Perbandingan metode adaline dan backpropagation untuk prediksi jumlah pencari kerja di Jawa Barat
Teks penuh
Dokumen terkait
Penelitian ini menggunakan jaringan syaraf tiruan propagasi balik (backpropagation) sebagai metode pelatihan untuk teknik prediksi yang akan dikembangkan, karena
Grafik hasil pengujian pengaruh jumlah data training terhadap nilai error yang dihasilkan oleh sistem dapat dilihat pada Gambar 10.
Berdasarkan hasil penelitian atau analisa dataset pencari kerja yang berminat untuk bekerja di luar negeri dan pencari kerja yang tidak berminat ke luar
Untuk melakukan implementasi metode Backpropagation dalam prediksi jumlah permintaan koran diperlukan data latih yang akan digunakan sebagai sumber pelatihan yang
a) Sistem yang dibuat dalam melakukan prediksi laju inflasi mampu menghasilkan nilai MSE pengujian sebesar 0,520258. Nilai ini dihasilkan dengan menggunakan satu hidden layer
Untuk melakukan implementasi metode Backpropagation dalam prediksi jumlah permintaan koran diperlukan data latih yang akan digunakan sebagai sumber pelatihan yang
Arsitektur jaringan 12-5-1, nilai learning rate = 0,1 dan batas error = 0,0012 merupakan yang terbaik pada pengujian sistem dengan menggunakan fungsi aktivasi ReLU pada hidden layer dan
Hasil perbandingan Nilai RMSE dan MAPE Model RMSE MAPE ARIMA 26,17 22% LSTM 35,59 25% Tabel 3 di atas menunjukkan hasil eksperimen yang dilakukan dalam penelitian ini dengan