ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM)
|
|
- Yenny Sudjarwadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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,, Universitas Telkom Abstrak Belakangan ini perkembangan saham mengalami peningkatan yang pesat. Hal ini dikarenakan saham memiliki nilai bisnis yang tinggi untuk mendapatkan keuntungan. Di sisi lain saham juga mempunyai resiko relatif tinggi jika dibandingkan dengan jenis investasi atau instrumen surat berharga. Pembuatan saham ini diharapkan dapat mebantu para investor dalam pengambilan keputusan. Dengan sistem ini, Para Investor dapat mengetahui nilai harga saham 1 hari kedepan. Dengan demikian, para investor dapat melakukan langkah-langkah antisipasi di masa mendatang. Pada tugas akhir ini dikembangkan suatu sistem peramalan nilai harga saham yang berdasarkan data historis (time series) nilai harga saham dengan menggunakan Metode gabungan Jaringan Syaraf Tiruan Backpropagtion dan Algoritma Genetika. Pada permasalahan peramalan saham, Algoritma Genetika digunakan untuk membangun berbagai variasi arsitektur jaringan saraf tiruan, dan Backpropagation untuk melatih arsitektur jaringan saraf tiruan. Data yang digunakan dalam pembangunan sistem ini adalah data historis(time series) milik perusahaan DOWJONES dari tahun 1985 sampai tahun Kata Kunci : Jaringan Syaraf Tiruan, Algoritma Genetika, data time series Abstract Lately growth of natural share make-up of fast. This matter because of share have high business value to get advantage. On the other side share also have high risk relative in comparison with invesment type or marketable securities instrument. Making of this share [is] expected can assist [all] investor in decision making. With this system, Investor can know share price value 1 day to the fore. Thereby, all investor can do anticipatory stages steps in period to come. At this final duty developed a system forecasting of share price value which pursuant to historical data (time series) share price value by using Artificial Method Network Nerve aliance [of] Backpropagtion and Algorithm of Genetika. At problems of forecasting of share, Algorithm of Genetika used to develop;build various variation (of) artificial nerve network architecture, and Backpropagation to train artificial nerve network architecture. Data which is used in development of this system is data of historis(time series) property of company of DOWJONES of year 1985 until year 2002 Keywords : Artificial Neural Network, Algorithm of Genetika, data of time series
2 1. Pendahuluan 1.1 Latar Belakang Belakangan ini perkembangan bisnis saham mengalami peningkatan yang pesat. Hal ini dikarenakan saham memiliki nilai bisnis yang tinggi untuk mendapatkan keuntungan. Di sisi lain saham juga mempunyai resiko relatif tinggi jika dibandingkan dengan jenis investasi atau instrumen surat berharga lainya. Peramalan harga saham sangat diperlukan oleh para investor pada khususnya, bidang perencanaan, penilaian performansi dalam pengambilan keputusan dan langkahlangkah antisipasi di masa mendatang. Oleh karena itu, perlu adanya peramalan yang akurat untuk dapat memprediksi apakah nilai dari harga saham tersebut akan tinggi atau akan turun dimasa yang akan datang. Peramalan dilakukan untuk memprediksi suatu nilai dimasa yang akan datang dengan menggunakan analisis dan pengolahan data historis. Metode peramalan umumnya banyak dimanfaatkan dalam dunia usaha dan bisnis untuk membantu dalam memberikan gambaran masa depan. Dengan adanya gambaran tersebut diharapkan mampu membuat kebijakan kebijakan dan penentuan keputusan. Dalam penyelesaian Tugas Akhir ini, metode yang digunakan adalah Jaringan syaraf tiruan(jst). Metode JST digunakan karena memiliki kemampuan dalam memprediksi harga saham memlaui proses pemebelajaran data historis saham. Dalam penggunaan JST diperlukan arsitektur jaringan dan bobot yang optimal sehingga JST mampu memprediksi nilai saham. Proses pemebentukan arsitektur jaringan algoritma yang digunakan adalah algoritma genetika. Kelebihan menggunakan Algoritma genetika bisa membangun berbagai variasi arsitektur jaringan, yang dimungkinkan dari variasi arsitektur jaringan tersebut terdapat arsitektur jaringan yang optimal. Pada umumnya untuk membangun arsitektur jaringan dilakukan dengan cara