NASKAH PUBLIKASI PROYEK TUGAS AKHIR

Ukuran: px
Mulai penontonan dengan halaman:

Download "NASKAH PUBLIKASI PROYEK TUGAS AKHIR"

Transkripsi

1 NASKAH PUBLIKASI PROYEK TUGAS AKHIR IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK PREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA DENGAN ALGORITMA BACKPROPAGATION Program Studi Informatika Fakultas Teknologi Informasi dan Elektro Disusun Oleh; Wahyu Aji Prabowo PROGRAM STUDI INFORMATIKA FAKULTAS TEKNOLOGI INFORMASI DAN ELEKTRO UNIVERSITAS TEKNOLOGI YOGYAKARTA 2018

2

3 Implementasi Jaringan Syaraf Tiruan Untuk Prediksi Nilai Tukar Rupiah Terhadap Dollar Amerika Dengan Algoritma Backpropagation Wahyu Aji Prabowo Porgram Studi Informatika, Fakultas Teknologi Informasi dan Elektro Universitas Teknologi Yogykarta Jl. Ringroad Utara Jombor Sleman Yogyakarta wahyuajiprabowo3003@gmail.com ABSTRAK Perdangan valas merupakan salah satu bentuk investasi yang sekarang banyak diminati oleh para investor. Seperti perdangan valas mata uang Rupiah dengan mata uang Dolla Amerika. Akan tetapi fluktuasi yang tinggi mengakibatkan kekhawatiran bagi para pedagang valas dan masyarakat umum terhadap perubahan harga tersebut. Oleh karena itu, tujuan penelitian ini adalah dapat membangun sebuah sistem yang mampu memprediksi nilai tukar Rupiah terhadap Dollar Amerika dengan menggunakan algoritma backpropagation. Dalam proses implementasi program pada penelitian ini diperoleh akurasi dengan menggunakan data uji baru sebesar 99.85% dengan Mean Average Percentage Error (MAPE) 0.15%. Parameter yang digunakan untuk memperoleh akurasi tersebut menggunakan Iterasi (epoch) , hidden layer 11, learning rate 0.5 dan target error Kata kunci : Prediksi, Nilai Tukar Rupiah, Backpropagation, Mean Absolute Percentage Error (MAPE) 1. PENDAHULUAN 1.1. Latar Belakang Menurut Adiningsih, dkk (1998:155), nilai tukar rupiah adalah harga rupiah terhadap mata uang negara lain. Jadi, nilai tukar rupiah merupakan nilai mata uang rupiah yang ditranslasikan ke dalam mata uang negara lain. Misalnya nilai tukar rupiah terhadap dolar Amerika, nilai tukar rupiah terhadap euro dan sebagainya. Perdagangan valas pada awal mulanya dilakukan secara konvensional yaitu dengan menukarkan suatu mata uang dengan mata uang negara lain secara fisik. Namun seiring berkembangnya teknologi transaksi dapat dilakukan secara online melalui aplikasi yang disediakan untuk melakukan trading. Pada umumnya pasangan Rupiah yang digunakan dalam perdagangan valas adalah mata uang yang dominan. Mata uang yang dominan dipilih karena mata uang tersebut merupakan mata uang yang sering digunakan sebagai alat pembayaran dalam transaksi internasional, contohnya adalah mata uang Dollar Amerika (USD). Berdasarkan data nilai tukar rupiah dari Bank Indonesia dari tahun 2013 sampai dengan 2017, nilai tukar rupiah terhadap dollar amerika mengalami fluktuasi namun cenderung melemah. Hal ini mengakibatkan kekhawatiran bagi pihak-pihak yang berkepentingan khusunya bagi para pedagang valas untuk mencari waktu yang tepat melakukan proses penukaran uang. Oleh karena itu diperlukan sebuah sistem yang mampu memprediksi nilai tukar mata uang tersebut pada hari berikutnya. Jaringan syaraf tiruan merupakan salah satu metode yang dapat digunakan untuk memprediksi nilai tukar suatu mata uang. Hal ini dikarenakan di dalam jaringan syaraf tiruan terdapat proses pelatihan (training) dimana sistem akan mempelajari pola data yang telah dimasukkan ke dalam sistem sehingga nantinya akan mampu menghasilkan akurasi ketika dilakukan proses pengujian (testing).backpropagation merupakan sebuah metode sistematik pada jaringan syaraf tiruan dengan menggunakan algoritma pembelajaran yang terawasi dan biasanya dipakai oleh perceptron dengan banyak layar lapisan untuk mengubah bobot-bobot yang ada pada lapisan tersembunyinya. Backpropagation merupakan jenis pelatihan terkontrol dimana menggunakan pola penyesuaian bobot untuk mencapai nilai kesalahan yang minimum antara keluaran hasil prediksi dan keluaran nyata (F.Suhandi,2009).Berdasarkan permasalahan di atas, penulis mencoba memberikan sebuah solusi dengan melakukan penelitian yang mengambil judul Implementasi Jaringan Syaraf Tiruan Untuk Prediksi Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Dengan Algoritma Backpropagation. Diharapkan dengan adanya sistem ini dapat membnatu bagi pihak-pihak yang

