Perancangan Parameter Optimal Pada Peramalan <br>Temperatur Udara Menggunakan JST Conjugate Gradient Fletcher And Reeves</br>

Erit Eko Prabowo

Informasi Dasar

113030196
005.1
Karya Ilmiah - Skripsi (S1) - Reference

ABSTRAKSI: Peramalan temperatur udara adalah prediksi suhu yang terjadi pada suatu waktu berdasarkan data-data yang telah dikumpulkan pada suatu periode tertentu. Sekarang ini, informasi tentang suhu sangat diperlukan untuk membantu kita dalam memulai aktifitas sehari-hari, karena perubahan suhu yang terjadi akibat global warming ini sedikit banyak juga mempengaruhi kinerja seseorang untuk lebih produktif. Untuk itu diperlukan suatu sistem yang mampu mempelajari pola suhu yang terjadi sehari-hari. Pada penelitian ini digunakan JST (Jaringan Syaraf Tiruan) Backpropagation dengan optimasi menggunakan algoritma conjugate gradient Fletcher-Reeves untuk melakukan prakiraan suhu. Untuk mendapatkan hasil prakiraan yang optimal perlu dilakukan perancangan terhadap parameter JST. Berdasarkan hasil pelatihan dan prakiraan didapatkan parameter yang optimal yaitu arsitektur jaringan terdiri dari 6 unit input layer, 21 unit hidden layer, 1 output layer dan maksimum error 0,07. Hasilnya yaitu JST backpropagation menggunakan optimasi CGF dapat melakukan prakiraan temperatur dengan akurasi prakiraan mencapai 96%.Kata Kunci : peramalan temperatur udara, Backpropagation, conjugate gradientABSTRACT: Air temperature forecasting is to predict the temperature that happens in specific time based on data that has been gathered in period of time. The information about temperature is needed to help us in our daily activity. And the global warming effect had already affected the people productivity. For this reason, a system that could predict and learn the pattern of weather in our daily life. Artificial neural network with backpropagation training are used in this final project to predict the temperature using Conjugate Gradient Fletcher- Reeves as optimization. To improve accuracy, better ANN parameter design are needed. New optimum design based on result from training and forecasting are founded. The design are 6 input neuron , 21 hidden neuron, 1 output layer, using 0.07 for learning rate. Using this design, the accuracy are up to 96%.Keyword: air temperature forecasting, Backpropagation, conjugate gradient Fletcher-Reeves(CGF), parameter optimal, ANN.

Subjek

Informatika Teori dan Pemrograman
 

Katalog

Perancangan Parameter Optimal Pada Peramalan
Temperatur Udara Menggunakan JST Conjugate Gradient Fletcher And Reeves
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

Erit Eko Prabowo
Perorangan
Tjokorda Agung Budi Wirayuda, Andrian Rakhmatsyah
 

Penerbit

Universitas Telkom
Bandung
2010

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini