Wardana, Gede Ryan Arya Wisnu (2022) Implementasi Model Jaringan Saraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Inflasi di Kota Denpasar. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1813101034-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
1813101034-ABSTRAK.pdf Download (54kB) |
|
Text (BAB 1 PENDAHULUAN)
1813101034-BAB 1 PENDAHULUAN.pdf Download (76kB) |
|
Text (BAB 2 KAJIAN TEORI)
1813101034-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (581kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1813101034-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (118kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1813101034-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (819kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1813101034-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (63kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1813101034-DAFTAR PUSTAKA.pdf Download (200kB) |
|
Text (LAMPIRAN)
1813101034-LAMPIRAN.pdf Download (8MB) |
Abstract
Inflasi merupakan indikator penting dalam perekonomian sehingga perlu diperhatikan dalam upaya menjaga stabilitas moneter. Inflasi yang rendah serta stabil adalah prasyarat yang penting untuk menciptakan pertumbuhan perekonomian yang berkesinambungan pada suatu daerah atau negara, hingga akhirnya mampu memberikan manfaat dalam meningkatkan kesejahteraan masyarakat. Tingkat perubahan inflasi dari waktu ke waktu dapat menjadi pertimbangan pemangku kebijakan moneter dalam menjalankan kebijakan yang tepat. Data inflasi adalah modal penting yang dipakai dalam meramalkan tingkat inflasi di setiap periodenya sehingga kebijakan moneter mampu lebih tepat sasaran. Penelitian ini bertujuan untuk menentukan model terbaik Jaringan Saraf Tiruan dalam meramalkan tingkat inflasi. Penelitian ini menggunakan metode Jaringan Saraf Tiruan dengan algoritma pembelajaran Backpropagation serta dioptimasi dengan metode pemilihan bobot awal Nguyen-Widrow. Arsitektur jaringan yang digunakan memiliki 8 neuron input, 1 neuron output, dan jumlah neuron hidden yang dipilih melalui proses trial & error. Dalam penelitian ini diperoleh arsitektur Jaringan Saraf Tiruan terbaik untuk peramalan tingkat inflasi di Kota Denpasar yaitu arsitektur dengan neuron hidden sebanyak 16 neuron, laju pembelajaran sebesar 0.5, serta fungsi aktivasi yang dipakai yaitu sigmoid biner. Nilai MAPE yang diperoleh sebesar 9.55% karena itu, hasil peramalan memiliki kriteria sangat baik. Kemudian dilakukan peramalan dengan model terbaik untuk 12 bulan kedepan dari bulan Januari 2020 hingga Desember 2020 berturut-turut sebagai berikut: 0.447168; 0.294285; 0.000442; -0.19371; -0.01461; 0.126889; -0.44654; -0.04715; -0.08437; -0.12801; 0.113884; 0.482343.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Inflasi, Peramalan, Jaringan Saraf Tiruan, Backpropagation, Nguyen-Widrow. |
| Subjects: | Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Matematika > Program Studi Matematika (S1) |
| Depositing User: | Gede Ryan Arya Wisnu Wardana |
| Date Deposited: | 27 Jul 2022 01:51 |
| Last Modified: | 27 Jul 2022 01:51 |
| URI: | http://repo.undiksha.ac.id/id/eprint/12673 |
Actions (login required)
 |
View Item |