NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI KUNJUNGAN PADA RUANG BELAJAR (STUDI KASUS DI BAGINDO AZIZ CHAN YOUTH CENTER KOTA PADANG)
Abstract
Ruang belajar sendiri merupakan suatu ruangan yang difungsikan untuk kegiatan belajar, komunitas, serta menunjang kreatifitas remaja. Ruang belajar pada penelitian ini dikenal sebagai Youth Center yang merupakan Tempat yang menjadi pusat dari kegiatan yang berhubungan dengan perkembangan hidup remaja. Untuk menunjang minat serta daya kreatif remaja maka didirikanlah sebuah Gedung Youth Center pertama yang ada di Sumatera. Metode Jaringan Syaraf Tiruan diterapkan untuk peramalan. Ramalan ini berguna dalam berbagai bidang terutama dalam rangka perencanaan untuk mengantisipasi berbagai keadaan yang akan terjadi di masa depan. Algoritma Backpropagation ini merupakan bagian dari JST, yang mana algoritma Backpropagation ini dapat diterapkan untuk meramal atau memprediksi jumlah kunjungan ruang belajar youth center Kota Padang.Data yang diolah dalam penelitian ini sebanyak 10 data yang bersumber dari kunjungan ruang belajar Youth Center Kota Padang. Selanjutnya data diolah menggunakan software Matlab. Hasil dari pengujian terhadap metode ini dapat memprediksi jumlah kunjungan ruang belajar, dengan tingkat akurasi sebesar 95%. Dari hasil prediksi Kunjungan ruang belajar ini sudah dapat digunakan untuk membantu pihak youth center Kota Padang dalam meningkatkan jumlah kunjungan ruangan belajar kedepannya dan pengelolaan fasilitas ruang belajar lebih ditingkatkan lagi.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Sampe, Indra Simon., Nurmaningtyas, Anggia R., & Zulfiana, Indah Sari. (2022). “Perencanaan Youth Center Dengan Pendekatan Arsitektur High-Tech Di Kota Jayapura”. Jurnal Arsitektur dan Planologi. 12( 2). 62-71. DOI : https://doi.org/10.58839/jmap.v12i2.1095.
Trisnawati, Ni Gusti Ayu., Darmawan, I Gede Surya., & Linggasani, Made Anggita Wahyudi. (2021). “Pendekatan Arsitektur Kontemporer Pada Bangunan Youth Center Di Denpasar”. Jurnal Ilmiah Arsitektur. 9(1). 30–39. DOI : https://doi.org/10.22225/undagi.9.1.3596.30-39.
Lusiana, A., & Yuliarty, P. (2020). Penerapan Metode Peramalan (Forecasting) pada Permintaan Atap di PT X. Industri Inovatif: Jurnal Teknik Industri, 10(1), 11-20. DOI: https://doi.org/10.36040/industri.v10i1.2530
Putri, Melinda Aprilia., & Sukmono, Tedjo. (2022). “Forecasting Analysis Sales of Shrimp Cracker Using Artificial Neural Network Method (ANN)”. Jurnal Industrial Engineering. 2(1). 1-9. DOI: https://doi.org/10.21070/ups.26
Fadilah, M. N., Yusuf, A., & Huda, N. (2021). Prediksi Beban Listrik Di Kota Banjarbaru Menggunakan Jaringan Syaraf Tiruan Backpropagation. Epsilon: Jurnal Matematika Murni Dan Terapan, 14(2), 81-92.DOI: https://doi.org/10.20527/epsilon.v14i2.2961
Hasan, N. Fitrianingsih., Kusrini., & Fatta, Hanif Al. (2019). “Peramalan Jumlah Penjualan Menggunakan Jaringan Syaraf Tiruan Backpropagation Pada Perusahaan Air Minum Dalam Kemasan”. Jurnal Teknik Informatika dan Sistem Informasi. 5(2). 179-188. DOI : https://doi.org/10.28932/jutisi.v5i2.1607
Pitriyani, Desy., & Permanasari, Yurika. (2022). “ Prediksi Jumlah Penumpang Pesawat dengan Jaringan Neural Backpropagation” . Jurnal Riset Matematika. 2(2). 129-136. DOI: https://doi.org/10.29313/jrm.v2i2.1327
Yeni Nasma ., & Yunus Yuhandri. (2021). “Tingkat Korelasi Prestasi Akademik Terhadap Siswa SMP Menggunakan Metode Backpropagation”. Jurnal Sistim Informasi dan Teknologi. 3(3). 108-113. DOI: https://doi.org/10.37034/jsisfotek.v3i3.52
Aulya, Nurul. (2022). “Prediksi Kunjungan Wisata Kota Payakumbuh Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation”. Jurnal Informatika Ekonomi Bisnis. 4(4). 130-135. DOI : https://doi.org/10.37034/infeb.v4i4.157
Salim, Kevin Aringgi., Nafi’iyah, Nur ., & Mujilahwati, Siti. (2021). ”Backpropagationto Predictthe Number of International Tourists to Indonesia”. Jurnal Informatika. 11(2). 146-152. DOI : https://doi.org/10.32664/smatika.v11i02.622
Sovia, Rini., Yanto, Musli., & Melati, Putri. (2020). “Prediksi Jumlah Kunjungan Wisata Mancanegara Dengan Algoritma Backpropagation”. Jurnal Media Informatika Budidarma. 4(2). 355. DOI : https://doi.org/10.30865/mib.v4i2.2048
Sabir, Zulqurnain., dkk. (2023). “A Numerical Performance of the Novel Fractional Water Pollution Model through the Levenberg Marquardt Backpropagation Method”. Arabian Journal of Chemistry. 16. 1-10. DOI: https://doi.org/10.1016/j.arabjc.2022.104493.
Wang, Y., Liu, J., Li, R., Suo, X., & Lu, E. (2020). “Precipitation Forecast of the Wujiang River Basin Based on Artificial Bee Colony Algorithm and Backpropagation Neural Network.” Alexandria Engineering Journal. 59. 1473-1483. Available at: https://doi.org/10.1016/j.aej.2020.04.035
Thoriq, Muhammad. (2022). “Peramalan Jumlah Permintaan Produksi Menggunakan Jaringan Saraf Tiruan Algoritma Backpropagation”Jurnal Informasi dan Teknologi. 4(1). 27-32 . DOI : 10.37034/jidt.v4i1.178
Elisawati., Linarta, Arie., & Putra, Al Malikul Ikhwanda. (2022). “Analisis Metode Backpropagation pada Memprediksi Stok Obat”. Jurnal dan Penelitian Teknik Informatika. 7(2). 297-307. DOI : https:// doi.org/10.33395/sinkron.v7i2.11269
Zhao, Q., Liu, Q., Cao, N., Guan, F., Wang, S., & Wang, H. (2020). “Stepped generalized predictive control of test tank temperature based on backpropagation neural network.” Alexandria Engineering Journal. 60. 357-364. Available at: https://doi.org/10.1016/j.aej.2020.08.032.
DOI: http://dx.doi.org/10.26798/jiko.v8i1.1100
Article Metrics
Abstract view : 89 timesPDF (Bahasa Indonesia) - 40 times
Refbacks
Copyright (c) 2024 Eka Wanita Sofiati
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.