menentukan solusi persamaan diferensial parsial dengan algoritma backpropagation neural network = determine solutions to partial differential equations using the backpropagation neural network algorithm

Persamaan diferensial digunakan untuk menggambarkan model dari berbagai masalah dan fenomena dalam kehidupan sehari-hari. Menyelesaikan persamaan diferensial parsial dapat dilakukan dengan memperoleh solusi analitiknya. Penelitian ini membahas penyelesaian masalah matematika yaitu Persamaan Gelombang, Persamaan Burger inviscid dan Persamaan Panas yang masing-masing sudah memiliki solusi analitik. Metode yang digunakan untuk memperkirakan solusi dari persamaan diferensial parsial adalah artificial neural network, dan salah satu yang paling populer adalah algoritma backpropagation neural network. Metode ini bekerja berdasarkan bobot-bobot masukan yang diberikan, berdasarkan bobot-bobot tersebut model ini mampu belajar mencapai solusi analitik dari suatu PDP dengan tingkat kesalahan tertentu (RMSE). Dengan menggunakan arsitektur multilayer net serta menggunakan fungsi aktivasi sigmoid. Hasil yang diperoleh bahwa semakin banyak neuron pada hidden layer maka akan semakin cepat solusi konvergen ke solusi analitiknya namun RMSE cukup besar dan sebaliknya semakin sedikit neuron pada hidden layer makan semakin lama solusi konvergen ke solusi analitik PDP tetapi nilai RMSE dari model cukup kecil.