Pelatihan Multi-Layer Neural Network Menggunakan Algoritma Genetika untuk Memprediksi Harga Saham Esok Hari (T+1)
|
|
- Yuliana Hermanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 58-96X Vol., No. 6, Juni 08, hlm Pelatihan Multi-Layer Neural Network Menggunakan Algoritma Genetika untuk Memprediksi Harga Saham Esok Hari (T+) Grady Davinsyah, Wayan Firdaus Mahmudy, Rizal Setya Perdana 3 Program Studi Teknik Informatika, gradyyo@gmail.com, wayanfm@ub.ac.id, 3 rizalespe@ub.ac.id Abstrak Saham adalah salah satu instrumen investasi yang dikenal dengan potensi keuntungan dan resikonya yang cukup tinggi. Tingginya potensi dan resiko investasi saham disebabkan karena harganya yang fluktuatif dan dapat berubah dalam hitungan detik. Untuk meminimalisir resiko, diperlukan sebuah sistem yang dapat memprediksi harga penutupan saham esok hari. Arsitektur yang digunakan dalam penelitian ini adalah multi-layer neural network. Arsitektur ini kemudian dilatih dengan menggunakan metode, yaitu backpropagation dan algoritma genetika. Kedua metode tersebut bertujuan untuk mendapatkan bobot-bobot pada arsitektur multi-layer neural network. Parameter backpropagation yang didapatkan dari pengujian penelitian ini adalah banyak iterasi sebesar 500 iterasi dengan learning rate 0.7. Sedangkan parameter untuk metode pelatihan algoritma genetika adalah banyak generasi 000, ukuran populasi 00, crossover rate 0. dan mutation rate 0.9. Dengan menggunakan parameter tersebut diatas, rata-rata nilai yang dihasilkan dengan menggunakan metode pelatihan backpropagation adalah Sementara ketika menggunakan metode pelatihan algoritma genetika, rata-rata nilai yang dihasilkan oleh jaringan adalah Sehingga pada penelitian ini, nilai error yang dihasilkan oleh metode pelatihan backpropagation lebih kecil dibandingkan dengan metode pelatihan algoritma genetika. Kata kunci: saham, multi-layer neural network, algoritma genetika, backpropagation Abstract Stock is one of investment instrument which is popular because of the high profit potential and risk. These profit potential and risk are caused by fluctuations of the stock price in the stock market. To minimalize the risk, a system which is able to predict closing price of the next day is required. The architecture which is used in this research is multi-layer neural network. This architecture is trained with different training methods, which is backpropagation and genetic algorithm. Both of the methods aim to gain weights of all network s architecture. Backpropagation s parameters which obtained during the research are 500 iteration and 0.7 learning rate. For genetic algorithm s parameters which obtained during the research are 000 generations, population size of 00, crossover rate 0. and mutation rate 0.9. By using those parameters, average value which produced using backpropagation algorithm is Meanwhile when using genetic algorithm as a training method, average value which produced by the network is So in this research, average error value which is produced by using backpropagation training is smaller than using genetic algorithm training method. Keywords: stock, multi-layer neural network, genetic algorithm, backpropagation. PENDAHULUAN Menjadi kaya adalah impian dari setiap orang. Banyak yang beranggapan bahwa agar menjadi kaya harus berhemat dan rajin menabung. Pemikiran ini sejalan dengan slogan yang ada di masyarakat, hemat pangkal kaya. Padahal statistik jelas menunjukkan bahwa bunga yang diperoleh ketika menabung di bank (tabungan dan deposito) sangatlah tidak sebanding dengan tingkat pertumbuhan konsumsi (Wijaya, 05). Dari fakta yang telah diuraikan, saat ini menabung bukan merupakan cara untuk menjadi kaya dalam jangka panjang. Untuk mendapatkan Fakultas Ilmu Komputer Universitas Brawijaya 30
