2.1. Produksi Kelapa Sawit - Prediksi Produksi Panen Kelapa Sawit Menggunakan Jaringan Saraf Radial Basis Function (RBF)
Teks penuh
Gambar
Dokumen terkait
Setelah nilai invariant moment didapatkan, akan dilakukan proses klasifikasi menggunakan jaringan saraf tiruan Radial Basis Function yang diawali dengan penentuan nilai awal
Bobot awal yang didapat pada jaringan saraf tiruan yang dipakai untuk memproses sifat mekanik hardness yang terletak pada serabut saraf di antara input node
Untuk simulasi dengan jaringan RBF metode tak langsung meghasilkan solusi yang lebih baik daripada jaringan RBF metode langsung dengan selisih error yang lebih kecil Perbandingan
Topologi milik RBF terdiri atas unit lapisan masukan (input), unit lapisan tersembunyi (hidden), dan unit lapisan keluaran (output). Gambar 1 menunjukkan skema
Tabel 2.1 Perbedaan Saraf Biologi dengan Jaringan Saraf Tiruan Medsker & Liebowitz, 1994 Jaringan Saraf Biologi Manusia Jaringan Saraf Tiruan JST Soma Node simpul Dendrit Input
Menganalisis semua faktor dari point a sampai point g sehingga didapatkan nilai center dan bobot RBFNN optimal yang akan digunakan dalam memprediksi harga
Proses akan dilanjutkan dengan pengolahan input tersebut melalui jaringan saraf tiruan Radial Basis Function sehingga sistem dapat melakukan pengenalan terhadap
