Text

Pemodelan Jaringan Syaraf Tiruan Algoritma Conjugate Gradient Backpropagation dengan Fletcher-Reeves Updates (Studi Kasus : Jumlah Uang BeredarPeriode Januari 2001-Desember 2016)

---

ABSTRAK

Jumlah uang beredar dan inflasi adalah variabel ekonomi makro yang memiliki peran dalam aktivitas perekonomian suatu negara, tidak terkecuali dalam perekonomian Indonesia. Peningkatan persentase jumlah uang beredar akan sama dengan peningkatan persentase tingkat inflasi. Oleh karena itu, salah satu upaya mengetahui perubahan inflasi dalam mencapai tujuan menjaga kestabilan nilai rupiah adalah dengan memperkirakan nilai jumlah uang beredar di Indonesia pada periode selanjutnya. Sebuah metode peramalan diperlukan untuk menduga atau memperkirakan nilai jumlah uang beredar pada periode selanjutnya. Peramalan dapat dilakukan menggunakan model jaringan syaraf tiruan. Dalam jaringan syaraf tiruan salah satu dari metode optimasi yang bisa digunakan adalah algoritma Conjugate gradient backpropagation with Fletcher-Reeves updates (CGF). Dalam penelitian ini data yang digunakan adalah data jumlah uang beredar pada periode Januari 2001 sampai dengan periode Desember 2016. Arsitektur terbaik yang diperoleh adalah jaringan dengan 1 neuron lapisan input, 3 neuron pada lapisan tersembunyi, dan 1 neuron lapisan output. Fungsi aktivasi yang digunakan adalah sigmoid biner pada lapisan tersembunyi dan linear pada lapisan output. Nilai MAPE berdasarkan arsitektur yang dipilih yaitu sebesar 1,1469 pada tahap pelatihan dan 1,5909 pada tahap pengujian. Model ini bagus untuk digunakan karena memberikan hasil prediksi yang cukup akurat ditunjukkan oleh kedekatan target dengan output.

Kata Kunci: jumlah uang beredar, inflasi, peramalan, jaringan syaraf tiruan, backpropagation, conjugate gradient fletcher-reeves

ABSTRACT

Money supply and inflation are macroeconomic variables that have a role in a country's economic activity, not least in the Indonesian economy. An increasing in the percentage of money supply will be equal to the increasing in the percentage of inflation rate. Therefore, one of the efforts to know the inflation change in achieving the objective of maintaining the stability of the rupiah is to estimate the value of money supply in Indonesia in the next period. A forecasting method is needed to predict or estimate the value of the money supply in the next period. Forecasting can be done using neural network model. In artificial neural networks, one of the optimization methods that can be used is the Conjugate gradient backpropagation algorithm with Fletcher-Reeves updates (CGF). The data used in this study is the money supply data in the period of January 2001 until the period of December 2016. The best architecture obtained a model consisting of 1 neuron in input layer, 3 neurons in hidden layer, and 1 neuron in output layer. The activation function used are the binary sigmoid in the hidden layer and linear in the output layer, respectively. MAPE value based on the chosen architecture is 1,1469 at the training stage and 1,5909 at the testing stage. This model is great to use because it provides a fairly accurate prediction results by the proximity of the target with the output.

Keywords: money supply, inflation, forecasting, artificial neural networks, backpropagation, conjugate gradient fletcher-reeves

---

Ketersediaan

597E18I

597 E 18-i

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

597 E 18-i

Penerbit

: ., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1643

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Tutut Jarwaning Tiyas

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar