PERAMALAN DATA LAJU INFLASI DI KOTA SEMARANG MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN)

Melasari, Widia, B2A017012 (2021) PERAMALAN DATA LAJU INFLASI DI KOTA SEMARANG MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN). Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

[img]
Preview
Text
1. COVER.pdf

Download (342kB) | Preview
[img]
Preview
Text
2. HALAMAN PERSETUJUAN SCAN.pdf

Download (518kB) | Preview
[img]
Preview
Text
3. HALAMAN PENGESAHAN SCAN.pdf

Download (560kB) | Preview
[img]
Preview
Text
6. ABSTRAK.pdf

Download (320kB) | Preview
[img]
Preview
Text
10. BAB I.pdf

Download (554kB) | Preview
[img]
Preview
Text
11. BAB II.pdf

Download (878kB) | Preview
[img] Text
12. BAB III.pdf
Restricted to Repository staff only

Download (504kB) | Request a copy
[img] Text
13. BAB IV.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img]
Preview
Text
14. BAB V.pdf

Download (319kB) | Preview
[img]
Preview
Text
15. DAFTAR PUSTAKA.pdf

Download (327kB) | Preview
[img] Text
16. LAMPIRAN.pdf
Restricted to Repository staff only

Download (907kB) | Request a copy
[img]
Preview
Text
TEXT FULL MANUSCRIPT.pdf

Download (1MB) | Preview

Abstract

Inflasi merupakan kenaikan harga-harga secara umum dan terus menerus,namun kenaikan harga yang terjadi pada satu atau dua barang tidak dapat dikatakan sebagai inflasi kecuali kenaikan tersebut mempengaruhi kenaikan harga barang lainnya. Salah satu indikator yang dapat digunakan untuk menganalisa keadaan ekonomi Kota Semarang adalah laju inflasi. Laju inflasi yang rendah dan stabil sangat diperlukan untuk menjaga pertumbuhan ekonomi sehingga dapat memberikan manfaat dalam peningkatan kesejahteraan masyarakat. Sehingga diperlukan sebuah metode yang dapat meramalakan data laju inflasi kota Semarang. Metode GRNN termasuk model jaringan dengan pengawasan (supervised training) dimana output yang diharapkan diarahkan untuk mengikuti pola output data training. Pada penelitian ini menggunakan data bulanan laju inflasi kota Semarang dari tahun 2006 hingga tahun 2020 dengan pembagian data training sebesar 75% dan data testing sebesar 25%. Pemodelan yang terbentuk berdasarkan nilai spread yang paling optimal yaitu 0,004 menghasilkan nilai MAPE sebesar 1,01% yang artinya pelatihan jaringan GRNN ini memiliki tingkat akurasi sebesar 98,99% dan memberikan model dengan kemampuan peramalan yang sangat baik. Kata Kunci : GRNN, Inflasi, Peramalan, Spread

Item Type: Thesis (Sarjana / Sarjana Terapan (S1/D4) )
Call Number: 016/Statistika/VI/2021
Subjects: L Education > Statistics
Divisions: Faculty of Agricultural Science and Technology > S1 Statistics
Depositing User: perpus unimus
Date Deposited: 04 Oct 2021 03:58
Last Modified: 04 Oct 2021 03:58
URI: http://repository.unimus.ac.id/id/eprint/4853

Actions (login required)

View Item View Item