PENERAPAN METODE NEURAL NETWORK UNTUK MEMPREDIKSI HASIL PEMILU LEGISLATIF
Teks penuh
Gambar
Dokumen terkait
hidden layer diteruskan ke output layer yang terdiri dari 3 buah neuron sesuai dengan tingkat kesegaran yang akan ditetapkan, pada penelitian ini tingkat kesegaran yang
sebagai berikut epoch, target error, learning rate, jumlah output, jumlah hidden layer, momentum , yang selanjutnya dilakukan inisialisasi bobot jaringan, setelah
Setelah didapat nilai optimal untuk parameter dropout sebesar 0,2 (Pengujian 1, Tabel 4.7) dan jumlah neuron yang akan digunakan pada hidden layer LSTM sebanyak 198
Untuk mengetahui pengaruh dari tiap parameter yang ada pada ars itektur jaringan s eperti, jumlah neuron hidden layer, penggunaan bias , dan learning rate maka dilakukan
Dapat dilihat pada percobaan pertama data penyakit kanker payudara dengan parameter yaitu hidden layer 5, learning rate 2 dan iterasi 5000 menghasilkan akurasi sebesar 99,3 % dengan
Sebagai patokan awal untuk menentukan jumlah neuron dalam hidden layer ditentukan dengan: Jumlah neuron = 0.5 neuron input – neuron output + “ jumlah pola training set Di bawah ini
sebagai berikut epoch, target error, learning rate, jumlah output, jumlah hidden layer, momentum, yang selanjutnya dilakukan inisialisasi bobot jaringan, setelah melakukan
Pemodelan yang dihasilkan pada penelitian ini memiliki nilai RMSE sebesar 15,383 dengan parameter dataset 60 data training, 40 Testing, training cycle 100, learning rate 0.08, dan
