Cover Image

Peramalan tingkat inflasi di Indonesia menggunakan model feedforward neural network dengan algoritma backpropagation / Susi Andayani

Main Author: Andayani, Susi
Format: Thesis NonPeerReviewed
Terbitan: , 2018
Subjects:
QA Mathematics
Online Access: http://repository.um.ac.id/17561/
ctrlnum 17561
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.um.ac.id/17561/</relation><title>Peramalan tingkat inflasi di Indonesia menggunakan model feedforward neural network dengan algoritma backpropagation / Susi Andayani</title><creator>Andayani, Susi</creator><subject>QA Mathematics</subject><description>ivABSTRAKAndayaniSusi.2018.PeramalanTingkatInflasiDiIndonesiaMenggunakanModelFeedforwardNeuralNetworkDenganAlgoritmaBackpropagation.Skripsi.JurusanMatematikaFakultasMatematikadanIlmuPengetahuanAlam(FMIPA)UniversitasNegeriMalang.PembimbingDr.SwasonoRahardjoS.PdM.SiKatakuncineuralnetworkinflasiPeramalanmerupakansuatuprosesuntukmemprediksikejadianataupunperubahandimasayangakandatangberdasarkandata-datamasalalu.Denganmendeteksipoladankecenderungandatatimeserieskemudianmemformulasikannyadalamsuatumodelmakamelaluimodelinidigunakanuntukmemprediksidatayangakandatang.Modeldenganakurasiyangtinggimemberikannilaiprediksiyangcukupvaliduntukdigunakansebagaipendukungdalamprosespengambilankeputusan.PadapenelitianiniakandigunakanmetodeneuralnetworkdenganalgoritmabackpropagationuntukmeramalkantingkatinflasibulanandiIndonesiadimasayangakandatang.denganmempertimbangkanpengaruhkelompokbahanmakanankelompokmakananjadiminumanrokokdantembakaukelompokperumahanairlistrikgasdanbahanbakarkelompoksandangkelompokkesehatankelompokpendidikanrekreasidanolahragasertakelompoktransportasikomunikasidanjasakeuangansebagaivariabelbebasnyapadamodelperamalan.DatayangdigunakanyaitudatatingkatinflasibulanandiIndonesiamenurutkelompokpengeluaranpadabulanSeptember2009sampaidenganDesember2017.Modelneuralnetworkyangterbaikadalahmodelneuralnetworkdenganarstitekturjaringan7-12-1.Modeljaringantersebutberartibahwaterdapat7neuronpadalapisaninput12neuronpadalapisantersembunyi(hiddenlayer)dan1neuronpadalapisanoutput.HasilperamalanuntukbeberapaperiodekedepanadalahpadaperiodebulanJanuari2018sampaidenganbulanApril2018adalahJanuari2018sebesar-0.49481Februari2018sebesar-0.58480Maret2018sebesar-0.44116danApril2018sebesar1.12013.ModelterbaikuntukmeramalkanInflasidiIndonesiaberdasarkannilaiMSEyanglebihkecil.</description><date>2018-08-27</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><identifier> Andayani, Susi (2018) Peramalan tingkat inflasi di Indonesia menggunakan model feedforward neural network dengan algoritma backpropagation / Susi Andayani. Diploma thesis, Universitas Negeri Malang. </identifier><recordID>17561</recordID></dc>
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
author Andayani, Susi
title Peramalan tingkat inflasi di Indonesia menggunakan model feedforward neural network dengan algoritma backpropagation / Susi Andayani
publishDate 2018
topic QA Mathematics
url http://repository.um.ac.id/17561/
contents ivABSTRAKAndayaniSusi.2018.PeramalanTingkatInflasiDiIndonesiaMenggunakanModelFeedforwardNeuralNetworkDenganAlgoritmaBackpropagation.Skripsi.JurusanMatematikaFakultasMatematikadanIlmuPengetahuanAlam(FMIPA)UniversitasNegeriMalang.PembimbingDr.SwasonoRahardjoS.PdM.SiKatakuncineuralnetworkinflasiPeramalanmerupakansuatuprosesuntukmemprediksikejadianataupunperubahandimasayangakandatangberdasarkandata-datamasalalu.Denganmendeteksipoladankecenderungandatatimeserieskemudianmemformulasikannyadalamsuatumodelmakamelaluimodelinidigunakanuntukmemprediksidatayangakandatang.Modeldenganakurasiyangtinggimemberikannilaiprediksiyangcukupvaliduntukdigunakansebagaipendukungdalamprosespengambilankeputusan.PadapenelitianiniakandigunakanmetodeneuralnetworkdenganalgoritmabackpropagationuntukmeramalkantingkatinflasibulanandiIndonesiadimasayangakandatang.denganmempertimbangkanpengaruhkelompokbahanmakanankelompokmakananjadiminumanrokokdantembakaukelompokperumahanairlistrikgasdanbahanbakarkelompoksandangkelompokkesehatankelompokpendidikanrekreasidanolahragasertakelompoktransportasikomunikasidanjasakeuangansebagaivariabelbebasnyapadamodelperamalan.DatayangdigunakanyaitudatatingkatinflasibulanandiIndonesiamenurutkelompokpengeluaranpadabulanSeptember2009sampaidenganDesember2017.Modelneuralnetworkyangterbaikadalahmodelneuralnetworkdenganarstitekturjaringan7-12-1.Modeljaringantersebutberartibahwaterdapat7neuronpadalapisaninput12neuronpadalapisantersembunyi(hiddenlayer)dan1neuronpadalapisanoutput.HasilperamalanuntukbeberapaperiodekedepanadalahpadaperiodebulanJanuari2018sampaidenganbulanApril2018adalahJanuari2018sebesar-0.49481Februari2018sebesar-0.58480Maret2018sebesar-0.44116danApril2018sebesar1.12013.ModelterbaikuntukmeramalkanInflasidiIndonesiaberdasarkannilaiMSEyanglebihkecil.
id IOS13003.17561
institution Universitas Negeri Malang
affiliation onesearch.perpusnas.go.id
mill.onesearch.id
fkp2tn.onesearch.id
institution_id 59
institution_type library:university
library
library Perpustakaan Universitas Negeri Malang
library_id 309
collection Repository Universitas Negeri Malang
repository_id 13003
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS13003
first_indexed 2021-11-04T07:08:41Z
last_indexed 2021-11-04T07:08:41Z
recordtype dc
_version_ 1752722697609019392
score 16.357706

Lihat Juga