PREDIKSI JUMLAH PENGUNJUNG WISATA SUNRISE DI CANDI BOROBUDUR MENGGUNAKAN JARINGAN SYARAF TIRUAN (STUDI KASUS : MANOHARA RESTO)

Widyaningsih, Puji Astuti (2020) PREDIKSI JUMLAH PENGUNJUNG WISATA SUNRISE DI CANDI BOROBUDUR MENGGUNAKAN JARINGAN SYARAF TIRUAN (STUDI KASUS : MANOHARA RESTO). Other thesis, Skripsi, Universitas Muhammadiyah Magelang.

Preview	PDF (Skripsi) cover+halaman depan+bab 1+bab2+bab3+bab 6 + daftar putaka.pdf - Published Version Download (1MB) | Preview
	PDF (Skripsi) cover+Bab 4+ bab 5.pdf - Published Version Restricted to Registered users only Download (1MB) | Request a copy
	PDF (Skripsi) FULL TEX.pdf - Published Version Restricted to Registered users only Download (2MB) | Request a copy
	PDF (Skripsi) cover+Lampiran.pdf - Published Version Restricted to Registered users only Download (660kB) | Request a copy
Preview	PDF (Skripsi) cover+pernyataan pubikasi.pdf - Published Version Download (316kB) | Preview

Abstract

Peningkatan jumlah pengunjung yang tidak terduga pada kunjungan wisata sunrise di Candi Borobudur dapat menyebabkan kesulitan bagi pihak pengelola pariwisata untuk memberikan fasilitas terbaik kepada pengunjung. Jaringan syaraf tiruan merupakan salah satu teknologi komputer dalam bidang kecerdasan buatan yang mampu memahami pola data yang rumit. Pada penelitian ini, JST akan mencoba memprediksi jumlah pengunjung wisata sunrise di Candi Borobudur. Backpropagation merupakan algoritma pembelajaran terawasi yang dapat memperbaiki bobot pada masing-masing lapisan penghubung hingga diperoleh bobot terbaik dengan minimum error yang telah diberikan. Aplikasi ini memiliki struktur jaringan yang terdiri dari 12 neuron masukan, 10 neuron pada lapisan tersembunyi, dan 1 neuron pada lapisan keluaran. Jumlah keseluruhan data yakni 36 data, 26 data digunakan untuk data pelatihan, dan 10 digunakan untuk data pengujian. Proses pelatihan ini menggunakan iterasi maksimal sampai 1000 epochs, konstanta pembelajaran 0.5, momentum 0.9, serta tingkat error minimum 0,0001. Berdasarkan hasil pengujian terhadap 14 data pengujian, prosentase tingkat keakuratan sistem adalah 60%. Pengurangan konstanta pembelajaran dan penambahan data pelatihan dapat diaplikasikan untuk keakuratan sistem dalam melakukan prediksi output.

Item Type:	Karya Ilmiah (Other)
Pembimbing:	Mukhtar Hanafi, ST.., M.Cs dan Endah Ratna A, S.,Kom., M.Cs
Uncontrolled Keywords:	JST, Wisata Sunrise, Prediksi JST
Subjects:	T Technology > T2 Information Technology
Depositing User:	Atin Istiarni
Date Deposited:	28 Sep 2020 07:10
Last Modified:	28 Sep 2020 07:10
URI:	http://eprintslib.ummgl.ac.id/id/eprint/1557

Actions (login required)

View Item