2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 303 perkembangan diatas laju inflasi dan tingkat pertumbuhan konsumsi, salah satu upaya yang dapat dilakukan adalah berinvestasi. Satu dari sekian banyak instrumen investasi yang paling terkenal adalah saham. Saham adalah surat berharga yang menunjukkan kepemilikan atas suatu perusahaan. Ketika Anda membeli saham, berarti Anda membeli sebagian kepemilikan atas perusahaan tersebut (Jefferson & Sudjatmoko, 03). Saham menjadi begitu terkenal di kalangan investor karena tingginya potensi imbal hasil atau return yang ditawarkan. Pada bulan Februari 06, jumlah investor yang tercatat pada Bursa Efek Indonesia (BEI) sebesar 68 ribu orang (Pasopati, 06). Hampir setengah juta orang telah menjadi investor di bursa saham. Namun perlu diingat bahwa keseluruhan jumlah penduduk Indonesia ada sekitar 50 juta jiwa. Jika dibuat prosentasenya, investor di BEI hanya sebesar 0,87 persen. Sedikitnya jumlah penduduk Indonesia yang menjadi investor di pasar modal salah satunya disebabkan oleh tingginya resiko dalam berinvestasi di pasar modal (high risk high return). Minimnya pengetahuan calon investor tentang bagaimana strategi menaklukkan pasar modal juga berkontribusi terhadap sedikitnya jumlah investor lokal di Indonesia. Dari fakta-fakta ini, upaya untuk mengurangi jumlah penduduk miskin yang ada di Indonesia salah satunya dapat dilakukan dengan mendorong lebih banyak penduduk untuk menjadi investor. Tantangan selanjutnya adalah bagaimana investor dapat secara konsisten mendapatkan profit dari transaksinya di pasar saham. Hal ini sangat sulit, karena investor seniorpun masih mengalami kerugian ketika bertransaksi di pasar modal. Penelitian sebelumnya telah menunjukkan kalau arsitektur jaringan syaraf tiruan banyak digunakan untuk melakukan peramalan (forecasting) (Sari, Mahmudy, & Wibawa, 06). Penelitian lain adalah implementasi jaringan syaraf tiruan metode backpropagation untuk memprediksi harga saham. Penelitian ini dilakukan oleh Trimulya, dkk (05). Penelitian ini memprediksi harga penutupan saham PT. Adaro Energy, Tbk (ADRO) dengan 6 variabel data, antara lain harga pembukaan, harga penutupan, harga tertinggi, harga terendah, harga jual, dan harga beli. Akurasi tertinggi dari penelitian ini didapat dari kombinasi 5 neuron pada lapisan tersembunyi pertama, 3 neuron pada lapisan tersembunyi kedua, dan iterasi. Kombinasi tersebut menghasilkan nilai Mean Square Error (MSE) sebesar Tujuan dari penelitian ini adalah menerapkan, mengimplementasi, dan menguji error yang dihasilkan oleh metode pelatihan backpropagation dan algoritma genetika pada arsitektur multi-layer neural network.. KAJIAN PUSTAKA.. Saham Saham adalah surat berharga yang menunjukkan kepemilikan atas suatu perusahaan. Ketika Anda membeli saham, berarti Anda membeli sebagian kepemilikan atas perusahaan tersebut. Porsi kepemilikan ditentukan oleh seberapa besar modal penyertaan yang ditanamkan di perusahaan tersebut (Jefferson & Sudjatmoko, 03). Terdapat beberapa potensi keuntungan apabila memiliki saham suatu perusahaan, yaitu :. Dividen Dividen merupakan pembagian keuntungan yang diberikan oleh perusahaan kepada para pemegang sahamnya (Jefferson & Sudjatmoko, 03).. Capital Gain Capital gain merupakan kondisi dimana harga jual yang lebih tinggi daripada harga beli. Selain potensi keuntungan, memiliki saham suatu perusahaan juga memiliki beberapa potensi kerugian, yaitu :. Capital Loss Capital loss adalah kebalikan dari capital gain, yaitu kondisi dimana harga jual lebih rendah daripada harga beli.. Resiko Likuidasi Resiko ini adalah resiko yang terjadi apabila sebuah perusahaan yang sahamnya dimiliki dinyatakan bangkrut atau perusahaan tersebut dibubarkan. Pemegang saham memiliki prioritas terendah, setelah perusahaan menyelesaikan seluruh kewajibannya... Jaringan Syaraf Tiruan Jaringan syaraf tiruan merupakan salah satu representasi buatan dari otak manusia yang selalu mensimulasikan proses pembelajaran pada otak manusia tersebut (Trimulya,
