BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

1. Pendahuluan. 1.1 Latar Belakang

MILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang Lia Saputri, 2016

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

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

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

BAB 1 PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN I-1

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

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

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

T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG

ARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A

BAB I PENDAHULUAN 1.1 Latar Belakang

PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Gambar 3.1 Desain Penelitian

1 PENDAHULUAN 1.1 Latar Belakang

IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM

BAB I PENDAHULUAN I-1

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

ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA

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

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

OPTIMASI FUZZY BACKPROPAGATION NEURAL NETWORK DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK

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

ANALISIS EFEKTIFITAS METODE HIBRIDA NEURAL NETWORKS DAN FUZZY LOGIC UNTUK PERAMALAN VALUTA ASING

PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN

BAB 1 PENDAHULUAN. semakin bertambah ketatnya persaingan dalam bidang perdagangan. Setiap usaha

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

1. BAB I PENDAHULUAN 1.1 Latar Belakang

BAB II TINJAUAN PUSTAKA

PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES

ABSTRAK PERAMALAN KURS RUPIAH TERHADAP US DOLLAR MENGGUNAKAN METODE HIBRID

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA

BAB 1 PENDAHULUAN 1.1. Latar Belakang

PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN

Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation

BAB I PENDAHULUAN. 1.1 Latar Belakang

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

BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara

BAB I PENDAHULUAN. Pada saat ini peran pasar modal dalam perekonomian Indonesia mulai

BAB I PENDAHULUAN Latar Belakang Masalah

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

BAB I PENDAHULUAN 1.1 Latar Belakang Delieh Chariesmawanty, 2015

BAB 1 PENDAHULUAN. dari berbagai Negara. Mata uang memegang peranan yang sangat penting dalam

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN. paling parah dan paling lama tingkat pemulihannya akibat krisis keuangan

Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6

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

1. Pendahuluan 1.1 Latar belakang masalah

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

BAB I PENDAHULUAN. Forex (Foreign Exchange) atau yang lebih dikenal dengan valuta asing

PENGEMBANGAN APLIKASI PREDIKSI NILAI TUKAR MATA UANG. Skripsi

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

BAB 1 PENDAHULUAN Latar Belakang

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

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

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

BAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. Pasar valas atau lebih dikenal dengan forex trading merupakan suatu

SATIN Sains dan Teknologi Informasi

PENDAHULUAN. menjadi lebih efisien dan efektif serta dapat meningkatkan penghematan. Untuk

BAB I PENDAHULUAN Latar Belakang Masalah. Di dalam kehidupan sehari-hari, kita sebagai manusia tentu saja akan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS FUNGSI AKTIVASI SIGMOID BINER DAN SIGMOID BIPOLAR DALAM ALGORITMA BACKPROPAGATION PADA PREDIKSI KEMAMPUAN SISWA

BAB I PENDAHULUAN. 1.2 Latar Belakang Penelitian

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

PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT

BAB II LANDASAN TEORI

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

BAB I PENDAHULUAN. yang menyebabkan adanya Foreign Exchange (Forex) dimana satu orang atau

SATIN Sains dan Teknologi Informasi

ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION

BAB III METODOLOGI PENELITIAN

BAB 1 PENDAHULUAN. Kemajuan teknologi informasi merebah ke dunia investasi, dari berbagai

BAB III METODE PENELITIAN

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

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Fakultas Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007

JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA

Peramalan Data IHSG Menggunakan Metode Backpropagation

APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA

PREDIKSI INDEKS PASAR SAHAM S&P500, DOW JONES DAN NASDAQ COMPOSITE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION

Jaringan syaraf dengan lapisan tunggal

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

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

Transkripsi:

