KINERJA METODE EXTREME LEARNING MACHINE (ELM) PADA SISTEM PERAMALAN
Abstract
Metode Extreme Learning Machine (ELM) merupakan salah satu metode pembelajaran baru dari jaringan syaraf tiruan. Metode ini memiliki tingkat pembelajaran yang lebih baik dibandingkan dengan metode konvensional lainnya berdasarkan perhitungan hasil nilai error yang diukur menggunakan nilai MSE (Mean Square Error) dan MAPE (Mean Absolute Percentage Error). Berdasarkan hasil uji coba menggunakan metode ELM diperoleh nilai MSE dan MAPE terkecil dibandingkan dengan menggunakan algoritma Backpropagation. Dimana dari metode ELM diperoleh hasil percobaan menggunakan konfigurasi hidden layer berjumlah 4, epoch 1000, pengaturan range antara -0,4 – 0,4 menghasilkan rata-rata nilai MSE = 1,100% dan MAPE = 0.31%. Sedangkan proses pembelajaran menggunakan metode Backpropagation dengan parameter perubahan hidden layer berjumlah 4, E-poch maksimal 3000 , dan pengaturan momentum 0,4 mencapai nilai yang terbaik. Parameter tersebut menghasilkan nilai error yang cukup baik saat sistem melakukan pengujian yaitu MSE = 3.1933% dan MAPE = 0,96 %.
Full Text:
PDF (Bahasa Indonesia)References
Subagyo, P. Forecasting Konsep dan Aplikasi. BPFE. Yogyakarta : 1986.
Kusumadewi, Sri, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta, 2003.
G.-B. Huang, Q.-Y. Zhu, C.-K. Siew, Extreme learning machine: a new learning scheme of feedforward neuralnetworks, in: Proceedings of the International Joint Conference on Neural Networks (IJCNN2004), Budapest, Hungary, 25–29 July 2004.
G.-B. Huang, Q.-Y. Zhu, and C.-K. Siew, “Extreme learning machine: Theory and applications,” Neurocomputing , vol. 70, pp.489–501, 2006.
Dwi Agustina Irwin Penerapan Metode Extreme Learning Machine untuk Peramalan Permintaan. Sistem Informasi-ITS Surabaya, Indonesia, 2009.
Dwi Prastyo, Dedy., Peramalan Menggunakan Metode Eksponensial Smoothing, Jurusan Statistika Institut Teknologi Sepuluh November, Surabaya, 2010.
DOI: https://doi.org/10.21107/simantec.v1i3.13387
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 Bain Khusnul Khotimah, Eka Mala Sari R, Handry Yulianarta
Indexed By