<![CDATA[Penelitian ini membahas tentang penerapan neural network untuk peramalan data time series jumlah kedatangan wisatawan mancanegara di Indonesia. Data jumlah wisatawan merupakan data runtun waktu (time series), dimana khususnya di Indonesia data ini dikelola oleh Kementrian Pariwisata dan Badan Pusat Statistik. Data runtun waktu (time series) sangatlah menarik bagi banyak disiplin ilmu. Salah satu alasannya karena memungkinkan untuk menemukan nilai periode berikutnya pada sebuah urutan dari nilai masa lalu, dengan sedikit kesalahan. Metode yang dipilih adalah Neural Network dengan Tools Rapidminer Studio akan digunakan mulai dari tahapan pertama hingga tahapan akhir. Eksperimen dilakukan dengan melakukan perubahan pada beberapa parameter neural network seperti jumlah hidden layer, training cycle, learning rate maupun jumlah momentum. Penentuan hidden layer diupayakan semaksimal mungkin bertujuan untuk menghindari terjadinya permasalahan Overfitting dan Underfitting. Data set yang digunakan bersifat univariate. Penelitian ini membandingkan 2 fungsi aktivasi, yakni sigmoid biner dan sigmoid bipolar. Hasil yang dicapai, bahwasanya RMSE terkecil diperoleh dari penggunaan fungsi aktivasi sigmoid biner dengan nilai 0.061. dan arsitektur terabik yakni 12 input, 1 hidden dan 1 output. Penelitian ini menunjukkan hasil bahwa neural network memberikan hasil peramalan yang cukup baik bagi data time series univariate.]]>
Copyrights © 0000
