Peramalan tingkat inflasi di Indonesia menggunakan model feedforward neural network dengan algoritma backpropagation / Susi Andayani

Andayani, Susi (2018) Peramalan tingkat inflasi di Indonesia menggunakan model feedforward neural network dengan algoritma backpropagation / Susi Andayani. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

iv ABSTRAK Andayani, Susi. 2018. Peramalan Tingkat Inflasi Di Indonesia Menggunakan Model Feedforward Neural Network Dengan Algoritma Backpropagation. Skripsi. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA), Universitas Negeri Malang. Pembimbing: Dr. Swasono Rahardjo, S.Pd, M.Si Kata kunci: neural network, inflasi Peramalan merupakan suatu proses untuk memprediksi kejadian ataupun perubahan di masa yang akan datang berdasarkan data-data masa lalu. Dengan mendeteksi pola dan kecenderungan data time series, kemudian memformulasikannya dalam suatu model, maka melalui model ini digunakan untuk memprediksi data yang akan datang. Model dengan akurasi yang tinggi memberikan nilai prediksi yang cukup valid untuk digunakan sebagai pendukung dalam proses pengambilan keputusan. Pada penelitian ini akan digunakan metode neural network dengan algoritma backpropagation, untuk meramalkan tingkat inflasi bulanan di Indonesia dimasa yang akan datang. dengan mempertimbangkan pengaruh kelompok bahan makanan; kelompok makanan jadi, minuman, rokok dan tembakau; kelompok perumahan, air, listrik, gas, dan bahan bakar; kelompok sandang; kelompok kesehatan; kelompok pendidikan, rekreasi dan olahraga; serta kelompok transportasi, komunikasi, dan jasa keuangan, sebagai variabel bebasnya pada model peramalan. Data yang digunakan yaitu data tingkat inflasi bulanan di Indonesia menurut kelompok pengeluaran pada bulan September 2009 sampai dengan Desember 2017. Model neural network yang terbaik adalah model neural network dengan arstitektur jaringan 7-12-1. Model jaringan tersebut berarti bahwa terdapat 7 neuron pada lapisan input, 12 neuron pada lapisan tersembunyi (hidden layer), dan 1 neuron pada lapisan output. Hasil peramalan untuk beberapa periode ke depan adalah pada periode bulan Januari 2018 sampai dengan bulan April 2018 adalah Januari 2018 sebesar -0.49481, Februari 2018 sebesar -0.58480, Maret 2018 sebesar -0.44116 dan April 2018 sebesar 1.12013. Model terbaik untuk meramalkan Inflasi di Indonesia berdasarkan nilai MSE yang lebih kecil.

Item Type: Thesis (Diploma)
Subjects: Q Science > QA Mathematics
Divisions: Fakultas Matematika dan IPA (FMIPA) > Jurusan Matematika (MAT) > S1 Matematika
Depositing User: Users 2 not found.
Date Deposited: 27 Aug 2018 04:29
Last Modified: 09 Sep 2018 03:00
URI: http://repository.um.ac.id/id/eprint/17561

Actions (login required)

View Item View Item