ANALISIS EFEKTIFITAS METODE HIBRIDA NEURAL NETWORKS DAN FUZZY LOGIC UNTUK PERAMALAN VALUTA ASING
|
|
- Hartono Setiawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS EFEKTIFITAS METODE HIBRIDA NEURAL NETWORKS DAN FUZZY LOGIC UNTUK PERAMALAN VALUTA ASING Aji Prasetya Wibawa*, Rully Soelaiman** *Universitas Negeri Malang ajipw@yahoo.com **Institut Teknologi Sepuluh Nopember Surabaya. ABSTRAK Dalam melakukan peramalan ( forecasting) valuta asing jaringan Backpropagation Levenberg-Marquardt menghasilkan pelatihan tercepat dengan 1895/30000 epoh dengan MSE dan tingkat akurasi (%B) %.Hasil peramalan akan dijadikan masukan logika fuzzy untuk mendapatkan keputusan akan menjual, menahan atau membeli valuta asing berdasarkan strategi one day sell. Tingkat akurasi sistem yang dibuat sebesar %. Hasil simulasi transaksi menggunakan metode Hibrida Neural Network Fuzzy Logic (HNNFL) periode 2 April sampai dengan 30 April 2007 memberikan keuntungan sebesar 248,7 yen. Berdasarkan keuntungan yang diperoleh, metode ini lebih efektif dalam menentukan strategi perdagangan valuta asing dibandingkan metode yang lainnya Kata kunci: Valuta Asing, Peramalan, Neural networks, Fuzzy Logic PENDAHULUAN Perdagangan Forex (foreign exchange) di Indonesia dikenal dengan perdagangan valas (valuta asing). Perdagangan valas tidak ada bedanya dengan perdagangan lainnya, yaitu terjadi aktivitas pertukaran, di mana pemilik barang menyerahkan barangnya kepada pembeli, kemudian pembeli akan menyerahkan uang sebagai penukar barang yang didapatnya. Dalam perdagangan mata uang kedua belah pihak akan menyerahkan uang sebagai penukar tetapi uang tersebut berbeda asalnya. Dalam melakukan transaksi mata uang tidak lepas dari kepiawaian investor dalam menganalisis arah pergerakan mata uang tersebut. Ada dua metode analis yaitu analisis fundamental dan analisis teknikal. Analisis fundamental adalah analisis terhadap fundamental suatu negara pemilik mata uang, untuk dolar AS misalnya, akan dianalisis kondisi ekonomi, sosial dan politik AS. Sedangkan analisis teknikal hanya mengandalkan tren harga ke depan berdasarkan perkembangan harga masa lalu (forecasting). Dalam melakukan peramalan ( forecasting) neural networks memiliki keunggulan dibandingkan dengan metode konvensional. Metode ini lebih fleksibel dalam hal beradaptasi dengan lingkungan dan memiliki kemampuan belajar yang baik. Neural networks mampu mendeteksi pola-pola dan trend dalam berbagai kumpulan data yang diberikan padanya termasuk data yang sangat tidak beraturan dan berubah-ubah. Namun neural networks lemah dalam hal menjelaskan sesuatu. Oleh karena itu perlu digabungkan dengan fuzzy logic yang memiliki kemampuan menjelaskan ( explanation ability) yang baik. Penggabungan keduanya menghasilkan Hybrid Intelligent Systems yang diharapkan mampu menutupi kelemahan masing-masing metode. Pada dasarnya yang dilakukan oleh neural networks adalah memetakan pola-
2 pola terdahulu, kemudian menemukan struktur yang dapat memetakan kondisi sekarang ke kondisi yang mungkin terjadi pada masa mendatang. Struktur ini dapat dihasilkan dengan melakukan suatu komputasi tertentu terhadap beberapa pola-pola yang ada. Hasil peramalan akan dijadikan masukan logika fuzzy untuk mendapatkan keputusan akan menjual, menahan atau membeli valuta asing. METODA Masalah peramalan adalah memperkirakan harga xn+1 berdasarkan data runtut waktu sebelumnya (x 1, x2, x3,...xn). Data-data runtut waktu berupa kurs US dollar terhadap Yen Jepang didapat dari situs Data ini berupa data kurs penutupan harian selama tiga tahun. Peramalan hanya menggunakan metode analisis teknikal sehingga tidak menggunakan data-data fundamental seperti tingkat inflasi, ekspor, impor dan tingkat pengangguran. Data latih terdiri mulai tanggal 2 Oktober 2006 sampai dengan 30 Maret 2007 (6 bulan). Sedangkan data uji mulai tanggal 1 Februari 2007 sampai dengan 30 April 2007 ( 3 bulan). Sistem yang akan dibangun adalah Hibrida Neural Networks dan Fuzzy Logic (HNNFL). Sistem terdiri dari NN untuk peramalan dan Fuzzy Logic yang digunakan sebagai penentu strategi perdagangan valuta asing. Gambar 1 menampilkan model sistem yang akan dibuat. Data Time Serries Kurs $/ Strategi Perdagangan Valas N.N-Backpropagation Sistem Fuzzy Gambar 1 Model Sistem Prediksi dan Strategi Perdagangan Valuta Asing Menggunakan Neural Networks dan Fuzzy Logic. Gambar 2 Langkah-langkah dalam memilih arsitektur jaringan C-5-2
3 Pada penelitian ini metode peramalan yang digunakan adalah neural networks dengan arsitektur jaringan multi layer perceptron ( backpropagation. Jaringan akan terdiri dari lapisan input, hidden layer dan output. Langkah-langkah dalam memilih arsitektur jaringan yang sesuai tampak pada Gambar 2. Hasil peramalan akan digunakan sebagai masukan sitem fuzzy untuk pengambilan keputusan dalam perdagangan valuta asing. Untuk melakukan perancangan suatu sistem fuzzy perlu dilakukan beberapa tahapan sesuai Gambar 3. Gambar 3 Perancangan sistem fuzzy Untuk mengetahui efektifitas metode dilakukan simulasi perdagangan valuta asing dalam periode waktu 1 bulan (April 2007). Simulasi juga dilakukan pada metode SMA, NN-SMA, NN dan Fuzzy Logic secara terpisah sebagai pembanding. Metode yang paling efektif adalah metode yang memperoleh keuntungan terbesar dalam simulasi perdagangan. HASIL DAN DISKUSI Berdasarkan analisis korelasi arsitektur jaringan terdiri dari 5 neuron input ( T-1; T-2; T-3; T-4; T-5) dan 1 neuron output (T). Pelatihan jaringan menggunakan dua algoritma yaitu traingdx (penurunan gradien dengan momentum) dan trainlm (Levenberg-Marquardt). Parameter pelatihan ditentukan sebagai berikut: a. maksimum epochs=30000 b. mse=1e-10 c. momentum = 0.7 d. learning rate =0.03 Uji coba akan dilakukan pada dua arsitektur jaringan yang berbeda jumlah lapisan tersembunyi dan neuron yang ada di dalamnya. Tidak ada metode yang pasti dalam menentukan jumlah neuron pada lapisan tersembunyi. Pada uji coba ini penentuan jumlah neuron pada lapisan tersembunyi berdasar pendekatan (Gradojevic,2000) n+1 untuk hidden layyer 1 dan 2n+3 untuk layar tersembunyi ke-2 dengan n adalah jumlah neuron input. Berdasarkan pendekatan tersebut didapat arsitektur jaringan yang akan C-5-3
4 digunakan untuk peramalan yaitu dan seperti pada Gambar 4 dan Gambar 5 Gambar 4 Arsitektur Gambar 5 Arsitektur Tiap-tiap arsitektur akan dilatih menggunakan data kurs harian dollar/yen periode 6 bulan ( 2 Oktober 2006 sampai dengan 30 Maret 2007) sebagai data latih. Arsitektur kemudian diuji dengan data uji periode 1 Februari April 2007 sampai dengan 30 April 2007 (3 bulan). Pada setiap uji coba himpunan data time series, dihitung akurasi hasil klasifikasi dari metode yang digunakan. Tingkat akurasi dihitung berdasarkan jumlah total hasil klasifikasi yang benar dibagi jumlah total data uji. Arsitektur dengan tingkat akurasi tertinggi akan digunakan untuk membentuk sistem hibrida. Pemilihan arsitektur jaringan berdasar pada kecepatan pelatihan (jumlah epoh) dan tingkat kebenaran peramalan (% B). Unjuk kerja neural network ditampilkan pada Tabel 1. Berdasarkan data Tabel 1 dipilih jaringan (trainlm) dengan %B= %. Output jaringan yang terpilih digunakan sebagai masukan pengambilan keputusan dengan metode SMA dan Sistem Fuzzy. Tabel 1. Unjuk kerja jaringan Backpropagation untuk peramalan Arsitektur Pelatihan Epoh MSE % B Traingdx Trainlm Traingdx Trainlm C-5-4
5 Setelah mengetahui pergerakan valuta asing dengan neural networks, permasalahan yang dihadapi adalah adalah bagaimana menentukan strategi perdagangan valuta asing. Strategi perdagangan valuta asing dibuat dengan toolbox matlab menggunakan metode penalaran fuzzy Mamdani. Variabel yang digunakan adalah input (T dan T+1) serta output yang berupa strategi perdagangan. Nilai maksimum (121,97) sedangkan nilai minimum (116,150) sehingga menghasilkan interval [116,122]. Output berupa strategi perdagangan dengan interval [-1 1]. Daerah negatif berarti menjual $ sedangkan positif berarti membeli $. Hal ini berdasarkan strategi one day sell dimana jika tren naik (T+1>T) strategi yang dilakukan oleh trader adalah membeli dollar. Himpunan-himpunan fuzzy yang digunakan pada tiap-tiap variabel seperti terlihat pada Tabel 2. Klasifikasi domain fuzzy diperoleh dari wawanara dengan pelaku perdagangan valuta asing. Tabel 2 Himpunan Fuzzy Variabel Nama Himpunan Fuzzy Domain Satuan 'SangatRendah': 'trimf',[ ] USD/JPY 'Rendah': 'trimf',[ ] USD/JPY 'AgakRendah': 'trimf',[ ] USD/JPY T 'Stabil': 'trimf',[ ] USD/JPY AgakTinggi': 'trimf',[ ] USD/JPY 'Tinggi': 'trimf',[ ] USD/JPY T+1 STRATEGI 'SangatTinggi': 'trimf',[ ] USD/JPY 'SangatRendah': 'trimf',[ ] USD/JPY 'Rendah': 'trimf',[ ] USD/JPY 'AgakRendah': 'trimf',[ ] USD/JPY 'Stabil': 'trimf',[ ] USD/JPY AgakTinggi': 'trimf',[ ] USD/JPY 'Tinggi': 'trimf',[ ] USD/JPY 'SangatTinggi': 'trimf',[ ] USD/JPY 'jual': 'trimf',[ ] - 'tahan': 'trimf',[ ] - 'beli': 'trimf',[ ] - Tingkat akurasi sistem fuzzy yang dihasilkan adalah %. Nilai ini didapat dengan membandingkan strategi yang dihasilkan oleh sistem fuzzy dengan strategi one day sell. Tujuan penelitian ini adalah untuk mengetahui efektifitas metode Hibrida Neural Networks dan Fuzzy Logic (HNNFL). Untuk itu dilakukan simulasi perdagangan valuta asing mulai tanggal 2 April 2007 sampai dengan 30 April Hasil dari metode HNNFL akan dibandingkan dengan keuntungan yang didapat oleh metode yang lain. Metode tersebut adalah metode SMA, NNSMA, NN dan Fuzy Logic.Dalam melakukan simulasi perdagangan terdapat beberapa asumsi: a. Modal awal berupa $ 10 dan 1500 yen b. Transaksi yang dilakukan mengacu pada Dollar, beli berarti membeli dollar. c. Nilai nominal transaksi (membeli atau menjual) adalah 1 dollar. Berdasarkan keuntungan yang diperoleh, metode HNNFL terbukti lebih efektif dalam menentukan strategi perdagangan valuta asing dibandingkan metode yang lainnya. Metode HNNFL memunculkan strategi yang berbeda dengan metode SMA. C-5-5
6 Hal ini karena hasil peramalan NN ( ) masuk dalam klasifikasi fuzzy yang berbeda sehinga strategi yang dimunculkan sistem fuzzy berbeda dengan sistem lainnya. Perbedaan strategi inilah yang menyebabkan perbedaan perolehan keuntungan seperti tampak pada 3. Tabel 3 Efektifitas berbagai metode dalam simulasi perdagangan $/yen periode 2 April 2007 sampai dengan 30 April 2007 Strategi Hari QuoteDate T ke NN( ) NN SMA SMA ( ) Fuzzy HNNFL 1 02-Apr tahan tahan beli beli jual 2 03-Apr beli jual jual jual beli 3 04-Apr jual jual beli beli beli 4 05-Apr beli beli beli beli jual 5 06-Apr beli jual jual jual jual 6 09-Apr jual jual beli beli tahan 7 10-Apr beli beli beli beli beli 8 11-Apr beli beli jual jual jual 9 12-Apr jual jual beli beli beli Apr beli beli beli beli beli Apr beli jual jual jual jual Apr jual jual jual beli beli Apr jual jual jual beli beli Apr jual beli beli beli beli Apr beli beli beli beli beli Apr beli jual tahan beli beli Apr jual jual beli beli beli Apr beli beli beli beli beli Apr beli beli jual jual jual Apr jual jual beli beli beli Apr beli beli beli beli tahan Laba/Rugi KESIMPULAN Simpulan yang didapat dari penelitian ini adalah 1. Peramalan kurs valuta asing menggunakan Neural Network menggunakan 5 neuron input (T -1;T-2;T-3;T-4;T-5) dan 1 neuron output (T). Lapisan tersembunyi terdiri dua lapisan yang terdiri dari 6 neuron pada lapisan 1 dan 13 neuron pada lapisan 2. Pelatihan dengan algoritma trainlm (Levenberg - Marquardt) menghasilkan pelatihan tercepat dengan 1895/30000 epoh. MSE sebesar dengan tingkat akurasi (%B) %. 2. Strategi perdagangan valuta asing dibuat dengan toolbox matlab menggunakan metode penalaran fuzzy Mamdani. Variabel yang digunakan adalah input (T dan T+1) serta output yang berupa strategi perdagangan. Strategi yang digunakan dalam system fuzzy adalah one day sell yaitu membandingkan kondisi valuta asing hari ini dengan kondisi keesokan harinya. Terdapat tiga kategori strategi perdagangan yaitu jual, beli dan tahan. Tingkat akurasi sistem yang dibuat sebesar %. 3. Hasil simulasi transaksi menggunakan metode Hibrida Neural Network Fuzzy Logic (HNNFL) periode 2 April sampai dengan 30 April memberikan C-5-6
7 keuntungan sebesar 248,7 yen. Berdasarkan keuntungan yang diperoleh, metode ini lebih efektif dalam menentukan strategi perdagangan valuta asing dibandingkan metode yang lainnya. Dengan metode ini para pelaku perdagangan valuta asing akan mendapatkan keuntungan yang lebih banyak dibanding menggunakan metode Standar Moving Average (SMA) DAFTAR PUSTAKA Arsyad, Lincoln.(2001) Peramalan Bisnis. Edisi Pertama. BPFE, Yogyakarta. Budiarta, Heli Charisma.(2006) Mengenal valuta asing. Gajahmada University Press. Demuth, Howard. Mark Baele (2001) Neural Network Tool Box, For use with MATLAB, The Mathworks Gelley, Ned. Roger Jang (2005) Fuzzy Logic Tool Box, For use with MATLA B, The Mathworks Gradojevic, Nikola. Jing Yang. (2000). The Application of Artificial Neural Networks to Exchange Rate Forecasting: The Role of Market Microstructure Variables. Bank of Canada Working Paper. ISSN Canada Kamruzzaman, Joarder. Ruhul A Sarker. (2003). Comparing ANN Based Models with ARIMA for Prediction of Forex Rates. ASOR Bulletin, Volume 22 Number 2, June 2003 Kutsurelis, Jason E.