4 berkepentingan dalam memprediksi nilai tukar mata uang tersebut pada hari berikutnya. 1.2 Tujuan Tujuan dari penelitian ini adalah mampu menghasilkan sebuah sistem yang mampu memprediksi nilai tukar rupiah terhadap dollar amerika dengan akurasi yang tinggi, sehingga dapat membantu bagi orang-orang yang berkepentingan khusunya para pedagang valas dan masyarakat umum yang ingin mengetahui nilai tukar rupiah dimasa mendatang. 2. LANDASAN TEORI 2.1. Nilai Tukar Rupiah Menurut Triyono (2008), nilai tukar rupiah adalah perbandingan nilai atau harga mata uang rupiah terhadap mata uang negara lain. Nilai tukar biasanya berubah-ubah, perubahan nilai tukar dapat berupa depresiasai atau apresiasi. Depresiasi mata uang rupiah terhadap Dollar Amerika Serikat artinya penurunan harga Dollar Amerika Serikat terhadap rupiah. Apresiasi rupiah terhadap Dollar Amerika Serikat adalah kenaikan rupiah terhadapa Dollar Amerika Serikat. Apresiasi mata uang suatu negara membuat harga barang-barang domestik menjadi mahal bagi pihak luar negeri Jaringan Syaraf Tiruan Menurut Hermawan, A., (2006), jaringan perambatan galat mundur (backpropagation) merupakan salah satu algoritma yang sering digunakan dalam menyelesaikan masalah-masalah yang rumit. Hal ini dimungkinkan karena jaringan dengan algoritma ini dilatih dengan menggunakan metode belajar terbimbing. Pada jaringan diberikan sepasang pola yang terdiri atas pola masukan dan pola yang diinginkan. Ketika suatu pola diberikan kepada jaringan, bobot-bobot diubah untuk memperkecil perbedaan pola keluaran dan pola yang diinginkan. Latihan ini dilakukan berulang-ulang sehingga semua pola yang dikeluarkan jaringan dapat memenuhi pola yang diinginkan. Algoritma pelatihan jaringan saraf perambatan galat mundur terdiri atas dua langkah, yaitu perambatan maju dan perambatan mundur. Langkah perambatan maju dan perambatan mundur ini dilakukan pada jaringan untuk setiap pola yang diberikan selama jaringan mengalami pelatihan. 3. METODOLOGI PENELITIAN 3.1. Pengumpulan Data Terdapat beberapa teknik yang digunakan oleh penulis dalam mengumpulkan data nilai tukar rupiah terhadap dollar Amerika, yaitu: 1. Observasi Melakukan proses pengamatan terhadap nilai tukar Rupiah terhadap Dollar Amerika yang terdapat pada situs-situs web yang menyediakan info tersebut maupun melalu media pemberitaan. 2. Wawancara Proses pencarian data nilai tukar rupiah terhadap dollar dengan cara memberikan pertanyaan secara langsung terhadap Bapak Dadang Purwanta, SE., M.M., selaku dewan komisaris PT BPR Nusantara Artha Makmur untuk mendapatkan data nilai tukar Rupiah terhadap Dollar Amerika. 3. Dokumen atau Literatur Proses pengumpulan data ini dilakukan oleh penulis dengan cara mengumpulkan referensi jurnal, proposal peneliti terdahulu, dan buku-buku yang berhubungan dengan penelitian yang dilakukan penulis. 4. HASIL DAN PEMBAHASAN 4.1. Perancangan Sistem Sistem yang dibuat berbentuk program berbasis dekstop dengan menggunakan Delphi 7 sebagai bahasa pemrogramannya. Sistem ini dirancang untuk memprediksi data nilai tukar rupiah pada masa mendatang, sehingga dapat membantu bagi para pedagang valas dan masayarakat umum dalam mengambil keputusan kapan untuk membeli atau menjual mata uang Rupiah terhadap Dollar Amerika. Untuk dapat menghasilkan prediksi nilai tukar rupiah dimasa mendatang dengan menggunakan algoritma backpropagation, terlebih dahulu harus menentukan parameter yang akan digunakan dalam mendukung proses prediksi nilai tukar Rupiah terhadap Dollar Amerika dengan algoritma Backpropagation. Parameter yang telah ditentukan kemudian diolah dan di proses dengan menggunakan algoritma Backpropagation untuk mendapatkan hasil prediksi nilai tukar Rupiah terhadap Dollar Amerika dengan akurasi yang tinggi, sehingga dapat membantu bagi para pedagang valas dan masyarakat umum dalam mengambil keputusan. Perancangan sistem yang dibangun akan digambarkan menggunakan beberapa pemodelan yaitu Flowchart dan Diagram Alir Data (DAD).

