Articles

Found 2 Documents
Search
Journal : Jurnal Teknik Informatika STMIK Antar Bangsa

Penerapan Jaringan Syaraf Tiruan Backpropagation Dalam Prediksi Produksi Bahan Pangan Pokok di Indonesia Syamsiah, Nurfia Oktaviani; Wahono, Romi Satria
Jurnal Teknik Informatika STMIK Antar Bangsa Vol 3, No 1 (2017): Vol 3 No.1 februari 2017
Publisher : Jurnal Teknik Informatika STMIK Antar Bangsa

Show Abstract | Original Source | Check in Google Scholar

Abstract

Abstract — Foods prediction is one of the ways applicable to know condition of food stockpiling. Even have available research about food material condition, but that research object just confines to one food and data material that is utilized is gross production data only. This research started by processing nettos production data their material food to get time series data of food. Method that is utilized is artificial neural network backpropagation  with data input is previous year datas. Severally experimental being done to get optimal architecture and resulting predicts that accurate. Result observationaling to point out optimal architecture is network with one input layer with 9 neuron, one hidden layer with 9 neuron and one output layer (9 - 6 - 1). Best activation function that is utilized is tansig, trainings function best is trainrp with epochs 138 with RMSEs 0,0100. Intisari — Prediksi bahan pangan pokok merupakan salah satu cara yang dapat digunakan untuk mengetahui kondisi persediaan pangan. Meskipun sudah ada penelitian tentang kondisi bahan pangan, tetapi objek penelitian tersebut hanya terbatas pada satu bahan pangan serta data yang digunakan adalah data produksi bruto saja. Penelitian ini diawali dengan mengolah data produksi netto masing-masing bahan pangan untuk mendapatkan nilai runtun waktu data produksi bahan pangan pokok. Metode yang digunakan adalah jaringan syaraf tiruan dengan input data adalah data-data tahun sebelumnya. Beberapa percobaan dilakukan untuk mendapatkan arsitektur yang optimal dan menghasilkan prediksi yang akurat.Hasil penelitian menunjukkan arsitektur yang optimal adalah jaringan dengan satu lapisan masukan dengan 9 neuron, satu lapisan tersembunyi dengan 6 neuron dan satu lapisan keluaran (9-6-1). Fungsi aktivasi terbaik yang digunakan adalah tansig, fungsi training terbaik adalah trainrp dengan epochs 138 yang menunjukan RMSE 0,0100. Keyword: Backpropagation, Neural Network, Prediction, Food
PENERAPAN ESDLC PADA SISTEM PAKAR FORWARD CHAINING DAN RULE BASE REASONING UNTUK DIAGNOSA AWAL PENYAKIT KARDIOVASKULAR DAN PARU-PARU MANUSIA Syamsiah, Nurfia Oktaviani
Jurnal Teknik Informatika STMIK Antar Bangsa Vol 1, No 1 (2015)
Publisher : Jurnal Teknik Informatika STMIK Antar Bangsa

Show Abstract | Original Source | Check in Google Scholar

Abstract

Abstract— The World Health Organization (WHO) estimates that there will be about 20 million deaths due to cardiovascular disease and lung in 2015. Thus, the current Cardiovascular Disease largest contributor to global mortality rate of single and will continue to dominate the mortality trend in the future. Besides the limited number of medical personnel who are able to diagnose the early symptoms of cardiovascular disease and lung increases the amount of ignorance someone who has the disease. Therefore, the diagnosis of the disease must be done quickly and accurately. Expert systems are offered as a second choice after specialist medical personnel. By using Expert System Development Life Cycle (ESDLC), the application of expert systems and rule-based forward chaining reasoning, simulation diagnose cardiovascular disease and lung providing solutions based on existing symptoms. Intisari— Organisasi Kesehatan Dunia (WHO) memperkirakan akan ada sekitar 20 juta kematian karena penyakit kardiovaskular dan paru-paru pada tahun 2015. Dengan demikian, Penyakit Kardiovaskular saat ini penyumbang terbesar angka kematian global yang tunggal dan akan terus mendominasi tren kematian di masa yang akan datang. Selain itu keterbatasan jumlah tenaga medis yang mampu mendiagnosa gejala awal penyakit kardiovaskular dan paru-paru meningkatkan jumlah ketidaktahuan seseorang akan penyakit yang dimilikinya tersebut. Oleh karena itu diagnosa pada penyakit tersebut harus dilakukan secara cepat dan akurat. Sistem pakar ditawarkan sebagai pilihan kedua setelah tenaga medis spesialis. Dengan menggunakan metode Expert System Development Life Cycle (ESDLC), penerapan sistem pakar forward chaining dan aturan berbasis penalaran, simulasi mendiagnosa penyakit kardiovaskular dan paru-paru memberikan solusi berdasarkan gejala yang ada. Keyword: sistem pakar,  forward chaining, rule based reasoning, kardiovaskular, paru-paru