Pemodelan Jaringan Syaraf Tiruan dengan Algoritma One .One Step Secant Backpropagation dalam Return

  • View
    213

  • Download
    0

Embed Size (px)

Text of Pemodelan Jaringan Syaraf Tiruan dengan Algoritma One .One Step Secant Backpropagation dalam Return

  • Pemodelan Jaringan Syaraf Tiruan dengan Algoritma

    One Step Secant Backpropagation dalam Return Kurs

    Rupiah Terhadap Dolar Amerika Serikat

    SKRIPSI

    Disusun oleh:

    MAULIDA NAJWA

    24010212130028

    DEPARTEMEN STATISTIKA

    FAKULTAS SAINS DAN MATEMATIKA

    UNIVERSITAS DIPONEGORO

    SEMARANG

    2016

  • i

    Pemodelan Jaringan Syaraf Tiruan dengan Algoritma

    One Step Secant Backpropagation dalam Return Kurs

    Rupiah Terhadap Dolar Amerika Serikat

    Disusun Oleh :

    MAULIDA NAJWA

    24010212130028

    Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada

    Departemen Statistika Fakultas Sains dan Matematika

    Universitas Diponegoro

    DEPARTEMEN STATISTIKA

    FAKULTAS SAINS DAN MATEMATIKA

    UNIVERSITAS DIPONEGORO

    SEMARANG

    2016

  • ii

  • iii

  • iv

    KATA PENGANTAR

    Puji syukur penulis panjatkan kehadirat Allah SWT yang telah

    memberikan rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan

    Tugas Akhir dengan judul Pemodelan Jaringan Syaraf Tiruan dengan Algoritma

    One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar

    Amerika Serikat. Begitu banyak pihak yang telah membantu, oleh karena itu rasa

    hormat dan terima kasih ingin penulis sampaikan kepada:

    1. Bapak Dr. Tarno, M.Si selaku Ketua Departemen Statistika Fakultas Sains

    dan Matematika Universitas Diponegoro.

    2. Bapak Dr. Budi Warsito, M.Si selaku Dosen Pembimbing I dan Ibu Dra.

    Dwi Ispriyanti, M.Si selaku Dosen Pembimbing II.

    3. Bapak dan Ibu Dosen Departemen Statistika Fakultas Sains dan

    Matematika Universitas Diponegoro yang telah memberikan ilmu yang

    bermanfaat.

    4. Semua pihak yang telah membantu kelancaran penyusunan Proposal

    Tugas Akhir ini, yang tidak dapat penulis sebutkan satu per satu.

    Penulis menyadari bahwa Tugas Akhir ini masih jauh dari sempurna. Oleh

    karena itu, kritik dan saran yang membangun sangat penulis harapkan demi

    perbaikan dalam kesempatan berikutnya.

    Semarang, 29 Desember 2016

    Penulis

  • v

    ABSTRAK

    Kurs adalah nilai mata uang suatu negara yang dinyatakan dengan nilaimata uang negara yang lain. Perubahan nilai kurs menunjukkan risiko atauketidakpastian return yang akan diperoleh investor. Dengan meramalkan nilaireturn, investor dapat menentukan keputusan kapan harus menjual atau membelimata uang asing untuk memperoleh keuntungan. Peramalan nilai return dapatmenggunakan metode jaringan syaraf tiruan dengan backpropagation. Padaprosedur backpropagation, data dibagi menjadi dua yaitu data training untukproses pelatihan dan data testing untuk proses pengujian. Pada proses pelatihan,jaringan dilatih untuk meminimumkan nilai MSE. Salah satu metode optimasiyang dapat meminimumkan MSE adalah one step secant backpropagation. Padapenelitian ini data yang digunakan adalah data return kurs rupiah terhadap dolarAmerika pada periode 1 Januari 2015 sampai 31 Desember 2015. Dari hasilpenelitian diperoleh arsitektur model terbaik jaringan syaraf tiruan dibagun dari 8neuron pada 1 lapis tersembunyi, 1 lapisan input dengan input xt-1 dan 1 lapisanoutput. Fungsi aktivasi yang digunakan pada lapisan tersembunyi adalah sigmoidbipolar dan pada lapisan output adalah linear. Arsitektur tersebut dipilihberdasarkan nilai MSE testing yang terkecil yaitu nilai MSE testing 0,0014.Setelah memperoleh model terbaik dilakukan peramalan pada periode November2016 menghasilkan MAPE sebesar 153,23%.

    Kata Kunci : Jaringan Syaraf Tiruan, Backpropagation, One Step Secant, TimeSeries, Kurs.

