Pengaruh Fungsi Pembelajaran Terhadap Kinerja Pelatihan Jaringan Syaraf Tiruan Backpropagation Studi Kasus : Indeks Harga Saham Gabungan di Bursa Efek Indonesia
Abstract: Ketidaklengkapan
data dan ketepatan penggunaan fungsi pada jaringan syaraf tiruan
backpropagation , yang digunakan dapat mempengaruhi cepat atau lambatnya
kinerja proses pelatihan. Namun penggunaan data tidak lengkap (missing data)
juga dapat menimbulkan error pada hasil pelatihan tersebut sehingga perlu
dilakukan perbaikan missing data. Perbaikan missing data dapat dilakukan dengan
beberapa cara, salah satunya adalah dengan menggunakan metode Autoregressive
Integrated Moving Average (ARIMA). Penelitian ini mempelajari fungsi
pembelajaran jaringan syaraf tiruan backpropagation yang paling efektif dengan
perbaikan missing data input. Data latih yang digunakan adalah data Indeks
Harga Saham Gabungan (IHSG) dan faktor pengaruh IHSG berupa indeks global yang
diwakilkan oleh Hang Seng, KLSE, KOSPI, Nikkei, STI dan Taiex. Proses pelatihan
dilakukan sampai pencapaian target nilai error.
Dari Penelitian ini didapat kesimpulan yaitu : a. Fungsi pembelajaran
bobot jaringan syaraf tiruan backpropagation terbaik adalah Resilent
Backpropagation (trainrp). Namun beberapa pelatihan ketika digunakan data input
kurang dari delapan data, fungsi backpropagation Levenberg-Marquardt (trainlm)
memberikan hasil terbaik. b. Penggunaan data dengan range waktu pengambilan
semakin besar akan menghasilkan hasil latih yang semakin lebih baik. c. Hasil
pelatihan menggunakan IHSG sebagai data input lebih baik dibandingkan
menggunakan kombinasi IHSG dan faktor pengaruh.
Penulis: Anis Fagustina,
Sarngadi Palgunadi, Wiharto
Kode Jurnal: jptinformatikadd140580