Blog Archives

Memprediksi jumlah penduduk suatu daerah merupakan tugas penting dalam perencanaan perkotaan, perencanaan sumber daya, dan pengambilan keputusan pemerintah. Metode tradisional seperti regresi linier sering digunakan untuk tujuan ini, tetapi kadang-kadang metode yang lebih kompleks diperlukan untuk mengatasi data yang rumit. Salah satu pendekatan yang muncul adalah menggunakan Jaringan Syaraf Tiruan Radial Basis Function (RBF-NN) untuk memprediksi jumlah penduduk. Dalam artikel ini akan dijelaskan konsep dasar RBF-NN dan bagaimana ia dapat digunakan dalam konteks ini.

Apa itu Jaringan Syaraf Tiruan Radial Basis Function (RBF-NN)?

Jaringan Syaraf Tiruan Radial Basis Function (RBF-NN) adalah salah satu jenis jaringan syaraf tiruan yang memiliki tiga lapisan utama: lapisan input, lapisan tersembunyi (hidden layer) dengan fungsi basis radial, dan lapisan output. RBF-NN memiliki kemampuan untuk memodelkan hubungan nonlinier yang kompleks antara masukan dan keluaran. Ini terutama berguna ketika data memiliki pola yang sulit diidentifikasi oleh metode linier.

RBF NN Structure (He, Haiqing & Yan, Yeli & Chen, Ting & Cheng, Penggen. (2019). Tree Height Estimation of Forest Plantation in Mountainous Terrain from Bare-Earth Points Using a DoG-Coupled Radial Basis Function Neural Network. Remote Sensing. 11. 1271. 10.3390/rs11111271)

-read more->

Posted in Data mining

2 Comments

Tags: algoritma dan pemrograman, algoritma jaringan syaraf tiruan, analisis data, jaringan syaraf tiruan, Jaringan Syaraf Tiruan (Neural Network), pemrograman matlab, Pemrosesan Data, Perencanaan Perkotaan, Perencanaan Sumber Daya, prediksi jumlah penduduk, Radial Basis Function (RBF-NN), sistem prediksi

Deteksi Kanker Paru Menggunakan Jaringan Syaraf Tiruan pada Citra CT Scan

Sep 4

Posted by adi pamungkas

Kanker paru-paru adalah salah satu jenis kanker yang paling mematikan di seluruh dunia. Deteksi dini kanker paru-paru sangat penting untuk meningkatkan tingkat kelangsungan hidup pasien. Salah satu metode yang dapat digunakan untuk deteksi kanker paru-paru adalah dengan menggunakan teknologi pengolahan citra medis dengan modalitas CT scan. Dalam penelitian ini, akan dijelaskan bagaimana pengolahan citra, khususnya ekstraksi fitur Gray-Level Co-occurrence Matrix (GLCM), dan penggunaan jaringan syaraf tiruan (neural networks) dapat digunakan untuk deteksi kanker paru-paru pada citra CT scan.