BAB I PENDAHULUAN. 1.1 Latar Belakang

dokumen-dokumen yang mirip
1. Pendahuluan 1.1 Latar belakang masalah

ABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.

1. Pendahuluan. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. datang berdasarkan keadaan masa lalu dan sekarang yang diperlukan untuk

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN. finansial (financial assets) dan investasi pada aset-aset riil (real assets). Investasi pada

BAB I PENDAHULUAN I-1

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

UKDW BAB 1 PENDAHULUAN

BAB 1 PENDAHULUAN 1.1 Latar Belakang

Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series

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

BAB I PENDAHULUAN. yang merupakan keuntungan perusahaan yang dibagikan kepada semua pemegang

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

PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA

1. Pendahuluan. 1.1 Latar Belakang

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. kebutuhan utama dalam kehidupan sehari-hari. Hal ini dapat dilihat dari maraknya

BAB 1 PENDAHULUAN Latar Belakang

BAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang

BAB 3 METODE PENELITIAN

BAB 1 PENDAHULUAN. Dalam kehidupan perekonomian yang modern, perlu kiranya untuk

1 Pendahuluan. 1.1 Latar Belakang Masalah

BAB III METODOLOGI PENELITIAN. Pelaksanaan penelitian ini, memerlukan banyak hal yang harus

Pemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat

BAB 2 KONSEP DASAR PENGENAL OBJEK

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM)

BAB 2 LANDASAN TEORI

Unnes Journal of Mathematics

BAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung.

BAB I PENDAHULUAN 1.1 Latar Belakang

SKRIPSI Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Jurusan Informatika. Disusun Oleh: WINA ISTI RETNANI NIM.

PREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU

BAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha. Gambar 1.1 : Ilustrasi jaringan syaraf manusia yang diadaptasi untuk ANN (Kriesel, 2011)

BAB I PENDAHULUAN 1.1. Latar Belakang

ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION

UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. perdagangan saham secara maksimal (Wang et al, 2009). semakin berkembang. Dengan memanfaatkan model model peramalan dari

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

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

METODOLOGI PENELITIAN

BAB 1 PENDAHULUAN. Setiap orang, dari setiap golongan, selalu mendambakan tubuh yang sehat.

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

PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION

BAB 4 IMPLEMENTASI DAN EVALUASI. perangkat keras dan perangkat lunak yang digunakan untuk pemakaian aplikasi yang

PERAMALAN VOLUME PENUMPANG KERETA API DI PULAU JAWA-SUMATERA DENGAN METODE JARINGAN SYARAF TIRUAN BACKPROGATION

PENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM

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

Bab V KESIMPULAN DAN MASALAH TERBUKA

ADLN - Perpustakaan Universitas Airlangga ABSTRAK. viii

PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

BAB I PENDAHULUAN. Emas merupakan suatu barang yang sangat berharga karena mempunyai

2016 OPTIMAL ANOMALOUS SHORT TERM LOAD FORECASTING BERBASIS ALGORITMA FEED FORWARD BACKPROPAGATION

BAB 4 IMPLEMENTASI. minimum 2 Giga Hertz dan memory RAM minimum 256 MB, sedangkan untuk

BAB I PENDAHULUAN 1.1 Latar Belakang Delieh Chariesmawanty, 2015

3. METODE PENELITIAN

BAB I PENDAHULUAN 1.1 Latar Belakang

1 BAB I PENDAHULUAN 1.1 Latar Belakang

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

BAB I PENDAHULUAN. Kemunculan minimarket yang begitu banyak membuat manajemen

PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION

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

BAB 1 PENDAHULUAN Latar Belakang

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

PREDIKSI PENGGUNAAN BANDWIDTH PENS_ITS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN. dengan melihat pola pergerakan harga saham di masa lalu. Metode analisis saham

PERAMALAN PENDAPATAN PETERNAKAN AYAM PEDAGING MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

BAB I PENDAHULUAN 1.1. Latar Belakang Lia Saputri, 2016

IV. HASIL DAN PEMBAHASAN A.

BAB I PENDAHULUAN 1.1 Latar Belakang

ABSTRAK. v Universitas Kristen Maranatha. Kata kunci: backpropagation, Multilayer Perceptron (MLP), masalah klasifikasi

