FUZZY FEED FORWARD NEURAL NETWORK UNTUK PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN ALGORITMA GENETIKA MENGGUNAKAN VARIASI SELEKSI

Ar Rizka, Bhiwararastri Galuh and Kusumawati, Rosita (2017) FUZZY FEED FORWARD NEURAL NETWORK UNTUK PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN ALGORITMA GENETIKA MENGGUNAKAN VARIASI SELEKSI. S1 thesis, UNY.

[img]
Preview
Text
BAB I.pdf

Download (102kB) | Preview
[img]
Preview
Text
BAB II.pdf

Download (1MB) | Preview
[img] Text
BAB III.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only

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

Download (19kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
SKRIPSI BHIWARARASTRI FULL.pdf
Restricted to Repository staff only

Download (4MB)

Abstract

Fuzzy Feed Forward Neural Network (FFNN) merupakan model FFNNdenganinput-outputberupahimpunanfuzzy.Penelitian terdahulu mengenai peramalan Indeks Harga Saham Gabungan (IHSG) antara lain menggunakan metode fuzzy time series. Dari penelitian tersebut dihasilkan nilai MAPE yang cukup kecil.Dalam penelitian ini dicoba untuk menggunakan Fuzzy(FFNN). Selain itu juga menggunakan algoritma genetika dengan seleksi Roulette Wheel dan Rank-based untuk mengoptimasi hasil yang diperoleh dari Fuzzy FFNN. Tujuan dari penelitian ini adalah menjelaskan prosedur pembentukan Fuzzy FFNN dengan algoritma genetika menggunakan varasi seleksi untuk melakukan peramalan pada IHSG. Prosedur pembentukan model dalam penelitian ini terdiri dari beberapa tahap antara lain menentukan inputdengan melihat autokorelasi lag yang signifikan berdasarkan plot PACF, pembagian data menjadi data training dantesting,fuzzyfikasi, membangun model Fuzzy FFNN yaitu dengan menentukan banyak neuron (unit) pada lapis tersembunyi, menentukan input yang optimal, menentukan bobot. Bobot akhir yang diperoleh kemudian digunakan sebagai bagian dari generasi pertama dalam algoritma genetika dengan variasi seleksiuntuk mengoptimasi hasilFuzzy FFNN, meramalkan nilai IHSG, dandefuzzyfikasi. Model dalam penelitian ini diterapkan pada data IHSG bulan Januari 2007 sampai Juli 2016 dengan variabel inputnya nilai IHSG, Indeks Dow Jones, Indeks Hang Seng, Tingkat Bunga, Tingkat Inflasi, dan Nilai Tukar Rupiah terhadap USD. Struktur jaringan terbaik yang diperoleh adalah 6 variabel input dan 8 neuron lapis tersembunyi dengan menggunakan fungsi aktivasi sigmoid biner, fungsi sigmoid biner, dan algoritma pembelajarantraingdx serta dengan fungsi keanggotaan fuzzy kurva-S pertumbuhan dengan satu himpunan. Hasil MAPE training yang diperoleh dalam penelitian ini secara berturut-turut untuk Fuzzy FFNN, algoritma genetika seleksi Roulette Wheel, dan algoritma genetika seleksi Rank-based yaitu 8,6605%, 7,8736%, dan 7,7220%. Sedangkan untuk MAPE testing sebesar 5,4216%, 4,9087%, dan 4,9139%. Kata Kunci : FuzzyFeed Forward Neural Network, Algoritma Genetika, Peramalan

Item Type: Thesis (S1)
Subjects: Matematika dan Ilmu Pengetahuan Alam > Matematika
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Matematika
Depositing User: Jurusan Pendidikan Matematika
Date Deposited: 12 May 2017 03:15
Last Modified: 12 May 2017 03:15
URI: http://eprints.uny.ac.id/id/eprint/48966

Actions (login required)

View Item View Item