• Tidak ada hasil yang ditemukan

Penerapan Jaringan Saraf Tiruan Algoritma Backpropagation Untuk Penyusunan Jadwal Mata Kuliah di Jurusan Matematika FMIPA USU

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2017

Membagikan "Penerapan Jaringan Saraf Tiruan Algoritma Backpropagation Untuk Penyusunan Jadwal Mata Kuliah di Jurusan Matematika FMIPA USU"

Copied!
1
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 1 Halaman )

Teks penuh

(1)

39

DAFTAR PUSTAKA

Andrijasa, M.F. dan Mistianingsih. 2010. Penerapan jaringan syaraf tiruan untuk

memprediksi jumlah pengangguran di provinsi Kalimantan Timur dengan

menggunakan algoritma pembelajaran backpropogation. Jurnal Informatika

Mulawarman. 5(1): hal 50-54.

Hermawan, A. 2006.Jaringan Saraf Tiruan: Teori dan Aplikasi. Edisi ke-1.

Yogyakarta, Indonesia. C. V. ANDI OFFSET.

Indrajani, Martin. 2004. Pemrograman Berorientasi Objek dengan Java.Elex Media

Komputindo. Jakarta, Indonesia.

Kröse, B., Smagt, Patrick.v.d. 1996. An Introduction to Neural Network. University of

Amsterdam, Netherlands.

Kusumadewi, S. 2003. Artificial Intelligence.Edisi ke-1. Penerbit Graha Ilmu.

Yogyakarta, Indonesia.

Puspitaningrum, D. 2006. Pengantar Jaringan Saraf Tiruan. Edisi ke-1. Yogyakarta,

Indonesia. C. V. ANDI OFFSET.

Setiawan, S. 1993. Artificial Intelligence.Edisi ke-1. Yogyakarta, Indonesia. C. V.

ANDI OFFSET.

Sutojo, T., Mulyanto, E., Suhartono, V. 2011.Kecerdasan Buatan.Edisi ke-1.

Yogyakarta, Indonesia. C. V. ANDI OFFSET.

http://id.wikipedia.org/wiki/Jaringan_saraf_tiruan. Diakses tanggal 4 Februari 2013

Referensi

Unduh sekarang ( PDF - 1 Halaman - 527.90 KB )

Dokumen terkait

Prediksi Kerusakan Motor Induksi Menggunakan Metode Jaringan Saraf Tiruan Backpropagation ”.

Untuk menghindari kerusakan total pada motor induksi, pada penelitian ini digunakan metode jaringan saraf tiruan dengan algoritma backpropagation untuk memprediksi kerusakan

Jaringan Saraf Tiruan Resilient Backpropagation Untuk Memprediksi Faktor Dominan Injury Severity Pada Kecelakaan Lalu Lintas

Jaringan saraf Resilient Backpropagation menggunakan 2 hidden layer dengan jumlah hidden neuron 100 pada layer pertama dan 150 pada layer kedua mampu memprediksi

ALGORITMA BACKPROPAGATION PADA JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA WAYANG KULIT.

Berdasarkan hasil pengujian, penggunaan metode jaringan saraf tiruan dengan Algoritma Backpropagation memberikan hasil cukup baik untuk mengenali gambar yang terdapat pada training

DETEKSI CACAT UBIN KERAMIK DENGAN METODE JARINGAN SARAF TIRUAN DAN ALGORITMA BACKPROPAGATION

Dengan menerapkan Jaringan Saraf Tiruan dan algoritma Backpropagation yang di aplikasikan pada Software Matlab sebagai aplikasi pengolahan citra diharapkan dapat digunakan

JARINGAN SARAF TIRUAN UNTUK MEMPREDIKSI TINGKAT PEMAHAMAN SISIWA TERHADAP MATAPELAJARAN DENGAN MENGGUNAKAN ALGORITMA BACKPROPAGATION

Dari uraian diatas penulis melakukan penelitian dengan judul jaringan saraf tiruan untuk memprediksi tingkat pemahaman siswa terhadap mata pelajaran dengan

Analisis Jaraingan Saraf Tiruan Backpropagation Menggunakan Conjugate Gradient Fletcher Reeves dalam Proses Memprediksi

Ramandha (2015) melakukan penelitian untuk memprediksi Kelahiran Prematur pada RSUPN Cipto Mangunkusumo dengan menggunakan Algoritma Neural Network Berbasis Particle

IDENTIFIKASI NADA PIANO MENGGUNAKAN ALGORITMA HARMONIC WAVELET TRANSFORM DENGAN KLASIFIKASI JARINGAN SARAF TIRUAN BACKPROPAGATION

Dari hasil analisis terhadap pengujian yang dilakukan pada sistem identifikasi nada piano menggunakan algoritma Harmonic Wavelet Transform dan jaringan syaraf tiruan

Algoritma Backpropagation untuk Jaringan Saraf

Algoritma Backpropagation adalah algoritma pembelajaran terawasi yang digunakan untuk mengubah bobot neuron dalam jaringan perceptron berlapis untuk klasifikasi dan