Abstract:Abstract: Rokan Hulu Regency is one of the regencies in Riau Province and has 2 large rivers, namely the Rokan Kanan River and the Rokan Kiri River. When the level of rainfall is high, the river flow overflows and causes…
flooding in several sub-districts. Climate change that is happening has an impact on changes in rainfall patterns, to overcome the impacts of climate change Rokan Hulu Regency needs to take early steps before a flood disaster occurs. The method used in processing the data is the backpropagation method and data processing using the Matlab software. Data processing was carried out on rainfall data for the last 6 years, from 2015 to 2020, which was sourced from the Rokan Hulu Regency Statistics Agency. Rainfall data from 2015 to 2019 is used as input data, while 2020 is the target. The data processing stage begins with data normalization and determining network training parameters. Artificial neural network research was carried out on rainfall data with a 5-5-1 architecture. The results of testing the rainfall data show prediction results with high accuracy, where the average accuracy rate reaches 98.17% with the highest accuracy of 99.99% while the lowest accuracy is 91.53%. The prediction results show a fairly high level of accuracy so that they can be used as evaluation material.
Keywords: artificial neural network; backpropagation; prediction; rainfall
Abstrak: Kabupaten Rokan Hulu merupakan salah satu kabupaten yang berada di Provinsi Riau dan memiliki 2 aliran sungai besar yaitu sungai rokan kanan dan sungai rokan kiri. Ketika tingkat curah hujan tinggi aliran sungai meluap dan menyebabkan banjir beberapa kecamatan. Perubahan iklim yang terjadi memberikan dampak pada perubahan pola curah hujan, untuk menanggulangi dampak perubahan iklim Kabupaten Rokan Hulu perlu melakukan langkah-langkah dini sebelum terjadi bencana banjir. Metode yang digunakan dalam mengolah data yaitu metode backpropagation dan pengolahan data menggunakan software Matlab. Pengolahan data dilakukan pada data curah hujan selama 6 tahun terakhir yaitu dari tahun 2015 sampai dengan 2020 yang bersumber dari Badan Statistik Kabupaten Rokan Hulu. Data curah hujan tahun 2015 sampai dengan tahun 2019 sebagai data input sedangkan tahun 2020 sebagai target. Tahapan pengolahan data diawali dengan melakukan normalisasi data dan menentukan parameter pelatihan jaringan. Penelitian jaringan saraf tiruan dilakukan pada data curah hujan dengan arsitekur 5-5-1. Hasil pengujian terhadap data curah hujan menunjukkan hasil prediksi dengan akurasi yang tinggi, dimana tingkat akurasi rata-rata mencapai 98,17% dengan akurasi tertinggi sebesar 99,99% sedang akurasi terendah sebesar 91,53%. Hasil prediksi menunjukkan tingkat akurasi yang cukup tinggi sehingga dapat digunakan sebagai bahan evaluasi.
Kata kunci: backpropagation; curah hujan; jaringan saraf tiruan; prediksi
Abstract:Abstract: Gender classification is one of the most important tasks of video analysis. A machine learning-based approach was presented to identify male and female facial images with a data set of 2000 images taken from kaggles. …
ggles. This method plays a role in finding the weight value that gives the best output value. This study uses the most appropriate learning rate of each optimization method as a criterion for stopping training. The results showed that the Artificial Neural Network with Adam optimization produced the highest accuracy, which was 91.5% compared to the SGD and ADADELTA optimization methods. Deep Learning techniques that are applied extensively to image recognition used utilize Adam's optimizer method.
Keywords: artificial neural networks; adadelta; adam; gender; sgm;
Abstrak: Klasifikasi gender adalah salah satu tugas analisis video yang paling penting. Pendekatan berbasis machine learning disajikan untuk mengidentifikasi gambar wajah Pria dan Wanita dengan kumpulan data sebanyak 2000 gambar yang diambil dari kaggle. Metode ini berperan dalam menemukan nilai bobot yang memberikan nilai keluaran terbaik. Penelitian ini menggunakan learning rate yang paling sesuai dari masing-masing metode optimasi sebagai kriteria pemberhentian pelatihan. Hasil penelitian menunjukkan Jaringan Saraf Tiruan dengan optimasi Adam menghasilkan akurasi tertinggi yaitu 91,5 % dibandingkan dengan dengan metode optimasi SGD dan ADADELTA. Teknik Deep Learning yang diterapkan secara ekstensif pada pengenalan gambar yang digunakan memanfaatkan metode optimizer Adam.
