PREDIKSI PENGGUNAAN BANDWIDTH MENGGUNAKAN ELMAN RECURRENT NEURAL NETWORK

  • Jefri Radjabaycolle Jurusan Ilmu Komputer dan Elektronika, FMIPA UGM, Yogyakarta
  • Reza Pulungan Jurusan Ilmu Komputer dan Elektronika, FMIPA UGM, Yogyakarta
Keywords: Prediksi, Bandwidth, jaringan syaraf tiruan (JST), elman recurrent neural network

Abstract

Jaringan Syaraf Tiruan (JST) sering dipakai dalam menyelesaikan permasalahan tertentu seperti prediksi, klasifikasi, dan pengolahan data. Berdasarkan hal tersebut, dalam penelitian ini mencoba menerapkan JST untuk menangani permasalahan dalam prediksi penggunaan bandwidth. Sistem yang dikembangkan dapat digunakan untuk memprediksi pengunaan bandwidth dengan menerapkan Elman Recurrent Neural Network (ERNN). Struktur Elman dipilih karena dapat membuat iterasi jauh lebih cepat sehingga memudahkan proses konvergensi.. Vektor input yang digunakan menggunakan windows size. Hasil penelitian dengan menggunakan target error sebesar 0.001 menunjukkan nilai MSE terkecil yaitu pada windows size 11 dengan nilai 0.002833. Kemudian dengan menggunakan 13 neuron pada hidden layer diperoleh nilai error paling optimal (minimum error) sebesar 0.003725.

Downloads

Download data is not yet available.

References

[1] R. R. T. d. I. Muarifah, “Implementasi Mikrotik Sebagai Manajemen Bandwidth .,” in IST AKPRIND, Yogyakarta, 2012.
[2] T. L. H. F. Pasila. F, “Elman Neural Network Application With Accelerated Lma Training For East Java-Bali Electrical Load Time Series Data Forecasting,” 2009.
[3] I. G. R. a. S. A. Mekongga, “The Prediction of Bandwidth On Need Computer Network Through Artificial Neural network Method of Backpropagation,” vol. 02, p. 98–107., 2012.
[4] M. S. S. A. R. Aziz, “Enhancement of Particle Swarm Optimization in Elman Recurrent Network with bounded Vmax Function,” 2009.
[5] Y. Noorviani, “Penerapan Elman Recurrent Neural network untuk Diagnosis Ganguan Autis Pada Anak,” Tesis, Universitas Gadjah Mada Yogyakarta, 2011.
[6] O. Abdalla, “A comparison of feed-forward back-propagation and radial basis artificial neural networks,” A Monte Carlo study. In Proceedings 2010 International Symposium on Information Technology - Engineering Technology, p. 994–998, 2010.
Published
2018-02-05
How to Cite
[1]
J. Radjabaycolle and R. Pulungan, “PREDIKSI PENGGUNAAN BANDWIDTH MENGGUNAKAN ELMAN RECURRENT NEURAL NETWORK”, BAREKENG, vol. 10, no. 2, pp. 127-135, Feb. 2018.