Jaringan Syaraf Tiruan adalah suatu metode pengelompokan dan
pemisahan data yang prinsip kerjanya sama seperti jaringan syaraf manusia.
Jaringan syaraf tiruan banyak digunakan untuk menyelesaikan berbagai masalah
khususnya metode backpropagation. Backpropagation merupakan algoritma
pembelajaran yang terawasi dan terbimbing yang berfungsi sebagai pembimbing
untuk melatih jaringan hingga diperoleh bobot yang terbaik. Dalam meteode
backpropagation terdapat 12 algoritma pelatihan. Dengan adanya 12 algoritma
pelatihan tersebut maka perlu dilakukan pengujian untuk mendapatkan algoritma
pelatihan yang paling tepat dalam mengenali pola data. Data yang digunakan
dalam pengujian ini adalah data random dengan model neuron 5 neuron input
menggunakan learning rate 0.01, 0.05, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.
Hasil pengujian yang telah dilakukan menggunakan uji statistik Inferensi pada
model neuron 5-6-1 menghasilkan algoritma pelatihan yang paling tepat dalam
mengenali pola data yaitu Levenberg-Marquardt (trainlm) pada learning rate 0.9
dengan nilai rata-rata delta sebesar 0.00695500000. Namun dalam analisis
statistik Deskriptif pada model neuron 5-6-1 didapatkan algoritma Resilent
Backpropagation (trainrp) sebagai algoritma yang mempunyai persentase terbesar
dalam ketepatan mengenali pola data dengan nilai persentase 98%. Sementara itu
dalam analisis statistik Deskriptif pada model neuron 5-6-1 didapatkan algoritma
Resilent Backpropagation (trainrp) sebagai algoritma yang mempunyai
persentase terbesar dalam ketepatan mengenali pola data dengan nilai persentase
98%. Sedangkan pada model neuron 5-8-1 analisis statistik Deskriptif didapatkan
algoritma Levenberg-Marquardt (trainlm), Resilent Backpropagation (trainrp),
Scaled Conjugate Gradient (trainscg) sebagai algoritma yang memiliki persentase
terbesar dengan nilai 100%. Berdasarkan kedua pengujian tersebut didapatkan
algoritma Levenberg-Marquardt (trainlm) sebagai algoritma yang paling tepat
dalam mengenali pola data.