Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal CAUCHY: Jurnal Matematika Murni dan Aplikasi Journal of Natural A
M. Muslikh
Unknown Affiliation
Computer Science & IT Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Local Hölder Regularity of Weak Solutions for Singular Parabolic Systems of p-Laplacian Type Mohamad Muslikh; Khoirunisa, Khoirunisa; Karim, Corina; Muslikh, M.
CAUCHY Vol 7, No 1 (2021): CAUCHY: Jurnal Matematika Murni dan Aplikasi
Publisher : Mathematics Department, Maulana Malik Ibrahim State Islamic University of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/ca.v7i1.13105

Abstract

In this paper, the Hölder regularity of weak solutions for singular parabolic systems of p-Laplacian type is investigated. By the Poincare inequality, we show that its weak solutions within Hölder space.
Perbandingan Akurasi Backpropagation Neural Network dan ANFIS Untuk Memprediksi Cuaca Candra Dewi; M. Muslikh
Journal of Natural A Vol 1, No 1 (2013)
Publisher : Fakultas MIPA Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (961.028 KB)

Abstract

Cuaca merupakan suatu kondisi udara di suatu tempat pada waktu yang relatif singkat, yang dipengaruhi oleh berbagai fenomena atmosfer. Informasi mengenai kondisi atmosfer yang cepat, akurat, dan terperinci sangat diperlukan oleh berbagai sektor. Backpropagation Neural Network (BPNN) dan  Adaptive Neuro Fuzzy Inference System (ANFIS) adalah metode yang sering digunakan untuk melakukan prediksi dengan kemampuannya untuk melakukan pembelajaran dari informasi yang ada. Dengan kelebihan yang dimiliki oleh kedua metode ini, pada penelitian ini dilakukan implementasi kedua metode ini untuk mengetahui perbandingan akurasi dari kedua metode tersebut dalam melakukan prediksi cuaca berdasarkan parameter-parameter atmosfir yang mempengaruhi. Pada penelitian ini, metode BPNN diimplementasikan dengan menggunakan tiga layer dan dilakukan penambahan aturan pada penentuan kelas output jaringan, sedangkan ANFIS diimplementasi dengan struktur standar ANFIS yaitu lima layer. Pada BPNN dimungkinkan untuk melakukan perubahan jumlah node pada hidden layer agar dapat dihasilkan jaringan yang optimal. Sedangkan pada tahap awal ANFIS digunakan metode K-Mean Clustering untuk mendapatkan parameter premis dan konsekuen yang digunakan dalam proses inferensi pembelajaran. Pelatihan dilakukan pada data latih 40%, 50% dan 60% dari total data. Sedangkan pengujian dengan menggunakan data uji sebanyak 30%, 40% dan 50% dari total data. Hasil uji coba menunjukkan bahwa metode BPNN dengan modifikasi pada aturan penentuan output jaringan memiliki nilai Root Mean Square Error (RMSE) yang lebih rendah dan nilai akurasi yang lebih tinggi jika dibandingkan dengan metode ANFIS. Selain itu juga dapat diketahui bahwa kedua metode dapat digunakan untuk pengujian dengan menggunakan data latih minimal 50% dari total data. Dan juga diketahui bahwa metode ANFIS cukup baik jika diterapkan untuk kondisi cuaca yang perubahannya tidak begitu cepat dengan rentang waktu dibawah satu tahun.
Co-Authors Candra Dewi Karim, Corina Khoirunisa, Khoirunisa Mohamad Muslikh