Kajian Ke atas Parameter Model Rangkaian Rambatan Balik untuk Peramalan: Kajian Kes Hasil Pengeluaran Getah

Abstract

Kertas kerja ini membincangkan metodologi dan parameter berkaitan yang perlu diambilkira apabila melibatkan proses peramalan menggunakan teknik rambatan balik. Lazimnya, kejituan peramalan banyak dipengaruhi oleh pemilihan parameter iaitu pemalar pembelajaran (pemalar momentum (b) dan kadar pembelajaran (a)), bilangan nod tersembunyi dan jenis fungsi keaktifan. Ketidaksesuaian nilai parameter dan bilangan nod di aras tersembunyi akan menyebabkan rangkaian memberi jawapan yang mencapah daripada sasaran sebenar. Oleh yang demikian, penulis cuba mengkaji nilai parameter yang bersesuaian, perkaitan yang wujud di antara parameter tersebut serta kesannya terhadap prestasi ramalan model rambatan balik. Parameter yang dicadangkan ini diuji ke atas data pengeluaran hasil getah daripada tahun 1989 sehingga 1998. Kata kunci: Peramalan; Rambatan balik; Parameter Pembelajaran; Momentum; Nod Tersembunyi This paper discusses the methodology and parameters that need to be considered when using backpropagation model for forecasting. Usually, the accuracy of forecasting depends on several parameters such as learning parameters (momentum constant (b) and learning rate (a)), number of hidden nodes and type of activation function used. When the values of learning parameters and the number of hidden nodes are not suitable, the resulted values are diverged from the actual target values. Therefore, in this study, we investigate the compatible values of learning parameters, their relationships and the effectiveness on forecasting performance. The suggested parameters are tested on data of rubber production from the year 1989 to 1998. Key words: Forecasting; Backpropagation; Learning Parameter; Momentum; Hidden Nodes