3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 30 Syaifurrahman, & Setyaningsih, 05). Sama seperti syaraf manusia, jaringan syaraf tiruan juga memiliki banyak neuron. Neuron-neuron ini tersebar pada beberapa lapisan, antara lain lapisan masukan, lapisan tersembunyi, dan lapisan keluaran..3. Algoritma Genetika Algoritma Genetika diilhami oleh ilmu genetika (Mahmudy, 05). Individu yang lebih baik mampu bertahan, sehingga individu tersebut akan menjadi solusi optimal dari sebuah masalah (Rahmi, Mahmudy, & Setiawan, 05). Algoritma Genetika banyak digunakan untuk menyelesaikan berbagai masalah optimasi yang model matematikanya kompleks atau bahkan sulit dibangun (Mahmudy, 05). 3. METODOLOGI PENELITIAN Metodologi penelitian yang dilakukan dalam penelitian ini melalui beberapa tahapan yang dapat diilustrasikan dengan diagram blok metodologi penelitian seperti pada Gambar : 3.. Pengumpulan Data Data yang digunakan dalam penelitian ini adalah data harga saham harian PT. Bank Central Asia, Tbk. (BBCA). Data bersifat sekunder, yaitu data yang didapatkan dari sumber yang telah ada. Data harga saham BBCA yang digunakan didapatkan dari yahoo finance.. PERANCANGAN SISTEM.. Formulasi Permasalahan Permasalahan yang akan diselesaikan pada penelitian ini adalah prediksi harga close saham esok hari menggunakan algoritma Backpropagation dengan Algoritma Genetika. Data yang digunakan adalah data harga historis saham PT. Bank Central Asia, Tbk. (BBCA) sejak Januari 03 hingga 30 Desember 06. Variabel pada data yang digunakan adalah open, high, low, close, dan volume. Contoh data yang digunakan seperti pada Tabel. Studi Literatur Pengumpulan Data Analisa Kebutuhan Perancangan Sistem Implementasi Sistem Pengujian Sistem Analisis Kesimpulan Gambar Metodologi Penelitian Tabel Data Harian BBCA Tanggal Open High Low Clos e Volume Pelatihan dengan Backpropagation Metode pelatihan pertama yang digunakan adalah backpropagation. Pada metode pelatihan ini, fungsi aktivasi yang digunakan adalah fungsi binary sigmoid. Flowchart proses pelatihan backpropagation digambarkan pada Gambar.
4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 305 Start Start Insialisasi bobot dan bias Insialisasi populasi Propagasi maju Propagasi mundur Perbaikan bobot Reproduksi Evaluasi Seleksi Kondisi stop Kondisi stop Stop Gambar Flowchart Pelatihan Backpropagation.3. Pelatihan dengan Algoritma Genetika Metode pelatihan lain yang digunakan pada penelitian ini adalah algoritma genetika. Pada pelatihan algoritma genetika, metode reproduksi yang digunakan ada, yaitu crossover dan mutasi. Pada reproduksi crossover, metode yang digunakan adalah extended intermediate crossover. Sedangkan pada reproduksi mutasi, metode yang digunakan adalah random mutation. Untuk metode seleksi yang digunakan adalah seleksi elitism. Flowchart proses pelatihan algoritma genetika digambarkan pada Gambar PENGUJIAN DAN ANALISIS Pengujian dilakukan sebanyak 0 kali dengan parameter yang telah disebutkan pada tiap pengujian. Tiap pengujian dicatat nilai yang dihasilkan, kemudian diambil ratarata nilai dari tiap pengujian parameter. 5.. Pengujian Banyak Generasi Banyak generasi yang diuji adalah kelipatan 500, mulai 500 generasi hingga 500 generasi. Kombinasi crossover rate (cr) dan mutation rate (mr) adalah 0. : 0. dengan ukuran populasi 80 dan pengujian dilakukan sebanyak 0 kali. Hasil pengujian banyak generasi disajikan pada Tabel. Gambar 3 Flowchart Pelatihan Algoritma Genetika Tabel Hasil Pengujian Banyak Generasi Generasi Percobaan ke-n Rata-rata 0,35 0,5 0,5 0,05 Stop Pengujian Banyak Generasi Gambar Grafik Hasil Pengujian Banyak Generasi Gambar menunjukkan bahwa mulai
5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 306 percobaan 000 generasi, rata-rata nilai yang dihasilkan tidak mengalami penurunan yang signifikan, atau biasa disebut dengan konvergen. Dengan data ini, maka 000 generasi diambil sebahai hasil dari pengujian banyak generasi. 5.. Pengujian Ukuran Populasi Ukuran populasi yang diuji adalah kelipatan 0, mulai 0 populasi hingga 00 populasi. Kombinasi crossover rate (cr) dan mutation rate (mr) adalah 0. : 0. dengan banyak generasi sebesar 000 generasi. Hasil pengujian banyak generasi disajikan pada Tabel 3. Tabel 3 Hasil Pengujian Ukuran Populasi PopSize Percobaan ke-n Rata-rata , 0,095 0,09 0,085 0,08 Pengujian Ukuran Populasi Gambar 3 Grafik Hasil Pengujian Ukuran Populasi Gambar 5 menunjukkan bahwa pengujian dengan ukuran populasi sebesar 00 menghasilkan rata-rata nilai terkecil. Dengan data ini, maka 00 populasi diambil sebahai hasil dari pengujian ukuran populasi Pengujian Kombinasi Cr dan Mr