Peramalan tingkat inflasi di Indonesia menggunakan model feedforward neural network dengan algoritma backpropagation / Susi Andayani
| Main Author: | Andayani, Susi |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.um.ac.id/17561/ |
Daftar Isi:
- ivABSTRAKAndayaniSusi.2018.PeramalanTingkatInflasiDiIndonesiaMenggunakanModelFeedforwardNeuralNetworkDenganAlgoritmaBackpropagation.Skripsi.JurusanMatematikaFakultasMatematikadanIlmuPengetahuanAlam(FMIPA)UniversitasNegeriMalang.PembimbingDr.SwasonoRahardjoS.PdM.SiKatakuncineuralnetworkinflasiPeramalanmerupakansuatuprosesuntukmemprediksikejadianataupunperubahandimasayangakandatangberdasarkandata-datamasalalu.Denganmendeteksipoladankecenderungandatatimeserieskemudianmemformulasikannyadalamsuatumodelmakamelaluimodelinidigunakanuntukmemprediksidatayangakandatang.Modeldenganakurasiyangtinggimemberikannilaiprediksiyangcukupvaliduntukdigunakansebagaipendukungdalamprosespengambilankeputusan.PadapenelitianiniakandigunakanmetodeneuralnetworkdenganalgoritmabackpropagationuntukmeramalkantingkatinflasibulanandiIndonesiadimasayangakandatang.denganmempertimbangkanpengaruhkelompokbahanmakanankelompokmakananjadiminumanrokokdantembakaukelompokperumahanairlistrikgasdanbahanbakarkelompoksandangkelompokkesehatankelompokpendidikanrekreasidanolahragasertakelompoktransportasikomunikasidanjasakeuangansebagaivariabelbebasnyapadamodelperamalan.DatayangdigunakanyaitudatatingkatinflasibulanandiIndonesiamenurutkelompokpengeluaranpadabulanSeptember2009sampaidenganDesember2017.Modelneuralnetworkyangterbaikadalahmodelneuralnetworkdenganarstitekturjaringan7-12-1.Modeljaringantersebutberartibahwaterdapat7neuronpadalapisaninput12neuronpadalapisantersembunyi(hiddenlayer)dan1neuronpadalapisanoutput.HasilperamalanuntukbeberapaperiodekedepanadalahpadaperiodebulanJanuari2018sampaidenganbulanApril2018adalahJanuari2018sebesar-0.49481Februari2018sebesar-0.58480Maret2018sebesar-0.44116danApril2018sebesar1.12013.ModelterbaikuntukmeramalkanInflasidiIndonesiaberdasarkannilaiMSEyanglebihkecil.