trial-and-error. Proses pembentukan bobot arsitektur jaringan algoritma yang digunakan adalah JST backpropagation. JST backpropagation mengunakan perubahan bobot secara heuristik dalam pencarian nilai optimum. Kelebihan menggunakan Backpropagation mampu menangani arsitektur jaringan yang memiliki lebih dari satu hidden layer. Pada proses Backpropagation terdiri dari beberapa fase yaitu fase maju, fase mundur, dan perubahan bobot. Prosess ini dilakukan berulang ulang sampai tercapai kondisi berhenti. Bobot arsitektur jaringan diperoleh setelah proses backpropagation mencapai kondisi berhenti. Dalam penyelesaian permasalahan peramalan saham, Algoritma Genetika digunakan untuk membangun berbagai variasi arsitektur jaringan. Sedangkan pencarian nilai bobot arsitekur jaringan menggunakan JST backpropagation. Setiap arsitektur jaringan akan dilakukan proses pelatihan menggunakan JST backpropagation. Dengan penggabungan kedua buah algoritma tersebut maka akan terbentuk variasi JST. JST yang digunakan untuk melakukan peramalan nilai saham adalah JST mampu mengenali pola saat pelatihan dan mampu memprediksi nilai saham. 1
3 1.2 Perumusan Masalah Beberapa permasalahan dalam tugas akhir ini dapat didefinisikan dalam berbagai hal berikut : 1. Bagaimana mengimplementasikan Algoritma Genetika dan Jaringan Syaraf Tiruan Backpropagation untuk membangun Jaringan Syaraf Tiruan. 2. Bagaimana penerapan Algoritma genetika dan Jaringan Syaraf Tiruan Backpropagation untuk peramalan nilai saham dalam satu hari kedepan. 3. Bagaimana menganalisis tingkat performansi dari Jaringan Syaraf Tiruan dengan menggunakan data latih dan data uji. 1.3 Tujuan Tujuan yang hendak dicapai dalam tugas akhir dengan judul Analisis Dan Implementasi Gabungan Algoritma Genetika dan Jaringan Saraf Tiruan Backpropagation (Study Kasus Peramalan Nilai Saham) ini adalah: 1. Membangun Jaringan Saraf Tiruan dengan menggunakan gabungan Algoritma Genetika dan Jaringan Syaraf Tiruan Backpropagation. 2. Menerapkan Algoritma Genetika dan Jaringan Syaraf Tiruan Backpropagation untuk peramalan nilai saham. 3. Menganalisis tingkat performansi(mse) sistem dalam mengenali data nilai saham dengan menggunakan data latih dan data uji nilai saham. 1.4 Batasan Masalah Dalam implementasi tugas akhir ini dibatasi oleh beberapa hal, sebagai berikut: 1. Data nilai saham yang diproses adalah data historis nilai saham milik perusahaan DOWJONES dari tahun 1985 sampai tahun Data input dan output pada jaringan hanya melibatkan data saham pada kolom close. 3. Parameter Algoritma Genetika yang diobservasi adalah probabilitas crossover [0,6 0,7 0,8] dan probabilitas mutasi [0,001 0,005 0,01]. 4. Parameter Backpropagation yang diobservasi adalah Learning Rate [0,01 0,05 0,1]. 5. Nilai saham yang diprediksi hanya 1 hari kedepan. 6. Untuk membangun arsitektur jaringan: Unit Neuron Input [2..15]. Unit Neuron Output [1] Unit Hidden layer [1..2]. Unit Neuron Hidden [1..63]. 2
4 1.5 Metode Penyelesaian Masalah Metode penelitian yang digunakan untuk memecahkan permasalahan dalam Tugas Akhir ini terdiri dari 6 tahap, yaitu: 1. Studi literatur a. Pencarian referensi Mencari referensi dari sumber-sumber yang layak, seperti informasiinformasi yang tersedia di internet yang berhubungan dengan materi dari metode Algoritma Genetika dan metode Backpropagation b. Pendalaman materi Mendalami materi Algoritma Genetika dan Jaringan Syaraf Tiruan Backpropagation. 2. Analisa kebutuhan sistem Pada tahapan ini terjadi analisa kebutuhan dari sistem perangkat lunak yang akan dibangun, yaitu menganalisa permasalahan peramalan nilai saham yang akan diselesaikan dengan metode Algoritma Genetika dan jaringan saraf tiruan Backpropagation. 3. Tahap Pembangunan Model Pada tahap ini akan dilakukan perancangan sistem dan perangkat lunak yang akan diimplementasikan baik itu berupa pemodelan masukan(input), penetapan keluaran(output), arsitektur jaringan, serta parameter-parameter lainnya. Perancangan sistem dan perangkat lunak ini nantinya akan dimodelkan dengan Data Flow Diagram(DFD). 4. Implementasi sistem Pada tahap ini akan dilakukan implementasi jaringan syaraf tiruan dengan algoritma genetika sebagai algoritma untuk pencarian Arsitektur Jaringan dan pelatihan Arsitektur Jaringan mengunakan algoritma Backpropagation. Implementasi program menggunakan bahasa Matlab. Apabila dalam pemrograman ditemukan kesalahan, maka akan langsung diperbaiki. 