Kombinasi cr dan mr yang diuji adalah kelipatan 0.. Pengujian cr sebesar 0. dipasangkan dengan mr 0.9, cr sebesar 0. dipasangkan dengan mr 0.8, begitu pula seterusnya. Ukuran populasi yang digunakan adalah 00 individu dengan banyak generasi sebesar 000 generasi. Hasil pengujian banyak generasi disajikan pada Tabel. Tabel Hasil Pengujian Kombinasi Cr dan MR Cr Mr Percobaan ke-n Rata-rata , 0,05 Pengujian Kombinasi Cr dan Mr 0 0, 0, 0,6 0,8 Gambar Grafik Hasil Pengujian Kombinasi Cr dan Mr Gambar 6 dan Tabel menunjukkan bahwa kombinasi cr dan mr yang menghasilkan ratarata nilai terkecil adalah cr sebesar 0. dan mr sebesar 0.9. Dengan data ini, maka nilai cr sebesar 0. dan nilai mr sebesar 0.9 diambil sebagai hasil pengujian kombinasi cr dan mr. 5.. Pengujian Banyak Iterasi Banyak iterasi yang diuji adalah kelipatan 500, mulai 500 iterasi hingga 5000 iterasi dengan learning rate sebesar 0.7. Hasil pengujian banyak iterasi disajikan pada Tabel 5. Tabel 5 Hasil Pengujian Banyak Iterasi Iterasi Percobaan ke-n Rata-rata
6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer ,05 Pengujian Learning Rate 0, 0,08 0,06 0,0 Gambar 5 Grafik Hasil Pengujian Banyak Iterasi Gambar 7 dan Tabel 5 menunjukkan bahwa semakin banyak iterasi yang dilakukan akan menghasilkan rata-rata nilai yang cenderung menurun. Pada pengujian 5000, ratarata nilai yang dihasilkan tidak menunjukkan penurunan yang signifikan, sehingga 500 iterasi diambil sebagai hasil pengujian banyak iterasi Pengujian Learning Rate Learning rate yang diuji adalah kelipatan o., mulai 0. hingga. Hasil pengujian learning rate disajikan pada Tabel 6. Tabel 6 Hasil Pengujian Learning Rate Learning Rate Pengujian Banyak Iterasi Percobaan ke-n Ratarata ,05 0,08 0,06 0 0,5,5 Gambar 6 Grafik Hasil Pengujian Learning Rate Gambar 8 menunjukkan bahwa perbedaan learning rate dapat menghasilkan rata-rata nilai yang berbeda pula. Dari pengujian yang telah dilakukan, learning rate sebesar 0.7 menghasilkan rata-rata nilai yang paling kecil. Dari data ini, maka learning rate 0.7 diambil sebagai hasil pengujian learning rate Pengujian Perbandingan Hasil Backpropagation dan Algoritma Genetika Setelah didapatkan parameter yang menghasilkan rata-rata nilai terkecil, kemudian dilakukan perbandingan kedua metode pelatihan menggunakan parameter yang telah didapatkan sebelumnya. Hasil perbandingan dapat dilihat pada Tabel 7. Tabel 7 Hasil Pengujian Learning Rate Pelatihan Percobaan ke-n Ratarata Algoritma Genetika Backpropagation Tabel 7 menunjukkan bahwa pelatihan menggunakan backpropagation menghasilkan rata-rata nilai yang lebih kecil daripada pelatihan jaringan menggunakan algoritma genetika. Hal ini terjadi dikarenakan algoritma genetika yang digunakan pada penelitian ini adalah algoritma genetika sederhana. Pada penelitian lain algoritma genetika hybrid dengan simulated annealing dapat mengungguli pelatihan backpropagation (Shi & Zhang, 009). 6. KESIMPULAN Setelah penelitian Pelatihan Multi-layer Neural Network Menggunakan Algoritma Genetika Untuk Memprediksi Harga Saham Esok Hari (T+) selesai dilakukan dapat disimpulkan bahwa parameter pelatihan
7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 308 backpropagation yang menghasilkan rata-rata nilai paling kecil adalah 500 iterasi dengan learning rate 0.7. Kemudian parameter pelatihan algoritma genetika yang menghasilkan rata-rata nilai paling kecil adalah 000 generasi, 00 ukuran populasi, cr sebesar 0. dan mr sebesar 0.9. Dengan menggunakan parameter tersebut, rata-rata nilai yang dihasilkan menggunakan pelatihan algoritma genetika sebesar dan ketika menggunakan pelatihan backpropagation. Sehingga pada studi kasus ini metode pelatihan backpropagation memberikan rata-rata nilai yang lebih rendah dibandingkan menggunakan metode pelatihan algoritma genetika. Wijaya, R. F. (05). Menjadi Kaya dan Terencana Dengan Reksa Dana. Jakarta: Elex Media Komputindo. DAFTAR PUSTAKA Jefferson, J., & Sudjatmoko, N. (03). Shopping Saham Modal Sejuta! Jakarta: Elex Media Komputindo. Mahmudy, W. F. (05). Algoritma Evolusi. Malang. Pasopati, G. (06, March 8). Jumlah Investor Saham di RI Naik 8 Persen Sejak Awal