PREDIKSI INDEKS HARGA KONSUMEN MENGGUNAKAN ALGORITMA BACKPROPAGATION DENGAN OPTIMASI PARTICLE SWARM OPTIMIZATION

Muta’ali, Hafidz (2021) PREDIKSI INDEKS HARGA KONSUMEN MENGGUNAKAN ALGORITMA BACKPROPAGATION DENGAN OPTIMASI PARTICLE SWARM OPTIMIZATION. Other thesis, UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA.

Preview	Text COVER.pdf Download (220kB) | Preview
Preview	Text ABSTRAK.pdf Download (112kB) | Preview
Preview	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (299kB) | Preview
Preview	Text DAFTAR ISI.pdf Download (147kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (98kB) | Preview

Abstract

Indeks Harga Konsumen (IHK) merupakan salah satu indikator ekonomi yang sangat berpengaruh dikarenakan IHK paling sering digunakan untuk mengukur tingkat inflasi. Dengan melakukan prediksi, informasi tentang perekonomian khususnya Indeks Harga Harga Konsumen (IHK) bisa diketahui sehingga dapat mengantisipasi atau meminimalisasi resiko yang akan ditimbulkan. Indeks Harga Konsumen akan di prediksi secara time series yaitu menggunakan data IHK sebelumnya. Penelitian ini menggunakan algoritma Backpropagation yang dikombinasikan dengan algoritma Particle Swarm Optimization (PSO). Backpropagation merupakan salah satu algoritma Jaringan syarat tiruan (Neural Network), sedangkan PSO merupakan algoritma optimasi. Data yang digunakan bersumber dari website bps.go.id dengan subjek inflasi. Proses yang dilakukan adalah mengumpulkan data latih dan data uji, melakukan normalisasi terhadap data, melakukan pelatihan pada algoritma backpropagation dan PSO, selanjutnya pada tahap terakhir dilakukan pengujian terhadap model algoritma berdasarkan RMSE dan MAPE. Hasil penelitian mendapatkan akurasi paling optimal yang diperoleh algoritma backpropagation menghasilkan nilai RMSE 0.0448 dan MAPE sebesar 7.91% sedangkan untuk algoritma backpropagation PSO memperoleh RMSE 0.0076 dan MAPE sebesar 1.32%

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Indeks Harga Konsumen, Prediksi, PSO, Backpropagation
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Nurul Alifah Rahmawati
Date Deposited:	04 Feb 2021 04:52
Last Modified:	04 Feb 2021 04:52
URI:	http://eprints.upnyk.ac.id/id/eprint/24506

Actions (login required)

View Item