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 investasi memiliki berbagai macam jenis, salah satu investasi yang paling banyak diminati saat ini adalah foreign exchange atau disingkat dengan forex. Forex adalah pasar valuta asing yang merupakan kegiatan pembelian secara simultan satu mata uang dan menjual mata uang lainnya (Elshabrina, 2012). Biasanya mata uang yang di perdagangkan berpasang-pasangan melalui trader. Kegiatan jual beli di pasar valas disebut juga dengan online trading. Online trading adalah suatu sistem jual beli valas berbasis komputer yang menggunakan pengetahuan fakta, analisis dan teknik penalaran informasi dan eksekusi yang cepat dari reaksi reflex elektronik (Maulana, 2012). Untuk melakukan trading seorang trader harus mempunyai pengetahuan yang cukup, analisis yang baik, dan keputusan yang tepat serta keberanian berspekulasi agar dapat memperoleh hasil yang optimum karena pergerakan nilai valuta asing selalu berubah-ubah setiap saat. Peramalan merupakan suatu proses untuk memprediksi kejadian ataupun perubahan dimasa yang akan datang. Pemodelan time series seringkali dikaitkan dengan proses peramalan suatu nilai dengan karakteristik tertentu pada periode kedepan, melakukan pengendalian suatu proses ataupun untuk mengenali pola perilaku sistem. Dengan mendeteksi pola dan kecenderungan data time series, kemudian memformulasikannya dalam suatu model, maka dapat digunakan untuk memprediksi data yang akan datang. Model dengan akurasi yang tinggi akan menyebabkan nilai prediksi cukup valid untuk digunakan sebagai pendukung dalam proses pengambilan keputusan.

2 Prediksi berdasarkan data time series merupakan salah satu teknik prediksi kuantitatif yang menghimpun pengamatan yang dibangun secara berurutan dalam waktu tertentu, dapat berupa data harian, mingguan, bulanan dan tahunan (Halim, 2006). Prediksi data time series telah banyak dikembangkan belakangan ini seperti metode backpropagation, metode hybrid, jaringan syaraf tiruan, metode fuzzy dan algortima genetic. Penelitian mengenai prediksi yang sebelumnya pernah dilakukan adalah dengan menggunakan metode Autogressive Integrated Moving Average (ARIMA) oleh Suprapto pada tahun 2005. Setiawan (2008) menggunakan Multilayer Feedforward Network dan Anwary (2011) menggunakan Fuzzy Time Series. Selain itu padaa tahun 2012 Yuliandar menggunakan Feedforward Neural Network dengan Algoritma Genetika. Dalam tugas akhir ini, sistem prediksi dikembangkan dengan menggunakan metode jaringan syaraf tiruan backpropagation yang merupakan salah satu metode softcomputing dan termasuk dalam sistem pembelajaran terawasi, biasanya digunakan oleh perceptron dengan banyak lapisan untuk mengubah bobot yang terhubung dengan neuron yang ada pada lapisan tersembunyi. Pada penelitian ini algoritma backpropagation menggunakan error keluaran untuk mengubah nilai bobot dalam satu arah mundur (backward). Untuk mendapatkan error ini tahap perambatan maju (forward) harus dikerjakan terlebih dahulu. Saat perambatan maju, neuron diaktifkan dengan menggunakan fungsi aktivasi sigmoid biner. Pada setiap lapisan data akan dilatih dan diuji, hasil pelatihan merupakan output peramalan. Metode backpropagation sendiri telah digunakan dalam beberapa penelitian seperti perbandingan backpropagasi dengan metode ARIMA (Mahater, 2010) dan pengenalan sidik jari (Fanindia, 2013) dan penentuan kelulusan siding skripsi (Zeson, 2013). 1.2 Rumusan Masalah Dalam melakukan online trading, trader harus memiliki pemahaman yang baik mengenai keadaan pasar dan pergerakan harga forex guna menghindari terjadinya transaksi yang memiliki resiko kerugian. Salah satu cara untuk menganalisis resiko tersebut adalah dengan menggunakan analisis teknikal yaitu memprediksi pola fluktuasi harga forex berdasarkan data market dimasa lalu. Oleh karena itu dibutuhkan

3 sebuah pendekatan untuk memprediksi trend harga forex berdasarkan data fluktuasi dimasa lalu sehingga menghasilkan suatu sistem prediksi forex. 1.3 Batasan Masalah Ada beberapa batasan masalah dalam penelitian ini agar pembahasan lebih fokus dan sesuai dengan tujuan yang akan dicapai, antara lain : 1. Penentuan prediksi forex yang akan dibuat merupakan perkiraan End Of Day (EOD) atau harga closing berdasarkan pada beberapa variabel data forex. 2. Penelitian ini tidak mempertimbangkan news di pasar forex yang mungkin dapat mempengaruhi hasil prediksi. 3. Data histori yang digunakan adalah data pergerakan valuta asing euro terhadap dollar Amerika dari tanggal 3 Januari 2005 s.d. 31 Desember 2013 yang meliputi tanggal dan waktu, harga pembukaan, harga tertinggi, harga terendah, harga penutupan dan volume. Data tersebut diperoleh dari website Forex Historical Data (www.histdata.com). 4. Data yang digunakan dibagi menjadi dua yakni data pelatihan dan data pengujian. 5. Data pelatihan yang digunakan adalah data histori pergerakan valuta asing euro terhadap dollar Amerika dari tanggal 3 Januari 2005 s.d. 31 Desember 2010. 6. Data pengujian yang digunakan adalah data histori pergerakan valuta asing euro terhadap dollar Amerika dari tanggal 1 Januari 2011 s.d. 31 Desember 2013.

