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.
|
Text
BAB I.pdf Download (102kB) | Preview |
|
|
Text
BAB II.pdf Download (1MB) | Preview |
|
![[img]](https://eprints.uny.ac.id/style/images/fileicons/text.png) |
Text
BAB III.pdf Restricted to Repository staff only Download (1MB) |
|
|
Text
BAB IV.pdf Restricted to Repository staff only Download (15kB) |
|
|
Text
DAFTAR PUSTAKA.pdf Download (19kB) | Preview |
|
|
Text
LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) |
|
|
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 (FMIPA) > Pendidikan Matematika > Matematika |
| Depositing User: | Jurusan Pendidikan Matematika |
| Date Deposited: | 12 May 2017 03:15 |
| Last Modified: | 30 Jan 2019 14:05 |
| URI: | http://eprints.uny.ac.id/id/eprint/48966 |
Actions (login required)
 |
View Item |