Aplikasi jaringan syaraf tiruan dalam penghitungan persentase kebenaran klasifikasi pada klasifikasi jurusan siswa di SMA N 8 Surakarta

Penulis Utama : Desi Fitria Utami
NIM / NIP : M0103025
× Abstrak. Jaringan Syaraf Tiruan (JST) adalah sistem pemroses informasi yang memili- ki karakteristik mirip dengan jaringan syaraf biologi, sebagaimana dituliskan oleh Fausett [1]. JST memiliki kemampuan menyimpan pengetahuan berdasarkan pengalaman dan men- jadikan simpanan pengetahuan yang dimiliki menjadi bermanfaat. Salah satu aplikasi dari JST adalah pengklasifikasian. Dalam penelitian ini, JST akan diaplikasikan dalam penjurus- an siswa kelas X SMA N 8 Surakarta. Tujuan dari penelitian ini adalah membandingkan hasil pengklasifikasian dari JST dengan menggunakan arsitektur singlelayer feedforward neural network dan multilayer feedforward neural network. Hasil penelitian menunjukkan bahwa penjurusan menggunakan arsitektur singlelayer feedforward neural network menghasilkan kebenaran klasifikasi yang lebih baik dibandingkan dengan menggunakan arsitektur multilayer feedforward neural network. Se- hingga JST dengan arsitektur singlelayer feedforward neural network lebih direkomendasikan sebagai prosedur evaluasi penjurusan siswa kelas X SMU N 8 Surakarta. Kata kunci: Jaringan Syaraf Tiruan (JST), singlelayer feedforward neural network, Mul- tilayer Feedforward Neural Network, Backpropagation.
×
Penulis Utama : Desi Fitria Utami
Penulis Tambahan : -
NIM / NIP : M0103025
Tahun : 2003
Judul : Aplikasi jaringan syaraf tiruan dalam penghitungan persentase kebenaran klasifikasi pada klasifikasi jurusan siswa di SMA N 8 Surakarta
Edisi :
Imprint : Surakarta - FMIPA - 2003
Program Studi : S-1 Matematika
Kolasi :
Sumber : UNS-FMIPA-M.0103025-2003
Kata Kunci :
Jenis Dokumen :
ISSN :
ISBN :
Link DOI / Jurnal : -
Status : Public
Pembimbing :
Penguji :
Catatan Umum :
Fakultas : Fak. MIPA
×
File : Harus menjadi member dan login terlebih dahulu untuk bisa download.