<![CDATA[Telah dikembangkan model peramalan penggunaan bandwidth di FMIPA UNS menggunakan jaringan saraf tiruan backpropagation dengan pemilihan variabel input pada jaringan saraf berdasarkan best subset regression. Data penggunaan bandwidth diperoleh dari grafik cacti periode 15 Juli 2013-15 September 2013 dengan data pelatihan 220 data yang terdiri atas data beban download average, download maximum, download minimum, upload average, upload maximum dan upload minimum. Data diklasifikasikan menurut jam dengan 4 kategori, yaitu pagi, siang, sore, dan malam, hari dengan 7 kategori, dan kondisi dengan kategori pada saat libur lebaran, liburan, awal kuliah, kuliah, dan krs. Variabel input jaringan saraf tiruan yang dipertimbangkan dalam pembuatan model adalah data beban pada 3 hari sebelumnya (Yt-12), data beban pada 2 hari sebelumnya (Yt-8), data beban pada 1 hari sebelumnya (Yt-4), jam, hari, dan masa. Beberapa model peramalan telah diuji dan menunjukkan bahwa model linier regression paling memadai. Dengan best subset regression diperoleh variabel input pada jaringan saraf tiruan yang tepat untuk model peramalan adalah jam, hari dan masa. Sedangkan data beban sebelumnya (Yt-4) yang berpengaruh pada download average, download maximum, download minimum, upload average dan upload minimum, Data beban pada 2 hari sebelumnya (Yt-8) berpengaruh pada download minimum, dan data beban pada 3 hari sebelumnya (Yt-12) berpengaruh pada download maximum (R-sq(adj) = 70.2). Model peramalan yang diuji meliputi download average, download maximum, download minimum, upload average, upload maximum dan upload minimum. Pengujian model peramalan menggunakan jaringan saraf tiruan backpropagation dengan 2 hidden layer menujukkan bahwa hasil pengujian terhadap 112 data menunjukkan hubungan antara prediksi dengan target semuanya signifikan pada α=0.01 dengan r bekisar (0.25-0.64).]]>
