IMPLEMENTASI JARINGAN SYARAF TIRUAN PADA SISTEM PREDIKSI
NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA DENGAN
MENGGUNAKAN METODE BACKPROPAGATION
Total View This Week0
Total View This Week0
Institusion
Universitas Kristen Duta Wacana
Author
22074380, Hesti Bintang Simanjuntak
Subject
QA75 Electronic computers. Computer science
Datestamp
2021-06-23 01:34:24
Abstract :
Dollar Amerika telah menjadi mata uang utama yang digunakan dibanyak negara. Oleh karena itu, prediksi nilai tukar Rupiah terhadap Dollar Amerika sangat bermanfaat bagi sebagian pihak untuk mendapatkan keuntungan yang maksimum. Prediksi yang akurat akan berpengaruh terhadap penentuan strategi jual beli yang semakin tepat. Jaringan Saraf Tiruan dengan metode Backpropagation dapat digunakan untuk memprediksi nilai tukar Rupiah terhadap Dollar Amerika. Data-data prediktor yang digunakan sebagai input sistem adalah harga pembukaan, harga tertinggi, harga terendah, harga penutupan (masing?masing dari H-1 hingga H- 5), harga penutupan emas (XAU/USD), penutupan IHSG, inflasi, dan suku bunga. Prediksi yang dilakukan meliputi harga pembukaan, harga tertinggi, harga terendah, dan harga penutupan. Dari hasil pengujian terhadap beberapa data pelatihan menunjukkan bahwa learning rate, jumlah data dan jumlah epoch cukup berpengaruh terhadap hasil prediksi. Sedangkan jumlah hidden node tidak mempengaruhi hasil prediksi secara signifikan. Hasil pengujian juga menunjukkan bahwa setting jaringan dengan MSE terbaik menghasilkan nilai rata-rata error harga pembukaan mencapai 0.102 % , error harga tertinggi 0.353 %, error harga terendah 0.116 % dan error harga penutupan 0.027 %.
Dollar Amerika telah menjadi mata uang utama yang digunakan dibanyak negara. Oleh karena itu, prediksi nilai tukar Rupiah terhadap Dollar Amerika sangat bermanfaat bagi sebagian pihak untuk mendapatkan keuntungan yang maksimum. Prediksi yang akurat akan berpengaruh terhadap penentuan strategi jual beli yang semakin tepat. Jaringan Saraf Tiruan dengan metode Backpropagation dapat digunakan untuk memprediksi nilai tukar Rupiah terhadap Dollar Amerika. Data-data prediktor yang digunakan sebagai input sistem adalah harga pembukaan, harga tertinggi, harga terendah, harga penutupan (masing?masing dari H-1 hingga H- 5), harga penutupan emas (XAU/USD), penutupan IHSG, inflasi, dan suku bunga. Prediksi yang dilakukan meliputi harga pembukaan, harga tertinggi, harga terendah, dan harga penutupan. Dari hasil pengujian terhadap beberapa data pelatihan menunjukkan bahwa learning rate, jumlah data dan jumlah epoch cukup berpengaruh terhadap hasil prediksi. Sedangkan jumlah hidden node tidak mempengaruhi hasil prediksi secara signifikan. Hasil pengujian juga menunjukkan bahwa setting jaringan dengan MSE terbaik menghasilkan nilai rata-rata error harga pembukaan mencapai 0.102 % , error harga tertinggi 0.353 %, error harga terendah 0.116 % dan error harga penutupan 0.027 %.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