Kata kunci: Adadelta; Adam; Jaringan Syaraf; Gender; Tiruan; SGM;
Abstract:Abstract: A research institute explains that with 83.7 million people using the Internet, Indonesia is among the top 20 internet users globally. Various individual or group activities require an internet network, one of…
which is playing games, for developments in the gaming sector, especially the MOBA (Massive Online Battle Arena) genre game, is being hotly discussed. There are various kinds of MOBA genre games, one of which is the Mobile Legends game. Many E-Sport Mobile Legends teams, especially in Asia, make this phenomenon a business space to generate large profits. In this study, the researcher recommends a good machine learning algorithm to predict the outcome of Mobile Legends matches. Of the 600 match history data analyzed, this study recommends the Artificial Neural Network (ANN) and Random Forest (RF) algorithms as the right algorithms to predict the outcome of the match. Prediction results from each algorithm can reach 82% and 80% accuracy. These findings can help the E-sports analysis team build their match strategy.
Keywords: artificial neural networ; machine learning; mobile legend; prediction; random forest
Abstrak: Sebuah lembaga penelitian menjelaskan bahwa dengan 83,7 juta penduduk yang menggunakan Internet, Indonesia termasuk di dalam 20 besar pengguna internet secara global. Berbagai aktivitas individu atau kelompok membutuhkan jaringan internet, salah satunya adalah bermain game, untuk perkembangan pada sektor game khususnya game bergenre MOBA (Massive Online Battle Arena) sedang hangat diperbincangkan. Ada berbagai macam game bergenre MOBA, salah satunya game Mobile Legends. Banyak tim E-Sport Mobile Legends khususnya di asia menjadikan fenomena ini sebagai ruang bisnis untuk menghasilkan keuntungnya yang besar. Dalam penelitian ini, peneliti merekomendasikan algoritma pembelajaran mesin yang baik untuk memprediksi hasil pertandingan Mobile Legends. Dari 600 data riwayat pertandingan yang dianalisis, penelitian ini merekomendasikan algoritma Artificial Neural Network (ANN) dan Random Forest (RF) sebagai algoritma yang tepat untuk memprediksi hasil pertandingan. Hasil prediksi dari masing-masing algoritma dapat mencapai 82% dan akurasi 80%. Temuan ini dapat membantu tim analisis E-sports membangun strategi pertandingan mereka.
Kata kunci: artificial neural network; machine learning; mobile legend; prediksi; random forest
Abstract:Abstract: l -The field of computer vision is research in development technology to obtain information from images and replicate or imitate human visual processes, so that they can understand the objects around them. Deep…
learning is a term used to describe a new era in learning that supports computer learning from big data machines. Convolutional Neural Networks (CNN) algorithms have made significant progress in the fields of object detection, image classification, and semantic segmentation. ;Object detection is a technique used to identify the type of object in a given image and the location of the object in the image. The field of computer vision is research in development technology to obtain information from images and replicate or imitate human visual processes, so that computers can know objects around them. Deep learning is the buzzword as a new era in machine learning that trains computers to find patterns from large amounts of data. Convolutional Neural Networks (CNN) algorithms have made significant progress in the fields of object detection, image classification, and semantic segmentation. Object detection is a technique used to identify the type of object in a particular image as well as the location of the object in the image.