5 1. Flowchart Pada flowchart ini digambarkan alur pada saat proses pelatihan program dimana program akan melakukan proses pembelajaran (training) terlebih dahulu untuk mendapatkan bobot yang optimal. Bobot tersebut nantinya akan digunakan pada saat proses pengujian sistem. Mulai Load Data uji Normalisasi Data x = x/max Mulai Gunakan bobot terbaik pada pelatihan Load Data Latih Umpan Maju (FeedForward) Penjumlahan Bobot pada unit tersembunyi Fungsi aktivasi yang digunakan Normalisasi Data x = x/max Penjumlahan bobot pada unit keluaran Fungsi aktivasi yang digunakan Denormalisasi Data x = x*max Input Paramater Learning Rate, MaxEpoch,Target Error Hitung MSE Umpan Maju (FeedForward) Penjumlahan Bobot pada unit tersembunyi Inisialisasi Arsitektur MLP, bobot awal dan bias Fungsi aktivasi yang digunakan Penjumlahan bobot pada unit keluaran Apakah Hasil Akurasi Pengujian Baik? Tidak Fungsi aktivasi yang digunakan Ya Denormalisasi Data x = x*max Hasil Akurasi Pengujian Perambatan Balik Galat (Backpropagation) Menghitung galat tiap unit keluaran Hitung koreksi bobot dan prasikapnya Hitung MSE Selesai Penjumlahan delta lapisan tersembunyi Gambar 2 Flowchart pengujian Hitung galat informasinya Hitung Koreksi Bobot dan prasikapnya Memperbaharui bobot unit keluaran dan prasikapnya Memperbaharui bobot unit tersembunyi dan prasikapnya Apakah Hasil Akurasi Pelatihan Baik? Ya Simpan bobot terbaik Tidak 2. Diagram Alir Data (DAD) a. Diagram Konteks Diagram konteks merupakan gambaran umum dari program prediksi nilai tukar Rupiah terhadap Dollar Amerika. Selesai Hasil Prediksi Grafik Prediksi MSE Hasil Prediksi Nilai Tukar Rupiah Gambar 1 Flowchart Pelatihan Pada flowchart selanjutnya adalah fowchart pada saat peroses pengujian sistem. Pada saat proses pengujian sistem, bobot optimal yang didapatkan pada proses pelatihan sebelumnya akan digunakan proses ini. Proses pengujian berfungsi untuk dapat mengetahui seberapa besar akurasi yang diperoleh dengan menggunakan bobot optimal pada saat proses pelatihan sebelumnya. Apabila hasil akurasi yang didapatkan tinggi pada saat proses pengujian maka bobot tersebut dapat digunakan untuk melakukan proses prediksi nilai tukar Rupiah terhadap Dollar Amerika. Flowchart proses pengujian dapat dilihat pada Gambar 2. Admin Input MaxEpoch Input Parameter JST Hidden Layer Aplikasi Prediksi Nilai Tukar Rupiah Terhadap Dollar Amerika Dengan Algoritma Backpropagation Gambar 3 Diagram konteks Data Nilai Tukar Rupiah Pengguna b. DAD Level 1 Pada diagram level 1 menggambarkan 4 proses yang terdapat didalam sistem. Terdapat proses login, home master dan laporan. Diagram Alir Data Level 1 merupakan diagram yang lebih rinci lagi dari diagram konteks.

