Artificial neural network (ANN) was used in this study to determine water turbidity by using back propagation algorithm. Three wavelengths which represent reflectance intensity for eight standard samples were used as training input. The finding from the study shows that the trained network with number of epochs of 250,000 and learning rate of 0.001 gave the lowest sum of squared error (SSE) of 0.04. ANN was able to predict the turbidity of water based on the pattern recognition of the reflectance spectrum. The architecture of optimized ANN used in this study was 3:25:1. The average prediction error was 0.02.
[Jaringan neural tiruan (ANN) dengan lagoritma perambatan balik (BP) telah digunakan dalam kajian ini untuk menentukan kekeruhan air. Tiga panjang gelombang yang mewakili serapan bagi lapan sampel telah dipilih sebagai imput latihan. Hasil kajian menunjukkan bagi jaringan terlatih dengan bilangan ulangan latihan 250,000 dan kadar pembelajaran 0.001 telah memberikan nilai SSE yang terendah iaitu 0.04. Dalam kajian ini jaringan ANN didapati boleh menentu dan meramalkan nilai kekeruhan sample air berdasarkan corak serapan pantulan. Arkitektur yang sesuai bagi kajian ini adalah 3:25:1. Purata ralat ramalan adalah 0.02].