Jaringan Syaraf Tiruan Perceptron Untuk Penentuan Pola Sistem Irigasi Lahan Pertanian Di Kabupaten Pesisir Selatan Sumatra Barat

Yanto, Musli; Sovia, Rini; Mandala, Eka Praja Wiyata

doi:10.46984/sebatik.v22i2.317

Cited by 5 publications

(8 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In addition, the Perceptron algorithm is also performed in this study. [14] define perceptron algorithm is one type of neural network to classify or distinct patterns linearly. Perceptron is a supervised learning algorithm on a binary classification to decide whether an input will be described or partitioned into a specific class; in this study, they were divided into grades 0 and 1.…”

Section: Fractal Dimension Worstmentioning

confidence: 99%

Breast Cancer Prediction Using Artificial Neural Networks Back Propagation Method

Nasien

Enjeslina

Adiya

et al. 2022

J. Phys.: Conf. Ser.

View full text Add to dashboard Cite

Research on breast cancer has been widely conducted and previously studied with various methods or algorithms to categorize it into benign and malignant groups. In ANN algorithm, one method called back propagation network is utilized to solve complex problems related to identification, pattern recognition prediction, and so forth. The objective of the present study is to investigate the level of accuracy and performance by ANN back propagation in predicting breast cancer. Several stages for this study are formulating the problem, collecting and processing the Wisconsin breast cancer dataset from the Kaggle site. Designing and creating an ANN algorithm system to classify cancer into malignant and benign, then examining the system to perceive the prediction accuracy, and conclude it. The results of the numerical simulation indicate that the created system of MATLAB R2016a software obtained an accuracy of 96.929% with an error of 3.071% by a combination of training parameters with epoch 1000, learning rate 0.01, goal 0.001, and hidden layer 5.

show abstract

Section: Fractal Dimension Worstmentioning

confidence: 99%

Breast Cancer Prediction Using Artificial Neural Networks Back Propagation Method

Nasien

Enjeslina

Adiya

et al. 2022

J. Phys.: Conf. Ser.

View full text Add to dashboard Cite

show abstract

“…Hal ini disebabkan salah satunya oleh kondisi cuaca yang sangat dinamis (Nugroho, 2016). Perubahan teknologi pada infrastruktur disesuaikan dengan tingkat penggunaan teknologi informasi (C. Berdasarkan penelitian yang telah dilakukan oleh Yanto, Sovia, & Mandala (2018), Jaringan Syaraf Tiruan Algoritma Perceptron dapat digunakan untuk menyelesaikan kasus dan menunjang penentuan keputusan pada pengembangan irigasi air di daerah Kabupaten Pesisir Selatan Provinsi Sumatera Barat. Metode Jaringan Syaraf Tiruan Algoritma Perceptron adalah sebuah metode yang mampu melakukan proses perhitungan dengan mengenali variable-variabel dalam percobaan pola dan pada akhirnya hasil keluaran dari jaringan dapat digunakan sebagai bahan pertimbangan pengambilan keputusan.…”

Section: Abstrakunclassified

Pembaharuan konsep prediksi debit andalan untuk operasi dan pemeliharaan irigasi modern

Nugroho¹,

Arif²

2019

View full text Add to dashboard Cite

Pengelolaan sistem irigasi konvensional yang masih dilakukan sampai saat ini bersifat probabilistik, terutama dalam menganalisis debit untuk perencanaan OP irigasi. Hal ini terlihat dari pelaksanaan analisis data yang digunakan yaitu analisis data empiris dua mingguan atau dasarian, sehingga untuk mengubah pola pengelolaan ke modern memerlukan pengembangan secara lentur dan berbasis waktu nyata, akibat perubahan iklim di Indonesia. Analisis prediksi debit air dilakukan dengan memakai analisis model matematika sebagai pengganti model probalisitik dan penggunaaan data pengamatan waktu nyata dengan memakai alat pengamatan cuaca otomatis. Konsep baru ini dicoba di Daerah Irigasi (DI) Wadaslintang dan Kabupaten Banyumas, yang menunjukkan bahwa pengamatan cuaca otomatis berjalan dengan baik, dan dapat digunakan sebagai data dalam analisis model matematik. Hasil dari penelitian menunjukkan bahwa alat telemetri menghasilkan data yang baik. Perbandingan antara penggunaan Metode Matematika Jaringan Syaraf Tiruan (JST) dengan Metode Probabilistik P80, menunjukkan bahwa metode dengan JST lebih mendekati nyata dibandingkan dengan Probabilistik P80. Hal ini ditunjukkan dengan hasil validasi yang dilakukan dari bulan Januari sampai Agustus 2015, Secara keseluruhan kesalahan debit prediksi JST terhadap realisasi adalah 77%. Hasil ini menunjukkan bahwa diperlukan suatu metode perhitungan matematis yang dinamis, karena keadaan iklim yang dinamis walaupun tidak meninggalkan metode probabilistik sebagai pembanding.

