Crude Palm Oil Prediction Based on  Backpropagation Neural Network Approach

Aini, Hijratul; Haviluddin, Haviluddin

doi:10.17977/um018v2i12019p1-9

Cited by 11 publications

(7 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Banyak metode peramalan pada Algoritma Backpropagationa yang dipakai untuk proses perencanaan serta pengambilan keputusan, sesuatu ramalan berupaya memperkirakan apa yang hendak terjalin serta apa yang hendak jadi kebutuhan. Penggunaan metode Backpropagation untuk memprediksi harga produksi minyak sawit dengan menggunakan arsitektur 5-10-11-12-13-1 [19], Metode Backpropagation juga digunakan untuk memperkirakan Viskositas minyak mentah dinegara Nigeria [20], penggabungan Algoritma Backpropagation dengan Genetik Algoritma untuk memprediksi reservoir minyak dapat meningkatkan kemampan adaptasi dan generalisasi jaringan [21], kemampuan lain dari metode Backpropagation adalah mampu memprediksi kondisi pipa minyak mentah yang berada dibawah tanah dengan mengubah jumlah neuron yang tersembunyi [22], banyak model algoritma yang dikembangkan yaitu dengan menggunakan metode Multilayerperceptron-Backpropagation yang digunakan untuk memprediksi gesekan pada pipa minyak panas [23]. Ada banyak cara untuk mengoptimalkan kinerja Backpropagation, dalam penelitian ini dilakukan dengan cara mengkombinasikan neuron dengan nila alpha sehingga kinerja dari JST lebih optimal berdasarkan nilai MSE yang diperoleh lebih rendah sehingga error dapat diminimalkan dari hasil output jaringan yang terbentuk [24].…”

Section: Pendahuluanunclassified

Prediksi Harga Minyak Mentah Menggunakan Jaringan Syaraf Tiruan

Surmayanti¹,

Guslendra²

2022

matrik

View full text Add to dashboard Cite

Minyak mentah merupakan energi utama yang banyak digunakan pada berbagai industri di duniasehingga harga minyak mentah sulit untuk diprediksi apalagi di Indonesia setelah adanya pencabutansubsidi minyak oleh pemerintah Indonesia sehinga diperlukan teknik prediksi yang akurat untukmemprediksi harga minyak mentah dunia, prediksi harga minyak mentah merupakan perkiraanharga minyak mentah di masa mendatang. Tujuan dari penelitian ini adalah untuk menganalisis kinerjajaringan saraf tiruan dengan metode backpropagation dalam memprediksi harga minyak mentah.Penelitian ini menggunakan satu parameter data dalam memprediksi harga minyak mentah yaitudata minyak mentah dari tahun 2018 sampai tahun 2020. Pada kasus prediksi harga minyak mentah,jaringan saraf tiruan tata cara backpropagation dalam proses training bisa mengidentifikasi polainformasi yang diberikan dengan baik. Pada proses training JST, terus menjadi kecil nilai sasaranerror hingga iterasinya hendak terus menjadi besar serta tingkatan keakurasiannya pula terus menjadibesar. Hasil pelatihan didapat nilai Mean Square Error (MSE) adalah 0,00099762 dengan 135Epoch, pada pengujian jaringan diperoleh nilai MSE adalah 0,093336. Dengan demikian nilai koefisienkorelasi serta nilai MSE yang dihasilkan pada proses pengujian menampilkan kalau jaringansyaraf tiruan propagasi balik sangat baik berdasarkan kelompok kelas nilai MSE untuk memprediksiinformasi harga minyak mentah.

show abstract

Section: Pendahuluanunclassified

Prediksi Harga Minyak Mentah Menggunakan Jaringan Syaraf Tiruan

Surmayanti¹,

Guslendra²

2022

matrik

View full text Add to dashboard Cite

show abstract

“…The result can then be denormalized to get the actual predicted magnitude value by RB algorithm. In (9), the minmax normalization equation is shown. Variable x is the magnitude value that will be normalized, min(x) is the minimum magnitude over all the data, and max(x) is the maximum magnitude over all of the data.…”

Section: B Feature Extraction Of Earthquakesmentioning

confidence: 99%

Earthquake Magnitude and Grid-Based Location Prediction using Backpropagation Neural Network

Priambodo¹,

Mahmudy²,

Rahman³

2020

KEDS

View full text Add to dashboard Cite

Even though it is inevitable, but it can be anticipated to minimize damage and casualties. Past research has been conducted to predict the level of impact caused by earthquakes in real-time [2]. One of those past research is about an early earthquake warning system (EEWS), which will give an alert when it detects an earthquake [3]. Numerous architectures and algorithms have been developed in those studies. Various research is the utilization of neural network trained with backpropagation algorithm and optimized using Levenberg (LOM) to predict hypocenter location, moment magnitude, and the expansion of the earthquake [4], modification of LOM to minimize error on EEWS [3], and utilization of neural tree to predict P and S waves [5]. Until now, to the knowledge of the author, the study of using a backpropagation (BP) algorithm to predict earthquake magnitude and grid-based location in Indonesia has not been conducted yet. This algorithm is chosen because it has been proven to perform well in broad types of problems, such as regression, pattern recognition, and prediction [6][7][8][9]. In this paper, the study aims to measure the performance of neural network trained using backpropagation algorithm in predicting earthquakes magnitude and grid-based location based on earthquakes magnitude and location data in Indonesia recorded from 2000 to 2019.

show abstract

“…There are three phases in the backpropagation training process, including the forward-backward and weight modification phases. As a result, backpropagation is frequently used in machine learning for a variety of tasks, including classification [2], prediction [3], forecasting [4], and image pattern recognition [5].…”

Section: Introductionmentioning

confidence: 99%

Recognition of Handwritten Javanese Script using Backpropagation with Zoning Feature Extraction

Handayani

Herwanto

Chandrika

et al. 2021

Knowl. Eng. Data Sci.

View full text Add to dashboard Cite

Backpropagation is part of supervised learning, in which the training process requires a target. The resulting error is transmitted back to the units below in its training process. Backpropagation can solve complicated problems because it consumes less memory than other algorithms. In addition, it also can produce solutions with a low error rate while executing less time. In image pattern recognition, backpropagation can be utilized for cultural preservation in many places worldwide, including Indonesia. It is used to recognize picture patterns in Javanese script writings. This study concluded that feature extraction approaches, zoning, and backpropagation could be utilized to distinguish handwritten Javanese characters. The best accuracy is attained at 77.00%, with the network architecture comprising 64 input neurons, 40 hidden neurons, a learning rate of 0.003, a momentum of 0.03, and an iteration of 5000.

show abstract

Crude Palm Oil Prediction Based on Backpropagation Neural Network Approach

Cited by 11 publications

References 9 publications

Prediksi Harga Minyak Mentah Menggunakan Jaringan Syaraf Tiruan

Prediksi Harga Minyak Mentah Menggunakan Jaringan Syaraf Tiruan

Earthquake Magnitude and Grid-Based Location Prediction using Backpropagation Neural Network

Recognition of Handwritten Javanese Script using Backpropagation with Zoning Feature Extraction

Contact Info

Product

Resources

About