Surya Ade Yahya
STMIK Banjarbaru

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan Algoritma Backpropagation Untuk Prediksi Kebutuhan Air Bersih pada PDAM Intan Banjar Bahar Bahar; Surya Ade Yahya
Progresif: Jurnal Ilmiah Komputer Vol 15, No 1: Februari 2019
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (547.329 KB) | DOI: 10.35889/progresif.v15i1.326

Abstract

Abstrak Air mempunyai peranan yang sangat penting dalam kehidupan manusia dan makhluk lainnya di alam ini. Tidak ada satupun kehidupan di dunia yang tidak membutuhkan air. Pertumbuhan penduduk harus diikuti dengan ketersediaan air bersih yang sehat dan cukup, karna itu diperlukannya suatu penerapan prediksi dalam menentukan jumlah produksi air bersih yang tepat, agar mencegah terjadinya kekurangan dan kelebihan air bersih yang akan berdampak pada penambahan biaya bahan baku penjernih air. Untuk itulah diperlukan sebuah prediksi dengan Backpropagation Neural Network (BPNN) yang bisa digunakan untuk prediksi data time series. BPNN dipilih karena merupakan model non-linier yang dapat di training untuk dapat memetakan data historikal dan data masa depan dati data time series dengan cara demikian ekstrak struktur hidden dan hubungannya yang dapat menentukan data yang diramalkan. Berdasarkan perancangan, pengujian, dan analisis yang telah dilakukan, dapat disimpulkan dari hasil pengujian yang dilakukan untuk memperoleh hasil diperlukan bobot yang mempunyai akurasi yang tinggi sehingga dapat menghasilkan sebuah prediksi yang lebih tepat. Kata Kunci: Backpropagation, Prediksi, Kebutuhan Air Abstract Water has a very important role in the lives of humans and other creatures in nature. There is no life in the world that does not need water. Population growth should be followed by the availability of clean and healthy water, because it requires a prediction application in determining the exact amount of clean water production, in order to prevent the occurrence of shortages and excess water that will affect the addition of raw water purification raw materials cost. For that we need a prediction with Backpropagation Neural Network (BPNN) that can be used to predict time series data. BPNN was chosen because it is a non-linear model that can be trained to be able to map historical data and future data from time series data by thereby extracting hidden structures and their relationships that can determine predicted data. Based on the design, testing, and analysis that has been done, it can be concluded from the results of tests conducted to obtain the results required weight that has a high accuracy so as to produce a more precise prediction. Keywords: Backpropagation, Prediction, Water Needs