Tahun. Retrieved from CNN Indonesia: /jumlahinvestor-saham-di-ri-naik-8-persen-sejakawal-tahun/ Rahmi, A., Mahmudy, W. F., & Setiawan, B. D. (05). Prediksi Harga Saham Berdasarkan Data Historis Yang Dibangun Menggunakan Model Regresi Yang Dibangun Dengan Algoritma Genetika. DORO: Respository Jurnal Mahasiswa PTIIK Universitas Brawijaya, 5 (). Sari, N. R., Mahmudy, W. F., & Wibawa, A. P. (06). Backpropagation on Neural Network Method for Inflation Rate Forecasting in Indonesia. Advance Soft Compu, 8 (3), Shi, H., & Zhang, S. (009). Improving Artificial Neural Networks Based on Hybrid Genetic Algorithms. Beijing: IEEE. Trimulya, A., Syaifurrahman, & Setyaningsih, F. A. (05). Implementasi Jaringan Syaraf Tiruan Metode Backpropagation Untuk Memprediksi Harga Saham. Jurnal Coding, Sistem Komputer Untan,
IMPLEMENTASI 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 Harga Emas Batang Menggunakan Feed Forward Neural Network Dengan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2317-2322 http://j-ptiik.ub.ac.id Prediksi Harga Emas Batang Menggunakan Feed Forward Neural
Lebih terperinciOPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA andra Aditya 1), Wayan Firdaus Mahmudy 2) 1) Program Studi Teknik Informatika, Fakultas Ilmu Komputer Malang Jl. Veteran, Malang 65145, Indonesia
Lebih terperinciPrediksi Jumlah Pengangguran Terbuka di Indonesia menggunakan Metode Genetic-Based Backpropagation
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 4, April 2017, hlm. 341-351 http://j-ptiik.ub.ac.id Prediksi Jumlah Pengangguran Terbuka di Indonesia menggunakan
Lebih terperinciPenentuan Portofolio Saham Optimal Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 1, Januari 2017, hlm. 63-68 http://j-ptiik.ub.ac.id Penentuan Portofolio Saham Optimal Menggunakan Algoritma Genetika
Lebih terperinciSKRIPSI HYBRIDRADIAL BASIS FUNCTION(RBF) DENGAN ALGORITMA GENETIKA DAN ALGORITMA SIMULATED ANNEALING UNTUK PREDIKSI KONSUMSI LISTRIK
SKRIPSI HYBRIDRADIAL BASIS FUNCTION(RBF) DENGAN ALGORITMA GENETIKA DAN ALGORITMA SIMULATED ANNEALING UNTUK PREDIKSI KONSUMSI LISTRIK LUTHFI HIDAYATI PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS
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 terperinciOptimasi Bobot Multi-Layer Perceptron Menggunakan Algoritma Genetika Untuk Klasifikasi Tingkat Resiko Penyakit Stroke
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2352-2360 http://j-ptiik.ub.ac.id Optimasi Bobot Multi-Layer Perceptron Menggunakan Algoritma
Lebih terperinciADLN - Perpustakaan Universitas Airlangga ABSTRAK. viii
Muhammad Arif Santoso, 2015. Peramalan Penjualan Produk Menggunakan Jaringan Syaraf Tiruan Metode Extreme Learning Machine. Skripsi ini dibawah bimbingan Auli Damayanti,S.Si, M.Si dan Dr. Herry Suprajitno,
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 203-209 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD
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 terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN BATASAN FUNGSI KENGGOTAAN FUZZY TSUKAMOTO PADA KASUS PERAMALAN PERMINTAAN BARANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 3, September 2016, hlm. 169-173 PENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN BATASAN FUNGSI KENGGOTAAN FUZZY TSUKAMOTO PADA KASUS PERAMALAN
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 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 terperinciOptimasi Peramalan Jumlah Kasus Penyakit Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Dengan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2800-2809 http://j-ptiik.ub.ac.id Optimasi Peramalan Jumlah Kasus Penyakit Menggunakan Metode
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE oleh BETA VITAYANTI M0110012 SKRIPSI Ditulis dan diajukan untuk
Lebih terperinciPenjadwalan Dinas Pegawai Menggunakan Algoritma Genetika Pada PT Kereta Api Indonesia (KAI) Daerah Operasi 7 Stasiun Besar Kediri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 11, November 2018, hlm. 4371-4376 http://j-ptiik.ub.ac.id Penjadwalan Dinas Pegawai Menggunakan Algoritma Genetika
Lebih terperinciPREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
