ANALISIS PENAMBAHAN MOMENTUM PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
Sari
keakurasiannya cenderung semakin baik (semakin besar). Jumlah iterasi pada proses trainning dengan penambahan momentum lebih kecil dibandingkan dengan tanpa penambahan momentum. Tingkat akurasi tertinggi dicapai pada target error 0.0073 yaitu 43.65%.
Kata Kunci
Teks Lengkap:
PDFReferensi
Akashdeep, et al., 2013, Time Series Analysis of Forecasting Indian Rainfall, International Journal of Inventive Engineering and Sciences (IJIES) ISSN: 2319-9598, Volume-1, Issue-6, May 2013.
Ch.Jyosthna Devi, et al, 2012, ANN Approach for Weather Prediction using Back Propagation, International Journal of Engineering Trends and Technology-Volume3Issue1-2012.
Indrabayu, et al., 2012, Prediksi Curah 172 Hujan dengan Jaringan Saraf Tiruan, “Prosiding 2012”.
Indrabayu, et al., 2011, Prediksi Curah Hujan di Wilayah Makasar Menggunakan Metode Wavelet-Neural Network, Jurnal
Ilmiah “Elektrikal Enjiniring” UNHAS, Vol. 09, No. 02, Agustus.
Nurcahaya, Pradana, T.P., et al, 2013, Pemanfaatn Seed Region Growing Segmentation dan Momentum Backpropagation Neural Network Untuk Klasifikasi Jenis Sel Darah Putih.
Sutojo, T., et al, 2010, Kecerdasan Buatan, Yogyakarta: Andi Offset.
Refbacks
- Saat ini tidak ada refbacks.
##submission.copyrightStatement##
##submission.license.cc.by4.footer##
Kantor Redaksi SNIf. Gedung LPPM Lt2, Kampus Universitas Potensi Utama. Jl. K.L. Yos Sudarso Km 6,5 No.3-A Telp. (061) 6640525 Ext. 214 Tanjung Mulia Medan 20241