Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

P-Index

This Author published in this journals

All Journal Sainteks Techno (Jurnal Fakultas Teknik, Universitas Muhammadiyah Purwokerto) JUITA : Jurnal Informatika Proceeding Seminar LPPM UMP Tahun 2014 PROSIDING SENATEK FAKULTAS TEKNIK UMP Jurnal Informatika JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat)

Mr. Harjono, Mr.

Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Purwokerto

Author-ID : 2660345

Civil Engineering, Building, Construction & Architecture Computer Science & IT Education Engineering Environmental Science Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences

Published : 13 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Optimasi Algoritma Pelatihan Levenberg–Marquardt Berdasarkan Variasi Nilai Learning-Rate dan Jumlah Neuron dalam Lapisan Tersembunyi Hindayati Mustafidah; Amrisa Yanri Rahmadhani; Harjono Harjono
JUITA : Jurnal Informatika JUITA VoL. 7 Nomor 1, Mei 2019
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Backpropagation (BP) merupakan salah satu paradigma pembelajaran dalam jaringan syaraf tiruan yang dibangun dengan banyak lapisan untuk mengubah bobot–bobot yang terhubung dengan neuron pada lapisan tersembunyi. Pengubahan bobot dilakukan oleh sebuah algoritma pelatihan sehingga mendekati bobot optimal. Kinerja algoritma pelatihan dikatakan optimal dapat dilihat dari error yang dihasilkan (MSE). Semakin kecil MSE, semakin optimal kinerjanya. Beberapa penelitian yang dilakukan sebelumnya, diperoleh informasi bahwa algoritma pelatihan yang paling optimal berdasarkan MSE terkecil adalah algoritma Levenberg–Marquardt (LM) dengan rata–rata MSE 0.001 dengan tingkat pengujian α=5%. Penelitian tersebut menggunakan 10 neuron dalam lapisan tersembunyi. Keadaan optimal banyaknya neuron dalam lapisan tersembunyi yang dapat menghasilkan MSE paling kecil belum diketahui. Oleh karena itu, dalam penelitian ini dilakukan analisis untuk mengetahui jumlah neuron yang paling optimal dalam lapisan tersembunyi pada algoritma LM. Parameter jaringan yang digunakan yaitu 15 neuron dalam lapisan input, target error=0.001 (10-3) dan variasi nilai laju pembelajaran. Penelitian ini menggunakan metode campuran yaitu pengembangan program komputer dan pengujian data statistik menggunakan ANOVA. Pengembangan program komputer digunakan untuk membangkitkan data random sebagai masukan jaringan, menjalankan algoritma LM, dan menghasilkan data keluaran. Hasil analisis menunjukkan bahwa dengan 27 neuron pada lapisan tersembunyi menghasilkan MSE terkecil yaitu 0.0000807±0.0001220 dengan laju pembelajaran=0.8.

Address Resolution Protocol Functions in The Ethernet Harjono Harjono
JUITA : Jurnal Informatika JUITA Vol. 5 Nomor 2, November 2017
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Ethernet is the most popular network technology today. All devices connected within the network must follow protocols in order to communicate. One of the protocols in the TCP/IP protocol suites is the Address Resolution Protocol (ARP). The function of ARP is to translate logical addresses into physical addresses. This research aims to simulate the role of ARP in the Ethernet using Packet Tracer. The address resolution process performed by ARP, which originaly took place very quickly and was not visible. It can be observed in detail and clearly by the simulation. In the simulation, communication betwen hosts in the network can be done if the physical address of the destination host is known. If the physical address is not known then ARP will perform its function.

Co-Authors Agung Purwo Wicaksono Amrisa Yanri Rahmadhani Feri Wibowo Hindayati Mustafidah Lahan Adi Purwanto Lukni Maulana Maulida Ayu Fitriani Rahtami Susanti Sigit Adi Mulyanto Yefri Ardiansyah

Title Search

Found 2 Documents Search Journal : JUITA : Jurnal Informatika

Abstract

Abstract

Title

Found 2 Documents
Search
Journal : JUITA : Jurnal Informatika