<![CDATA[Peramalan jumlah pengguna kereta api merupakan salah satu komponen penting dalam perencanaan untuk menentukan langkah-langkah strategis dalam suatu perusahaan. Jaringan syaraf tiruan merupakan salah satu metode yang telah banyak digunakan untuk menyelesaikan kasus peramalan. Kesulitan utama dalam implementasi metode jaringan syaraf tiruan dalam peramalan adalah menemukan kombinasi arsitektur yang tepat, menentukan nilai parameter laju pembelajaran yang sesuai dan pemilihan algoritme pelatihan yang optimal. Dalam makalah ini akan melakukan simulasi dengan menerapkan algoritme bayesian regularization (trainbr), algoritme Scaled Conjugate Gradient (trainscg), algoritme levenber-marquart (trainlm) dengan variasi jumlah neuron pada lapisan tersembunyi dan laju pembelajaran yang berbeda untuk menemukan kombinasi arsitektur yang tepat untuk menyelesaikan kasus peramalan pengguna kereta api. Dari simulasi yang dilakukan pada proses pelatihan yang menggunakan data runtun waktu dalam periode sepuluh tahun, arsitektur 12-30-1 dengan laju pembelajaran 0,5 dengan menggunakan algoritme pelatihan levenberg marquardt menunjukan hasil yang paling optimal dengan nilai MSE 0,000192 dan pada proses pengujian menunjukan nilai MAPE 23% yang termasuk dalam kategori cukup untuk digunakan dalam peramalan.]]>
Copyrights © 2017
