YULIAWATI, ADHITA, B2A218006 (2019) PERBANDINGAN METODE BACKPROPAGATION NEURAL NETWORK DAN FUZZY WAVELET UNTUK PREDIKSI KURS DOLAR TERHADAP RUPIAH. Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].
|
Text
5. Abstrak.pdf Download (376kB) | Preview |
|
|
Text
13. BAB I.pdf Download (419kB) | Preview |
|
|
Text
14. BAB II.pdf Download (949kB) | Preview |
|
![]() |
Text
15. BAB III.pdf Restricted to Repository staff only Download (439kB) | Request a copy |
|
![]() |
Text
16. BAB IV.pdf Restricted to Repository staff only Download (720kB) | Request a copy |
|
|
Text
17. BAB V.pdf Download (388kB) | Preview |
|
|
Text
18. DAFTAR PUSTAKA.pdf Download (401kB) | Preview |
|
|
Text
Jurnal Ilmiah.pdf Download (1MB) | Preview |
Abstract
Kata kunci: Time Series, Backpropagation, Neural Network, Fuzzy Wavelet, Kurs Dolar Data time series seperti nilai tukar rupiah, harga saham, dan iklim merupakan jenis data yang mengalami fluktuasi tajam, sehingga mengakibatkan sulit dilakukan analisis menggunakan metode klasik. Naik turunnya nilai tukar rupiah menyebabkan pentingnya analisis yang diharapkan dapat membantu dalam meramalkannya dimasa mendatang. Penelitian ini dilakukan untuk mengetahui bagaimana pemodelan peramalan nilai tukar dolar terhadap rupiah menggunakan metode backpropagation neural network dan metode fuzzy wavelet, pemodelan terbaik dan hasil prediksi untuk 10 hari berikutnya. Algoritma pembelajaran backpropagation neural network mampu memformulasikan data non linear. Fuzzy Inference System jika digunakan untuk peramalan akan menghasilkan nlai error yang sangat kecil dan jika ditambahkan transformasi wavelet akan mengurangi rangkaian yang noisy. Penggunaan backpropagation neural network pada penelitian ini menunjukkan bahwa metode tersebut merupakan metode terbaik dibandingkan dengan fuzzy wavelet hal ini ditunjukkan dengan nilai MAPE yang lebih rendah yaitu 0.56%. Arsitektur jaringan 2-25-1 dengan iterasi maksimal 1000 dan target error 0.00001 diterapkan pada data kurs dolar AS terhadap rupiah periode 1 Januari 2016 hingga 30 Juni 2019. Hasil prediksi 10 hari kedepan menujukkan bahwa arsitektur jaringan tersebut sangat baik karena data prediksi mendekati data aktual. Pemodelan ini masih perlu dikembangkan lagi karena masih banyak faktor-faktor lain yang mempengaruhi kurs dolar AS terhadap rupiah.
Item Type: | Thesis (Sarjana / Sarjana Terapan (S1/D4) ) |
---|---|
Call Number: | 002/Statistik/XII/2019 |
Subjects: | L Education > Statistics |
Divisions: | Faculty of Agricultural Science and Technology > S1 Statistics |
Depositing User: | perpus unimus |
URI: | http://repository.unimus.ac.id/id/eprint/3798 |
Actions (login required)
![]() |
View Item |