Keywords: CNN, Computer Vision, Deep Learning, Face Detection;
Abstrak: 1 Bidang computer vision merupakan penelitian dalam teknologi pembangunan untuk memperoleh informasi dari citra dan mereplikasi atau meniru proses visual manusia, sehingga dapat memahami objek - objek disekelilingnya. Pembelajaran mendalam adalah istilah yang digunakan untuk menggambarkan era baru dalam pembelajaran mesin yang memungkinkan komputer belajar dari sejumlah besar data. [Algoritma Convolutional Neural Networks (CNN) telah membuat kemajuan yang signifikan di bidang deteksi objek, klasifikasi gambar, dan segmentasi semantik. Deteksi objek adalah teknik yang digunakan untuk mengidentifikasi jenis objek dalam citra yang diberikan serta lokasi objek di dalam citra. Bidang computer vision merupakan penelitian dalam teknologi pembangunan untuk memperoleh informasi dari citra dan mereplikasi atau meniru proses visual manusia, sehingga komputer dapat mengetahui objek - objek disekelilingnya. Deep learning adalah kata kunci sebagai era baru dalam machine learning yang melatih komputer dalam menemukan pola dari jumlah besar data. Algoritma Convolutional Neural Networks (CNN) telah membuat kemajuan yang signifikan di bidang deteksi objek, klasifikasi gambar, dan segmentasi semantik. /Deteksi objek adalah teknik yang digunakan untuk mengidentifikasi jenis objek dalam citra tertentu serta lokasi objek di dalam citra.
Kata kunci: CNN, Computer Vision, Deep Learning, Deteksi Wajah
Abstract:Abstract: Glaucoma is the second leading eye disease of blindness after cataracts. An ophthalmologist does a glaucoma examination with an eye screening that will produce a retinal image. The diagnosis's result of the retinal…
inal image is subjective because each doctor has dissent and a condition experienced. This research builds a system to identify retinal images in the category of glaucoma or normal patients. The purpose of this system as a tool is to help ophthalmologists diagnose glaucoma. This process begins by changing the colour of an image to validity. The image is extracted using the Gray Level Co-occurrence Matrix (GLCM) and produces five features than the result of the five features used as input to neural network Learning Vector Quantization (LVQ). The amount of retinal image data used 60 data for learning and 20 for testing. And the number of neurons used is 12, and the epoch of as many as 1000 was obtained based on the results comparison of variations against 8, 10, 12, 18, and 20 neurons with 500, 900, 1000, and 1100 epochs. The learning process results from the value of weights that will be used in the testing process. The results of this study obtained an accuracy rate of 85%, a precision of 89%, and a recall of 80%.
Keywords: glaucoma; LVQ; GLCM
Abstrak: Glaukoma merupakan penyakit mata penyebab kebutaan nomor dua setelah katarak. Pemeriksaan penyakit glaukoma dilakukan oleh dokter spesialis mata dengan cara skrining mata yang akan menghasilkan citra retina. Hasil diagnosa citra retina oleh dokter bersifat subjektif karena setiap dokter memiliki pendapat yang berbeda serta kondisi yang dialami. Penelitian ini membangun sistem untuk mengidentifikasi citra retina mata kedalam kategori penderita glaukoma atau normal. Tujuan pembuatan sistem ini sebagai alat bantu bagi dokter mata dalam mendiagnosa glukoma. Proses ini diawali dengan mengubah warna citra menjadi keabuan, kemudian citra tersebut diekstraksi menggunakan Gray Level Co-occurrence Matrix (GLCM) dan menghasilkan lima nilai fitur yang kemudian hasil dari kelima fitur tersebut digunakan sebagai masukan jaringan syaraf tiruan Learning Vector Quantization (LVQ). Jumlah data citra retina yang digunakan sebanyak 60 data untuk learning dan 20 data untuk testing. Dan untuk jumlah neuron yang digunakan yaitu 12 dan epoch sebanyak 1000 yang didapat berdasarkan hasil perbandingan variasi terhadap neuron sejumlah 8, 10, 12, 18, 20 dengan jumlah epoch sejumlah 500, 900, 1000 dan 1100. Hasil dari proses learning yaitu nilai bobot yang akan digunakan sebagai bobot di proses testing. Hasil penelitian ini diperoleh tingkat akurasi sebesar 85%, presisi sebesar 89% dan recall sebesar 80%.
Kata kunci: glaukoma; LVQ; GLCM
Abstract:Abstract: The population growth in Indonesia is increasing rapidly every year, so to help the government control the population growth through family planning programs, especially in the city of Batam. This study explains…
s and describes one of the Artificial Terms Network methods, namely Backpropagation, where this method can predict what will happen in the future using data and information in the past. This study aims to predict the birth rate in the city of Batam to help the government with the family planning program. The data used is the annual data on the number of births in the city of Batam in 2016-2020 at The Civil Registry Office. To facilitate the analysis of research data, the data were tested using Matlab R2015b. In this study, the training process was carried out using 3 network architectures, namely 4-10-1, 5-18-1, and 4-43-1. Of these 3 architectures, the best is the 4-43-1 architecture with an accuracy rate of 91% and an MSE value of 0.0012205. The Backpropagation method can predict the amount of population growth in the city of Batam based on existing data in the past.
