Perpustakaan Universitas Padjajaran
Pencarian Spesifik

Detail Cantuman

Image of Perbandingan Backproagation Neural Network Dan Learning vector Quantization : Studi Kasus Klasifikasi Daerah tertinggal di Indonesia Tahun 2015

 

Perbandingan Backproagation Neural Network Dan Learning vector Quantization : Studi Kasus Klasifikasi Daerah tertinggal di Indonesia Tahun 2015

Kemajuan pembangunan daerah dan peningkatan kesejahteraan rakyat di
Indonesia tidak selalu sama dan merata. Perbedaan kondisi geografis, ...

  • CodeCallNoLokasiKetersediaan
    010030007337519.5 ELI P/R.14.27Perpustakaan PusatTersedia
  • Perpustakaan
    Perpustakaan Pusat
    Judul Seri
    -
    No. Panggil
    519.5 ELI P/R.14.27
    Penerbit Magister Statistika Terapan : Bandung.,
    Deskripsi Fisik
    xi,; 68 hlm,;29 cm
    Bahasa
    Indonesia
    ISBN/ISSN
    -
    Klasifikasi
    5195
    Tipe Isi
    -
    Tipe Media
    -
    Tipe Pembawa
    -
    Edisi
    2016
    Subyek
    Studi Kasus: Klasifikasi Daerah Tertinggal di Indo
    Info Detil Spesifik
    Tesis
    Pernyataan Tanggungjawab
  • Kemajuan pembangunan daerah dan peningkatan kesejahteraan rakyat di
    Indonesia tidak selalu sama dan merata. Perbedaan kondisi geografis, sumber
    daya alam, infrastruktur, sosial budaya dan kapasitas sumber daya manusia
    menyebabkan masih adanya kesenjangan an tar wilayah. Tantangan
    pengembangan wilayah di Indonesia adalah percepatan pembangunan
    kabupaten tertinggal dan mengurangi ketimpangan antar wilayah. Penetapan
    daerah tcrtinggal atau tidak tertinggal merupakan salah satu kasus klasifikasi.
    Salah satu metode untuk klasifikasi adalah Neural Network. Penelitian ini
    membandingkan ketepatan klasifikasi antara Back Propagation Neural
    Network (BPNN) dan Learning Vector Quantization (L VQ). Hasil penelitian
    ini menunjukkan bahwa LVQ menghasilkan ketepatan yang lebih besar dalam
    menentukan daerah tertinggaI dibandingkan metode BPNN.

    4. Abstract

    The progress of regional development and the improvement of people's
    welfare in Indonesia is not always same and even. The differences in
    geography, natural resources, infrastructures, social cultures, and the
    capacity of human resources causing disparities between regions . The
    challenges of regional development is to accelerate the development of
    underdeveloped regency, and to reduce regional disparities. Determining a
    regency as underdeveloped or developed regency is one of the classification
    cases. One of the main methods for classification is Neural Network. The aim
    of this study was to compare the accuracy of classification between Back
    Propagation Neural Network (BPNN) and Learning Vector Quantization
    (LVQ). The result of this study shows that LVQ produce more accuracy in
    clasiffying underdeveloped regency compares to BPNN method.

  • Tidak tersedia versi lain

  • Silakan login dahulu untuk melihat atau memberi komentar.


//

Informasi