@thesis{thesis,
		author={Alena  Uperiati and Charlie  Limbongan and Nerfita  Nikentari},
		title ={PREDIKSI KECEPATAN ANGIN DI KEPULAUAN RIAU MENGGUNAKAN JORDAN RECURRENT NEURAL NETWORK (JRNN) (Studi Kasus : Kota Tanjungpinang)},
		year={2019},
		url={http://repositori.umrah.ac.id/1093/},
		abstract={Pengetahuan mengenai kecepatan angin merupakan salah satu faktor yang
mempengaruhi kehidupan masyarakat pada beberapa sektor seperti di laut atau
sektor lainnya. Pengetahuan tersebut akan dijadikan sebagai bahan
pertimbangan dalam mencari solusi ketika akan melakukan kegiatan di setiap
sektornya. Oleh karena itu dilakukan penelitian untuk melatih pola data prediksi
kecepatan angin dengan menggunakan data mulai tanggal 1 Januari sampai 23
Oktober tahun 2017 yang didapat dari BMKG kota Tanjungpinang. Penelitian
ini dilakukan dengan menggunakan metode JST Jordan Recurrent Neural
Network (JRNN), dikarenakan JRNN memiliki waktu penelitian yang relatif
lebih singkat dan dapat menghasilkan output dengan tingkat akurasi yang cukup
tinggi. Metode JRNN secara umum memiliki tahapan diantaranya ialah
menentukan parameter pengujian. Pada penelitian ini penentuan nilai parameter
pengujian dilakukan secara acak berdasarkan 296 data yang dibagi menjadi dua
bagian yakni 236 data untuk pelatihan dan 60 data untuk pengujian. Dengan
menggunakan data pelatihan tersebut maka didapat nilai MSE terkecil pada
hidden unit 6 dan learning rate 0,0001 sebesar 1,95011. Dengan menggunakan
data pengujian tersebut dan parameter terbaik didapat MSE sebesar 2.477481
dan MAPE 0.1920006.}
		}