English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Penelitian ini bertujuan untuk memprediksi Drought Code (DC) di Kabupaten Kubu Raya dengan menggunakan Kombinasi SOM-RBF. Nilai bobot akhir dari SOM digunakan sebagai center pada jaringan RBF. Penelitian ini menggunakan enam variabel data masukan, yaitu data curah hujan dan data suhu udara selama tiga hari dengan tiga keluaran biner untuk memprediksi nilai DC. Penelitian ini juga menganalisis pengaruh jumlah neuron, parameter laju pembelajaran, dan jumlah iterasi terhadap hasil pelatihan jaringan SOM-RBF. Hasil penelitian menunjukkan bahwa MSE pelatihan terkecil 0,159933 dari jaringan SOM-RBF didapat dengan menggunakan 65 neuron di lapisan tersembunyi, laju pembelajaran 0,007, dan 45000 iterasi. Dari 254 data uji, diperoleh akurasi SOM-RBF sebesar 91,34 %.

Combination of SOM-RBF for drought code prediction using rainfall and air temperature data