6 Info Data Pengguna Info Data Pengguna 1. Login Data Pengguna Admin Data pengguna Info Data Penguna tb_pengguna Info Hasil Pengujiaan Hasil Pengujian tb_hasiluji Petunjuk Info Petunjuk Tentang Info Tentang 2. Home Info Bobot b2 Bobot b2 tb_b2 Info bobot b1 Bobot b1 tb_b1 Info Petunjuk Info Tentang Pengguna Pelatihan Pengujian Prediksi Pelatihan Pengujian Prediksi Data Nilai Tukar Rupiah Info Prediksi Nilai Tukar Rupiah 3. Master 4. Laporan Info Hasil Pelatihan Hasil Pelatihan Info bobot w1 Bobot w1 Data Rupiah Info Data Rupiah Info bobot w2 Bobot w2 Data Hasil Prediksi tb_w1 tb_datarupiah tb_w2 tb_hasil tb_prediksi Gambar 6 Implementasi proses pengujian 3. Prediksi Pada form prediksi pengguna dapat melakukan proses prediksi setelah memilih tanggal berapa yang dipilih untuk dilakukan proses prediksi. Setalah proses dilakukan, kemudian menghasilkan hasil prediksi, batas atas prediksi dan batas bawah prediksi Laporan Data Prediksi 4.2 Implementasi 1. Pelatihan Gambar 4 Diagram Alir Data Level 1 Gambar 7 Implementasi proses prediksi Gambar 5 Implementasi proses pelatihan Pada gambar 5 merupakan implementasi proses pelatihan kedalam sistem, didalam form pelatihan terdapat parameter epoch, hidden layer, learning rate, dan target error. Kemudian setelah parameter sudah dimasukan selanjutnya parameter dan data akan diproses dengan menggunakan algoritma backpropagation. 2. Pengujian Proses pengujian merupakan proses pengujian sistem dengan menggunakan bobot optimal yang didapatkan sebelumnya pada proses pelatihan. Bobot optimal tersebut digunakan untuk mengetahui apakah bobot tersebut dapat menghasilkan akurasi yang tinggi atau belum. Apabila bobot tersebut menghasilkan akurasi yang tinggi, maka bobot tersebut dapat digunakan untuk memprediksi nilai tukar Rupiah terhadap Dollar Amerika. Implementasi prose pengujian dapat dilihat pada Gambar Hasil Pengujian Data Berikut adalah hasil pengujian yang dilakukan terhadap data uji baru. Pada proses pengujian data uji baru data nila tukar rupiah yang digunakan adalah pada periode bulan januari 2014-februari Hasil pengujian data uji baru dapat dilihat pada Tabel 1. Tabel 1 Hasil Pengujian Data No Tanggal Harga Hasil Uji Error (%) Hasil Benar Salah Benar Benar Benar Salah Benar Benar Benar Benar

7 No Tanggal Harga Tabel 1 Lanjutan Hasil Uji Error (%) Hasil Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar 5. Hasil Prediksi Berikut ini adalah hasil prediksi nilai tukar rupiah terhadap dollar amerika yang dilakukan pada periode bulan Mei 2017-Juni Dengan Mean Average Percentage Error (MAPE) sebesar 0.40 % diperoleh hasil prediksi, batas atas dan batas bawah seperti pada Tabel 2. Tabel 2 Hasil Prediksi No Tanggal Harga Prediksi Batas Atas Batas Bawah PENUTUP Tabel 2 Lanjutan Kesimpulan Berdasarkan hasil penelitan dan hasil program yang dilakukan oleh penulis, sistem prediksi Nilai Tukar Rupiah Terhadap Dollar Amerika dengan menggunakan Algoritma Backpropagation dapat diimplementasikan menjadi program yang mampu menghasilkan akurasi prediksi dengan tingkat akurasi yang tinggi. Akurasi yang didapatkan dari program ini dengan menggunakan data uji baru sebanyak 35 data adalah sebesar 99.85%. Iterasi (epoch) yang diperoleh sehingga dapat menghasilkan bobot optimal dan akurasi seperti diatas adalah iterasi (epoch) dengan hiden layer 11, learning rate 0.5 dan target error Sehingga sistem ini mampu