Berkala Fisika ISSN : 1410-9662 Vol.18, No.4, Oktober 2015, hal 151-156 PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK Zaenal
Lebih terperinciImplementasi Genetic Algorithm Dan Artificial Neural Network Untuk Deteksi Dini Jenis Attention Deficit Hyperactivity Disorder
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 2, Februari 2018, hlm. 688-694 http://j-ptiik.ub.ac.id Implementasi Genetic Algorithm Dan Artificial Neural Network
Lebih terperinciIMPLEMENTASI 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 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 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 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 terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
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 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 terperinciOptimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun Pratama Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 80-84 http://j-ptiik.ub.ac.id Optimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun
Lebih terperinciPREDIKSI DISTRIBUSI AIR PDAM MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DI PDAM KOTA MALANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 2, Juni 2016, hlm. 83-87 PREDIKSI DISTRIBUSI AIR PDAM MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DI PDAM KOTA MALANG Daneswara
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 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 terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan pasar modal yang pesat, menuntut investor untuk memiliki banyak strategi dalam berinvestasi. Dalam berinvestasi dituntut untuk selalu mengelola
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 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 terperinciPrediksi Waktu Panen Tebu Menggunakan Gabungan Metode Backpropagation dan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1443-1450 http://j-ptiik.ub.ac.id Prediksi Waktu Panen Tebu Menggunakan Gabungan Metode Backpropagation
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 terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
Lebih terperinciBAB 3 METODE PENELITIAN
31 BAB 3 METODE PENELITIAN 3.1 Pengumpulan Data (Data gathering). Pengumpulan data harus mampu mendeskripsikan data yang ada, serta memiliki kontribusi terhadap pengetahuan. Data yang tidak lengkap perlu
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 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 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 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 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 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 terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB
Journal of Environmental Engineering & Sustainable Technology Vol. 02 No. 01, July 2015, Pages 06-11 JEEST http://jeest.ub.ac.id PENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB Samaher
Lebih terperinciOptimasi Penataan Barang pada Proses Distribusi Menggunakan Algoritme Evolution Strategies
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hlm. 1874-1882 http://j-ptiik.ub.ac.id Optimasi Penataan Barang pada Proses Distribusi Menggunakan Algoritme
Lebih terperinciImplementasi Algoritma Genetika dan Neural Network Pada Aplikasi Peramalan Produksi Mie (Studi Kasus : Omega Mie Jaya)
Implementasi Algoritma Genetika dan Neural Network Pada Aplikasi Peramalan Produksi Mie (Studi Kasus : Omega Mie Jaya) ISSN 2085-4552 Adhi Kusnadi 1, Jansen Pratama 2 Fakultas Teknik dan 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 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 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 terperinciPEMODELAN REGRESI NON LINEAR MENGGUNAKAN ALGORITMA GENETIKA UNTUK PREDIKSI KEBUTUHAN AIR PDAM KOTA MALANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 1, Maret 2016, hlm. 59-65 PEMODELAN REGRESI NON LINEAR MENGGUNAKAN ALGORITMA GENETIKA UNTUK PREDIKSI KEBUTUHAN AIR PDAM KOTA MALANG Vitara
Lebih terperinciPERKIRAAN PENJUALAN BEBAN LISTRIK MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILENT BACKPROPAGATION (RPROP)
