Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Indexia : Informatics and Computational Intelligent Journal
M. Yushak Anshori
Universitas Nahdlatul Ulama Surabaya
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PREDIKSI JUMLAH HOTEL DAN RESTAURANT TUTUP AKIBAT DAMPAK COVID-19 MENGGUNAKAN BACKPROPAGATION DAN ADAPTIVE NEURO FUZZY Dinita Rahmalia; M. Yushak Anshori; Teguh Herlambang; Denis Fidita Karya
Indexia : Informatics and Computational Intelligent Journal Vol 3 No 2 (2021): Vol. 3 No. 2 (2021)
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (631.468 KB) | DOI: 10.30587/indexia.v3i2.3038

Abstract

Corona Virus Disease (Covid-19) telah menjadi bencana dunia karena menyerang banyak korban di seluruh dunia dan mengakibatkan kematian. Karena virus tersebut menyerang di beberapa negara termasuk Indonesia, pemerintah Indonesia membuat keputusan untuk menutup hotel dan restaurant sebagai pencegahan Covid-19. Pada penelitian ini, metode prediksi akan dilakukan menggunakan Backpropagation dan Adaptive Neuro Fuzzy. Pada prediksi jumlah hotel dan restaurant yang tutup menggunakan Backpropagation dan Adaptive Neuro Fuzzy, dibutuhkan beberapa input seperti jumlah korban di Jakarta, jumlah korban di Indonesia, dan jumlah korban di dunia. Backpropagation dan Adaptive Neuro Fuzzy dapat menghasilkan prediksi jumlah hotel dan restaurant yang tutup mendekati nilai target. Simulasi diterapkan dengan membagi dataset ke dalam data training (80%) dan data testing (20%). Dari simulasi Backpropagation, Backpropagation dapat menghasilkan prediksi jumlah hotel dan restaurant yang tutup pada data training dengan optimal RMSE adalah 9,2422 dan data testing dengan optimal RMSE adalah 8,9419. Dari simulasi Adaptive Neuro Fuzzy, Adaptive Neuro Fuzzy dapat membuat prediksi jumlah hotel dan restaurant yang tutup pada data training dengan optimal RMSE adalah 0,5324 dan testing data dengan optimal RMSE adalah 5,3198.
Co-Authors Dinita Rahmalia, Dinita Karya, Denis Fidita Teguh Herlambang