8 memprediksi nilai tukar rupiah dengan akurasi hampir 100% dan dapat membantu bagi para pedagang valas maupun masyarakat umum dalam mengambil keputusan Saran Kekurangan sistem ini adalah sistem yang dibangun belum terkoneksi dengan website Bank Indonesia sebagai penyedia data nilai tukar rupiah sehingga proses update data nilai tukar rupiah belum dapat dilakukan secara otomatis. Disarankan bagi pengembang selanjutnya untuk dapat menambahkan feature yang dapat mengkoneksikan sistem dengan website Bank Indonesia sebagai penyedia data nilai tukar rupiah sehingga akan mempermudah proses update data nilai tukar rupiah kedalam sistem ketika terdapat data nilai tukar rupiah baru. DAFTAR PUSTAKA [1] Afrianto, R.B. Tjandrasa, H. Arieshanti, I. Informatika, T. dan Informasi, F.T. (2013), PREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN METODE BACK PROPAGATION NEURAL NETWORK,, 3(3), [2] Agustin, M. (2012), Penggunaan Jaringan Syaraf Tiruan Backpropagation untuk Seleksi Penerimaan Mahasiswa Baru pada Jurusan Teknik Komputer di Politeknik Sriwijaya, Universitas Diponegoro, 2, [3] Ahmar, A.S. (2013), Modifikasi Template CMS Lokomedia, Yogyakarta: Garudhawaca. [4] Anwary, A.A. (2011), Prediksi Kurs Rupiah Terhadap Dollar Amerika Menggunakan Metode Fuzzy Time Series,, 18. [5] Fathansyah (2012), Basis Data, P. Informatika, Ed. Bandung. [6] Hermawan, A. (2006), Jaringan Syaraf Tiruan Teori dan Aplikasi, Andi, Ed. Yogyakarta: Andi. [7] Jauhari, D. Hanafi, A. Y, M.F.A. Satria, A.R. dan H, L.H. (2016), Prediksi Nilai Tukar Rupiah Terhadap US Dollar Menggunakan Metode Genetic Programming, Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 3(4), [8] Kusnassriyanto (2011), Belajar Pemrograman Delphi, Modul, Ed. ed. 1 Bandung. [9] Kusumadewi, F. (2014), PERAMALAN HARGA EMAS MENGGUNAKAN FEEDFORWARD NEURAL NETWORK DENGAN ALGORITMA BACKPROPAGATION,, 7. [10] Meishytah Eka Aprilianti, Dedi Triyanto, I. (2010), Aplikasi Jaringan Syaraf Tiruan Untuk Memprediksi Volume Pemakaian Air Bersih Di Kota Pontianak,, 1 8. [11] Siang, Jong Jek, (2005), Jaringan Syaraf Tiruan & Pemrogrammannya Menggunakan Matlab, Yogyakarta: Andi Offset. [12] Suhendra, C.D. dan Wardoyo, R. (2015), Penentuan Arsitektur Jaringan Syaraf Tiruan Backpropagation (Bobot Awal dan Bias Awal) Menggunakan Algoritma Genetika, Ijccs, 9(1), [13] Sukamto, R.A. dan Salahuddin, M. (2016), Rekayasa Perangkat Lunak, Bandung: Informatika Bandung. [14] Talahatu, J. Benarkah, N. dan Jimmy (2015), PENGGUNAAN APLIKASI SISTEM JARINGAN SYARAF TIRUAN BERULANG ELMAN UNTUK PREDIKSI PERGERAKAN HARGA SAHAM Julian Talahatu, Njoto Benarkah dan Jimmy,, 4(2), [15] Yanto, R. (2016), Manajemen Basis Data menggunakan MySQL, Yogyakarta: Deepublish..

Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation

Prediksi 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

IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM

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 terperinci

IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR

IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI

Lebih terperinci

1. Pendahuluan. 1.1 Latar Belakang

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 terperinci

APLIKASI 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 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT

PENERAPAN 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 terperinci

Pemodelan 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 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 terperinci

NASKAH PUBLIKASI PROYEK TUGAS AKHIR RANCANG BANGUN APLIKASI PREDIKSI PERGERAKAN HARGA EMAS (LOGAM MULIA) MENGGUNAKAN METODE BACKPROPAGATION

NASKAH PUBLIKASI PROYEK TUGAS AKHIR RANCANG BANGUN APLIKASI PREDIKSI PERGERAKAN HARGA EMAS (LOGAM MULIA) MENGGUNAKAN METODE BACKPROPAGATION NASKAH PUBLIKASI PROYEK TUGAS AKHIR RANCANG BANGUN APLIKASI PREDIKSI PERGERAKAN HARGA EMAS (LOGAM MULIA) MENGGUNAKAN METODE BACKPROPAGATION Program Studi Informatika Fakultas Teknologi Informasi dan Elektro

Lebih terperinci

BAB I PENDAHULUAN I-1

BAB 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 terperinci

SISTEM CERDAS PENDUKUNG KEPUTUSAN PREDIKSI NILAI TUKAR VALUTA ASING MENGGUNAKAN JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA TUGAS AKHIR

SISTEM CERDAS PENDUKUNG KEPUTUSAN PREDIKSI NILAI TUKAR VALUTA ASING MENGGUNAKAN JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA TUGAS AKHIR SISTEM CERDAS PENDUKUNG KEPUTUSAN PREDIKSI NILAI TUKAR VALUTA ASING MENGGUNAKAN JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA TUGAS AKHIR Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana S-1

Lebih terperinci

VOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :

