• Tidak ada hasil yang ditemukan

TA: IMPLEMENTASI BACKPROPAGATION BERDASARKAN PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI JUMLAH PENUMPANG KERETA API - Itenas Repository

N/A
N/A
Protected

Academic year: 2023

Membagikan "TA: IMPLEMENTASI BACKPROPAGATION BERDASARKAN PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI JUMLAH PENUMPANG KERETA API - Itenas Repository"

Copied!
2
0
0

Teks penuh

(1)

Institut Teknologi Nasional

viii DAFTAR ISI

HALAMAN PERNYATAAN ORISINALITAS ... i

LEMBAR PENGESAHAN ... i

POSTER ... iii

KATA PENGANTAR ... iv

HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK KEPENTINGAN AKADEMIS ... v

INTISARI ... vi

ABSTRACT ... vii

DAFTAR ISI ... viii

DAFTAR GAMBAR ... x

DAFTAR TABEL ... xi

DAFTAR LAMPIRAN ... xii

BAB 1 PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Rumusan Masalah ... 3

1.3.Tujuan ... 3

1.4.Ruang Lingkup ... 3

1.5.Tinjauan Pustaka ... 4

1.6.Tabel Pustaka ... 6

1.7.Kontribusi Penelitian ... 9

1.8.Sistematika Penulisan ... 9

BAB 2 LANDASAN TEORI ... 11

2.1.Neural Network ... 11

2.2.Algoritma Backpropagation ... 13

2.3.Particle Swarm Optimization (PSO) ... 20

2.4.Prediksi ... 23

2.5.Pengujian Kinerja Sistem ... 23

2.6.Studi Kasus ... 24

2.6.1. Studi Kasus Algoritma Particle Swarm Optimization ... 24

2.6.2. Studi Kasus Metode Backpropagation ... 28

BAB III METODE PENELITIAN... 37

3.1.Alur Kerja Sistem ... 37

3.2.Dataset ... 38

3.3.Metode yang di Gunakan ... 38

3.3.1. Block Diagram ... 38

3.3.2. Diagram Alir Optimasi Bobot Menggunakan Particle Swarm Optimization ... 40

3.3.3. Diagram Alir Pelatihan dengan Backpropagation ... 43

3.3.4. Diagram Alir Pengujian Sistem... 46

3.4.Proses Pelatihan ... 48

3.4.1. Data Pre-Processing ... 48

3.4.2. Mengoptimasi Bobot Awal dengan Particle Swarm Optimization .... 49

(2)

Institut Teknologi Nasional

ix

3.4.3. Melakukan Pelatihan Data Menggunakan Backpropagation ... 55

3.5.Perangkat ... 62

3.4.1. Perangkat Keras... 63

3.5.1. Perangkat Lunak ... 63

3.6.Perancangan Antarmuka ... 63

BAB IV IMPLEMENTASI DAN PENGUJIAN ... 67

4.1.Penggunaan Dataset Pelatihan dan Pengujian ... 67

4.2.Implementasi Graphical User Interface ... 67

4.2.1. Halaman Beranda ... 67

4.2.2. Halaman Pelatihan... 68

4.2.3. Halaman Pengujian ... 69

4.2.4. Halaman Metode Particle Swarm Optimization ... 69

4.2.5. Halaman Metode Backpropagation ... 70

4.3.Pengujian Sistem ... 70

4.3.1. Pengujian Alpha Perhitungan Normalisasi Dataset ... 71

4.3.2. Pengujian Alpha Perhitungan Best Fitness... 73

4.3.3. Pengujian Alpha Pembaruan Bobot... 75

4.3.4. Pengujian Alpha Perhitungan Waktu, Best MAPE, Best MSE dan Akurasi ... 76

4.3.5. Pengujian Alpha Menampilkan Model Jaringan ... 79

4.3.6. Pengujian Alpha Perhitungan Hasil Prediksi, MAPE, MSE dan Akurasi ... 80

4.3.7. Pengujian Alpha Perbandingan Data Target dan Prediksi ... 83

4.4.Pelatihan Dataset 4.5.Pengujian Kinerja Sistem ... 86

BAB V PENUTUP ... 90

5.1.Kesimpulan ... 90

DAFTAR PUSTAKA ... 91 LAMPIRAN A (Tabel Hasil Pencarian Model Jaringan) ... Lamp. A1

Referensi

Dokumen terkait

Penelitian ini diharapkan untuk meningkatkan hasil identifikasi tumbuhan obat berbasis citra menggunakan teknik optimasi particle swarm optimization pada

Dalam penelitian ini dilakukan metode optimasi menggunakan PSO (Particle Swarm Optimization) untuk menentukan penjadwalan preventive maintenance sehingga dapat

OPTIMASI NAÏVE BAYES CLASSIFIER DENGAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION PADA DATA IRIS.. Husin Muhamad 1 , Cahyo Adi Prasojo 2 , Nur Afifah Sugianto 3 , Listiya Surtiningsih 4

OPTIMASI NAÏVE BAYES CLASSIFIER DENGAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION PADA DATA IRIS.. Husin Muhamad 1 , Cahyo Adi Prasojo 2 , Nur Afifah Sugianto 3 , Listiya Surtiningsih 4

Pada penelitian ini penulis menerapkan optimasi menggunakan algoritma Particle Swarm Optimization untuk meningkatkan prediksi penyakit SLE hasil dari metode

Dalam penelitian ini peneliti memanfaatkan algoritma naive bayes dengan metode optimasi particle swarm optimization (PSO) dimana dataset yang digunakan dalam penelitian ini adalah

Perhitungan Economic Dispatch ini menggunakan metode Quantum-behaved Particle Swarm Optimization (QPSO) yang kemudian akan dibandinngkan dengan metode Particle Swarm Optimization

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