(1998) THESIS: Forecasting Financial Markets using Neural Networks: an Alalysis of Methods and Accuracy. NAVAL Postgraduate School. Monterey. California Kusumadewi, Sri.(2002) Analisis dan Desain Sistem Fuzzy menggunakan Tool Box Matlab. Graha Ilmu, Yogyakarta. Kusumadewi,Sri. Hari Purnomo (2004) Aplikasi Logika Fuzzy untuk Pengambilan Keputusan. Graha Ilmu. Yogyakarta. Negnevitsky,Michael.(2005). Artificial Intelligence, A Guide to Intelligent Systems. Second Edition. Pearson Education, England. Shien Lin,Chin.(2002) Can the Neuro Fuzy Model Predict Stock Indexes Better than its Rivals?Providence University Siang, Jong Jek. (2005) Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan Matlab. Andi Ofset,Yogyakarta. Trippi, Robert R (1996)Neural Networks in Finance & Investing.MC Graw-Hill Inc. Widiatmodjo, Sawidji dkk.(2005) Cara Gampang Cari Duit dari Rumah,Forex On-line Trading Tren investasi Masa Kini. PT Gramedia. Jakarta Xiaoyu, Liu(2002)Timeserries Prediction based on Fuzzy Principles based on Fuzzy Principles.Electrical and Computer Engineering Florida State University. C-5-7
IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Investasi merupakan suatu rangkaian tindakan menanamkan sejumlah dana dengan tujuan mendapatkan nilai tambah berupa keuntungan dimasa yang akan datang. Dalam perkembangannya
Lebih terperinciBAB 1 PENDAHULUAN. Pada masa sekarang ini, banyak jenis-jenis usaha dan bisnis yang mulai
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada masa sekarang ini, banyak jenis-jenis usaha dan bisnis yang mulai dikembangkan oleh banyak orang terutama dalam hal bisnis investasi. Salah satu bisnis
Lebih terperinci1. Pendahuluan 1.1 Latar belakang masalah
1. Pendahuluan 1.1 Latar belakang masalah Emas adalah unsur kimia dalam tabel periodik yang memiliki simbol Au (bahasa Latin: 'aurum') dan nomor atom 79. Emas digunakan sebagai standar keuangan di banyak
Lebih terperinciPrediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation
1 Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Reza Subintara Teknik Informatika, Ilmu Komputer, Universitas
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kebutuhan akan prediksi semakin meningkat pada era globalisasi saat ini sejalan dengan keinginan masyarakat khususnya pelaku bisnis untuk memberikan tanggapan
Lebih terperinciSISTEM CERDAS PENDUKUNG KEPUTUSAN PREDIKSI NILAI TUKAR VALUTA ASING MENGGUNAKAN JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA TUGAS AKHIR
SISTEM CERDAS PENDUKUNG KEPUTUSAN PREDIKSI NILAI TUKAR VALUTA ASING MENGGUNAKAN JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA TUGAS AKHIR Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana S-1
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciUnnes Journal of Mathematics
UJM 2 (2) (2013) Unnes Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN PREDIKSI HARGA SAHAM DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN ARIMA Dwi Prisita
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Emas dahulu merupakan alat pembayaran transaksi ekonomi yang digunakan di suatu negara dengan negara lainnya. Sebagai alat tukar, emas dahulu memegang pengaruh yang
Lebih terperinciPERAMALAN NILAI TUKAR MATA UANG MENGGUNAKAN ALGORITMA GRADIEN CONJUGATE DENGAN METODE FLETCHER-REEVES
PERAMALAN NILAI TUKAR MATA UANG MENGGUNAKAN ALGORITMA GRADIEN CONJUGATE DENGAN METODE FLETCHER-REEVES Wafistrietman Corris¹, Retno Novi Dayawati², Tjokorda Agung Budi Wirayuda³ ¹Teknik Informatika,, Universitas
Lebih terperinciBAB I PENDAHULUAN. yang merupakan keuntungan perusahaan yang dibagikan kepada semua pemegang
BAB I PENDAHULUAN 1.1 Latar Belakang Ekspektasi atau motivasi setiap investor adalah mendapatkan keuntungan dari transaksi investasi yang dilakukan. Para investor yang bertransaksi di pasar modal, khususnya
Lebih terperinciBACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA
BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA Anggi Purnama Undergraduate Program, Computer Science, 2007 Gunadarma Universiy http://www.gunadarma.ac.id
Lebih terperinciPemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat
Pemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat SKRIPSI Disusun oleh: MAULIDA NAJWA 24010212130028 DEPARTEMEN STATISTIKA