VOL. 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 terperinci

Jurnal Informatika Mulawarman Vol 5 No. 1 Februari

Jurnal 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION [1] Novi Indah Pradasari, [2] F.Trias Pontia W, [3] Dedi Triyanto [1][3] Jurusan Sistem Komputer,

Lebih terperinci

BAB 1 PENDAHULUAN. Pada masa sekarang ini, banyak jenis-jenis usaha dan bisnis yang mulai

BAB 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 terperinci

JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)

JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma

Lebih terperinci

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION Zulkarnain Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja

Lebih terperinci

ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang)

ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) 1 Musli Yanto, 2 Sarjon Defit, 3 Gunadi Widi Nurcahyo

Lebih terperinci

PERANCANGAN APLIKASI MENGIDENTIFIKASI PENYAKIT MATA DENGAN MENGGUNAKAN METODE BACKPROPAGATION

PERANCANGAN 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan

Lebih terperinci

Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation

Pengembangan 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 terperinci

MEMPREDIKSI 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) 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 terperinci

Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)

Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) Agus Perdana Windarto* 1, Dedy Hartama

Lebih terperinci

SATIN Sains dan Teknologi Informasi

SATIN Sains dan Teknologi Informasi SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Penerapan Jaringan Syaraf Tiruan Untuk Estimasi Needs

Lebih terperinci

BAB 1 PENDAHULUAN. era globalisasi, di mana perdagangan mulai bersifat internasioanal. Banyak usahawan

BAB 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 terperinci

PENERAPAN 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 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 terperinci

T 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 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 terperinci

Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation

Perbaikan 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 terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai

Lebih terperinci

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN

PERAMALAN 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 terperinci

1. Pendahuluan 1.1 Latar belakang masalah

1. 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 terperinci

PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PREDIKSI 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 terperinci

MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA

MODEL 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 terperinci

PREDIKSI PENGGUNAAN BANDWIDTH PENS_ITS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION

PREDIKSI 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 terperinci

SATIN Sains dan Teknologi Informasi

SATIN Sains dan Teknologi Informasi SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan Peramalan Inventory Barang

Lebih terperinci

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com

Lebih terperinci

PENERAPAN 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 PENERAPAN TEKNIK JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION UNTUK PERAMALAN HARGA SAHAM Putra Christian Adyanto Teknik Informatika, Univesitas Dian Nuswantoro ABSTRACT: Peramalan saham merupakan

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka berpikir Perubahan nilai tukar rupiah terhadap mata uang asing tidak dapat dihindari. Untuk mengatasi perubahan yang tidak pasti ini diperlukan suatu prediksi.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN Bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan dalam penelitian ini.

Lebih terperinci

ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION

ANALISIS 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 terperinci

BACK PROPAGATION NETWORK (BPN)

BACK PROPAGATION NETWORK (BPN) BACK PROPAGATION NETWORK (BPN) Arsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah meminimalkan error pada output

Lebih terperinci

BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara

BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara BAB II DASAR TEORI Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban

Lebih terperinci

Muhammad Fahrizal. Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpanglimun Medan

Muhammad 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 terperinci

Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)*

Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)* Prediksi Curah Hujan Di Kota Pontianak Menggunakan Parameter Cuaca Sebagai Prediktor Pada Skala Bulanan, Dasarian Dan Harian Asri Rachmawati 1)* 1)Stasiun Meteorologi Supadio Pontianak Badan Meteorologi

Lebih terperinci

Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang)

Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang) Jaringan Syaraf Tiruan Menggunakan Algoritma Backpropagation Untuk Memprediksi Jumlah Pengangguran (Studi Kasus DiKota Padang) Hadi Syahputra Universitas Putra Indonesia YPTK Padang E-mail: hadisyahputra@upiyptk.ac.id

Lebih terperinci

ANALISIS 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) 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 terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 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 terperinci

PEMODELAN 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) 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 terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang

BAB 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 terperinci

SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

SISTEM 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 terperinci

Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6

Penerapan 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 terperinci

PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK

PERBANDINGAN 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 terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN digilib.uns.ac.id BAB III METODOLOGI PENELITIAN 3.1 Studi Literatur Studi ini dilakukan dengan cara mencari dan membaca berbagai literatur serta karya-karya penelitian mengenai topik penelitian yang sudah

Lebih terperinci

IMPLEMENTASI 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 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 terperinci

BAB I PENDAHULUAN. Uang adalah alat pembayaran dalam transaksi jual beli barang atau jasa. Pada