5. Tahap Pelatihan dan Pengujian Pada tahap ini akan dilakukan pelatihan dengan menggunakan algoritma genetika akan menggenerate beberapa macam Arsitektur Jaringan dan melakukan pencarian asitektur jaringan dan algoritma backpropagation akan melatih arsitektur. Setelah itu, jaringan akan diuji dengan pemberian input yang berbeda dengan data pelatihan sebelumnya. 6. Analisa Hasil Implementasi Melakukan proses analisa terhadap nilai data hasil dari implementasi sistem, berdasarkan rancangan kerja sistem. Dari hasil analisa tersebut digunakan untuk menarik kesimpulan dari penelitian tugas akhir ini. 7. Penyusunan Laporan Tugas Akhir 3
5 1.6 Sistematika Penulisan Tugas akhir ini disusun dengan sistematika penulisan sebagai berikut : 1. Pendahuluan Bab ini menguraikan tugas akhir ini secara umum, meliputi latar belakang masalah, perumusan masalah, tujuan, batasan masalah, dan metode yang digunakan. 2 Landasan Teori Bab ini membahas mengenai uraian teori yang berhubungan dengan Saham, jaringan syaraf tiruan, serta algoritma genetika dan algoritma backpropagation dalam pencarian arsitektur jaringan yang mampu meramalkan nilai saham. 3 Analisis Sistem Bab ini berisi analisis kebutuhan dari sistem dan masalah-masalah yang ada di dalamnya. Hasil analisis ini dituangkan ke dalam suatu sistem pemodelan secara terstruktur. Dari tahap analisis kemudian dilanjutkan ke tahap perancangan dan implementasi. 4 Implementasi dan Analisis Hasil Percobaan Bab ini membahas mengenai pengujian hasil implementasi yang telah dilakukan pada bab sebelumnya. Pengujian dilakukan dengan membandingkan hasil implementasi dengan data aslinya. Tahap Pengujian dilanjutkan dengan tahap analisis hasil pengujian. 5 Kesimpulan dan Saran Berisi kesimpulan dari penulisan Tugas Akhir ini dan saran-saran yang diperlukan untuk pengembangan lebih lanjut. 4
6 5. Kesimpulan dan Saran 5.1 Kesimpulan Berdasarkan hasil implementasi, pengujian, dan analisis yang telah dilakukan, maka dapat diambil kesimpulan sebagai berikut : 1. Dengan penggunaan kombinasi nilai parameter probabilitas crossover 0.7 dan probabilitas mutasi 0.01 mampu menghasikan arsitektur jaringan yang terbaik yaitu 11 neuron input, 1 hidden layer dan 24 neuron hidden. 2. Arsitektur jaringan yang telah dibangun pada point(1) dilatih dengan learning rate yang optimal, untuk kasus ini learning rate yang optimal adalah 0.1. Dengan penggunaan nilai learning rate 0.1 mampu menghasilkan nilai fitness sebesar Pengujian performansi sistem menggunakan data latih dihasilkan nilai performansi Sedangkan dengan menggunakan data validasi dan data uji masing masing diperoleh dan Data yang dipakai dalam menentukan performansi sistem masih dalam bentuk data normalisasi. Nilai performansi menggunakan data validasi lebih besar daripada menggunakan data uji, karena sebaran data uji memiliki kemiripan dengan data latih. 5.2 Saran Saran-saran untuk pengembangan tahap selanjutnya antara lain: 1. Dalam pencarian bobot JST perlu adanya teknik lain seperti menggunakan Algoritma Genetika. Bobot arsitektur jaringan direpresentasikan dalam bentuk kromosom dengan harapan JST yang terbentuk bisa memiliki nilai performansi yang lebih baik. 2. Untuk mendapatkan arsitektur jaringan yang lebih baik bisa mneggunakan algoritma optimasi yang lain seperti evolutionary strategy atau evolutionary programming. 3. Studi kasus yang dibahas tidak hanya peramalan saham melainkan peramalan nilai jual atau nilai beli valuta asing, emas dan minyak bumi. 39
7 Daftar pustaka [1] Departemen Teknik Industri ITB Peramalan & Pengelolaan Demand. Laboratorium Sistem Produksi. [2] Haykin, Simon Neural Networks A Comprehensive Foundation. New Jersey : Upper Saddle River. [3] Hermawan, Arief Jaringan Saraf Tiruan, Teori dan Aplikasi. Yogyakarta : Andi Offset. [4] Kusumadewi, Sri Membangun Jaringan Syaraf Tiruan(Menggunakan MATLAB & Excel Link). Yogyakarta : Graha Ilmu [5] McCollum,Pete. An Introduction to Back-Propagation Neural Networks. [6] Purnomo, Mauridhi Hery. Kurniawan, Agus Supervised Neural Networks dan Aplikasinya. Yogyakarta : Graha Ilmu. [7] Ranjaliba. S, Lihardo. Prediksi Nilai Saham Menggunakan Metode Rough Adaptive Neuro-Fuzzy Inference System(RANFIS). Bandung : IT Telkom. [8] Siang, Jong Jek Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan Matlab. Yogyakarta : Andi Offset. [9] Suyanto Algoritma Genetika dalam Matlab. Yogyakarta : Andi Offset. [10] Suyanto Evolutionary Computation Komputasi Berbasis Evolusi dan Genetik. Bandung : Informatika [11] William,H. Hsu Multi-Layer Perceptrons and Backpropagation of Error
