@thesis{thesis,
		author={Mubarok  Rifki},
		title ={OPTIMASI JARINGAN SYARAF TIRUAN (JST) 
BACKPROPAGATION MENGGUNAKAN 
ALGORITMA ADABOUND UNTUK MEMPREDIKSI 
PENJUALAN MINUMAN RINGAN},
		year={2022},
		url={http://repositori.unsil.ac.id/7982/},
		abstract={ABSTRAK
Algoritma Jaringan Syaraf Tiruan (JST) umum digunakan untuk 
melakukan prediksi karena kemampuan meniru proses dalam mengolah informasi 
dan menyelesaikan permasalahan. Metode backpropagation biasa digunakan dalam 
mengembangkan model pada proses pelatihan yang bertujuan untuk meningkatkan 
akurasi namun memiliki masalah pada kecepatan konvergensi pelatihan cukup
lambat yang disebabkan pemilihan learning rate. JST backpropagation pada 
penelitian ini akan dikembangkan dengan menerapkan optimasi Adabound, 
optimasi ini memiliki karakteristik penggunaan learning rate yang dinamis dengan 
inisialisasi batas atas dan bawah pada prose pelatihan untuk mengatasi 
permasalahan pada learning rate. Tahapan penelitian yang dilakukan adalah 
pengumpulan data, pengolahan data, perancangan model, pengujian model dan 
evaluasi. JST Backpropagation dengan optimasi Adabound diuji dengan dataset 
penjualan minuman ringan. Eksperimen yang dilakukan menunjukan bahwa
optimasi JST Backpropagation menggunakan algoritma Adabound mendapat nilai 
Mean Absolute Error (MAE) 123 dan waktu pelatihan 1 menit 12 detik, dengan 
arsitektur jaringan paling optimal pada 7-128-64-1 memiliki nilai error 0.01.
Kata Kunci: Adabound, Backpropagation, Prediksi penjualan}
		}