BAB I PENDAHULUAN. Uang adalah alat pembayaran dalam transaksi jual beli barang atau jasa. Pada BAB I PENDAHULUAN A. Latar Belakang Uang adalah alat pembayaran dalam transaksi jual beli barang atau jasa. Pada dasarnya ada dua jenis uang yang beredar di masyarakat, yaitu uang kartal dan uang giral.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

lalu menghitung sinyal keluarannya menggunakan fungsi aktivasi,

lalu menghitung sinyal keluarannya menggunakan fungsi aktivasi, LAMPIRAN 15 Lampiran 1 Algoritme Jaringan Syaraf Tiruan Propagasi Balik Standar Langkah 0: Inisialisasi bobot (bobot awal dengan nilai random yang paling kecil). Langkah 1: Menentukan maksimum epoch, target

Lebih terperinci

PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

PREDIKSI 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pasar pertukaran mata uang merupakan pasar keuangan dengan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pasar pertukaran mata uang merupakan pasar keuangan dengan BAB 1 PENDAHULUAN 1.1 Latar Belakang Pasar pertukaran mata uang merupakan pasar keuangan dengan pergerakan arus uang terbesar yakni sekitar 1,5 triliun dollar US tiap harinya di seluruh dunia. Selain itu

Lebih terperinci

UJM 3 (1) (2014) UNNES Journal of Mathematics.

UJM 3 (1) (2014) UNNES Journal of Mathematics. UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN BEBAN PUNCAK DISTRIBUSI LISTRIK DI WILAYAH PEMALANG

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 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 terperinci

ANALISA NILAI UJIAN MASUK STT WASTUKANCANA BERDASARKAN NILAI UJIAN NASIONAL MENGGUNAKAN METODE BACKPROPAGATION

ANALISA NILAI UJIAN MASUK STT WASTUKANCANA BERDASARKAN NILAI UJIAN NASIONAL MENGGUNAKAN METODE BACKPROPAGATION ANALISA NILAI UJIAN MASUK STT WASTUKANCANA BERDASARKAN NILAI UJIAN NASIONAL MENGGUNAKAN METODE BACKPROPAGATION Program Studi Teknik Informatika STT Wastukancana Jl. Raya Cikopak No.53, Sadang, Purwakarta

Lebih terperinci

Aplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita

Aplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis

Lebih terperinci

BAB III. METODOLOGI. kegiatan manusia membuat penelitian dengan domain teknik informatika

BAB III. METODOLOGI. kegiatan manusia membuat penelitian dengan domain teknik informatika BAB III. METODOLOGI 3.1. Kerangka Pikir Teknik informatika yang memiliki andil yang cukup besar dalam berbagai kegiatan manusia membuat penelitian dengan domain teknik informatika merupakan hal yang menarik

Lebih terperinci

KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati

KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi

Lebih terperinci

MILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang

MILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang Bab 1 PENDAHULUAN 1.1 Latar Belakang Beberapa tahun belakangan ini, jaringan syaraf tiruan telah berkembang dengan pesat. Berbagai aplikasi telah memanfaatkan jaringan syaraf tiruan dalam penerapannya,

Lebih terperinci

PREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK

PREDIKSI 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 terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Makalah Seminar Tugas Akhir PERAMALAN KETINGGIAN MUKA AIR DENGAN JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK Herry Dharma Setyawan *, Budi Setiyono **, R. Rizal Isnanto ** Jurusan Teknik Elektro, Fakultas

Lebih terperinci

ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION TERHADAP PERAMALAN NILAI TUKAR MATA UANG RUPIAH DAN DOLAR

ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION TERHADAP PERAMALAN NILAI TUKAR MATA UANG RUPIAH DAN DOLAR Jurnal Barekeng Vol. 8 No. Hal. 7 3 (04) ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION TERHADAP PERAMALAN NILAI TUKAR MATA UANG RUPIAH DAN DOLAR Analysis of Backpropagation Artificial Neural Network to

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan

Lebih terperinci

PENERAPAN ALGORITMA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM MEMPREDIKSI TINGKAT SUKU BUNGA BANK

PENERAPAN ALGORITMA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM MEMPREDIKSI TINGKAT SUKU BUNGA BANK PENERAPAN ALGORITMA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM MEMPREDIKSI TINGKAT SUKU BUNGA BANK Badrul Anwar Program Studi Sistem Komputer, STMIK Triguna Dharma badrul.anwar@gmail.com ABSTRAK: Prediksi

Lebih terperinci

3. METODE PENELITIAN

3. METODE PENELITIAN 19 3. METODE PENELITIAN 3.1 Diagram Alir Penelitian Kerangka pemikiran pada penelitian ini dapat digambarkan dalam suatu bagan alir seperti pada Gambar 8. Gambar 8 Diagram Alir Penelitian Pengumpulan Data