1. 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 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 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 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 terperinciSISTEM GERAK PARKIR MOBIL OTOMATIS DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
SISTEM GERAK PARKIR MOBIL OTOMATIS DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN Eko Budi Setiawan¹, Warih Maharani², Fazmah Arif Yulianto³ ¹Teknik Informatika,, Universitas Telkom Abstrak Proses parkir mobil
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 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 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 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 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 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Jaringan Syaraf Tiruan (artificial neural network), atau disingkat JST menurut Hermawan (2006, hlm.37) adalah sistem komputasi dimana arsitektur dan operasi
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 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 terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
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 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 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 terperinciBAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Cepatnya perubahan fluktuasi harga index saham membuat para pemegang saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung. Saham yang mempunyai
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 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 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 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 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 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 terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kabupaten Purworejo adalah daerah agraris karena sebagian besar penggunaan lahannya adalah pertanian. Dalam struktur perekonomian daerah, potensi daya dukung
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 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 terperinciBAB I PENDAHULUAN. Pada saat ini peran pasar modal dalam perekonomian Indonesia mulai
BAB I PENDAHULUAN 1.1 Latar Belakang Pada saat ini peran pasar modal dalam perekonomian Indonesia mulai melembaga. Pembelian saham menjadi salah satu pilihan modal yang sah, selain bentuk modal lainnya
Lebih terperinci1 Pendahuluan. 1.1 Latar Belakang Masalah
1 Pendahuluan 1.1 Latar Belakang Masalah Kebutuhan masyarakat akan perkiraan cuaca terutama curah hujan ini menjadi sangat penting untuk merencanakan segala aktifivitas mereka. Curah hujan juga memiliki
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 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 terperinciPREDIKSI TINGKAT INFLASI DI INDONESIA BERBASIS JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA. Rita Rismala 1, Said Al Faraby 2
PREDIKSI TINGKAT INFLASI DI INDONESIA BERBASIS JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA Rita Rismala 1, Said Al Faraby 2 1,2 Prodi S1 Informatika, Fakultas Informatika, Universitas Telkom 1 ritaris@telkomuniversity.ac.id,
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 terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 PENDAHULUAN 1.1 Latar Belakang Curah hujan merupakan faktor yang berpengaruh langsung terhadap perubahan cuaca yang semakin memburuk. Curah hujan merupakan total air hujan yang terjatuh pada permukaan
Lebih terperinciTeknik Pertanian, Fakultas Teknologi Pertanian, Universitas Jember Jalan Kalimantan No. 37 Jember, *
PERAMALAN JUMLAH PERMINTAAN UDANG BEKU PND MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN (JST) BACKPROPAGATION Forecasting of PND Frozen Shrimp Demand Using Artificial Neural Network Method (ANN) Backpropagation
