Penerapan Metode Particle Swarm Optimization pada Artificial Neural Network Backpropagation untuk Peramalan Penjualan Furniture pada CV. Octo Agung.
Teks penuh
Gambar
Dokumen terkait
Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan
Penelitian ini menerapkan metode klasifikasi neural network dengan algoritma Particle Swarm Optimization (PSO) karena neural network dapat menyelesaikan permasalahan
Dari tabel tersebut dapat diamati bahwa pada peramalan menggunakan jaringan syaraf tiruan, penggunaan algoritma pelatihan PSO secara umum lebih baik dibandingkan dengan
Untuk meningkatkan akurasi peramalan digunakan optimasi interval pada fuzzy time series menggunakan particle swarm optimization (PSO) Berdasarkan hasil parameter terbaik
Tujuan pada penelitian untuk melakukan prediksi harga komoditi karet spesifik teknis dengan menggunakan model Backpropagation Neural Network berbasis particle swarm
Particle swarm optimization PSO is a swarm intelligence based algorithm finds a solution to an optimization problem in a search space predicts social behavior in the presence of
Hybrid Neural Network NN and Particle Swarm Optimization PSO Hybrid NN-PSO is done by finding the weights w and the bias b best of scheme NN where the fitness function in PSO are
Pada penelitian ini, metode backpropagation dan particle swarm optimization dipilih untuk melakukan prediksi jumlah penumpang kereta api.. Kedua metode ini memiliki beberapa parameter
