PEMODELAN GENERAL REGRESSION NEURAL NETWORK UNTUK PREDIKSI TINGKAT PENCEMARAN UDARA KOTA SEMARANG - Diponegoro University | Institutional Repository (UNDIP-IR)
Teks penuh
Gambar
Dokumen terkait
Hasil penelitian menunjukkan bahwa gabungan metode EEMD dan GRNN lebih baik dari GRNN dalam peramalan harga minyak mentah. Metode EEMD-GRNN memiliki nilai MSE dan
• Apabila peluang lebih besar dari 5 % maka persamaan distribusi teoritis yang digunakan dapat diterima.. • Apabila peluang lebih kecil dari 1 % maka persamaan
parkir pada perpakiran on street parking sehingga nilai DSnya dapat.. berkurang menjadi lebih kecil yaitu untuk segmen I = 0,47
Berikut merupakan informasi awal yang digunakan dalam clustering data industri sumber pencemaran udara di Jawa Tengah tahun 2006 menggunakan jaringan syaraf tiruan Kohonen
Berdasarkan nilai Mean Squared Error (MSE) dan Akaike Information Crietion (AIC) untuk model GWR dan GWRR, diketahui model terbaik yang digunakan untuk menganalisis
PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA DATA RETURN INDEKS HARGA SAHAM EURO
Jumlah iterasi lebih kecil dari proses trainning dengan bobot random yang telah digenerate tanpa penambahan momentum (backpropagation standar). Pengujian berikutnya
Berdasarkan penelitian sebelumnya [9], nilai akurasi prediksi data rentet waktu yang menggunakan algoritma Evolving Neural Network (ENN) dinyatakan lebih baik dari BPNN sehingga
