摘要：Pada awalnya ide jaringan syaraf tiruan (JST) berkembang dari komputer analog yang meniru otak manusia. Suatu JST terdiri atas banyak unit tunggal dan unit pengolahan sederhana yang berinterakasi melalui suatu jaringan pada antar koneksi. Melalui struktur jaringan inilah JST mampu belajar dan mengingat pola kompleks (Wilppu, 1999). JST belajar melalui dua paradigma utama yaitu pembelajaran tersedia (supervised learning) dan pembelajaran tak tersedia (unsupervised learning) (Fu, 1994) Otak manusia terdiri atas sel-sel syaraf yang disebut neuron, yang berjumlah sekitar 10 9  neuron. Neuron-neuron tersebut terbagi atas kelompok-kelompok yang disebut dengan jaringan, yang dibedakan berdasarkan fungsinya; setiap group mengandung ribuan neuron yang saling berhubungan. Setiap neuron mempunyai kemampuan untuk menerima, memproses, dan menghantarkan sinyal elektro kimiawi melalui jalur-jalur syaraf. Neuron buatan dirancang untuk menirukan karakteristik neuron biologis. Jaringan syaraf, dengan kemampuan luar biasanya dapat mengartikan data yang rumit, dapat juga digunakan untuk mengubah pola yang terlalu kompleks (banyak). Sebuah jaringan syaraf yang terlatih dapat disebut sebagai “pakar†untuk menganalisa di bidang informasi Sistem JST merupakan suatu upaya untuk mensimulasikan hardware tertentu atau software yang rumit dengan elemen-elemen pemroses, disebut neuron, yang berlapis-lapis. Tiap neuron dihubungkan dengan tetangga terdekatnya dengan tingkat koefisien keterhubungan yang berbeda-beda, yang merepresentasikan kekuatan keterhubungan Peramalan dengan menggunakan pendekatan ANN ternyata memberikan nilai MSE yang sangat kecil mendekati 0. Hal ini berarti pendekatan Artificial Neural Network memiliki akurasi yang sangat tinggi dalam melakukan prediksi terhadap suatu model sistem. Keakuratan ANN dalam memprediksi suatu model karena proses peramalan mempertimbangkan faktor-faktor lain yang berpengaruh.
其他摘要：Pada awalnya ide jaringan syaraf tiruan (JST) berkembang dari komputer analog yang meniru otak manusia. Suatu JST terdiri atas banyak unit tunggal dan unit pengolahan sederhana yang berinterakasi melalui suatu jaringan pada antar koneksi. Melalui struktur jaringan inilah JST mampu belajar dan mengingat pola kompleks (Wilppu, 1999). JST belajar melalui dua paradigma utama yaitu pembelajaran tersedia (supervised learning) dan pembelajaran tak tersedia (unsupervised learning) (Fu, 1994) Otak manusia terdiri atas sel-sel syaraf yang disebut neuron, yang berjumlah sekitar 10 9  neuron. Neuron-neuron tersebut terbagi atas kelompok-kelompok yang disebut dengan jaringan, yang dibedakan berdasarkan fungsinya; setiap group mengandung ribuan neuron yang saling berhubungan. Setiap neuron mempunyai kemampuan untuk menerima, memproses, dan menghantarkan sinyal elektro kimiawi melalui jalur-jalur syaraf. Neuron buatan dirancang untuk menirukan karakteristik neuron biologis. Jaringan syaraf, dengan kemampuan luar biasanya dapat mengartikan data yang rumit, dapat juga digunakan untuk mengubah pola yang terlalu kompleks (banyak). Sebuah jaringan syaraf yang terlatih dapat disebut sebagai “pakar†untuk menganalisa di bidang informasi Sistem JST merupakan suatu upaya untuk mensimulasikan hardware tertentu atau software yang rumit dengan elemen-elemen pemroses, disebut neuron, yang berlapis-lapis. Tiap neuron dihubungkan dengan tetangga terdekatnya dengan tingkat koefisien keterhubungan yang berbeda-beda, yang merepresentasikan kekuatan keterhubungan Peramalan dengan menggunakan pendekatan ANN ternyata memberikan nilai MSE yang sangat kecil mendekati 0. Hal ini berarti pendekatan Artificial Neural Network memiliki akurasi yang sangat tinggi dalam melakukan prediksi terhadap suatu model sistem. Keakuratan ANN dalam memprediksi suatu model karena proses peramalan mempertimbangkan faktor-faktor lain yang berpengaruh