PERKIRAAN PENJUALAN BEBAN LISTRIK MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILENT BACKPROPAGATION (RPROP) Apriliyah, Wayan Firdaus Mahmudy, Agus Wahyu Widodo Program Studi Ilmu Komputer Fakultas MIPA Universitas
Lebih terperinciPERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION ALGORITHM
JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol.6 No. 2, Desember 217 : 8-91 PERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION
Lebih terperinciSKRIPSI Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Jurusan Informatika. Disusun Oleh: WINA ISTI RETNANI NIM.
PERBANDINGAN ALGORITMA BACKPROPAGATION LEVENBERG MARQUARDT (LM) DENGAN BACKPROPAGATION GRADIENT DESCENT ADAPTIVE GAIN (BPGD/AG) DALAM PREDIKSI JUMLAH PENGANGGURAN DI PROVINSI JAWA TENGAH SKRIPSI Diajukan
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 terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Lebih terperinciMODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG
MODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini
Lebih terperinciMODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG
MODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini
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 terperinciJaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit
Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
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 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 terperinciPERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH. Iqbal Dwihanandrio
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6447 PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH Iqbal Dwihanandrio S1 Teknik Informatika
Lebih terperinciPEMBENTUKAN MODEL REGRESI HARGA SAHAM MENGGUNAKAN ALGORITMA GENETIKA
PEMBENTUKAN MODEL REGRESI HARGA SAHAM MENGGUNAKAN ALGORITMA GENETIKA Asyrofa Rahmi 1, Wayan Firdaus Mahmudy 1, Program Studi Magister Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya Jl. Veteran
Lebih terperinciSTUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA
STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA (Agustinus N., et al. STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA Agustinus Noertjahyana
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciPenentuan Lokasi Pasang Baru Wifi.id Corner Menggunakan Metode AHP dan Algoritma Genetika (Studi Kasus : PT. Telkom Witel Kediri)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1742-1749 http://j-ptiik.ub.ac.id Penentuan Lokasi Pasang Baru Wifi.id Corner Menggunakan
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 terperinciPENJADWALAN KAPAL PENYEBERANGAN MENGGUNAKAN ALGORITMA GENETIKA
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 1, Maret 2016, hlm. 48-55 PENJADWALAN KAPAL PENYEBERANGAN MENGGUNAKAN ALGORITMA GENETIKA Ria Febriyana 1, Wayan Firdaus Mahmudy 2 Program
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 terperinciPREDIKSI INDEKS PASAR SAHAM S&P500, DOW JONES DAN NASDAQ COMPOSITE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION
PREDIKSI INDEKS PASAR SAHAM S&P500, DOW JONES DAN NASDAQ COMPOSITE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION Feni Andriani 1, Ilmiyati Sari 2 1 Universitas Gunadarma, feni.andriani@staff.gunadarma.ac.id
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA (Studi Eksplorasi Pengembangan Pengolahan Lembar Jawaban Ujian Soal Pilihan Ganda di
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 terperinciOPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA Indana Zulfa 1, Wayan Firdaus Mahmudy 2, Budi Darma Setiawan 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto)
Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto) Dianita Dwi Permata Sari 1, Wayan Firdaus Mahmudy 2, Dian Eka Ratnawati 3 Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN. Pada umumnya, masyarakat Indonesia lebih memilih menabung di bank
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada umumnya, masyarakat Indonesia lebih memilih menabung di bank dengan adanya jaminan rasa aman. Namun secara perlahan tapi pasti, iklim investasi di Indonesia
