Perbandingan metode Quasi Newton dengan metode Gradien Descent untuk meng-update bobot pada jaringan saraf tiruan (JST) studi kasus pada data Saham Harian Bank Danamon, Tbk
| Main Author: | FermiaWindari |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2008
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/152034/1/050800729.pdf http://repository.ub.ac.id/152034/ |
Daftar Isi:
- Jaringan Saraf Tiruan (JST) adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan saraf manusia, yang dapat dilatih untuk mengenali suatu obyek yang memiliki pola tertentu. Untuk memperoleh JST yang mampu menyelesaikan permasalahan diperlukan beberapa tahapan diantaranya membangun jaringan (design), melatih jaringan (training) dan terakhir menguji kemampuan jaringan (testing). Pada tahap melatih JST digunakan model Backpropagation. Model ini menggunakan metode Gradient Descent dalam proses perubahan bobotnya. Namun metode ini memiliki kelemahan yakni proses pelatihannya membutuhkan waktu yang cukup lama untuk mencapai kekonvergenan dari nilai bobot baru yang meminimumkan kesalahan. Untuk itu, dalam skripsi ini digunakan metode lain yaitu metode Quasi Newton sebagai pembandingnya. Adapun tujuan dari skripsi ini yaitu mengetahui perbandingan dari kedua metode dan membandingkan hasil prediksi harga penutupan dari data saham harian Bank Danamon, Tbk. Sebagai kesimpulan, model Backpropagation dengan metodeQuasi Newton lebih baik dibandingkan metode Gradient Descent karena metode ini mampu mencapai kekonvergenan dalam jumlah iterasi dan waktu yang relatif singkat.