Keywords: artificial neural network; backpropagation; prediction
Abstrak: Pertumbuhan jumlah penduduk diindonesia yang setiap tahun meningkat dengan pesat, maka untuk membantu pemerintah mengendalikan jumlah pertumbuhan penduduk melalui program keluarga berencana khususnya dikota Batam. Penelitian ini menjelaskan dan memaparkan tentang salah satu metode Jaringan Syarat Tiruan yaitu Backpropagation, dimana metode ini dapat memprediksi apa yang akan terjadi masa yang akan datang dengan menggunakan data dan informasi dimasa lalu. Penelitian ini bertujuan untuk memprediksi tingkat kelahiran di kota Batam sehingga membatu pemerintah untuk perencanaan keluarga berencana. Data yang digunakan yaitu data tahunan jumlah kelahiran di kota Batam pada tahun 2016-2020 pada Dinas Kependudukan dan Catatan Sipil. Untuk mempermudah analisis data penelitian maka, data diuji menggunakan Matlab R2015b. Pada penelitian ini dilakukan proses pelatihan menggunakan 3 arsitektur jaringan yaitu 4-10-1, 5-18-1, dan 4-43-1. Dari ke-3 arsitektur ini yang terbaik adalah arsitektur 4-43-1 dengan tingkat akurasi sebesar 91% dan nilai MSE 0,0012205. Metode backpropagation mampu memprediksi jumlah pertumbuhan penduduk di kota Batam berdasarkan data yang ada dimasa lalu.
Kata kunci: backpropagation; jaringan syaraf tiruan; prediksi
Abstract:Abstract: Tiansi is a company that markets health products. This company has difficulty predicting people's interest in products that are in high demand. By knowing precisely the consumer interest in the product, it will…
increase sales. The research aims to predict consumer interest in Tiansi products appropriately. The method used is one of the Artificial Neural Network (ANN) techniques, namely Backpropagation with Momentum. The sales data tested were sourced from Stockist 319 Padang. The results of this research that can precisely determine consumer interest are architecture 5-2-1 and 5-3-1. So that this research is very helpful in the procurement of goods to increase the value of sales.
Keywords: Artificial neural network, backpropagation, consumer interest rates, predictions.
Abstrak: Tiansi merupakan sebuah perusahaan yang memasarkan produk-produk kesehatan. Perusahaan ini mengalami kesulitan dalam memprediksi minat masyarakat terhadap produk yang sangat diminati. Dengan mengetahui dengan tepat minat konsumen terhadap produknya, maka akan dapat meningkatkan penjualan. Penelitian ini bertujuan untuk memprediksi minat konsumen terhadap produk Tiansi dengan tepat. Metode yang digunakan salah satu teknik Artificial Neural Network (ANN), yaitu Backpropagation dengan Momentum. Data penjualan yang diuji bersumber dari Stokist 319 Padang. Hasil dari penelitian ini yang dapat dengan tepat menentukan minat konsumen adalah arsitektur 5-2-1 dan 5-3-1. Sehingga penelitian ini sangat membantu sekali dalam pengadaan barang untuk meningkatkan nilai penjualan.
Kata kunci: Jaringan Syaraf Tiruan, Backpropagation, prediksi, minat konsumen, penjualan.
Abstract:Tourism is one of the most important factors for the revenue of an area. To attract the interest of tourists takes some supporting factors, one of which is the hotel or the guesthouse. In the process of prediction of tourists…
rists visit, required data the number of tourists staying in order to predict for the next time. The prediction method used in this system is a method of Backpropagation Neural Network based on time series data forecasting component variansi random or random process beginning with autocorrelation for determination of input variables. Method of Backpropagation itself is known quite well used in the forecasting of time series data. The result of the method of Backpropagation is a number of predictions that tourists visit can be a reference for related officials in taking decisions for the period ahead.
