Article Per Year (5 Year)
p-Index From 2021 - 2026
0.778
P-Index
This Author published in this journals
All Journal Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) J-SAKTI (Jurnal Sains Komputer dan Informatika) CSRID (Computer Science Research and Its Development Journal) Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) J-SAKTI (Jurnal Sains Komputer dan Informatika)
Bambang Lareno, Bambang
STMIK Indonesia Banjarmasin
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Energy

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : CSRID (Computer Science Research and Its Development Journal)

 1 
ANALISA DAN PERBANDINGAN AKURASI MODEL PREDIKSI RENTET WAKTU ARUS LALU LINTAS JANGKA PENDEK Lareno, Bambang
CSRID (Computer Science Research and Its Development Journal) Vol 6, No 3 (2014): CSRID OKtober 2014
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (784.171 KB) | DOI: 10.22303/csrid.6.3.2014.148-158

Abstract

Abstrak Terdapat banyak algoritma yang dapat dipakai untuk memprediksi arus lalu lintas, namun belum diketahui algoritma manakah yang memiliki kinerja lebih akurat untuk lalu lintas di Indonesia. Algoritma-algoritma tersebut perlu diuji untuk mengetahui algoritma manakah yang memiliki kinerja lebih akurat. Metode yang diusulkan adalah metode perbandingan tingkat akurasi dari algoritma berbasis neural network yang bisa digunakan untuk prediksi data rentet waktu. Algoritma yang akan diuji adalah back Propagation Neural Network (BP-NN), Adaptive Neuro Fuzzy Inference System (ANFIS), Wavelet Neural Network (WNN), dan Evolving Neural Network (ENN), yang digunakan untuk memprediksi arus lalulintas. Masing-masing algoritma akan implementasikan dengan menggunakan MatLab 2009b. Pengukuran kinerja dilakukan dengan menghitung rata-rata error yang terjadi melalui besaran Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE) dan Mean Absolute Deviation (MAD). Semakin kecil nilai dari masing-masing parameter kinerja ini menyatakan semakin dekat nilai prediksi dengan nilai sebenarnya. Dalam penelitian ini diketahui bahwa Algoritma ENN memprediksi arus lalu lintas dengan lebih akurat.
Co-Authors A.A. Ketut Agung Cahyawan W Amadeus, Clarence Astono, Filipus Dani Budi Setiadi, Budi Chandra, Elbert Edward, E Finki Dona Marleny Ghandy, G Husnul Maad Junaidi, Husnul Maad Indra Pranata, Indra Lawalata, Sanga Liliana Swastina Mambang Meila Izzana, Meila Ricardus A P, Ricardus A Rudy Ansari Sugiarto, Hendrik S. Surjaningtyas, Pegasus Violin Wiratman, Daniel Yuslena Sari, Yuslena