PENCARIAN MODEL OPTIMAL JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN ALGORITMA GENETIKA UNTUK PREDIKSI TINGKAT INFLASI DI INDONESIA

MUHAMMADY, NAUFAL (2019) PENCARIAN MODEL OPTIMAL JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN ALGORITMA GENETIKA UNTUK PREDIKSI TINGKAT INFLASI DI INDONESIA. Other thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

[thumbnail of ABSTRAK_123150026_Naufal Muhammady.pdf]
Preview
 Text
ABSTRAK_123150026_Naufal Muhammady.pdf
Download (31kB) | Preview
[thumbnail of COVER_123150026_Naufal Muhammady.pdf]
Preview
 Text
COVER_123150026_Naufal Muhammady.pdf
Download (102kB) | Preview
[thumbnail of DAFTAR ISI_123150026_Naufal Muhammady.pdf]
Preview
 Text
DAFTAR ISI_123150026_Naufal Muhammady.pdf
Download (43kB) | Preview
[thumbnail of PENGESAHAN PEMBIMBING_123150026_Naufal Muhammady.pdf]
Preview
 Text
PENGESAHAN PEMBIMBING_123150026_Naufal Muhammady.pdf
Download (415kB) | Preview
[thumbnail of SKRIPSI-full-123150026-Naufal-Muhammady.pdf] Text
SKRIPSI-full-123150026-Naufal-Muhammady.pdf
Restricted to Repository staff only
Download (6MB)

Abstract

Inflasi adalah kenaikan harga barang dan jasa secara umum, barang dan jasa tersebut
merupakan kebutuhan pokok masyarakat. Untuk menjaga kesetabilan ekonomi dan
mengantisipasi dampak lonjakan ekstrim inflasi maka dibutuhkan metode prediksi inflasi
yang handal (memiliki akurasi tinggi). Jaringan syaraf tiruan backpropagation (JST)
merupakan metode yang dapat digunakan untuk memprediksi tingkat inflasi. Kehandalan
JST ditentukan oleh model JST yang dibuat. Pembuatan model JST dilakukan dengan
menentukan parameter-parameter JST. Terjadi kesulitan dalam menentukan kombinasi
parameter-parameter JST yang sesuai karena ruang pencarian bernilai tak terhingga.
Permasalahan tersebut disebabkan karena terdapat parameter yang bersifat kontinyu.
Pencarian parameter-parameter optimal JST dapat dilakukan dengan pendekatan
metaheuristik yaitu algoritma genetika (algen). Algoritma genetika bekerja dengan cara
membentuk populasi yang berisikan individu-individu. Setiap individu merepresentasikan
solusi yang mungkin untuk konfigurasi parameter-parameter JST. Individu yang memiliki
fitness value baik akan terpilih untuk dikawin silangkan dengan individu baik lain dalam
populasi. Individu baru yang dihasilkan disebut individu anak yang membawa beberapa sifat
dari induknya, kemudian dilakukan mutasi pada individu anak. Individu yang tidak terpilih
dalam populasi akan mati. Dengan cara ini akan terbentuk populasi baru dengan karakteristik
baik. Proses terbentuknya populasi baru menggantikan populasi lama disebut dengan
generasi baru. Semakin banyak individu baru yang berasal dari reproduksi individu terbaik
akan menghasilkan banyak kemungkinan solusi terbaik. Populasi yang terbentuk dalam
iterasi generasi akan mengalami konvergensi sehingga akan didapatkan solusi optimal model
JST.
Berdasarkan penelitian yang telah dilakukan, algoritma genetika mampu untuk
mencari model optimal JST. Model JST yang dihasilkan dari pencarian algoritma genetika
memiliki hasil yang lebih baik dibanding JST tanpa pencarian algoritma genetika yang
dibuat pada penelitian ini. Tingkat kesalahan JST-algen dalam satuan MSE, untuk data uji
memperoleh average MSE 0,00127833 , untuk data prediksi memperoleh MSE 0,000166797
, sedangkan JST standar terbaik untuk data uji memperoleh average MSE 0,00166676, untuk
data prediksi memperoleh MSE 0,00019061.
Kata kunci : Jaringan Syaraf Tiruan Backpropagation, Algoritma Genetika, K-fold Cross
Validation, Inflasi Indonesia.

Item Type: Thesis (Other)
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions: Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: Eko Yuli
Date Deposited: 20 Dec 2019 02:40
Last Modified: 10 Jan 2023 02:34
URI: http://eprints.upnyk.ac.id/id/eprint/21886

Actions (login required)

View Item View Item