Syaiful Anam, Mochamad Hakim Maulana, Noor Hidayat, I. Yanti, Zuraidah Fitriah, Dwi Mifta Mahanani
{"title":"对马郎市所有19名受害者的预测是,他们使用的是一种人工神经系统,这种神经系统是用一种混合的、整合的方法复制的","authors":"Syaiful Anam, Mochamad Hakim Maulana, Noor Hidayat, I. Yanti, Zuraidah Fitriah, Dwi Mifta Mahanani","doi":"10.22236/teknoka.v5i.367","DOIUrl":null,"url":null,"abstract":"COVID-19 merupakan penyakit menular yang diakibatkan oleh infeksi virus corona baru. Penyakit ini sangat berbahaya dan menyebabkan kematian terutama bagi penderita yang memilki penyakit bawaan atau yang memiliki imunitas rendah. Penyebaran penyakit ini melalui melalui percikan-percikan dari hidung atau mulut yang keluar saat orang yang terinfeksi COVID-19 batuk, bersin atau berbicara. Prediksi jumlah penderita COVID-19 menjadi sangat penting untuk dilakukan dalam pencegahan dan penanggulangan penyebaran penyakit ini. Jaringan syaraf tiruan backpropagation merupakan salah metode yang dapat digunakan untuk menyelesaikan masalah prediksi dengan hasil yang baik, tetapi kinerjanya dipengaruhi oleh metode optimisasi yang digunakan saat pelatihan. Pada umumnya metode optimisasi yang digunakan adalah metode gradient descent, tetapi metode ini memiliki konvergensi yang lambat. Metode Conjugate Gradient memiliki konvergensi yang sangat baik jika dibandingkan dengan metode gradient descent. Pada tulisan ini akan dibahas bagaimana membuat model prediksi jumlah penderita COVID-19 di Kota Malang menggunakan jaringan syaraf backprogation dan metode conjugate gradient. Hasil eksperimen menunjukan bahwa model prediksi ini memperoleh hasil yang baik jika dibandingkan jaringan syaraf tiruan yang dioptimasi dengan metode gradient descent.","PeriodicalId":118779,"journal":{"name":"Prosiding Seminar Nasional Teknoka","volume":"5 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-12-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Prediksi Jumlah Penderita COVID-19 di Kota Malang Menggunakan Jaringan Syaraf Tiruan Backpropagation dan Metode Conjugate Gradient\",\"authors\":\"Syaiful Anam, Mochamad Hakim Maulana, Noor Hidayat, I. Yanti, Zuraidah Fitriah, Dwi Mifta Mahanani\",\"doi\":\"10.22236/teknoka.v5i.367\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"COVID-19 merupakan penyakit menular yang diakibatkan oleh infeksi virus corona baru. Penyakit ini sangat berbahaya dan menyebabkan kematian terutama bagi penderita yang memilki penyakit bawaan atau yang memiliki imunitas rendah. Penyebaran penyakit ini melalui melalui percikan-percikan dari hidung atau mulut yang keluar saat orang yang terinfeksi COVID-19 batuk, bersin atau berbicara. Prediksi jumlah penderita COVID-19 menjadi sangat penting untuk dilakukan dalam pencegahan dan penanggulangan penyebaran penyakit ini. Jaringan syaraf tiruan backpropagation merupakan salah metode yang dapat digunakan untuk menyelesaikan masalah prediksi dengan hasil yang baik, tetapi kinerjanya dipengaruhi oleh metode optimisasi yang digunakan saat pelatihan. Pada umumnya metode optimisasi yang digunakan adalah metode gradient descent, tetapi metode ini memiliki konvergensi yang lambat. Metode Conjugate Gradient memiliki konvergensi yang sangat baik jika dibandingkan dengan metode gradient descent. Pada tulisan ini akan dibahas bagaimana membuat model prediksi jumlah penderita COVID-19 di Kota Malang menggunakan jaringan syaraf backprogation dan metode conjugate gradient. Hasil eksperimen menunjukan bahwa model prediksi ini memperoleh hasil yang baik jika dibandingkan jaringan syaraf tiruan yang dioptimasi dengan metode gradient descent.\",\"PeriodicalId\":118779,\"journal\":{\"name\":\"Prosiding Seminar Nasional Teknoka\",\"volume\":\"5 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2020-12-21\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Prosiding Seminar Nasional Teknoka\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.22236/teknoka.v5i.367\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Prosiding Seminar Nasional Teknoka","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22236/teknoka.v5i.367","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Prediksi Jumlah Penderita COVID-19 di Kota Malang Menggunakan Jaringan Syaraf Tiruan Backpropagation dan Metode Conjugate Gradient
COVID-19 merupakan penyakit menular yang diakibatkan oleh infeksi virus corona baru. Penyakit ini sangat berbahaya dan menyebabkan kematian terutama bagi penderita yang memilki penyakit bawaan atau yang memiliki imunitas rendah. Penyebaran penyakit ini melalui melalui percikan-percikan dari hidung atau mulut yang keluar saat orang yang terinfeksi COVID-19 batuk, bersin atau berbicara. Prediksi jumlah penderita COVID-19 menjadi sangat penting untuk dilakukan dalam pencegahan dan penanggulangan penyebaran penyakit ini. Jaringan syaraf tiruan backpropagation merupakan salah metode yang dapat digunakan untuk menyelesaikan masalah prediksi dengan hasil yang baik, tetapi kinerjanya dipengaruhi oleh metode optimisasi yang digunakan saat pelatihan. Pada umumnya metode optimisasi yang digunakan adalah metode gradient descent, tetapi metode ini memiliki konvergensi yang lambat. Metode Conjugate Gradient memiliki konvergensi yang sangat baik jika dibandingkan dengan metode gradient descent. Pada tulisan ini akan dibahas bagaimana membuat model prediksi jumlah penderita COVID-19 di Kota Malang menggunakan jaringan syaraf backprogation dan metode conjugate gradient. Hasil eksperimen menunjukan bahwa model prediksi ini memperoleh hasil yang baik jika dibandingkan jaringan syaraf tiruan yang dioptimasi dengan metode gradient descent.