show abstract

“…Jaringan Syaraf Tiruan adalah sistem komputasi dengan arsitektur dan operasi diilhami dari pengetahuan tentang sel syaraf biologi di dalam otak. Hal tersebut menjadikan Jaringan Syaraf Tiruan sangat cocok untuk menyelesaikan masalah yang memerlukan logika yang sama seperti otak manusia (Yanto, et al, 2018).…”

Section: Jaringan Syaraf Tiruanunclassified

Prediksi Kebutuhan Listrik Tiga Fase Dengan Jaringan Syaraf Tiruan Berdasarkan Data Erte System Universitas Lampung

Despa

Arinto

Delano

et al. 2019

Sebatik

View full text Add to dashboard Cite

Electricity Real-Time Estimation (ERTE) System Universitas Lampung, melalui pemanfaatan IoT (Internet of Things), memberikan informasi mengenai pemakaian listrik tiga fase dalam waktu nyata dan menympannya secara historis. Data tersebut dapat digunakan untuk melakukan prediksi kebutuhan listrik masa depan. Jaringan Syaraf Tiruan merupakan metode yang memungkinkan melakukan prediksi berdasarkan pengamatan pada pola data yang ada seperti layaknya otak manusia. Penelitian dilakukan dalam empat bagian, pertama adalah penentuan lapisan masukan (input layer) terdiri dari tanggal, hari, hari libur, jam, ruangan, dan pemakaian listrik serta lapisan keluaran (output layer) terdiri dari prediksi kebutuhan listrik; kedua adalah pelatihan model; ketiga adalah pengujian Jaringan Syaraf Tiruan. Semua bagian tersebut dibagi ke masing-masing fase RST. Pada bagian keempat, dilakukan prediksi kebutuhan listrik berdasarkan hasil estimasi dari setiap fase. Setelah dilakukan pelatihan dan pengujian dari model jaringan syaraf tiruan, prediksi kebutuhan listrik tiga fase menggunakan Jaringan Syaraf Tiruan memiliki tingkat akurasi yang tinggi, yaitu 99,11%. Hal ini menunjukkan bahwa Jaringan Syaraf Tiruan dengan Backpropagation dapat digunakan untuk melakukan prediksi kebutuhan daya listrik dengan cukup akurat. Backpropagation menurunkan tingkat error yang cukup rendah sehingga hasil prediksi dapat dijadikan dasar dalam melakukan pengelolaan dan perencanaan perkiraan kebutuhan daya listrik untuk gedung yang menggunakan listrik tiga fase.

show abstract

Jaringan Syaraf Tiruan Perceptron Untuk Penentuan Pola Sistem Irigasi Lahan Pertanian Di Kabupaten Pesisir Selatan Sumatra Barat

Cited by 5 publications

References 0 publications

Breast Cancer Prediction Using Artificial Neural Networks Back Propagation Method

Breast Cancer Prediction Using Artificial Neural Networks Back Propagation Method

Pembaharuan konsep prediksi debit andalan untuk operasi dan pemeliharaan irigasi modern

Prediksi Kebutuhan Listrik Tiga Fase Dengan Jaringan Syaraf Tiruan Berdasarkan Data Erte System Universitas Lampung

Contact Info

Product

Resources

About