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 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 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 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 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 terperinciPERAMALAN PENDAPATAN PETERNAKAN AYAM PEDAGING MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PERAMALAN PENDAPATAN PETERNAKAN AYAM PEDAGING MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK SKRIPSI Disusun Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer pada Departemen Ilmu Komputer
Lebih terperinciPREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION
PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION Dewi Kusumawati 1), Wing Wahyu Winarno 2), M. Rudyanto Arief 3) 1), 2), 3) Magister Teknik Informatika STMIK
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 terperinciPERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor:, Februari 206 ISSN : 2407-389X PERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION Fahmi Hasobaran Dalimunthe
Lebih terperinciPREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION DAN WEIGHT-ELIMINATION
Konferensi Nasional Sistem dan Informatika 1; Bali, November 13, 1 PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION DAN WEIGHT-ELIMINATION Fitrisia, Adiwaya, dan Andrian
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 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 terperinciMENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB
POLITEKNOSAINS VOL. X NO. 2 Juni 2011 MENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB Yaya Finayani Teknik Elektro, Politeknik Pratama Mulia, Surakarta 57149, Indonesia ABSTRACT
Lebih terperinciJARINGAN SYARAF TIRUAN PROPAGASI BALIK DALAM PREDIKSI PERSEDIAAN TERNAK SAPI POTONG ( STUDI KASUS DI WILAYAH SUMATERA BARAT )
JARINGAN SYARAF TIRUAN PROPAGASI BALIK DALAM PREDIKSI PERSEDIAAN TERNAK SAPI POTONG ( STUDI KASUS DI WILAYAH SUMATERA BARAT ) Rima Liana Gema, S.Kom, M.Kom, Fakultas Ilmu Komputer Universitas Putra Indonesia
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 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 terperinciAPLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perangkat keras komputer berkembang dengan pesat setiap tahunnya selalu sudah ditemukan teknologi yang lebih baru. Meskipun demikian masih banyak hal yang belum dapat
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 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 terperinciPERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik
Lebih terperinciPREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Dwi Marisa Midyanti Sistem Komputer Universitas Tanjungpura Pontianak Jl Prof.Dr.Hadari Nawawi, Pontianak
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 terperinciPelatihan Multi-Layer Neural Network Menggunakan Algoritma Genetika untuk Memprediksi Harga Saham Esok Hari (T+1)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 58-96X Vol., No. 6, Juni 08, hlm. 30-308 http://j-ptiik.ub.ac.id Pelatihan Multi-Layer Neural Network Menggunakan Algoritma Genetika untuk
Lebih terperinciMuhammad Fahrizal. Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpanglimun Medan
IMPLEMENTASI JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI SERVICE KENDARAAN RODA 4 DENGAN METODE BACKPROPAGATION (STUDI KASUS PT. AUTORENT LANCAR SEJAHTERA) Muhammad Fahrizal Mahasiswa Teknik Informatika STMIK
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 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 terperinciIDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2011 IDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT Rizky Suslianto¹, Sri Widowati², Bedy
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 terperinciRANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON
RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON Liza Afriyanti Laboratorium Komputasi dan Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam
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 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 terperinciMODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA Ramli e-mail:ramli.brt@gmail.com Dosen Tetap Amik Harapan Medan ABSTRAK Jaringan Syaraf Tiruan adalah pemrosesan
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 terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan
