAMMATICAL EVOLUTION 1 Sheila Annisa, 2 Fhira Nhita, 3 Adiwijaya Ilmu Komputasi
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4B3 SOFT COMPUTING Disusun oleh: Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran
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 terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciKEMAMPUAN MENULIS PUISI BERDASARKAN MEDIA VISUAL SISWA KELAS VII SMP
KEMAMPUAN MENULIS PUISI BERDASARKAN MEDIA VISUAL SISWA KELAS VII SMP Vincencia Dwi Indra Astuti Iqbal Hilal Ni Nyom Wetty S. Fakultas Keguru d Ilmu Pendidik e-mail:vinsadwi@gmail.com Abstract The aim of
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
34 BAB 3 METODOLOGI PENELITIAN 3.1. Pendahuluan Pengenalan pola (pattern recognition) adalah proses klasifikasi dari suatu objek atau pola menjadi beberapa kategori atau kelas, yang mana bertujuan untuk
Lebih terperinciANALISIS PENGGUNAAN ALGORITMA GENETIKA UNTUK PERBAIKAN JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION
ANALISIS PENGGUNAAN ALGORITMA GENETIKA UNTUK PERBAIKAN JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION Wiharto 1, Y.S. Palgunadi 2, Muh Aziz Nugroho 3 1,2,3 Riset Group Ilmu Rekayasa dan Komputasi FMIPA Universitas
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-222
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-222 Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara Adam Mizza Zamani, Bilqis Amaliah
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 terperinciSATUAN ACARA PERKULIAHAN
Topik bahasan : Pendahuluan Mahasiswa dapat memahami konsep cerdasan buatan dan aplikasinya dalam bidang rekayasa 1 Setelah mempelajari materi ini, diharapkan mahasiswa : 1.Mampu mengenal permbangan teknologi
Lebih terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinciALGORITMA GENETIKA UNTUK OPTIMASI STRUKTUR ANFIS
ALGORITMA GENETIKA UNTUK OPTIMASI STRUKTUR ANFIS Ariesta Damayanti 1), Rudy Cahyadi 2) 1) Teknik Informatika STMIK AKAKOM Yogyakarta, 2) Politeknik Negeri Media Kreatif Jakarta 1) Jl. Janti 143 Yogyakarta,
Lebih terperinciOptimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar
Optimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar Soni Irawan Jatmika 2210 105 052 Pembimbing : 1. Prof. Dr. Ir. Adi Soeprijanto, MT. 2. Heri Suryoatmojo, ST. MT.
Lebih terperinciPrediksi Data Time Series Tingkat Inflasi di Indonesia dengan Menggunakan Differential Evolution
Data Time Series Tingkat Inflasi di Indonesia dengan Menggunakan Differential Evolution Rita Rismala, S.T. 1, Suyanto, S.T., M.Sc., Retno Novi Dayawati, S.Si., M.T. 1,, Institut Teknologi Telkom 1 rismala.rita@gmail.com,
Lebih terperinciDINAMISASI PARAMETER ALGORITMA GENETIKA MENGGUNAKAN POPULATION RESIZING ON FITNESS IMPROVEMENT FUZZY EVOLUTIONARY ALGORITHM (PROFIFEA)
DINAMISASI PARAMETER ALGORITMA GENETIKA MENGGUNAKAN POPULATION RESIZING ON FITNESS IMPROVEMENT FUZZY EVOLUTIONARY ALGORITHM (PROFIFEA) Syafiul Muzid Program Studi Sistem Informasi, Fakulktas Teknik, Universitas
Lebih terperinciOptimasi Teknik Klasifikasi Modified k Nearest Neighbor Menggunakan Algoritma Genetika
Optimasi Teknik Klasifikasi Modified k Nearest Neighbor Menggunakan Algoritma Genetika Siti Mutrofin 1, Arrie Kurniawardhani 2, Abidatul Izzah 3, Mukhamad Masrur 4 Universitas Pesantren Tinggi Darul Ulum
Lebih terperinciSTUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
STUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Muh. Ishak Jumarang 1), Lyra Andromeda 2) dan Bintoro Siswo Nugroho 3) 1,3) Jurusan Fisika,
Lebih terperinciPENGENALAN ANGKA DENGAN MENGGUNAKAN ALGORITMA GENETIK. Fakultas Teknik dan Ilmu Komputer, Jurusan Teknik Informatika Universitas Komputer Indonesia
PENGENALAN ANGKA DENGAN MENGGUNAKAN ALGORITMA GENETIK Frengki Agus f124nk_85@yahoo.com Pembimbing I : Linda Salma, S.Si., M.T. Pembimbing II : Khusnul Novianingsih,M.Si Fakultas Teknik dan Ilmu Komputer,
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 terperinciPerbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek
Perbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek Rudy Adipranata 1, Felicia Soedjianto 2, Wahyudi Tjondro Teknik Informatika,
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 PENDEKATAN CROSSOVER TERBARU UNTUK MENYELESAIKAN MULTIPLE TRAVELLING SALESMEN PROBLEM MENGGUNAKAN ALGORITMA GENETIKA (Kata kunci: multiple salemen problem, algoritma genetika,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
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 terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Fuzzy Local Binary Pattern (FLBP) Fuzzifikasi pada pendekatan LBP meliputi transformasi variabel input menjadi variabel fuzzy, berdasarkan pada sekumpulan fuzzy rule. Dalam
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
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 terperinciPREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL NETWORKS (FFNN) DENGAN PELATIHAN ALGORITMA GENETIKA
PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL NETWORKS (FFNN) DENGAN PELATIHAN ALGORITMA GENETIKA (Studi Kasus pada Harga Saham Harian PT. XL Axiata Tbk) SKRIPSI Disusun oleh : IRA PUSPITA
Lebih terperinciPrediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation
Scientific Journal of Informatics Vol 3, No 1, Mei 2016 p-issn 2407-7658 http://journalunnesacid/nju/indexphp/sji e-issn 2460-0040 Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation
Lebih terperinciTeknik Pertanian, Fakultas Teknologi Pertanian, Universitas Jember Jalan Kalimantan No. 37 Jember, *
PERAMALAN JUMLAH PERMINTAAN UDANG BEKU PND MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN (JST) BACKPROPAGATION Forecasting of PND Frozen Shrimp Demand Using Artificial Neural Network Method (ANN) Backpropagation
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 441-450 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL
Lebih terperinciPREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION
PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION Dewi Kusumawati 1), Wing Wahyu Winarno 2), M. Rudyanto Arief 3) 1), 2), 3) Magister Teknik Informatika STMIK
Lebih terperinciPelatihan Multi-Layer Neural Network Menggunakan Algoritma Genetika untuk Memprediksi Harga Saham Esok Hari (T+1)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 58-96X Vol., No. 6, Juni 08, hlm. 30-308 http://j-ptiik.ub.ac.id Pelatihan Multi-Layer Neural Network Menggunakan Algoritma Genetika untuk
Lebih terperinciPenentuan Arsitektur Jaringan Syaraf Tiruan Backpropagation (Bobot Awal dan Bias Awal) Menggunakan Algoritma Genetika
IJCCS, Vol.9, No.1, January 2015, pp. 77~88 ISSN: 1978-1520 77 Penentuan Arsitektur Jaringan Syaraf Tiruan Backpropagation (Bobot Awal dan Bias Awal) Menggunakan Algoritma Genetika Christian Dwi Suhendra*
Lebih terperinciPERAMALAN PENDAPATAN PETERNAKAN AYAM PEDAGING MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PERAMALAN PENDAPATAN PETERNAKAN AYAM PEDAGING MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK SKRIPSI Disusun Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer pada Departemen Ilmu Komputer
Lebih terperinciPrediksi Harga Emas Batang Menggunakan Feed Forward Neural Network Dengan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2317-2322 http://j-ptiik.ub.ac.id Prediksi Harga Emas Batang Menggunakan Feed Forward Neural
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciOPTIMASI JARINGAN SARAF TIRUAN PADA OPTICAL CHARACTER RECOGNITION DENGAN MENGGUNAKAN IMAGE PREPROCESSING DAN ALGORITMA GENETIK
OPTIMASI JARINGAN SARAF TIRUAN PADA OPTICAL CHARACTER RECOGNITION DENGAN MENGGUNAKAN IMAGE PREPROCESSING DAN ALGORITMA GENETIK LAPORAN TUGAS AKHIR Disusun sebagai syarat kelulusan tingkat sarjana Oleh:
Lebih terperinciMENGUKUR KINERJA ALGORITMA GENETIK PADA PEMAMPATAN MATRIKS JARANG
MENGUKUR KINERJA ALGORITMA GENETIK PADA PEMAMPATAN MATRIKS JARANG Nico Saputro dan Joice Aritonang Email : nico@home.unpar.ac.id, jo_aritonang@yahoo.com A matrix that has lots of zero elements is called
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 terperinciPERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA
PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA Budho Setyonugroho 1), Adhistya Erna Permanasari 2), Sri Suning Kusumawardani
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 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 terperinciImplementasi Algoritma Genetika dan Neural Network Pada Aplikasi Peramalan Produksi Mie (Studi Kasus : Omega Mie Jaya)
Implementasi Algoritma Genetika dan Neural Network Pada Aplikasi Peramalan Produksi Mie (Studi Kasus : Omega Mie Jaya) ISSN 2085-4552 Adhi Kusnadi 1, Jansen Pratama 2 Fakultas Teknik dan Informatika, Universitas
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciPENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi
PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA I Dewa Made Adi Baskara Joni 1, Vivine Nurcahyawati 2 1 STMIK STIKOM Indonesia, 2 STMIK STIKOM
Lebih terperinciPREDIKSI PENYAKIT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DAN ALGORITMA GENETIKA UNTUK DATA BERDIMENSI TINGGI
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3771 PREDIKSI PENYAKIT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR DAN ALGORITMA GENETIKA UNTUK DATA BERDIMENSI TINGGI DISEASE
Lebih terperinciPREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU
PREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU 091402118 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
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 terperinciPREDIKSI NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN METODE GENETIC PROGRAMMING
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) pissn: 23557699 Vol. 3, No., Desember 2016, hlm. 285291 eissn: 25286579 PREDIKSI NILAI TUKAR RUPIAH TERHADAP US DOLLAR MENGGUNAKAN METODE GENETIC PROGRAMMING
Lebih terperinciPREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION
JIMT Vol. 4 No. Juni 207 (Hal 47-55) ISSN : 2450 766X PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION J.R. Mustakim, R. Ratianingsih 2 dan D. Lusiyanti 3,2,3 Program Studi
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciAnalisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation
Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id
Lebih terperinciARSITEKTUR JARINGAN SYARAF TIRUAN UNTUK PEMODELAN PROSES EKSTRAKSI ATURAN DENGAN SEARCH TREE
ARSITEKTUR JARINGAN SYARAF TIRUAN UNTUK PEMODELAN PROSES EKSTRAKSI ATURAN DENGAN SEARCH TREE Rina Dewi Indah Sari 1 dan Gunawan 2 1 Teknik Informatika STMIK ASIA Malang 2 Teknik Informatika STTS Surabaya
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperinciAnalisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation
Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id
Lebih terperinciPrediksi Waktu Panen Tebu Menggunakan Gabungan Metode Backpropagation dan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1443-1450 http://j-ptiik.ub.ac.id Prediksi Waktu Panen Tebu Menggunakan Gabungan Metode Backpropagation
Lebih terperinciPERBANDINGAN ALGORITMA EXHAUSTIVE, ALGORITMA GENETIKA DAN ALGORITMA JARINGAN SYARAF TIRUAN HOPFIELD UNTUK PENCARIAN RUTE TERPENDEK
PERBANDINGAN ALGORITMA EXHAUSTIVE, ALGORITMA GENETIKA DAN ALGORITMA JARINGAN SYARAF TIRUAN HOPFIELD UNTUK PENCARIAN RUTE TERPENDEK Rudy Adipranata 1) Felicia Soedjianto 2) Wahyudi Tjondro Teknik Informatika,
Lebih terperinciPENINGKATAN HASIL BELAJAR KETERAMPILAN MEMBUAT ANYAMAN KERTAS PADA SISWA KELAS VII DENGAN METODE DEMONSTRASI DI SMP NEGERI 8 TEBING TINGGI
PENINGKATAN HASIL BELAJAR KETERAMPILAN MEMBUAT ANYAMAN KERTAS PADA SISWA KELAS VII DENGAN METODE DEMONSTRASI DI SMP NEGERI 8 TEBING TINGGI Bungar Situmorg Surel : bungarsitumorg05@gmail.com ABSTRAK Peneliti
Lebih terperinciBAB I PENDAHULUAN. Machine learning (ML), bagian dari kecerdasan buatan (artificial
BAB I PENDAHULUAN 1. 1.1. Latar Belakang Machine learning (ML), bagian dari kecerdasan buatan (artificial intelligence), merupakan metode untuk mengoptimalkan performa dari sistem dengan mempelajari data
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT
Lebih terperinci