Abstract:Abstract: Enormous logistical needs on General Hospital Kartini range to facilitate treatment requires a system that can predict to meet those needs with the right so as not to result in advantages and disadvantages to the…
he amount of usage that is always changing every year. At this time the calculations have been carried out with the help of software that is on a high-speed computer such as Neural Networks. Neural networks are used to predict the projection Backpropogation logistics patients based on the type of drugs Analgesics, antiemetics, vitamins, Antiepileptic, Anesthesia, Anti-Parkinson, Psychotherapeutic, Corticosteroids. This logistical projection data processing using software of Matlab 6.1. After using Backpropogation finally found the best architectural pattern is 8-3-3-1 of 5 aritektur architecture that has been tested. Of the pattern is then predicted projection logistics at General Hospital Kartini range in 2014 will increase to 91 290 from 65 422 in 2013 for an increase of 25 868 (28.33%).
Keywords: neural networks, backpropagation algorithm, projection logistics, matlab
Abstrak: Kebutuhan logistik yang sangat besar pada Rumah Sakit Umum Ibu Kartini Kisaran untuk memperlancar pengobatan membutuhkan suatu sistem yang bisa memprediksi untuk memenuhi kebutuhan tersebut dengan tepat agar tidak mengakibatkan kelebihan dan kekurangan terhadap jumlah pemakaian yang selalu berubah setiap tahunnya. Pada saat ini proses perhitungan telah banyak dilakukan dengan bantuan software-software yang ada pada komputer yang berkecepatan tinggi seperti Jaringan Saraf Tiruan. Jaringan Saraf Tiruan Backpropogation digunakan untuk memprediksi proyeksi logistik pasien berdasarkan jenis obat Analgetik, Antiemetik, Vitamin, Antiepilepsi, Anestesi, Anti Parkinson, Psikofarmaka, Kortikosteroid. Pengolahan data proyeksi logistik ini menggunakan software Matlab 6.1. Setelah menggunakan Backpropogation akhirnya ditemukan pola arsitektur yang terbaik yaitu arsitektur 8-3-3-1 dari 5 arsitektur yang telah diujikan. Dari pola tersebut kemudian diprediksi proyeksi logistik di Rumah Sakit Umum Ibu Kartini Kisaran pada tahun 2014 akan meningkat menjadi 91290 dari tahun 2013 sebesar 65422 atau meningkat sebesar 25868 (28,33%).
Kata Kunci: jaringan saraf tiruan, algoritma backpropagation, proyeksi logistik, matlab
Abstract:This study aims to examine in depth the application of neuroplasticity principles in learning at elementary schools, focusing on the teaching practices of five teachers at SDS Dharma Putra. Neuroplasticity, as a core concept…
cept in neuroscientific learning, describes the brain's ability to form, strengthen, or modify neural networks through experience, repetition, meaningful activities, and students' emotional involvement. Given the characteristics of elementary school students who are at a stage of cognitive development that is highly responsive to learning environment stimulation, a study of the application of neuroplasticity by teachers is important to ensure that the learning process is in line with the brain's working mechanisms.This study used a neuropsychological instrument measuring the dimensions of neuroplasticity to assess four main indicators, namely repetition & practice, dedicated time for review, use of interactive activities, and contextual learning that connects the material to students' real experiences. The data was reinforced through in-depth interviews and thematic analysis of the learning strategies applied by each teacher. The results showed variations in application between teachers. Some teachers showed strong implementation in interactive activities and contextual learning (score of 5), while structured repetition showed lower consistency (score of 3). The interview findings reinforced the instrument results by showing patterns of strategies such as the use of inspirational stories, educational games, quizzes with prizes, conveying the benefits of learning, and scaffolding through easy material as a starting point. This study concludes that the application of neuroplasticity principles is present in teachers' teaching practices, although the level of depth and routine still needs to be strengthened. The theoretical implication confirms that learning that integrates positive emotions, collaborative activities, planned repetition, and contextualization of material has the potential to have a significant impact on the formation of students' neural networks. Practically, this study provides recommendations for strengthening neuroscientific learning-based instructional design as an effort to optimize the learning process of elementary school students.