Penggunaan Backpropagtion Neural Network Untuk Memprediksi Ketersediaan Pangan Di Kota Semarang
Keywords:
Ketersediaan Pangan, Jaringan Saraf Tiruan, Backpropagation, Prediksi, Neural Network, Kota Semarang, Matlab, MSE, MAE, Arsitektur Jaringan.Abstract
Artikel ini bertujuan untuk merancang dan menguji sistem jaringan saraf tiruan menggunakan algoritma backpropagation dalam memprediksi ketersediaan pangan di Kota Semarang. Metode yang digunakan melibatkan pengumpulan data dari Badan Pusat Statistik, studi pustaka, dan implementasi algoritma neural network backpropagation dengan parameter yang dioptimalkan melalui Matlab. Arsitektur terbaik yang ditemukan adalah 12-17-1 dengan fungsi aktivasi logsig dan purelin. Hasil penelitian menunjukkan kinerja prediksi yang baik dengan nilai MSE sebesar 0,015243 dan MAE sebesar 0,106222, menandakan akurasi prediksi yang tinggi. Kesimpulannya, model ini efektif dalam memprediksi ketersediaan pangan dengan tingkat kesalahan yang rendah.