Lebih terperinci

APLIKASI 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 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 terperinci

PENENTUAN 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 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 terperinci

PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION

PENENTUAN 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 terperinci

Gambar 3.1 Desain Penelitian

Gambar 3.1 Desain Penelitian METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Permalan Time Series, Harga Minyak Bumi, Jaringan Syaraf Tiruan, Backpropagation Pengumpulan Data Harga Minyak Bumi di Indonesia Perancangan

Lebih terperinci

ANALISIS 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 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 terperinci

TUGAS AKHIR SISTEM PREDIKSI KURS MATA UANG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE QUICKPROPAGATION

TUGAS AKHIR SISTEM PREDIKSI KURS MATA UANG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE QUICKPROPAGATION TUGAS AKHIR SISTEM PREDIKSI KURS MATA UANG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE QUICKPROPAGATION Oleh : GANDHI NOVANTO PRABOWO 0534010038 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI

Lebih terperinci

APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION

APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION Alvama Pattiserlihun, Andreas Setiawan, Suryasatriya Trihandaru Program Studi Fisika, Fakultas Sains dan Matematika,

Lebih terperinci

PREDIKSI 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 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 terperinci

DIAGNOSA GANGGUAN SALURAN PERNAFASAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

DIAGNOSA GANGGUAN SALURAN PERNAFASAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DIAGNOSA GANGGUAN SALURAN PERNAFASAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Bambang Yuwono 1), Heru Cahya Rustamaji 2), Usamah Dani 3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN SISTEM BAB 3 ANALISIS DAN PERANCANGAN SISTEM Analisis merupakan proses penguraian konsep ke dalam bagian-bagian yang lebih sederhana, sehingga struktur logisnya menjadi jelas. Metode untuk menguji, menilai, dan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan metode backpropagation untuk prediksi trend forex euro terhadap dollar Amerika.

Lebih terperinci

SATIN Sains dan Teknologi Informasi

SATIN 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 terperinci

JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA

JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA Dahriani Hakim Tanjung STMIK POTENSI UTAMA Jl.K.L.Yos Sudarso Km 6.5 Tanjung Mulia Medan notashapire@gmail.com Abstrak

Lebih terperinci

BAB I PENDAHULUAN. perubahan perdagangan dan investasi internasional. melemahnya kurs rupiah terhadap mata uang asing khususnya dolar AS,

BAB I PENDAHULUAN. perubahan perdagangan dan investasi internasional. melemahnya kurs rupiah terhadap mata uang asing khususnya dolar AS, BAB I PENDAHULUAN A. Latar Belakang Nilai tukar merupakan perbandingan nilai mata uang suatu negara dibandingkan dengan negara lain. Nilai tukar mata uang suatu negara memiliki peranan yang sangat penting

Lebih terperinci

Presentasi Tugas Akhir

Presentasi Tugas Akhir Presentasi Tugas Akhir Bagian terpenting dari CRM adalah memahami kebutuhan dari pelanggan terhadap suatu produk yang ditawarkan para pelaku bisnis. CRM membutuhkan sistem yang dapat memberikan suatu

Lebih terperinci

APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA

APLIKASI 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 terperinci

PERAMALAN HARGA SAHAM PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN AKAIKE INFORMATION CRITERION

PERAMALAN 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 terperinci

BACKPROPAGATION 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 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 terperinci

1 BAB III 2. 3 METODE PENELITIAN

1 BAB III 2. 3 METODE PENELITIAN 14 1 BAB III 2. 3 METODE PENELITIAN 3.1 Sumber data Data yang digunakan dalam penelitian ini ialah data pengeluaran beban listrik harian sepanjang tahun 2008 sampai dengan tahun 2015 yang didapat dari

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31

JURNAL 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 terperinci

RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON

RANCANG 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 terperinci

PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK

PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK Eko Budi Wahyono*), Suzuki Syofian**) *) Teknik Elektro, **) Teknik Informatika - Fakultas Teknik Abstrak Pada era modern

Lebih terperinci

Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation

Prediksi 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 terperinci

BAB I PENDAHULUAN. universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang

BAB I PENDAHULUAN. universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang BAB I PENDAHULUAN A. Latar Belakang Masalah Universitas Muhammadiyah Ponorogo merupakan salah satu universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang terdiri dari : 3 program studi

Lebih terperinci

WAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES

WAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 2, November 2007, 53 64 WAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES Daryono Budi Utomo Jurusan Matematika FMIPA Institut Teknologi

Lebih terperinci