• Tidak ada hasil yang ditemukan

Klasifikasi Penyakit Chronic Kidney Disease (CKD) Dengan Menggunakan Metode Extreme Learning Machine (ELM)

N/A
N/A
Protected

Academic year: 2018

Membagikan "Klasifikasi Penyakit Chronic Kidney Disease (CKD) Dengan Menggunakan Metode Extreme Learning Machine (ELM)"

Copied!
9
0
0

Teks penuh

Loading

Gambar

Gambar 1. Arsitektur Extreme Learning Machine (ELM)
Gambar 2. Diagram Alir Proses ELM
Gambar 5. Grafik Hasil Pengujian Pengaruh Fungsi Aktivasi terhadap nilai akurasi

Referensi

Dokumen terkait

Learning Machine kurang optimal, maka akan digunakan alternative fungsi transfer yang lain atau merubah jumlah hidden neuron. Menghitung input weight , bias of

Sehingga dapat disimpulkan runtime pada metode Extreme Learning Machine (ELM) untuk pengujian jumlah hidden neuron memiliki learning speed yang cepat.. Pengujian

Pada peramalan laju inflasi menggunakan extreme learning machine (ELM) dilakukan pengujian parameter terhadap jumlah neuron pada hidden layer.. Pengujian ini

Pada peramalan laju inflasi menggunakan extreme learning machine (ELM) dilakukan pengujian parameter terhadap jumlah neuron pada hidden layer.. Pengujian ini

Berdasarkan beberapa pengujian yang telah dilakukan, maka penelitian menghasilkan tingkat error terkecil sebesar 0,01616 untuk roti tawar dengan menggunakan 7 neuron pada

Kemudian dilihat dari Tabel_6 dapat diketahui bahwa untuk hasil pengujian jumlah hidden neuron dengan dataset impor, rata – rata nilai MAPE yang tertinggi untuk yaitu

Gagal ginjal kronis atau penyakit renal tahap akhir (ESRD) merupakan gangguan fungsi renal yang progresif dan irreversible dimana kemampuan tubuh gagal untuk

Sedangkan jika menggunakan hidden neuron kurang dari 6 maka akan mengakibatkan overfitting yang menyebabkan model yang terbentuk sangat mengenali data latih