Lebih terperinciBAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN. Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani
BAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN 5. 1 Kesimpulan Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani dan bantuan software Matlab, dapat diambil beberapa kesimpulan sebagai
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER
RENCANA PEMBELAJARAN SEMESTER Program Studi: Statistika Fakultas: Sains dan Matematika Mata Kuliah: Jaringan Syaraf Tiruan Kode: AST21-415 SKS: 3 Sem: VI Dosen Pengampu: Dr. Budi Warsito, S.Si, M.Si. Capaian
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciPENERAPAN TEKNIK JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION UNTUK PERAMALAN HARGA SAHAM Putra Christian Adyanto
PENERAPAN TEKNIK JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION UNTUK PERAMALAN HARGA SAHAM Putra Christian Adyanto Teknik Informatika, Univesitas Dian Nuswantoro ABSTRACT: Peramalan saham merupakan
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam sistem perdagangan internasional, setiap negara mempunyai mata uangnya masing-masing sebagai alat tukar atau alat pembayaran yang sah, dalam melakukan pembayaran
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Lia Saputri, 2016
BAB I PENDAHULUAN 1.1. Latar Belakang Foreign Exchange (forex) saat ini berkembang pesat sebagai salah satu model investasi yang menggiurkan, karena forex trading memiliki tingkat pengembalian yang tinggi.
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinciPREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK
PREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR 16-18 TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK R. Mh. Rheza Kharis *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciPREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK
PREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR 16-18 TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK R.Mh.Rheza Kharis *), R. Rizal Isnanto, Ajub Ajulian Zahra Jurusan Teknik Elektro,
Lebih terperinciPERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA
PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA Budho Setyonugroho 1), Adhistya Erna Permanasari 2), Sri Suning Kusumawardani
Lebih terperinciBAB I PENDAHULUAN. finansial (financial assets) dan investasi pada aset-aset riil (real assets). Investasi pada
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Investasi pada hakikatnya merupakan komitmen terhadap sejumlah sumber daya pada saat ini dengan tujuan untuk mendapatkan keuntungan di masa depan (Abdul halim,
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciBAB I PENDAHULUAN. perubahan perdagangan dan investasi internasional. melemahnya kurs rupiah terhadap mata uang asing khususnya dolar AS,
BAB I PENDAHULUAN A. Latar Belakang Nilai tukar merupakan perbandingan nilai mata uang suatu negara dibandingkan dengan negara lain. Nilai tukar mata uang suatu negara memiliki peranan yang sangat penting
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN DENGAN METODE PERAMBATAN BALIK UNTUK PERAMALAN HARGA DINAR DAN DIRHAM
APLIKASI JARINGAN SYARAF TIRUAN DENGAN METODE PERAMBATAN BALIK UNTUK PERAMALAN HARGA DINAR DAN DIRHAM Gathut Nugroho 1), R. Rizal Isnanto 2), Ajub Ajulian Zahra 2) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pasar pertukaran mata uang merupakan pasar keuangan dengan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pasar pertukaran mata uang merupakan pasar keuangan dengan pergerakan arus uang terbesar yakni sekitar 1,5 triliun dollar US tiap harinya di seluruh dunia. Selain itu
Lebih terperinciJurnal Fisika Unand Vol. 2, No. 4, Oktober 2013 ISSN
PREDIKSI CURAH HUJAN BULANAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN BEBERAPA FUNGSI PELATIHAN BACKPROPAGATION (Studi Kasus: Stasiun Meteorologi Tabing Padang, Tahun 2001-2012) Cici Oktaviani, Afdal
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM)
ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM) Hanura Ian Pratowo¹, Retno Novi Dayawati², Agung Toto Wibowo³ ¹Teknik Informatika,,
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Semua negara mempunyai mata uang sebagai alat tukar. Pertukaran uang dengan barang yang terjadi disetiap negara tidak akan menimbulkan masalah mengingat nilai uang
Lebih terperinciUJM 3 (1) (2014) UNNES Journal of Mathematics.
UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN BEBAN PUNCAK DISTRIBUSI LISTRIK DI WILAYAH PEMALANG
Lebih terperinciPERAMALAN HARGA SAHAM PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN AKAIKE INFORMATION CRITERION
Seminar Nasional Aplikasi Teknologi Informasi 20 (SNATI 20) ISSN: 19-5022 Yogyakarta, 16 Juni 20 PERAMALAN HARGA SAHAM PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN AKAIKE INFORMATION CRITERION
Lebih terperinciJURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 31-40 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DATA RUNTUN WAKTU DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
Lebih terperinciABSTRAK PERAMALAN KURS RUPIAH TERHADAP US DOLLAR MENGGUNAKAN METODE HIBRID
ABSTRAK PERAMALAN KURS RUPIAH TERHADAP US DOLLAR MENGGUNAKAN METODE HIBRID Peramalan adalah bagian integral dari kegiatan pengambilan keputusan manajemen. Ramalan yang dilakukan umumnya berdasarkan pada
Lebih terperinciAchmad Fauqy Ashari Supervisor: Wiwik Anggraeni S.Si, M.Kom Ahmad Mukhlason S.Kom, M.Sc
Achmad Fauqy Ashari 5208100150 Supervisor: Wiwik Anggraeni S.Si, M.Kom Ahmad Mukhlason S.Kom, M.Sc Sistem Informasi - FTIf - 2012 Tujuan dari tugas akhir ini adalah pengembangan prototipe sistem cerdas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN Pasar modal memiliki peran penting bagi perekonomian suatu negara karena pasar modal menjalankan tiga fungsi, yaitu pertama sebagai tempat berinteraksi pembeli
Lebih terperinciPENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM
PENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM Nanik Susanti 1* 1 Program Studi Sistem Informasi, Fakultas Teknik, Universitas Muria Kudus Gondangmanis, PO Box 53, Bae, Kudus
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR Sofi Dwi Purwanto Teknik Informatika Universitas Islam Negeri Maulana Malik
Lebih terperinciBAB 1 PENDAHULUAN. datang berdasarkan keadaan masa lalu dan sekarang yang diperlukan untuk
BAB 1 PENDAHULUAN 1.1. Latar Belakang Peramalan adalah menduga atau memperkirakan suatu keadaan di masa yang akan datang berdasarkan keadaan masa lalu dan sekarang yang diperlukan untuk menetapkan kapan
Lebih terperinciBAB I PENDAHULUAN. Uang adalah alat pembayaran dalam transaksi jual beli barang atau jasa. Pada
BAB I PENDAHULUAN A. Latar Belakang Uang adalah alat pembayaran dalam transaksi jual beli barang atau jasa. Pada dasarnya ada dua jenis uang yang beredar di masyarakat, yaitu uang kartal dan uang giral.
Lebih terperinciBAB II TINJAUAN PUSTAKA
20 BAB II TINJAUAN PUSTAKA II.1. Dasar Teori Penelitian mengenai peramalan harga saham terbagi dalam dua kelompok penelitian yaitu penelitian mengenai Index Harga Saham Gabungan (IHSG) dan penelitian harga
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI LAJU INFLASI DI KABUPATEN KLATEN NASKAH PUBLIKASI
IMPLEMENTASI JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI LAJU INFLASI DI KABUPATEN KLATEN NASKAH PUBLIKASI diajukan oleh Kurniawati Handayani 09.11.3278 kepada SEKOLAH TINGGI MANAJEMEN
Lebih terperinciABSTRAK. Kata Kunci : Curah Hujan, Levenberg Marquardt, Backpropagation. ABSTRACT
ABSTRAK Dufan, Ariel. 2016. Prediksi Curah Hujan Dengan Menggunakan Algoritma Levenberg- Marquardt Dan Backpropagation (Studi Kasus : BMKG Kota Tanjungpinang), Skripsi. Tanjungpinang: Jurusan Teknik Informatika,
Lebih terperinciJurnal Informatika Mulawarman Vol 5 No. 1 Februari
Jurnal Informatika Mulawarman Vol 5 No. 1 Februari 2010 50 Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan metode backpropagation untuk prediksi trend forex euro terhadap dollar Amerika.
Lebih terperinciPerbandingan Hasil Peramalan dengan Metode Double Exponential Smoothing Holt dan Metode Jaringan Syaraf Tiruan
Perbandingan Hasil Peramalan dengan Metode Double Exponential Smoothing Holt dan Metode Jaringan Syaraf Tiruan Oki Dwi Hartanti Departemen Biostatistika dan Kependudukan Fakultas Kesehatan Masyarakat Universitas
Lebih terperinciPREDIKSI FOREX MENGGUNAKAN MODEL NEURAL NETWORK
PREDIKSI FOREX MENGGUNAKAN MODEL NEURAL NETWORK R. Hadapiningradja Kusumodestoni Fakultas Sains dan Teknologi, Program Studi Teknik Informatika Universitas Islam Nahdlatul Ulama Jepara Email: kusumodestoni@gmail.com
Lebih terperinci2 2 ... v... 3 Santoso... 21 abawa... 29... 37... 53... 59... 67... 77 Yohakim Marwanta... 85... 89... 101 ... 109... 117 D. Jaringan Komputer Amirudd... 135 andha... 141... 151... 165 Syahrir... 171...
