Download Skripsi Computer Science:Jaringan Saraf Tiruan Resilient Backpropagation Untuk Memprediksi Faktor Dominan Injury Severity Pada Kecelakaan Lalu Lintas
BAB I PENDAHULUAN
1.1. Latar Belakang Kecelakaan
lalu lintas merupakan
suatu kejadian yang
sering sekali terjadi
disekitar kita. Meskipun telah
banyak sistem keamanan pada kendaraan yang sengaja dirancang oleh pihak industri kendaraan untuk mengurangi
tingkat terjadinya kecelakaan, namun kecelakaan tetap
saja tidak dapat
dihindari. Banyak faktor
yang menyebabkan terjadinya kecelakaan lalu lintas, diantaranya
adalah faktor cuaca, kendaraan, kondisi jalan
maupun kebiasaan pengendara kendaraan (Akin & Akbas, 2010).
Kecelakaan lalu
lintas dapat menyebabkan berbagai risiko dan juga kerugian baik
materi maupun jiwa.
Besarnya risiko kecelakaan
yang dialami tiap
orang berbeda-beda dalam
setiap kejadian. Hal
tersebut dapat dibedakan
dalam beberapa kategori risiko kecelakaan lalu lintas atau
lebih sering dikenal dengan injury
severity, seperti fatal (fatal
injury), luka parah (severe injury), luka ringan dan lainnya (other injury) atau hanya kerusakan pada material
saja (Property demage only) (Chong et
al, 2005). Namun
terdapat kesulitan untuk
memprediksi injury severity
tersebut dikarenakan faktor
penyebab kecelakaan lalu
lintas merupakan peristiwa
yang tidak linear.
Oleh karena itu diperlukan suatu metode khs yang dapat digunakan untuk memprediksi injury severity tersebut Salah satu metode yang dapat digunakan adalah
Jaringan Saraf Tiruan (JST).JST cenderung
berkinerja lebih baik
untuk menangani data
dengan hubungan yang kompleks dan
memiliki tingkat nonlinieritas
yang tinggi (Ming
et al, 2009).
JST mampu menyelesaikan masalah
yang hanya diketahui masukan serta keluarannya saja, sedangkan
proses diantara keduanya
diproses seperti kotak
hitam ( black box) (Sulaiman,
2010). Hal ini
dikarenakan JST memiliki
kemampuan belajar dari
data yang dilatihkan serta
memiliki toleransi yang tinggi terhadap data yang mengandung noise(Maharani, 2009).
JST
memiliki beberapa metode
yang dapat digunakan
seperti Hopfield, Perceptron,
Adaline dan Backpropagation. Diantara
metode-metode tersebut, Backpropagationmerupakan metode yang paling
sering digunakan karena metode ini menurunkan gradien
untuk meminimalkan penjumlahan
error kuadrat dari output jaringan
(Puspitaningrum, 2006). Namun
metode Backpropagation ini
memiliki kelemahan yaitu
proses pelatihan yang
memerlukan waktu yang
cukup lama karena membutuhkan
banyak iterasi untuk
mencapai keadaan stabil.
Oleh karena itu diperlukan
modifikasi pada proses Backpropagation.
Resilient Backpropagation (Rprop)
merupakan modifikasi dari Backpropagation
yang dikembangkan untuk
menghindari perubahan gradien
yang terlalu kecil selama
proses updatedengan fungsi aktivasi
Sigmoid yang menyebabkan pembentukan jaringan
menjadi lambat. Metode
ini dapat digunakan
untuk mempercepat laju
pembelajaran dan telah
terbukti sebagai metode
yang memiliki kecepatan pembelajaran yang baik (Fajri, 2011).
Keunggulan lain
dari metode Rprop
yaitu metode ini
tidak memerlukan settingan parameter momentum yang biasa digunakan dalam
standard Backpropagation. Hal ini sangat
baik karena sulitnya
menentukan parameter momentum
yang tepat untuk dipasangankan dengan
parameter learning rate
agar dapat menghasilkan
kinerja jaringan yang
optimal. Berdasarkan hal-hal
yang telah disebutkan,
maka penulis berkeinginan
untuk melakukan penelitian
dengan judul “Jaringan
Saraf Tiruan Resilient
Backropagation untuk
Memprediksi Faktor Dominan
Injury Severity pada Kecelakaan Lalu Lintas”.
1.2. Rumusan Masalah Berdasarkan latar belakang yang telah
diuraikan, maka rumusan masalahnya adalah: 1.
Sulitnya menentukan faktor-faktor
dominan yang mempengaruhi
tingkat injury severitykecelakaan
lalu lintas.
2. Bagaimana
menentukan arsitektur JST
yang tepat sehingga
dapat dengan cepat memprediksi faktor dominaninjury
severity kecelakaan lalu lintas.
1.3. Batasan Masalah Penelitian ini dilakukan dengan beberapa
batasan, diantaranya: 1. Diasumsikan
bahwa kondisi kendaraan
yang digunakan masih
dalam kondisi baik.
2. Kondisi cuaca yang digunakan dalam penelitian
tidak digambarkan secara detail untuk
setiap variabelnya.
3. Dalam penelitian ini tidak mempertimbangkan
faktor human error seperti pelanggaran lalu lintas ataupun kondisi
psikologi pengendara.
Contoh Skripsi Computer Science:Jaringan Saraf Tiruan Resilient Backpropagation Untuk Memprediksi Faktor Dominan Injury Severity Pada Kecelakaan Lalu LintasDownloads Versi PDF >>>>>>>Klik DisiniArtikel terkait skripsi diantaranya : Kumpulan Contoh skripsi, contoh makalah,proposal penelitian, karya tulis, contohskripsi, c0ntoh proposal, judul seminar akuntansi, proposal tentang, beasiswa disertasi, laporan ta, tugas ta, tesis akuntansi keuangan, tesis kesehatan, proposal tesis akuntansi, contoh-contoh tesis, tesis gratis, tesis contoh, contoh bab 1 tugas akhir, kumpulan tugas akhir akuntansi, proposal pengajuan tugas akhir, contoh laporan tugas akhir akuntansi, judul tugas akhir jurusan akuntansi.
0 komentar:
Posting Komentar