Algoritma back propagation neural network merupakan sebuah penamaan yang sering didengarkan dalam sebuah rumus matematika. Dalam rumus tersebut ada yang bernama algoritma mungkin kalian mengiranya. Dalam penjelasan ini dapat diketahui bahwa Back Propagation Neural Network (BPNN) adalah salah satu jenis algoritma dalam Neural Network yang dapat digunakan untuk pengenalan karakter huruf Jawa. Matlab 7.1 telah digunakan sebagai perangkat lunak untuk mendukung program tersebut. Tujuan utama dari penelitian ini adalah untuk mengetahui karakteristik pelatihan BPNN dari masing-masing sampel.
Di sisi lain, penelitian ini juga memberikan nilai akurasi BPNN dalam pengenalan karakter abjad Jawa. Hasil penelitian menunjukkan bahwa setiap bagian sampel memiliki karakteristik BPNN yang berbeda-beda berdasarkan pelatihan terbaik. Selain contoh diatas dalam metode Algoritma back propagation neural network (BPNN) bisa digunakan dalam Sektor perkebunan tanaman yang merupakan salah satu komoditas unggulan Provinsi Kalimantan Timur yang memberikan kontribusi besar terhadap ekspor nonmigas.
Saat ini, harga tanaman karet di dunia semakin bersaing. Tujuan penulisan artikel ini adalah melakukan prediksi harga tanaman karet dimana hasil prediksi digunakan sebagai acuan instansi pemerintahan dan perusahaan dalam mengambil suatu kebijakan dan penyusunan rencana kerja.
Tentang Algoritma back propagation neural network (BPNN) ini bisa dipelajari lebih luas lagi dengan melihat kelebihan dan kekurangannya. Dalam pengertiannya sendiri BackPropagation merupakan metode pelatihan jaringan syaraf tiruan yang diawasi. Ini mengevaluasi kontribusi kesalahan dari setiap neuron setelah satu set data diproses. Tujuan backpropagation adalah untuk memodifikasi bobot untuk melatih jaringan neural untuk memetakan input arbitrer ke output dengan benar.
Backpropagation Neural Network (BPNN) merupakan salah satu metode peramalan yang sudah banyak dilakukan kemampuan Artificial Neural Network dalam melakukan suatu pembelajaran terbukti mempunyai kinerja yang cukup baik, namun Backpropagation memiliki dua kelemahan utama yaitu kecepatan convergence yang buruk dan tidak stabil, hal ini disebabkan karena resiko terjebaknya pada lokal minimum. Dua kelemahan itu dipengaruhi bobot awal yang dipilih secara random. Algoritma Genetika akan digunakan untuk menentukan bobot serta bias awal terhadap parameter Backpropagation sehingga bisa mendapatkan kemampuan belajar yang baik.
Dari contoh diatas bisa ditarik kesimpulan bahwa metode Algoritma back propagation neural network (BPNN) bisa digunakan dalam segala bidang, salah satunya bidang pertanian. Dengan adanya metode Algoritma back propagation neural network (BPNN) ini dapat mempermudah dalam proses pengolahan dimana data yang dihasilkan dapat dilihat dengan benar atau tidak.
Dengan penjelasan yang telah diketahi bahwa Algoritma back propagation neural network (BPNN) bisa diterapkan dengan berbagai macam sub bidang yang dimana dapat diketahui kesimpulan dan hasil yang telah ditentukan dengan baik dan bisa diketahi hasil yang diperoleh secara jelas.