Lebih terperinciOptimasi Prediksi Kehadiran Pegawai Untuk Intensif Kehadiran Menggunakan Jaringan Saraf Tiruan-Backpropagation
Optimasi Prediksi Kehadiran Pegawai Untuk Intensif Kehadiran Menggunakan Jaringan Saraf Tiruan-Backpropagation Jamaludin Hakim 1), Sri Hartati 2) 1) Program Studi Sistem Informasi Fakultas Teknik dan Sistem
Lebih terperinciT 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia
T 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia Aidatul Fitriah 1, Agus Maman Abadi 2 1) Program Studi Matematika, FMIPA Universitas Negeri Yogyakarta 2) Jurusan Pendidikan Matematika,
Lebih terperinciKORELASI TINGKAT KESALAHAN DAN EPOH DALAM JARINGAN BACKPROPAGATION
KORELASI TINGKAT KESALAHAN DAN EPOH DALAM JARINGAN BACKPROPAGATION Hindayati Mustafidah 1, Harjono 2 1,2 Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Purwokerto Jl. Raya Dukuhwaluh Purwokerto,
Lebih terperinciStatistika Regresi Logistik Neural Network Deskriptif Ketepatan Klasifikasi Model dengan Input Signifikan
Statistika Regresi Logistik Neural Network Deskriptif Ketepatan Klasifikasi Model dengan Input Signifikan Predicted Predicted Actual < 3,5 3,5 Actual Tidak tepat Tepat waktu < 3,5 36 10 Tidak tepat 74
Lebih terperinciBAB 1 PENDAHULUAN. dari berbagai Negara. Mata uang memegang peranan yang sangat penting dalam
BAB 1 PENDAHULUAN 1.1 Latar Belakang Penelitian Valuta asing (valas) atau yang lebih dikenal oleh sebagian banyak orang dengan sebutan foreign exchange (forex) adalah perdagangan nilai mata uang asing
Lebih terperinciDETEKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
DETEKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK [Enterprise Bankrupcty Detection using Artificial Neural Network] Cynthia G.Y.P NRP. 1205 100 061 Dosen Pembimbing Dr. M Isa Irawan,
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciSATUAN ACARA PERKULIAHAN
Topik bahasan : Pendahuluan Mahasiswa dapat memahami konsep cerdasan buatan dan aplikasinya dalam bidang rekayasa 1 Setelah mempelajari materi ini, diharapkan mahasiswa : 1.Mampu mengenal permbangan teknologi
Lebih terperinciPERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN
PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN MENGGUNAKAN HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE NEURAL NETWORK Disusun oleh : Berta Elvionita Fitriani 24010211120005
Lebih terperinciSTUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
STUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Muh. Ishak Jumarang 1), Lyra Andromeda 2) dan Bintoro Siswo Nugroho 3) 1,3) Jurusan Fisika,
Lebih terperinciBAB I PENDAHULUAN. 1.2 Latar Belakang Penelitian
BAB I PENDAHULUAN 1.1 Gambaran Objek Penelitian Saham adalah surat berharga yang merupakan tanda kepemilikan seseorang atau badan terhadap suatu perusahaan. Pemegang saham merupakan pemlik sebenarnya dari
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN V.1 Kesimpulan Setelah dilakukan perancangan sistem evaluasi mutu berbasis komputer (logika fuzzy, pengolahan citra dan JST), maka dapat disimpulkan bahwa : 1. Program logika
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
Lebih terperinciKONTRAK PEMBELAJARAN (KP) MATA KULIAH
KONTRAK PEMBELAJARAN (KP) MATA KULIAH Jaringan Saraf Tiruan Kode MK: TSK 615 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Dr.Oky Dwi Nurhayati, ST, MT Semester : 6 KONTRAK
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Peramalan ialah memperkirakan apa yang akan terjadi masa datang (Armstrong, 2001). Peramalan merupakan alat bantu yang penting dalam suatu perencanaan. Peramalan
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciPEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
Lebih terperinciBAB I PENDAHULUAN. utama untuk memperoleh suatu keinginan, dengan uang tersebutlah suatu transaksi
BAB I PENDAHULUAN I.1 Latar Belakang Penelitian Dalam perekonomian global uang merupakan alat transaksi manusia paling utama untuk memperoleh suatu keinginan, dengan uang tersebutlah suatu transaksi bisa
Lebih terperinciPENDAFTARAN MAHASISWA BARU PROGRAM PENDIDIKAN DASAR MENGGUNAKAN ALGORITMA NN BACKPROPAGATION DI UPBJJ-UNIVERSITAS TERBUKA PROVINSI SULAWESI TENGAH
PENDAFTARAN MAHASISWA BARU PROGRAM PENDIDIKAN DASAR MENGGUNAKAN ALGORITMA NN BACKPROPAGATION DI UPBJJ-UNIVERSITAS TERBUKA PROVINSI SULAWESI TENGAH Syahrullah 1), Hajra Rasmita Ngemba 2), Syaiful Hendra
Lebih terperincioleh WAHYUNI PUTRANTO NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN METODE GRADIENT DESCENT DAN GRADIENT DESCENT DENGAN MOMENTUM PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN KURS TENGAH RUPIAH TERHADAP DOLAR AMERIKA oleh WAHYUNI PUTRANTO NIM.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