  • vi

    ABSTRACT

    Exchange rate is the currency value of a country that is expressed by thevalue of another country's currency. Changes in exchange rates indicate risks oruncertainties that would return obtained by investors. With the predicted value ofreturn, investors can make informed decisions when to sell or buy foreigncurrency to gain an advantage. Forecasting of return values can be using artificialneural network with backpropagation. In backpropagation procedure, data isdivided into two pairs, namely training data for training process and testing datafor testing process. In the training process, the network is trained to minimize theMSE. One of optimization method that can minimize the MSE is one step secantbackpropagation. In this research, the data used is the return of the exchange rateof rupiah against US dollar in the period of January 1st, 2015 until December 31st,2015. The results were obtained architecture best model neural network that wasbuilt from 8 neurons in the hidden layer, 1 unit of input layer with input xt-1 and 1unit of output layer. The activation function used in the hidden layer and outputlayer are bipolar sigmoid and linear, respectively. The architecture chosen basedon the smallest MSE of testing data is 0.0014. After obtaining the best model, datais foreseen in the period of November 2016 produce MAPE=153.23%.

    Keyword : Artificial Neural Network, Backpropagation, One Step Secant, TimeSeries, Exchange Rate.

  • vii

    DAFTAR ISI

    Halaman

    HALAMAN JUDUL ......................................................................................... i

    HALAMAN PENGESAHAN I ......................................................................... ii

    HALAMAN PENGESAHAN II........................................................................ iii

    KATA PENGANTAR ....................................................................................... iv

    ABSTRAK......................................................................................................... v

    ABSTRACT....................................................................................................... vi

    DAFTAR ISI...................................................................................................... vii

    DAFTAR GAMBAR ......................................................................................... ix

    DAFTAR TABEL.............................................................................................. x

    DAFTAR LAMPIRAN...................................................................................... xi

    BAB I PENDAHULUAN

    1.1 Latar Belakang .......................................................................... 1

    1.2 Rumusan Masalah .................................................................... 5

    1.3 Batasan Masalah ...................................................................... 5

    1.4 Tujuan Penelitian ...................................................................... 6

    BAB II TINJAUAN PUSTAKA

    2.1 Pengertian Kurs......................................................................... 7

    2.2 Return........................................................................................ 8

    2.3 Analisis Runtun Waktu ............................................................. 8

    2.3.1 Autokorelasi ................................................................. 9

    2.3.2 Autokorelasi Parsial ..................................................... 10

  • viii

    2.4 Jaringan Syaraf Tiruan .............................................................. 10

    2.4.1. Arsitektur Jaringan Syaraf Tiruan................................. 14

    2.4.2. Unit Bias ....................................................................... 17

    2.5 Backpropagation ....................................................................... 17

    2.5.1. Fungsi Aktivasi ............................................................. 19

    2.5.2. Pelatihan Standar Backpropagation.............................. 20

    2.6 Algoritma One Step Secant Backpropagation .......................... 27

    2.7 Model Jaringan Syaraf Tiruan................................................... 28

    2.8 Evaluasi Model ......................................................................... 29

    BAB III METODOLOGI PENELITIAN

    3.1 Jenis dan Sumber Data.............................................................. 30

    3.2 Variabel Penelitian.................................................................... 30

    3.3 Teknik Pengolahan Data ........................................................... 30

    3.4 Diagram Alur (Flowchart) ........................................................ 32

    BAB IV HASIL DAN PEMBAHASAN

    1.1 Penentuan Model Return Kurs Rupiah terhadap Dolar

    Amerika ..................................................................................... 33

    1.2 Peramalan Return Kurs Rupiah terhadap Dolar Amerika ........ 47

    BAB V KESIMPULAN

    5.1 Kesimulan.................................................................................. 51

    5.2 Saran .......................................................................................... 52

    DAFTAR PUSTAKA ......................................................................................... 53

    LAMPIRAN........................................................................................................ 55

  • ix

    DAFTAR GAMBAR

    Halaman

    Gambar 1. Arsitektur jaringan dengan n unit input (x1, x2, xn) dan m buah unit

    output (Y1, Y2, Ym) ..................................................................... 16

    Gambar 2. Arsitektur jaringan dengan n buah unit input (x1, x2, xn), sebuah

    layar tersembunyi yang terdiri dari p buah unit (z1, zp) dan m buah

    unit output (Y1, Y2, Ym) ............................................................... 16

    Gambar 3. Jaringan syaraf backpropagation dengan p unit input, satu hidden

    layer yang terdiri dari q unit hidden d