ANNISA, WULAN NUR (2024) KINERJA ALGORITMA BACKPROPAGATION DAN RECURENT NEURAL NETWORK(RNN) DALAM PREDIKSI BEBAN JARINGAN STUDI KASUSU DAN IMPLEMENTASI (TA.2.24.031). Diploma thesis, Universitas Logistik dan Bisnis Internasional.
Full text not available from this repository.Abstract
ABSTRAK Optimalisasi dalam pengalokasian bandwidth menjadi penting untuk memastikan kinerja dari sebauh jaringan yang optimal serta kepuasan pengguna. Tujuan dari penelitian ini ialah mengidentifikasi algoritma machine lerning yang paling baik diantara dua algoritma dengan dua data berebeda. Fokus dari penelitian ini ialah pada dua algoritma yang digunakan yakni algoritma backpropogation dan requrren neural network (RNN). Dengan menggunakan metode penelitian CRISP-DM serta 4 evaluasi metriks yang digunakan yakni MAE, MSE, RMSE, dan MAPE. Disimpulkan bahwa algoritma yang paling baik dalam memprediksi beban jaringan ialah algoritma backpropogation pada data dengan hasil evaluasi matriks rendah MAE dengan 0.0203, MSE 0.0007, RMSE 0.0281, dan MAPE sebesar 20%. Sehingga algoritma backpropogation dapat digunakan dengan baik untuk memprediksi kebutuhan bandwidth.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 21 Nov 2024 07:45 |
| Last Modified: | 21 Nov 2024 07:45 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/2702 |
Actions (login required)
 |
View Item |
