PENERAPAN RECURRENT NEURAL NETWORK UNTUK PREDIKSI INFLASI DI KOTA TANJUNGPINANG MENGGUNAKAN
BACKPROPAGATION THROUGH TIME
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
Arief, Syahfutra
Nerfita, Nikentari
Nurul, Hayaty
Nerfita, Nikentari
Nurul, Hayaty
Subject
005.1.Pemrograman
Datestamp
2021-07-17 12:23:53
Abstract :
Inflasi yang sulit terkendali dapat menyebabkan masyarkat ragu dalam melakukan konsumsi, investasi dan produksi. Pemerintah mengambil peran penting dalam pengendalian inflasi. Dengan data inflasi-infalsi terdahulu, pemerintah dapat memperkirakan tingkat inflasi yang akan terjadi dan mengambil langkah yang terbaik dalam mengatur kebijakan moneter yang akan datang. Berdasarkan masalah tersebut, dalam penelitian ini mencoba menerapkan Recurrent Neural Network (RNN) dengan algoritma Backpropagation Through Time (BPTT) untuk prediksi inflasi di kota Tanjungpinang. Arsitektur Elman RNN dipilih karena dapat membuat iterasi lebih cepat sehingga memudahkan proses konvergensi. Dengan menggunakan data latih sebesar 70% dari total data didapat nilai MSE terkecil pada hidden unit 6 dan learning rate 0,1 sebesar 0,0029. Dengan menggunakan data uji sebesar 30% dari total data dan parameter terbaik didapat MSE sebesar 0,015 dan MAPE sebesar 0,15.
Inflasi yang sulit terkendali dapat menyebabkan masyarkat ragu dalam melakukan konsumsi, investasi dan produksi. Pemerintah mengambil peran penting dalam pengendalian inflasi. Dengan data inflasi-infalsi terdahulu, pemerintah dapat memperkirakan tingkat inflasi yang akan terjadi dan mengambil langkah yang terbaik dalam mengatur kebijakan moneter yang akan datang. Berdasarkan masalah tersebut, dalam penelitian ini mencoba menerapkan Recurrent Neural Network (RNN) dengan algoritma Backpropagation Through Time (BPTT) untuk prediksi inflasi di kota Tanjungpinang. Arsitektur Elman RNN dipilih karena dapat membuat iterasi lebih cepat sehingga memudahkan proses konvergensi. Dengan menggunakan data latih sebesar 70% dari total data didapat nilai MSE terkecil pada hidden unit 6 dan learning rate 0,1 sebesar 0,0029. Dengan menggunakan data uji sebesar 30% dari total data dan parameter terbaik didapat MSE sebesar 0,015 dan MAPE sebesar 0,15.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
