Analisis Pengaruh Pembobotan dengan Metode Nguyen Widrow dalam Backpropagation untuk Prediksi

Abstract

Much deviation between the predicted results with the fact that there are actually found. To get the accurate prediction of many things to consider, among others, methods for prediction. The method used for prediction, the thesis Backpropagation. Backpropagation reduces the ability to perform error correction by weight makes this method is often used for prediction. Initial weighting in backpropagation can be done randomly or by a method Nguyen Widrow. To improve the accuracy of the predictions made by the initial weighting Nguyen Widrow method. This is because this method can improve the ability of the hidden layer in the learning process by adjusting the weights and bias early in the training patterns are used. Weighting both in backpropagation to reduce error that results achieved are accurate.Backpropagation parameter used is the number of input 8 input nodes, the number of nodes in the hidden layer node 18, a target error of 0.01. The results of tests performed on elements of the system is able to predict the weather with accuracy levels up to 98%.

Penyimpangan yang jauh antara hasil prediksi dengan kenyataan yang sebenarnya masih ada ditemukan. Untuk mendapatkan hasil prediksi yang akurat banyak hal yang harus diperhatikan antara lain metode untuk prediksi. Metode yang digunakan untuk prediksi, dalam tesis ini adalah Backpropagation. Kemampuan Backpropagation untuk menguragi error dengan melakukan koreksi bobot menjadikan metode ini sering digunakan untuk prediksi. Pembobotan awal dalam backpropagation dapat dilakukan secara random ataupun dengan metode Nguyen Widrow. Untuk meningkatkan keakuratan hasil prediksi maka pembobotan awal dilakukan dengan metode Nguyen Widrow. Hal ini disebabkan karena metode ini dapat meningkatkan kemampuan lapisan tersembunyi dalam melakukan proses pembelajaran dengan cara menyesuaikan bobot dan bias awal dengan pola pelatihan yang digunakan. Pembobotan yang baik dalam backpropagation mampu mengurangi error sehingga hasil yang dicapai menjadi akurat. Parameter backpropagation yang digunakan yaitu jumlah input masukan 8 node, jumlah node pada hidden layer 18 node, target error sebesar 0,01. Hasil pengujian yang dilakukan terhadap unsur cuaca sistem ini mampu memprediksi dengan tingkat keakuratan sampai dengan 98%.