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

APLIKASI JARINGAN SYARAF TIRUAN DENGAN METODE PERAMBATAN BALIK UNTUK PERAMALAN HARGA DINAR DAN DIRHAM

BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA

BAB 2 LANDASAN TEORI

PEMBUATAN PERANGKAT LUNAK PERAMALAN MENGGUNAKAN METODE ANN DENGAN MEMANFAATKAN LIBRARY ENCOG JAVA

IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR

BAB I PENDAHULUAN. 1.2 Latar Belakang Penelitian

1. PENDAHULUAN 1.1. Latar Belakang Masalah

PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA MENGGUNAKAN NEURO-FUZZY CLASSIFICATION

BAB I PENDAHULUAN. A. Latar Belakang Pasar modal merupakan pasar untuk berbagai instrumen keuangan jangka

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

Oleh : Agus Sumarno Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si

Neural Networks. Machine Learning

BAB III PERANCANGAN DAN METODOLOGI

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. utama untuk memperoleh suatu keinginan, dengan uang tersebutlah suatu transaksi

Gambar 2.1 Neuron biologi manusia (Medsker & Liebowitz, 1994)

LEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA

UNNES Journal of Mathematics

Transkripsi:

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 sangat signifikan dalam perekonomian lokal dan internasional. Dalam perdagangan internasional, nilai emas yang terkandung bisa saja berbeda harga per-ounce-nya, untuk menjembataninya tukar menukar kandungan nilai emas di negara satu dengan negara yang lainnya maka dibutuhkan patokan yang digunakan secara global yaitu aturan perhitungan per-ounce emas menggunakan karat yang banyak diperdagangkan dengan penilaian kadar kandungan emas murni yang ada di dalamnya. Emas juga merupakan salah satu produk investasi yang paling diminati karena sifatnya yang cenderung mengalami kenaikan. Meskipun harga emas cenderung mengalami kenaikan, tidak menutup kemungkinan harga emas tersebut akan mengalami penurunan. Untuk menjaga stabilitas keuangan sekaligus menginvestasikan kekayaan, masyarakat cenderung melakukan penyimpanan emas. Selain sebagai produk investasi jangka panjang, emas juga dimanfaatkan sebagai salah satu barang yang diperjualbelikan. Hampir semua investor di seluruh dunia lebih memilih emas daripada uang untuk berinvestasi karena dianggap nilai tukarnya lebih stabil dan menjanjikan. Banyak elemen penting yang harus diperhatikan untuk berinvestasi pada komoditi hasil tambang berupa emas ini, termasuk orang yang melakukan perdagangan (trader) dan perdagangan yang ada di dalamnya. Untuk memahami perdagangan komoditi hasil tambang perlu memperhatikan pendekatan 5W (Who, What, Why, When, dan Where) dan 1H (How). Siapa yang terlibat dalam perdagangan? Apa yang terjadi di pasar? Mengapa harga pasar perdagangan komoditi hasil tambang bergerak naik turun? Kapan para market mover memulai aktivitasnya? Di mana keberadaan para market mover ini? Dan bagaimana seorang trader dapat memetakan analisa untuk memahami bagaimana pasar perdagangan 1

2 komoditi hasil tambang terutama emas yang bergerak pada suatu momentum tertentu? Dengan menggunakan pendekatan ini seorang trader harus menjadi seseorang yang ahli dalam menganalisis prediksi pergerakan pasar. Memprediksi pergerakan pasar emas perlu dilakukan untuk memperkirakan kondisi pada masa yang akan datang. Salah satu metode untuk memprediksi harga emas yaitu Time Series Forecasting. Time Series Forecasting merupakan langkah untuk mengetahui sebuah nilai pada masa yang akan datang, dimana pengamatan pada metode Time Series dilakukan berdasarkan runut waktu. Untuk mengolah data time series diperlukan suatu sistem yang dapat memprediksi harga emas sehingga dapat menentukan tindakan penjualan atau pembelian. Dalam melakukan prediksi data time series ada beberapa algoritma yang dapat digunakan, diantaranya adalah algoritma Artificial Neural Network Backpropagation (ANN-BP) yang dioptimasi dengan algoritma Levenberg Marquardt. Algoritma tersebut dipilih karena ANN memiliki kemampuan belajar (bersifat adaptif) dan kebal terhadap adanya kesalahan (fault tolerance) dengan kelebihan tersebut ANN-BP dapat mewujudkan sistem yang tahan akan kerusakan (robust) dan konsisten bekerja dengan baik (Hermawan, 2005). Metode Artificial Neural Network (ANN) telah banyak digunakan sebagai metode peramalan, untuk meramal kejadian masa datang berdasarkan pola kejadian yang ada di masa lampau. Selain itu ANN mampu mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya (Agustin, 2012, p90). Penambahan ANN dengan menerapkan model ANN Backpropagation (ANN-BP) dapat mendukung dari proses belajar ANN sendiri. Algoritma Backpropagation (BP) digunakan karena merupakan salah satu metode learning yang populer yang mampu menangani masalah learning dengan skala besar dan merupakan metode learning yang paling banyak digunakan dan dipelajari (Ramadhani, 2013). Untuk menangani kekurangan dalam ANN-BP maka digunakan Levenberg-Marquardt Algorithm (LMA) untuk mempercepat proses pelatihan. Metode training LMA ini hanya membutuhkan jumlah iterasi yang lebih sedikit dibandingkan metode training Backpropagation (BP) saja dalam mencapai error minimum. Hal ini dikarenakan metode BP memerlukan training rate yang kecil untuk menghindari osilasi (Ramadhani, 2013).

