Implementasi Artificial Neural Network Backpropagation untuk Prediksi Harga Emas Menggunakan Algoritma Levenberg Marquardt
Daftar Isi:
- Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan bagi para investor. Namun dalam prakteknya prediksi tersebut sulit dilakukan karena begitu banyak data yang diproses. Dalam tugas akhir ini penulis mengembangkan sebuah sistem yang menerapkan Artificial Neural Network (ANN) dengan metode Backpropagation (BP) dengan penambahan algoritma Levenberg Marquardt (LM) untuk pembentukan model dan pengujian. Pembentukan model dengan cara training dan testing yang dilakukan menggunakan data harga emas dari sebuah website penjualan emas berskala internasional. Data tersebut digunakan untuk proses training pada algoritma ANN-BP LM dengan tujuan menghasilkan nilai bobot-bobot yang optimal, dimana nilai tersebut digunakan untuk proses testing dan menghasilkan nilai prediksi dari harga emas. Penelitian ini menyajikan pembahasan mengenai performansi dan tingkat keakuratan yang dihasilkan algoritma ANN-BP LM dari proses testing dan prediksi. Pada tahap training, parameter yang digunakan untuk ANN-BP LM mencakup pada banyak pola kombinasi yaitu, jumlah data historis, jumlah hidden neuron, nilai parameter Levenberg Marquardt, nilai parameter beta, dan jumlah iterasi. Hasilnya akan didapatkan dengan memasukkan beberapa pola nilai kombinasi parameter tersebut dan didapatkan kombinasi parameter yang optimal yaitu jumlah data historis=5; jumlah hidden neuron=6; nilai parameter Levenberg Marquardt=0,4; nilai parameter beta=5; dan jumlah iterasi=400. Prediksi harga emas yang dihasilkan dari algoritma ANN-BP LM dengan kombinasi parameter yang optimal tersebut menghasilkan skor Mean Squared Error (MSE) latih terbaik sebesar 0,00010704 dan skor MSE testing terbaik 0,70524 dalam pengujian ini. Nilai selisih rata-rata tertinggi antara data output dan data prediksi sebesar 0,028746 dicapai oleh data historis=4.