JURNAL : Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization

JURNAL : Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization

JURNAL : Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization
Abstrak
Masalah peramalan adalah masalah yang sering ditemukan dalam proses pengambilan keputusan. Tool yang cukup populer untuk menangani masalah peramalan adalah jaringan syaraf tiruan. Jaringan syaraf tiruan banyak digunakan karena kemampuannya untuk meramalkan data nonlinear time series. Algoritma pembelajaran yang sering digunakan untuk memperbaiki bobot pada jaringan syaraf tiruan adalah backpropagation. Namun proses pembelajaran backpropagation terkadang menemui kendala seperti over fiting sehingga tidak dapat menggeneralisasi masalah. Untuk mengatasi masalah tersebut diusulkan penggunaan particle swarm optimization untuk melatih bobot pada jaringan. Performa dari masing-masing model akan diukur dengan mean square error, mean absolute percentage error, normalized mean square error, prediction of change in direction, average relative variance. Untuk keperluan analisis model digunakan data time series inflasi di indonesia. Metode yang diusulkan menunjukan sistem jaringan hybrid mampu menangani masalah peramalan data time series dengan performa mendekati jaringan syaraf tiruan backpropagation. .
Kata kunci— jaringan syaraf tiruan, particle swarm optimization, prediction of change in direction, average relative variance .

PENDAHULUAN
Masalah peramalan merupakan masalah yang banyak dihadapi pada berbagai bidang persoalan antara lain ramalan cuaca [1], peramalan beban listrik [2], peramalan penggunaan pembangkit listrik tenaga angin [3], dan lain sebagainya. Salah satu bidang permasalahan yang sering diteliti adalah adalah bidang finansial. Peramalan dalam bidang finansial memiliki peran yang cukup penting karena hasil peramalaan digunakan sebagai alat untuk membantu para pembuat keputusan menangani problem konkrit dalam framework teknologi, memberikan informasi peramalan data masa depan berdasarkan data historis yang telah terjadi [4]. Masalah peramalan pada bidang finansial bisa menyangkut banyak objek antara lain peramalan tingkat inflasi [5], harga emas [6], nilai tukar mata uang [7], dan lain sebagainya.
Tingkat inflasi tahunan penting untuk diketahui karena merupakan indikator keadaan ekonomi masyarakat di suatu negara dan mempengaruhi kebijakan yang akan diambil oleh pemerintah [5]. Inflasi dapat diukur dengan menghitung persentase perubahan sebuah indeks harga, diantaranya adalah indeks harga konsumen (IHK), indeks biaya hidup (COLI), indeks harga produsen (IHPB), indeks harga komoditas, indeks harga barang-barang modal, dan deflator PDB [8].

DOWNLOAD JURNAL