Lebih terperinciPREDIKSI PENGGUNAAN BANDWIDTH PENS_ITS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION
PREDIKSI PENGGUNAAN BANDWIDTH PENS_ITS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION Imam Shabri, Mike Yuliana, Zaqiatud Darojah Jurusan Telekomunkasi - Politeknik Elektronika Negeri
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION Restiana Putri Abstract - On a government agencies Badan Keluarga Berencana
Lebih terperinciPEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA DATA RETURN INDEKS HARGA SAHAM EURO 50
PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA DATA RETURN INDEKS HARGA SAHAM EURO 50 SKRIPSI Disusun Oleh : REZZY EKO CARAKA 240 102 111 400 85 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
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 terperinciOptimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013 Dengan Algoritme Genetika (Studi Kasus: SMA Negeri 3 Surakarta)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1535-1542 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 441-450 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL
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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Literatur Algoritma genetik merupakan salah satu algoritma yang biasanya digunakan dalam optimalisasi data. Namun penggunaan algoritma genetik dalam melakukan peramalan
Lebih terperinciANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION
ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION Eka Irawan1, M. Zarlis2, Erna Budhiarti Nababan3 Magister Teknik Informatika, Universitas Sumatera
Lebih terperinciAnalisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation
Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id
Lebih terperinciAnalisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation
Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id
Lebih terperinciPREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU
PREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU 091402118 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciPENDAHULUAN. menjadi lebih efisien dan efektif serta dapat meningkatkan penghematan. Untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Kegiatan ekonomi merupakan kegiatan yang sangat penting dalam kehidupan manusia. Kegiatan ekonomi sangat penting bagi manusia untuk memenuhi kebutuhannya. Kegiatan
Lebih terperinciPeramalan Produksi Gula Pasir Menggunakan Fuzzy Time Series Dengan Optimasi Algoritma Genetika (Studi Kasus PG Candi Baru Sidoarjo)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2542-2548 http://j-ptiik.ub.ac.id Pe Produksi Gula Pasir Menggunakan Fuzzy Time Series Dengan
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada penelitian machine learning banyak sekali diperbincangkan tentang perilaku belajar mesin (komputer) agar mampu belajar dan berpikir cerdas layaknya manusia yang
Lebih terperinciPREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL NETWORKS (FFNN) DENGAN PELATIHAN ALGORITMA GENETIKA
PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL NETWORKS (FFNN) DENGAN PELATIHAN ALGORITMA GENETIKA (Studi Kasus pada Harga Saham Harian PT. XL Axiata Tbk) SKRIPSI Disusun oleh : IRA PUSPITA
Lebih terperinciOptimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization
IJCCS, Vol.8, No.1, January 2014, pp. 25~36 ISSN: 1978-1520 25 Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization Harry Ganda Nugraha* 1 dan Azhari SN 2 1 Mahasiswa Program Pascasarjana
Lebih terperinciOptimasi Multiple Travelling Salesman Problem Pada Pendistribusian Air Minum Menggunakan Algoritme Genetika (Studi Kasus: UD.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 849-858 http://j-ptiik.ub.ac.id Optimasi Multiple Travelling Salesman Problem Pada Pendistribusian
Lebih terperinciMEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG)
MEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG) R. Ayu Mahessya, S.Kom, M.Kom, Fakultas Ilmu Komputer Universitas
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 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 terperinci