Lebih terperinciPERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION
PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION Fitrisia, Adiwijaya, dan Andrian Rakhmatsyah Program Studi S1 Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN. era globalisasi, di mana perdagangan mulai bersifat internasioanal. Banyak usahawan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada sepuluh tahun terakhir ini perekonomian negara Indonesia telah mendekati era globalisasi, di mana perdagangan mulai bersifat internasioanal. Banyak usahawan
Lebih terperinciANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang)
ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) 1 Musli Yanto, 2 Sarjon Defit, 3 Gunadi Widi Nurcahyo
Lebih terperinciPrediksi Produksi Air PDAM dengan Jaringan Syaraf Tiruan
Prediksi Produksi Air PDAM dengan Jaringan Syaraf Tiruan Yudha Tirto Pramonoaji 1, Stefanus Santosa 2, Ricardus Anggi Pramunendar 3 1,2,3 Program Pasca Sarjana, Universitas Dian Nuswantoro, Semarang 50131
Lebih terperinciPrediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation
Scientific Journal of Informatics Vol 3, No 1, Mei 2016 p-issn 2407-7658 http://journalunnesacid/nju/indexphp/sji e-issn 2460-0040 Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation
Lebih terperinciMETODOLOGI PENELITIAN
digilib.uns.ac.id BAB III METODOLOGI PENELITIAN 3.1 Studi Literatur Studi ini dilakukan dengan cara mencari dan membaca berbagai literatur serta karya-karya penelitian mengenai topik penelitian yang sudah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Bab ini membahas tentang hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan, batasan masalah, manfaat, metodologi penelitian serta sistematika penulisan
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION SKRIPSI
PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION (Studi Kasus : Harga Penutupan Saham Unilever Indonesia Tbk. Periode September
Lebih terperinciJurnal Coding, Sistem Komputer UNTAN Volume 04, No.1 (2016), hal 1-10 ISSN : X
PREDIKSI BEBAN LISTRIK PADA PT.PLN (PERSERO) MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY [1] Prita Ayuningtyas, [2] Dedi Triyanto, [3] Tedy Rismawan [1,2,3] Jurusan Sistem Komputer, Fakultas MIPA
Lebih terperinciPREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION
JIMT Vol. 4 No. Juni 207 (Hal 47-55) ISSN : 2450 766X PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION J.R. Mustakim, R. Ratianingsih 2 dan D. Lusiyanti 3,2,3 Program Studi
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Siti Amiroch Universitas Islam Darul Ulum Lamongan, amirast_117@yahoo.com Abstract. In the stock market, stock price prediction is
Lebih terperinciBAB III METODE PENELITIAN. Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu
BAB III METODE PENELITIAN 3.1 Pengumpulan Data Beban Listrik dari PLN Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu selama lima tahun pada periode 2006-2010, selanjutnya data
Lebih terperinciPENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU
PENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU Risky Meliawati 1,Oni Soesanto 2, Dwi Kartini 3 1,3Prodi Ilmu Komputer FMIPA UNLAM 2 Prodi Matematika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini akan membahas tentang latar belakang, rumusan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, batasan masalah, dan sistematika penulisan. 1.1 Latar Belakang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Peranan pariwisata dalam pembangunan ekonomi tidak perlu dipertanyakan lagi. Dengan tidak tersedianya sumber daya alam seperti migas, hasil hutan ataupun industri manufaktur
Lebih terperinciPEMODELAN NEURO-ARIMA UNTUK CURAH HUJAN DI KOTA SURABAYA
PEMODELAN NEURO-ARIMA UNTUK CURAH HUJAN DI KOTA SURABAYA Oleh: Wiwinta Sutrisno 22 08 203 009 Pembimbing: Prof. Dr. Ir. Gamantyo Hendrantoro, M.Eng Hal 1 dari 28 Latar Belakang Curah Hujan sangat berpengaruh
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciPREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA ANFIS
PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA ANFIS TUGAS AKHIR Sebagai Persyaratan Guna Meraih Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Disusun Oleh: Fittriyah 0 8
Lebih terperinciPERANCANGAN APLIKASI JARINGAN SARAF TIRUAN UNTUK PREDIKSI NILAI TUKAR RUPIAH TERHADAP MATA UANG ASING
PERANCANGAN APLIKASI JARINGAN SARAF TIRUAN UNTUK PREDIKSI NILAI TUKAR RUPIAH TERHADAP MATA UANG ASING Danny Horia Komp. Duta Harapan Indah Blok JJ no 52 021-6682844 dannybinuz@gmail.com Binus University
Lebih terperinci