Jaringan Saraf tiruan (JST) adalah suatu metode komputasi yang meniru
jaringan saraf biologis. Banyak penelitian telah menerapkan sistem jaringan
saraf tiruan dalam diagnosis keperluan medis, analisis citra, analisis sinyal,
interpretasi, klasifikasi dan berbagai masalah prediksi, diantaranya dengan
menggunakan jaringan Radial Basis Function dan Backpropagation. Tujuan
penulisan skripsi ini adalah menjelaskan prosedur pembentukan model
Backpropagation dan Radial Basis Function serta penerapannya untuk prediksi
jumlah uji kendaraan bermotor Di UPT PKB Dinas Perhubungan Banjarbaru.
Backpropagation adalah model Neural Network dengan jaringan yang
menggunakan nilai error untuk mengubah nilai bobot-bobotnya dalam arah
mundur (backward). Untuk mendapatkan error ini, tahap perambatan maju
(forward propagation) harus dikerjakan terlebih dahulu. Jaringan ini
mempunyai fungsi aktivasi pada dua lapisan yaitu pada lapisan tersembunyi dan
output. Radial Basis Function (RBF) adalah jaringan yang menggunakan fungsi
basis sebagai fungsi aktivasi untuk setiap neuron pada lapisan tersembunyi.
Metode RBFNN dan Backpropagation menghasilkan nilai prediksi terbaik pada
jenis retribusi uji kendaraan JBB 0-2000. Pada jenis retribusi ini,
Backpropagation mampu menghasilkan nilai error MAPE sebesar 9,805%,
sedangkan RBFNN menghasilkan error MAPE sebesar 12,610%.
Kata kunci: Jaringan Syaraf Tiruan (JST), Radial Basis Function (RBF) dan
Backpropagation