Text

Perbandingan Kinerja Model Jaringan Syaraf Tiruan Backpropagation Dan Extreme Learning Machine Dalam Memprediksi Inflasi Di Indonesia

---

ABSTRAK

Inflasi berperan penting bagi pelaku ekonomi untuk menentukan kebijakan-kebijakan yang akan diambil. Laju inflasi yang tidak terkendali dan tidak menentu akan menyebabkan ketidakstabilan pada perekonomian secara keseluruhan sehingga perlu dilakukannya prediksi inflasi di Indonesia dengan memanfaatkan Indeks Harga Konsumen. Indeks harga konsumen merupakan faktor pengukur inflasi di Indonesia. Penelitian ini mengevaluasi dua model jaringan syaraf tiruan yaitu model backpropagation dan extreme learning machine (ELM) dalam memprediksi inflasi di Indonesia. Model backpropagation dan ELM yang digunakan merupakan bentuk dasar dari model tersebut tanpa adanya pengembangan. Hasil penelitian menyatakan bahwa MSE pelatihan yang dihasilkan oleh ELM lebih baik dibandingkan pelatihan backpropagation namun MSE pengujian backpropagation lebih baik dibandingkan MSE pengujian ELM. Waktu pemrosesan yang dibutuhkan oleh backpropagation adalah 193.281 detik dan ELM sebesar 0.932 detik. Jumlah perulangan yang dibutuhkan oleh backpropagation adalah 535 kali dan ELM adalah sebanyak 1 kali.
Kata Kunci : Jaringan syaraf tiruan, Backpropagation, Extreme learning machine, Inflasi, Indeks harga konsumen
 
ABSTRACT

Inflation plays an important role for economic actors to determine the policies that will be taken. Uncontrolled and erratic inflation will cause instability in the economy as a whole. Therefore, it is necessary to predict inflation in Indonesia by utilizing the Consumer Price Index as one of the measuring factors for inflation in Indonesia. This study evaluates two models of artificial neural networks, namely the backpropagation and extreme learning machine (ELM) model in predicting inflation in Indonesia. The basic form of backpropagation and ELM, without any development, were used for this research. The results of the study state that the MSE produced by ELM’s training is better than the MSE produced ny backpropagation’s training, but the MSE of backpropagation’s testing is better than the MSE of ELM’s testing. The time of processing required by backpropagation is 193,281 seconds and ELM is 0.932 seconds. The number of repetitions needed by backpropagation is 535 times and ELM is 1 time.
Keywords : Artificial neural network, Backpropagation, Extreme learning machine, Inflation, Consumer price index.

---

Ketersediaan

714F19II

714 F 19

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

714 F 19

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

333.7

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Latiffa Sarah Fajrinah

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar