Prediksi Indeks Harga Konsumen (IHK) Kelompok Perumahan, Air, Listrik, Gas, dan Bahan Bakar Menggunakan Metode Extreme Learning Machine
| Main Author: | Fitriyani, Irma Ramadanti |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/161575/1/Irma%20Ramadanti%20Fitriyani.pdf http://repository.ub.ac.id/161575/ |
| ctrlnum |
161575 |
|---|---|
| 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.ub.ac.id/161575/</relation><title>Prediksi Indeks Harga Konsumen (IHK)
Kelompok Perumahan, Air, Listrik, Gas, dan Bahan Bakar Menggunakan Metode
Extreme Learning Machine</title><creator>Fitriyani, Irma Ramadanti</creator><subject>006.31 Machine learning</subject><description>Indeks Harga Konsumen (IHK) merupakan salah satu indikator untuk mengukur
tingkat inflasi di Indonesia. Pada tahun 2017 Inflasi yang terjadi di Indonesia
menurut kelompok pengeluaran secara umum adalah sebesar 3,61%. Kelompok
perumahan, air, listrik, gas, dan bahan bakar menjadi penyumbang inflasi terbesar
sebanyak 5,14%. Maka dari itu prediksi perlu dilakukan untuk mengantisipasi serta
mengurangi laju inflasi domestik. Prediksi yang dilakukan pada penelitian ini
menggunakan metode Extreme Learning Machine (ELM) dengan inisialisasi bobot
menggunakan Nguyen-Widrow. Tahapan metode ELM yang dilakukan yaitu proses
normalisasi data, proses pelatihan untuk mendapatkan nilai bobot keluaran
(output weight) yang nantinya akan digunakan pada proses pengujian untuk
mendapatkan nilai keluaran output layer yang setelah di denormalisasi akan
menjadi hasil prediksi dalam bentuk aktual. Selanjutnya adalah melakukan
evaluasi hasil prediksi menggunakan Root Mean Squared Error (RMSE). Data yang
digunakan dalam penelitian ini adalah 84 data Indeks Harga Konsumen kelompok
perumahan perumahan, air, listrik, gas, dan bahan bakar dalam bentuk time-series
periode Januari 2011 s.d. Desember 2017, diperoleh dari website resmi Bank
Indonesia (www.bi.go.id). Hasil pengujian yang dilakukan pada penelitian ini
adalah didapatkan nilai RMSE minimum sebesar 0,65 dengan jumlah fitur = 7,
jumlah data latih 30 dan data uji 11, jumlah hidden neuron = 7, dan fungsi aktivasi
yang cocok adalah fungsi sigmoid biner.</description><date>2018-07-13</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/161575/1/Irma%20Ramadanti%20Fitriyani.pdf</identifier><identifier> Fitriyani, Irma Ramadanti (2018) Prediksi Indeks Harga Konsumen (IHK) Kelompok Perumahan, Air, Listrik, Gas, dan Bahan Bakar Menggunakan Metode Extreme Learning Machine. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2018/464/051808069</relation><recordID>161575</recordID></dc>
|
| language |
eng |
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
| author |
Fitriyani, Irma Ramadanti |
| title |
Prediksi Indeks Harga Konsumen (IHK)
Kelompok Perumahan, Air, Listrik, Gas, dan Bahan Bakar Menggunakan Metode
Extreme Learning Machine |
| publishDate |
2018 |
| topic |
006.31 Machine learning |
| url |
http://repository.ub.ac.id/161575/1/Irma%20Ramadanti%20Fitriyani.pdf http://repository.ub.ac.id/161575/ |
| contents |
Indeks Harga Konsumen (IHK) merupakan salah satu indikator untuk mengukur
tingkat inflasi di Indonesia. Pada tahun 2017 Inflasi yang terjadi di Indonesia
menurut kelompok pengeluaran secara umum adalah sebesar 3,61%. Kelompok
perumahan, air, listrik, gas, dan bahan bakar menjadi penyumbang inflasi terbesar
sebanyak 5,14%. Maka dari itu prediksi perlu dilakukan untuk mengantisipasi serta
mengurangi laju inflasi domestik. Prediksi yang dilakukan pada penelitian ini
menggunakan metode Extreme Learning Machine (ELM) dengan inisialisasi bobot
menggunakan Nguyen-Widrow. Tahapan metode ELM yang dilakukan yaitu proses
normalisasi data, proses pelatihan untuk mendapatkan nilai bobot keluaran
(output weight) yang nantinya akan digunakan pada proses pengujian untuk
mendapatkan nilai keluaran output layer yang setelah di denormalisasi akan
menjadi hasil prediksi dalam bentuk aktual. Selanjutnya adalah melakukan
evaluasi hasil prediksi menggunakan Root Mean Squared Error (RMSE). Data yang
digunakan dalam penelitian ini adalah 84 data Indeks Harga Konsumen kelompok
perumahan perumahan, air, listrik, gas, dan bahan bakar dalam bentuk time-series
periode Januari 2011 s.d. Desember 2017, diperoleh dari website resmi Bank
Indonesia (www.bi.go.id). Hasil pengujian yang dilakukan pada penelitian ini
adalah didapatkan nilai RMSE minimum sebesar 0,65 dengan jumlah fitur = 7,
jumlah data latih 30 dan data uji 11, jumlah hidden neuron = 7, dan fungsi aktivasi
yang cocok adalah fungsi sigmoid biner. |
| id |
IOS4666.161575 |
| institution |
Universitas Brawijaya |
| affiliation |
mill.onesearch.id fkp2tn.onesearch.id |
| institution_id |
30 |
| institution_type |
library:university library |
| library |
Perpustakaan Universitas Brawijaya |
| library_id |
480 |
| collection |
Repository Universitas Brawijaya |
| repository_id |
4666 |
| subject_area |
Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia* |
| city |
MALANG |
| province |
JAWA TIMUR |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS4666 |
| first_indexed |
2021-10-28T06:46:22Z |
| last_indexed |
2021-10-28T07:46:11Z |
| recordtype |
dc |
| _version_ |
1751454355058327552 |
| score |
17.60897 |