ANALISIS FUNGSI AKTIVASI RBF PADA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET

John Maspupu

Abstract


Makalah ini membahas suatu fungsi aktivasi khusus pada JST atau
jaringan syaraf tiruan untuk mendukung sistem prediksi gangguan geomagnet.
Fungsi aktivasi khusus ini lebih dikenal dengan sebutan fungsi basis radial (radial
basis functions - RBF). Selain itu dalam makalah ini juga diberikan suatu ilustrasi
tentang penerapan fungsi aktivasi RBF pada penentuan bobot JST. Untuk
mendapatkan tingkat gangguan geomagnet kita perlu mengetahui variasi hari
tenang geomagnet. Dengan demikian untuk memprediksi tingkat gangguan
geomagnet, cukup diprediksi variasi hari tenangnya dan kemudian dibandingkan
dengan hasil-hasil pemantauan variasi harian geomagnet di SPD (Stasiun
Pengamat Dirgantara) tertentu. Adapun tujuan dari pembahasan makalah ini
adalah menganalisis fungsi radial basis yang digunakan sebagai fungsi aktivasi
pada JST untuk memprediksi tingkat gangguan geomagnet. Sedangkan kontribusi
dari hasil analisis fungsi aktivasi radial basis ini, nantinya digunakan dalam
algoritma JST sebagai suatu kesatuan perangkat lunak (software) yang dapat
diterapkan pada sistem prediksi tingkat gangguan geomagnet.


Keywords


Fungsi aktivasi, RBF, JST , Gangguan, Geomagnet.

Full Text:

PDF

References


Buhmann, M. D., (2003). Radial Basis Functions: Theory and Implementations, Cambridge University.

Chen, S. et. al., (1991). "Orthogonal Least Squares Learning Algorithm for Radial Basis Function

Networks", IEEE Transactions on Neural Networks, Vol 2, No 2.

Gleisner, H. and Lundsted, H.,(2001) A Neural network-based local model for prediction of geomagnetic

disturbance, Journal of Geophysical Research, Vol. 106, no. 5, pp. 8425 – 8433.

Haykin, S.,(1999) Neural network : A comprehensive foundation, Macmillan College Publishing

Company, New York.

Kugblenu, S et.al., (1999) Prediction of the geomagnetic storm associated Dst index using an ANNalgorithm,

Journal EPS,51, pp. 307 – 313.

Yee, P. V. and Haykin, S., (2001). Regularized Radial Basis Function Networks: Theory and

Applications. John Wiley.




License URL: https://creativecommons.org/licenses/by-nc/4.0