APLIKASI JST DARI TA ATAU JURNAL


JUDUL JURNAL :
Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran Backpropagation

ANALISIS
Karena jumlah data yang besar mengakibatkan  lamanya proses Training. Setelah dilakukan  pelatihan dengan maksimum epoch 500000 dengan neuron pada hid den layer 10 neuron.  Untuk training 3 neuron membutuhkan waktu kurang lebih 10 jam dan berhenti pada epoch 500000. Untuk training 10 neuron membutuhkan waktu kurang lebih 11 jam dan berhenti pada epoch 500000. Dari hasil training model jaringan saraf tiruan yang telah dibuat dengan konstanta belajar 0,1, keberhasilan
dalam memprediksi jumlah pengangguran dengan RMSE sebesar 13.7001521. Jadi setelah proses training dan testing dapat diprediksi jumlah pengangguran pada tahun 2009 adalah 133.104

 KESIMPULAN
Dari hasil penelitian, dapat disimpulkan bahwa metode Backpropagation dapat digunakan untuk melakukan prediksi pengangguran, maupun kasus yang memiliki data masa lalu, dan dengan menggunakan metode Backpropagation, target output yang diinginkan lebih mendekati ketepatan dalam malakukan pengujian, karena terjadi penyesuaian nilai bobot dan bias yang semakin baik pada proses pelatihan.Diperoleh hasil prediksi jumlah pengangguran pada tahun 2009 adalah 133.104. Sedangkan hasil prediksi jumlah pengangguran tahun 2009 yang dilakukan oleh BPS Provinsi Kalimantan Timur adalah 139.830 .Walaupun memiliki segudang kelebihan, JST uga mempunyai sejumlah keterbatasan, antara lain kekurang mampuannya dalam melakukan operasi-operasi numerik dengan presisitinggi, operasi algoritma aritmatik, operasi logika, dan operasi simbolis serta lamanya proses pelatihan yang terkadang membutuhkan waktu berhari-hari untuk jumlah data yang besar. Karena sistem JST merupakan sistem yang baru maka hanya dapat berfungsi sebagai alat Bantu sehingga untuk mengambilnkeputusan masih perlu menggunakan tambahan kebijakan yang lain.

LEBIH LENGKAP KLIK  APLIKASI JST DARI JURNAL

Komentar

Posting Komentar

Postingan populer dari blog ini

SOAL UTS

Gambar
              1.APA ITU JST??? Jaringan saraf tiruan (JST) (Bahasa Inggris: artificial neural network (ANN) , atau juga disebut simulated neural network (SNN) , atau umumnya hanya disebut neural network (NN) ), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan sistem saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. Oleh karena sifatnya yang adaptif, JST juga sering disebut dengan jaringan adaptif. Jaringan   Syaraf  Tiruan  dibuat  pertama  kali  pada  tahun  1943  oleh neurophysiologist Waren cCulloch dan logician Walter Pits, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Jaringan ...
Terus membaca

BAB 7 Jaringan Hopfield

Gambar
BAB 7 Jaringan Hopfield 7.1 Pengantar Semua jaringan sampai sekarang diasumsikan hanya maju mengalir dari input ke output, yaitu interkoneksi yang tidak berulang. Hal ini terjamin stabilitas jaringan. Sejak jaringan saraf biologis menggabungkan umpan balik, jaringan buatan tertentu juga akan menggabungkan fitur itu. Jaringan Hopfield memang menggunakan umpan-maju dan umpan balik. Setelah umpan balik yang digunakan, stabilitas tidak dapat dijamin dalam kasus umum. Akibatnya, desain jaringan Hopfield harus menjadi salah satu yang menyumbang stabilitas di pengaturannya. 7.2 Jaringan Biner Hopfield Gambar 7.1 menggambarkan satu lapisan jaringan Hopfield berulang. Meskipun pada dasarnya jaringan single-layer, struktur umpan balik yang membuatnya efektif untuk berperilaku sebagai jaringan multi-layer. Keterlambatan umpan balik akan ditampilkan untuk menjalankan peran utama dalam stabilitas. Delay tersebut adalah untuk jaringan saraf biologis, menunda di celah sinaptik da...
Terus membaca

BAB 9 Adaptive Resonance Theory

Gambar
Adaptive Resonance Theory ( ART ) berasal oleh Carpenter dan Grossberg (1987a) untuk tujuan pengembangan jaringan saraf tiruan yang secara kinerja, khususnya (namun bukan hanya) di pengenalan pola atau klasifikasi tugas, lebih dekat dengan yang ada pada jaringan saraf biologis  dibanding kasus yang di sebelumnya dibahas jaringan. Salah satu tujuan utama mereka adalah untuk datang dengan jaringan saraf yang dapat melestarikan elastisitas jaringan biologis dalam belajar atau dalam mengenali pola-pola baru, yaitu, dalam belajar tanpa harus menghapus (lupa) atau untuk secara substansial menghapus pola sebelumnya belajar. Karena tujuan dari jaringan saraf ART adalah untuk  mendekati jaringan saraf biologis, jaringan saraf ART tidak membutuhkan “guru” tapi sebagai fungsi tanpa pengawasan jaringan mengorganisir diri. ART-I versi berhubungan dengan input biner. Perpanjangan ART-I yang dikenal sebagai ART-II [Carpenter dan Grossberg, 1987b] penawaran dengan kedua pol...
Terus membaca