4 1.4 Tujuan Penelitian Tujuan dari penelitian ini adalah membuat prediksi trend forex mata uang euro terhadap dollar Amerika berdasarkan data runtun waktu dimasa lalu dengan menggunakan metode backpropagation. 1.5 Manfaat Penelitian Manfaat yang diperoleh dari penelitian ini adalah : 1. Mengetahui kemampuan metode backpropagation dalam memprediksi nilai mata uang euro terhadap dollar Amerika. 2. Menambah pemahaman penulis tentang penggunaan metode backpropagation untuk memprediksi trend forex serta memberikan suatu referensi alternative mengenai prediksi trend forex. 3. Sebagai referensi untuk penelitian lain yang berhubungan dengan metode backpropagation. 1.6 Metodologi Penelitian Metodologi penelitian yang akan digunakan dalam penelitian ini adalah : 1. Studi Literatur Pada tahapan ini akan dilakukan dengan membaca, mengamati dan mempelajari buku-buku referensi, jurnal ilmiah, browsing internet dan bacaan lainnya yang berhubungan.

5 2. Analisis Permasalahan Pada tahapan ini akan dilakukan analisis dengan menggali informasi mengenai faktor-faktor yang mempengaruhi pergerakan kurs mata uang, informasi tentang forex dan metode Jaringan Saraf Tiruan Backpropagation. 3. Pengumpulan Data Pada tahap ini akan dilakukan pengumpulan data-data pergerakan nilai forex terhadap satu pair mata uang selama setahun kebelakang yang kemudian nantinya akan diolah. 4. Perancangan Sistem Pada tahap ini akan dilakukan perancangan antarmuka, pengekstrasian dan proses memformat data-data histori pergerakan forex sehingga bisa dipakai pada saat pengujian. 5. Pengujian Sistem Pada tahap pengujian, data-data dari histori pergerakan forex yang telah dikumpulkan akan di input dan digunakan dalam proses pelatihan dan percobaan untuk mengetahui keakuratannya. 6. Dokumentasi dan Penyusunan Laporan Pada tahap ini dilakukan dokumentasi dari hasil yang didapat.

6 berikut : Kerangka kerja dalam metodologi penelitian ditunjukkan pada gambar 1.1 Gambar 1.1 Kerangka Kerja Metodologi Penelitian 1.7 Sistematika Penulisan Sistematika penulisan dari penelitian ini disusun dalam lima bagian bab utama, yaitu : Bab 1 : Pendahuluan Pada bab ini dijelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan dan objektif penelitian, manfaat penelitian, metodologi penelitian serta sistematika penulisan.

7 Bab 2 : Landasan Teori Pada bab ini akan dijelaskan tentang hal-hal yang berkaitan dengan penyusunan penulisan tugas akhir yang di berasal dari jurnal, buku, maupun browsing internet. Bab 3 : Analisis dan Perancangan Sistem Pada bab ini akan dijelaskan bagaimana analisis sistem yang sedang berjalan, mulai dari analisis masalah, analisis market, analisis input, analisis kebutuhan non fungsional, analisis kebutuhan fungsional, pembuatan diagram alur sistem, perancangan arsitektur data flow, pemodelan sistem serta perancangan antar muka. Bab 4 : Implementasi dan Pengujian Sistem Pada bab ini menjelaskan tentang bagaimana implementasi dari sistem dilakukan dan juga dilakukan pengujian apakah sistem yang dibangun sama seperti yang diharapkan. Bab 5 : Kesimpulan dan Saran Pada bab ini berisi kesimpulan berdasarkan hasil dari pengujian sistem serta saran untuk proses pengembangan sistem selanjutnya.