Open AccessKOMPARASI LEVENBERG-MARQUARDT (LM) DENGAN BROYDEN, FLETCHER, GOLDFARB, AND SHANNO QUASI-NEWTON (BFGS) BPNN UNTUK DIIMPLEMENTASIKAN PADA DATA KECEPATAN ANGIN
Author(s) -
Haji Sirajuddin
Publication year - 2017
Publication title -
technologia/technologia
Language(s) - English
Resource type - Journals
eISSN - 2656-8047
pISSN - 2086-6917
DOI - 10.31602/tji.v8i2.1112
Subject(s) - levenberg–marquardt algorithm , broyden–fletcher–goldfarb–shanno algorithm , backpropagation , computer science , mathematics , algorithm , artificial neural network , statistics , artificial intelligence , computer network , asynchronous communication
Penelitian ini dilakukan untuk mengkomparasi Levenberg-Marquardt (Lm) Dengan Broyden, Fletcher, Goldfarb, And Shanno Quasi-Newton (Bfgs) pada Penerapan Backpropagation Neural Network (BPNN) untuk memprediksi data Kecepatan Angin rata-rata. Data yang digunakan pada penelitian ini adalah data kecepatan angin rata-rata harian pada bulan Januari 2010 sampai Desember 2014 di Banjarbaru, Kalimantan selatan . Kecepatan angin ditentukan oleh perbedaan tekanan udara antara tempat asal dan tujuan angin dan daerah yang dilaluinya, Prediksi salah satu teknik yang paling penting dalam mengetahui kecepatan angin yang dihasilkan. Hasil Komparasi analisis Levenberg-Marquardt (Lm) Dengan Broyden, Fletcher, Goldfarb, And Shanno Quasi-Newton (Bfgs) menunjukkan bahwa Pada penelitian ini hasil terbaik yang didapatkan menggunakan Levenberg Marquardt (trainlm) dengan akurasi sebesar 95,93%, setelah dibandingkan dengan performance maksimum dari algoritma BPNN yang lain. model BPNN merupakan metode terbaik yang digunakan untuk prediksi kecepatan angin rata-rata harian dengan nilai RMSE sebesar 1,3378.Kata kunci : Kecepatan Angin, Backpropagation Neural Network, Broyden, Fletcher, Goldfarb, And Shanno Quasi-Newton , Levenberg-Marquardt