3 Dalam Tugas Akhir ini dikembangkan suatu sistem yang menggunakan ANN-BP LMA dalam menentukan prediksi harga emas. Prediksi ini dapat menentukan tindakan trader untuk melakukan penjualan atau pembelian komoditi hasil tambang. Sehingga dapat maksimalkan lagi keputusan trader di samping untuk menambah keuntungan dan meminimalisir kerugian di masa yang akan datang. 1.2 Rumusan Masalah Berdasarkan latar belakang masalah yang telah dikemukakan sebelumnya, maka masalah yang dibahas dalam tugas akhir ini adalah bagaimana menerapkan ANN-BP dan LMA untuk memprediksi harga emas pada data time series. 1.3 Tujuan Tujuan dari tugas akhir ini adalah : 1. Menerapkan ANN-BP dan LMA untuk prediksi harga emas pada data time series. 2. Menerapkan Levenberg Marquardt Algorithm (LMA) sebagai algoritma pelatihan dalam ANN-BP. 3. Menentukan nilai parameter-parameter yang sesuai, agar ditemukan kombinasi formula parameter terbaik untuk ANN-BP LMA. 4. Menganalisis performansi ANN-BP LMA dalam prediksi harga emas. 1.4 Batasan Masalah Batasan masalah dari tugas akhir ini adalah : 1. Data yang digunakan sebagai data training dan testing adalah data yang dikeluarkan oleh www.kitco.com yaitu data harga rata-rata perbulan dari periode Januari 1975 Juli 2011. 2. Daftar harga emas yang digunakan adalah emas 24 karat dengan satuan nilai mata uang yang dipakai adalah dollar per ounce nya.

4 3. Data input dan output berupa daftar harga emas yang telah dilakukan proses preprocessing. 4. Data output berupa data normalisasi hasil prediksi nilai emas 24 karat/emas murni. 5. Faktor perubahan nilai harga emas dari pengaruh sosial, politik, dan budaya di luar pembahasan dari simulasi yang telah dibuat. 1.5 Sistematika Pembahasan Sistematika penulisan yang akan ditulis dalam penyusunan tugas akhir ini merupakan suatu rancangan yang secara garis besar menggambarkan keseluruhan dari isi tugas akhir yang mana terdiri atas enam (6) bab, yaitu : BAB I : PENDAHULUAN Bab ini menjelaskan suatu gambaran secara umum mengenai penyusunan tugas akhir, yang terdiri atas latar belakang, rumusan masalah, tujuan, batasan masalah, dan sistematika pembahasan yang akan diangkat pada penyusunan tugas akhir tersebut. BAB II : LANDASAN TEORI Bab ini berisi berbagai pengertian terhadap istilah-istilah yang digunakan di dalam penulisan laporan Tugas Akhir ini dan juga sejumlah teori yang relevan untuk mendukung kegiatan penelitian yang dilakukan. BAB III : ANALISIS DAN DESAIN SISTEM Bab ini terdiri atas analisis, gambaran keseluruhan dan desain perangkat lunak yang akan dikembangkan.

5 BAB IV : PENGEMBANGAN PERANGKAT LUNAK Bab ini terdiri atas implementasi seluruh hasil rancangan di bab 3, mulai dari implementasi class/modul, simpanan data sampai dengan antar muka. BAB V : TESTING DAN EVALUASI SISTEM Bab ini terdiri atas rencana pengujian yang terdiri atas test case dan pelaksanaan pengujian yang dapat menggunakan salah satu atau kedua metode yaitu White Box maupun Black Box. BAB VI : KESIMPULAN DAN SARAN Bab ini berisikan kesimpulan yang diperoleh dari pembahasan masalah yang telah dilakukan pada bab sebelumnya serta beberapa saran yang coba disampaikan oleh penyusun.