<![CDATA[Algoritma Levenberg Marquardt digunakan untuk pelatihan feedforward neural network karena keefektifan dan kecepatan konvergensinya. Levenberg Marquardt merupakan metode optimasi nonlinier yang digunakan pada saat koreksi error backpropagation untuk menemukan bobot yang disesuaikan. Salah satu cara untuk meningkatkan performa generalisasi jaringan syaraf tiruan adalah regularisasi. Tehnik regularisasi yang sering digunakan adalah regularisasi bayes. Penelitian ini dilakukan untuk mengetahui bagaimana kinerja jaringan syaraf tiruan dengan metode pelatihan Levenberg Marquardt dengan penambahan regularisasi untuk prediksi data time series serta membandingkan dengan algoritma Levenberg Marquardt tanpa regularisasi. Data yang digunakan dalam penelitian ini adalah data bulanan curah hujan, suhu rata-rata, kelembaban udara, tekanan udara di atas stasiun pengamatan dan kecepatan angin rata-rata di stasiun pengamatan Pangsuma Putussibau Kalimantan Barat dari tahun 2008-2009. Pelatihan data dilakukan pada jaringan syaraf pada satu hidden layer dengan tiga buah neuron dan satu buah neuron pada output layer. Arsitektur jaringan ditentukan dengan cara coba-coba dan melihat MSE pelatihan terbaik yang dihasilkan. Dalam kasus ini hasil penelitian menunjukan bahwa algoritma Levenberg Marquardt dengan regularisasi menjadi lebih baik. Kata kunci: Prediksi, Jaringan Syaraf Tiruan, Levenberg Marquardt, Bayes Regularisasi, Curah Hujan]]>
Copyrights © 2015
