Text

Pemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat 518,1 NAJ p

---

ABSTRAK

Kurs adalah nilai mata uang suatu negara yang dinyatakan dengan nilai
mata uang negara yang lain. Perubahan nilai kurs menunjukkan risiko atau
ketidakpastian return yang akan diperoleh investor. Dengan meramalkan nilai
return, investor dapat menentukan keputusan kapan harus menjual atau membeli
mata uang asing untuk memperoleh keuntungan. Peramalan nilai return dapat
menggunakan metode jaringan syaraf tiruan dengan backpropagation. Pada
prosedur backpropagation, data dibagi menjadi dua yaitu data training untuk
proses pelatihan dan data testing untuk proses pengujian. Pada proses pelatihan,
jaringan dilatih untuk meminimumkan nilai MSE. Salah satu metode optimasi
yang dapat meminimumkan MSE adalah one step secant backpropagation. Pada
penelitian ini data yang digunakan adalah data return kurs rupiah terhadap dolar
Amerika pada periode 1 Januari 2015 sampai 31 Desember 2015. Dari hasil
penelitian diperoleh arsitektur model terbaik jaringan syaraf tiruan dibagun dari 8
neuron pada 1 lapis tersembunyi, 1 lapisan input dengan input xt-1 dan 1 lapisan
output. Fungsi aktivasi yang digunakan pada lapisan tersembunyi adalah sigmoid
bipolar dan pada lapisan output adalah linear. Arsitektur tersebut dipilih
berdasarkan nilai MSE testing yang terkecil yaitu nilai MSE testing 0,0014.
Setelah memperoleh model terbaik dilakukan peramalan pada periode November
2016 menghasilkan MAPE sebesar 153,23%.
Kata Kunci : Jaringan Syaraf Tiruan, Backpropagation, One Step Secant, Time
Series, Kurs.

ABSTRACT

Exchange rate is the currency value of a country that is expressed by the
value of another country's currency. Changes in exchange rates indicate risks or
uncertainties that would return obtained by investors. With the predicted value of
return, investors can make informed decisions when to sell or buy foreign
currency to gain an advantage. Forecasting of return values can be using artificial
neural network with backpropagation. In backpropagation procedure, data is
divided into two pairs, namely training data for training process and testing data
for testing process. In the training process, the network is trained to minimize the
MSE. One of optimization method that can minimize the MSE is one step secant
backpropagation. In this research, the data used is the return of the exchange rate
of rupiah against US dollar in the period of January 1st, 2015 until December 31st,
2015. The results were obtained architecture best model neural network that was
built from 8 neurons in the hidden layer, 1 unit of input layer with input xt-1 and 1
unit of output layer. The activation function used in the hidden layer and output
layer are bipolar sigmoid and linear, respectively. The architecture chosen based
on the smallest MSE of testing data is 0.0014. After obtaining the best model, data
is foreseen in the period of November 2016 produce MAPE=153.23%.
Keyword : Artificial Neural Network, Backpropagation, One Step Secant, Time
Series, Exchange Rate.

---

Ketersediaan

537E17I

537 E 17

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

537 E 17

Penerbit

: ., 2016

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1466

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Maulida Najwa

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar