SAFUTRI, NOVIA and Nurfalinda, Nurfalinda and Rathomi, Muhamad Radzi (2024) PERBANDINGAN METODE LEARNING VECTOR QUANTIZATION DAN BACKPROPAGATION UNTUK MEMPREDIKSI JUMLAH PENGUNJUNG WISATA DI KOTA TANJUNGPINANG. S1 thesis, Universitas Maritim Raja Ali Haji.
Text (Cover)
Novia_Safutri_190155201013_Teknik_Informatika_Cover.pdf - Published Version Download (920kB) |
|
Text (Abstrak)
Novia_Safutri_190155201013_Teknik_Informatika_Abstrak.pdf - Published Version Download (118kB) |
|
Text (BAB I)
Novia_Safutri_190155201013_Teknik_Informatika_BAB I.pdf - Published Version Download (240kB) |
|
Text (Daftar Pustaka)
Novia_Safutri_190155201013_Teknik_Informatika_Daftar Pustaka.pdf - Published Version Download (340kB) |
|
Text (Full Teks)
Novia_Safutri_190155201013_Teknik_Informatika_Full Teks.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy |
Abstract
Tujuan penelitian ini untuk mengevaluasi tingkat akurasi serta membandingkan penggunaan metode Learning Vector Quantization dan Backpropagation dalam meramalkan jumlah wisatawan di Kota Tanjungpinang. Variabel yang digunakan meliputi inflasi, kurs, masa libur, dan jumlah pengunjung, diambil dari data Januari 2016 hingga Desember 2020. Penelitian ini memanfaatkan berbagai variasi parameter seperti learning rate, deca dan juga epoch untuk memperoleh akurasi terbaik dari kedua metode. Hasil pengujian dengan menggunakan 60 data dan dilakukan dengan lima kali uji coba Maka didapatkanlah nilai akurasi yang paling baik yaitu pada metode Backpropagation dengan nilai akurasi sebesar 69.4% dengan learning rate = 0.01 hingga 0.05 , deca = 0.1, 0.2 di epoch = 20 dan 40, dengan data testing 40% dan data training 60%. Sementara itu, metode Learning Vektor Quantization hanya mencapai nilai akurasi sebesar 66.6% dengan learning rate = 0.03 , deca = 0.1, 0.2 di epoch = 20 dan 40 pada data pelatihan 70% dan data pengujian 30%. Jadi metode Bacpropagation lebih efektif dan memiliki nilai akurasi lebih tinggi dalam memprediksi jumlah pengunjung wisata di kota Tanjungpinang dibandingkan metode Learning Vectror Quantization.
Item Type: | Thesis (S1) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Contributors: |
|
|||||||||
Subjects: | 000_umum > 000. Ilmu Umum dan Komputer > 006.3 Artificial Intelligence/Kecerdasan Buatan | |||||||||
Divisions: | Fakultas Teknik > Program Studi Teknik Informatika | |||||||||
Depositing User: | user Teknik Informatika | |||||||||
Date Deposited: | 05 Aug 2024 06:22 | |||||||||
Last Modified: | 05 Aug 2024 06:22 | |||||||||
URI: | http://repositori.umrah.ac.id/id/eprint/7871 |
Actions (login required)
View Item |