IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION DENGAN MODIFIKASI BOBOT MENGGUNAKAN MOMENTUM DALAM MEMPREDIKSI JUMLAH KEDATANGAN WISATAWAN MANCANEGARA KE INDONESIA MELALUI BANDARA NGURAH RAI BALI

Kusuma , Fachry Adhya and Endah, Sukmawati Nur (2017) IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION DENGAN MODIFIKASI BOBOT MENGGUNAKAN MOMENTUM DALAM MEMPREDIKSI JUMLAH KEDATANGAN WISATAWAN MANCANEGARA KE INDONESIA MELALUI BANDARA NGURAH RAI BALI. Undergraduate thesis, Universitas Diponegoro.

[img]
Preview
PDF
Available under License Creative Commons Attribution Non-commercial Share Alike.

561Kb

Abstract

Pariwisata merupakan salah satu faktor penting dalam perekonomian sebuah negara. Berbagai tempat pariwisata yang tersebar di seluruh pelosok Indonesia memiliki daya tarik tersendiri bagi para wisatawan. Banyaknya wisatawan yang berkunjung ke Indonesia harus diimbangi dengan fasilitas tempat wisata itu sendiri. Peramalan jumlah kedatangan wisatawan mancanegara yang masuk ke suatu negara sangat dibutuhkan bagi pemerintah maupun pelaku bisnis pariwisata. Dengan mampu meramalkan jumlah kedatangan tersebut, diharapkan akan mampu mengoptimalkan persiapan dalam menerima kedatangan wisatawan mulai dari segi fasililitas hingga keamanan. Prediksi dapat dilakukan dengan menggunakan metode jaringan syaraf tiruan. Salah satu model yang mendukung prediksi atau peramalan adalah backpropagation. Dalam penelitian ini, penulis mencoba menambahkan modifikasi dalam proses backpropagation untuk mempercepat pelatihan dengan memodifikasi bobot menggunakan momentum. Data penelitian merupakan data kedatangan wisatawan mancanegara di Bandara Ngurah Rai setiap bulan dari bulan Januari 2008 sampai dengan Desember 2016, dengan jumlah data sebanyak 108 data. Pengujian dilakukan menggunakan K Fold untuk time series dengan nilai k = 6. Hasil penelitian menunjukkan bahwa arsitektur terbaik pada penelitian ini dengan kombinasi parameter-parameter terbaik yaitu dengan learning rate (α) sebesar 0,7; momentum (μ) sebesar 0,5; 10 hidden neuron, epoch maksimum sebanyak 1000 epoch, dan target error sebesar 0,001 dengan perolehan nilai Mean Square Error (MSE) pengujian sebesar 0,00583.

Item Type:Thesis (Undergraduate)
Subjects:Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions:Faculty of Science and Mathematics > Department of Computer Science
ID Code:60759
Deposited By:Mrs. Khadijah .
Deposited On:13 Feb 2018 11:22
Last Modified:13 Feb 2018 11:22

Repository Staff Only: item control page