PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES

David Yuliandar, Budi Warsito, Hasbi Yasin

Abstract


ABSTRAK

Pemodelan time series seringkali dikaitkan dengan proses peramalan suatu nilai karakteristik tertentu pada periode mendatang. Salah satu metode peramalan yang berkembang saat ini adalah menggunakan artificial neural network atau yang lebih dikenal dengan neural network.Penggunaan neural network dalam peramalan time series dapat menjadi solusi yang baik, namun yang menjadi masalah adalah arsitektur jaringan dan pemilihan metode pelatihan yang tepat. Salah satu pilihan yang mungkin adalah menggunakan algoritma genetika. Algoritma genetika adalah suatu algoritma pencarian stokastik berdasarkan cara kerja melalui mekanisme seleksi alam dan genetik yang bertujuan untuk mendapatkan solusi dari suatu masalah. Algoritma ini dapat digunakan sebagai metode pembelajaran dalam melatih model feed forward neural network. Penerapan algoritma genetika dan neural network untuk peramalan time series bertujuan untuk mendapatkan bobot-bobot yang optimum dengan meminimumkan error. Dari hasil pelatihan dan pengujian pada data kurs Dolar Australia terhadap Rupiah didapatkan nilai RMSE sebesar 117.3599 dan 82.4917. Model ini baik untuk digunakan karena memberikan hasil prediksi yang cukup akurat yang ditunjukkan oleh kedekatan target dengan output.


Keywords


peramalan time series, feed forward neural network, algoritma genetika, bobot, kurs

Full Text:

PDF

Refbacks

  • There are currently no refbacks.



Creative Commons License
Jurnal Gaussian by Departemen Statistika Undip is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Flag Counter