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 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 terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2015 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan untuk Memprediksi Prestasi
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 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 terperinciPERENCANAAN DAN PEMBUATAN PERANGKAT LUNAK JARINGAN SARAF BUATAN UNTUK MERAMALKAN NILAI KESEHATAN SENTRAL TELEPON DI SUATU SENTRAL TELEPON
PERENCANAAN DAN PEMBUATAN PERANGKAT LUNAK JARINGAN SARAF BUATAN UNTUK MERAMALKAN NILAI KESEHATAN SENTRAL TELEPON DI SUATU SENTRAL TELEPON DESIGN OF ARTIFICIAL NEURAL NETWORK SOFTWARE FOR PREDICTING THE
Lebih terperinciPenyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks
Penyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks Dewi Erla Mahmudah 1, Ratna Dwi Christyanti 2, Moh. Khoridatul Huda 3,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkebunan di Negara kita sangat berperan penting baik dibidang ekonomi maupun sosial karena dapat menghasilkan devisa yang cukup besar. Pembangunan ekonomi jangka
Lebih terperinciPERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF
PERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF Rudericus Andika Pramudya, Mahmud Imrona 2, Fhira Nhita 3,2,3 Prodi S Teknik Informatika, Fakultas Teknik, Universitas Telkom rudericusdika@gmail.com,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Akhir-akhir ini kita banyak mendengar banyak berita bahwa Perusahaan Listrik Negara (PLN) mengalami kerugian yang sangat besar setiap tahunnya yang disebabkan faktor-faktor
Lebih terperinciJURNAL SAINS DAN INFORMATIKA
39 Fauzul Sains Amri, dan Jaringan Informatika Syaraf Vol.1 Tiruan (N0.1) untuk (2015): Memprediksi 37-43 JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com
Lebih terperinciBAB I PENDAHULUAN. perdagangan saham secara maksimal (Wang et al, 2009). semakin berkembang. Dengan memanfaatkan model model peramalan dari
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan indeks harga saham merupakan sebuah peramalan deret waktu yang cukup sulit dilakukan (Kara et al, 2011). Banyak faktor yang mempengaruhi pergerakan harga
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 I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam perkembangan teknologi yang semakin pesat ini banyak sekali perubahan perkembangan yang telah terjadi untuk membantu kehidupan masyarakat. Dalam perkembangan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan kecerdasan buatan yang semakin pesat dewasa ini ditunjukkan oleh aplikasinya diberbagai bidang. Salah satu cabang dari kecerdasan buatan yang sudah dikenal
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Fakultas Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Fakultas Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 Peramalan Harga Indeks Saham Hang Seng dengan Menggunakan Jaringan
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Pasar modal merupakan pasar untuk berbagai instrumen keuangan jangka
BAB I PENDAHULUAN A. Latar Belakang Pasar modal merupakan pasar untuk berbagai instrumen keuangan jangka panjang yang dapat diperjualbelikan, baik dalam bentuk utang ataupun modal sendiri. Pasar modal
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 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 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 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 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 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 terperinciPEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA)
PEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA) Salmawaty Tansa 1, Bambang Panji Asmara 2 Fakultas Teknik, Jurusan Teknik Elektro,
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Persaingan dalam dunia bisnis, terlebih lagi bagi perusahaan besar, tidak lepas dari adanya proses jual beli saham. Saham secara umum merupakan surat berharga yang dapat
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 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 terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4B3 SOFT COMPUTING Disusun oleh: Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran
Lebih terperinci