PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION

  • Alwi Smith 1Fakultas Keguruan dan Ilmu Pendidikan Universitas Pattimura
  • Zumrotus Sya’diyah Fakultas Keguruan dan Ilmu Pendidikan Universitas Darussalam Ambon
DOI: https://doi.org/10.30598/barekengvol10iss2pp117-125
Keywords: jaringan syaraf tiruan, metode backpropagation..

Abstract

Kemacetan di ibukota DKI Jakarta tidak dapat dihindari, terutama pada titik-titik persimpangan baik di jalan-jalan protokol hingga di jalan lingkungan. Semakin hari, kemacetan di Jakarta semakin parah. Menurut sebuah penelitian, kemacetan tersebut membuat masyarakat Jakarta mengalami kerugian hingga Rp 48 triliun per tahun [1]. Dalam makalah ini akan dibahas mengenai prediksi jumlah kendaraan pada tahun 2017. Prediksi ini akan dilakukan dengan menggunakan jaringan syaraf tiruan, yaitu metode backpropagation. Metode ini digunakan karena keunggulannya dalam learning rate. Learning rate sangat berguna dalam menentukan prediksi dengan eror yang kecil. Prediksi jumlah kendaraan ini akan dilakukan pada kendaraan bermotor, mobil pribadi dan kendaraan umum. Sehingga dari hasil prdiksi ini akan dapat ditentukan langkah-langkah yang tepat untuk menekan laju pertumbuhan jumlah kendaraan. Dalam pembahasannya nanti akan digunakan Matlab 2009a.

Downloads

Download data is not yet available.

References

1. Fausett, Laurence. Fundamentals of Neural Network: Architectures, Fundamentals, and Applications. Newe Jersey : Prentice-Hall, Inc., 1994.
2. Susanto. www.Detik News.com. [Online] 26 November 2008. [Dikutip: 23 Juni 2015.] www.Detik News.com//kemacetan_susanto_26NOV2008.
3. Kompolnas. www.komisikepolisianindonesia.com. [Online] Juni 2016. www.komisikepolisianindonesia.com/data_kendaraan_2016.
Published
2016-12-01
How to Cite
[1]
A. Smith and Sya’diyahZ., “PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION”, BAREKENG: J. Math. & App., vol. 10, no. 2, pp. 117-125, Dec. 2016.
Issue
Vol 10 No 2 (2016): BAREKENG: Jurnal Ilmu Matematika dan Terapan
Section
Articles

Authors who publish with this Journal agree to the following terms:

  1. Author retain copyright and grant the journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allow others to share the work within an acknowledgement of the work’s authorship and initial publication of this journal.
  2. Authors are able to enter into separate, additional contractual arrangement for the non-exclusive distribution of the journal’s published version of the work (e.g. acknowledgement of its initial publication in this journal).
  3. Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published works.