IMPLEMENTASI ALGORITMA PROPAGASI BALIK DALAM EVALUASI PRODUKSI PADI TAHUNAN PROVINSI JAWA BARAT
Evaluasi produksi padi merupakan salah satu pekerjaan yang cukup sulit diselesaikan karena terkait dengan model kausal, dimana variabel yang akan dievaluasi (variabel dependen) terkait dengan variabel lain (variabel independen) dalam model. Beberapa metode yang dapat digunakan untuk menyelesaikan ma...
Saved in:
| Main Author: | |
|---|---|
| Format: | Book |
| Published: |
2015-10-22.
|
| Subjects: | |
| Online Access: | Link Metadata |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Evaluasi produksi padi merupakan salah satu pekerjaan yang cukup sulit diselesaikan karena terkait dengan model kausal, dimana variabel yang akan dievaluasi (variabel dependen) terkait dengan variabel lain (variabel independen) dalam model. Beberapa metode yang dapat digunakan untuk menyelesaikan masalah yang berhubungan dengan metode kausal ini adalah metode regresi dan metode jaringan saraf tiruan khususnya algoritma propagasi balik. Pada penelitian ini, metode jaringan saraf tiruan algoritma propagasi balik digunakan untuk mengevaluasi produksi padi di Jawa Barat, dalam metode tersebut diperlukan sebuah jaringan yang optimal untuk untuk memberikan hasil evaluasi dengan akurasi yang tinggi. Jaringan dikatakan optimal jika proses training dan testing menghasilkan nilai galat yang kecil dan nilai akurasi yang tinggi. Satuan galat yang digunakan pada penelitian ini adalah mean square error (MSE). Pada penelitian ini juga berhasil dibuat sebuah aplikasi untuk membuktikan hasil evaluasi dan keabsahan penelitian. Dari serangkaian pengujian pada kasus evaluasi produksi padi Provinsi Jawa Barat didapatkan beberapa hasil yang mencapai akurasi yang diharapkan. Adapun hasil rata-rata akurasi terbaik dari eksperimen yang dilakukan adalah sebesar 83.3 % dengan 6 lapisan masukan, 19 lapisan tersembunyi, 1 lapisan keluaran, dan nilai learning rate-nya 0.1. Kata Kunci : Evaluasi, produksi padi, propagasi balik. Evaluation of rice production is one of a job that is quite difficult to solve because it is associated with the causal model, where the variable that will be evaluated (the dependent variable) associated with other variables (independent variables) in the model. Several methods can be used to solve the problems associated with causal method is a regression method and neural network method specifically backpropagation algorithm. In this research, the backpropagation algorithm is used to evaluate rice production in West Java, to provide the high accuracy result this menthod required an optimal network. The network is said to be optimal if training and testing process produces a small error value and high accuracy value. Unit error used in this research is the mean square error (MSE). In this research also successfully made an application to prove the validity of the results of the evaluation and research. From a series of tests in the case of evaluation of rice production in West Java province obtained some results achieve the expected accuracy. The average yield best accuracy from the eksperiment used are 83.3% with 6 input layer, 1 output layer, 19 hidden layer, and 0.1 learning rate. Keywords : Evaluation, rice production, backpropagation. |
|---|---|
| Item Description: | http://repository.upi.edu/19304/1/S_KOM_0902256_Title.pdf http://repository.upi.edu/19304/2/S_KOM_0902256_Abstract.pdf http://repository.upi.edu/19304/3/S_KOM_0902256_Table_of_content.pdf http://repository.upi.edu/19304/4/S_KOM_0902256_Chapter1.pdf http://repository.upi.edu/19304/5/S_KOM_0902256_Chapter2.pdf http://repository.upi.edu/19304/6/S_KOM_0902256_Chapter3.pdf http://repository.upi.edu/19304/7/S_KOM_0902256_Chapter4.pdf http://repository.upi.edu/19304/8/S_KOM_0902256_Chapter5.pdf http://repository.upi.edu/19304/9/S_KOM_0902256_Bibliography.pdf http://repository.upi.edu/19304/10/S_KOM_0902256_Appendix.pdf |