Pemodelan Rangkaian Suap Balik Elman bagi Peramalan Harga Rumah

Abstract

Artikel ini rnembincangkan satu pendekatan Rangkaian Suap Balik iaitu Rangkaian Elrnan bagi peramalan harga rumah teres di Kuala Lumpur. Rangkaian Elman dengan algoritma pembelajaran rambatan balik dikaji bagi mencerap kelakuan data perumahan untuk mendapatkan satu model peramalan yang baik. Lapan faktor yang mempengaruhi harga rumah dicadangkan dan diolah sebagai input parameter rangkaian suap balik Elman. Berdasarkan kutipan pembelajaran pada rangkaian Elman terhadap 80% data latihan perumahan, didapati bahawa rangkaian ini berjaya menghasilkan keputusan yang lebih baik dengan kadar pengelasan adalah 97.6% dan penghasilan ralat yang kecil iaitu 0.012744 terhadap 20% data ujian perurnahan tahun 1997.