ANALISIS METODE RBF-NN DENGAN OPTIMASI ALGORITMA GENETIKA PADA PERAMALAN MATA UANG EUR/USD
<p>Penelitian ini membahas tentang peramalan EUR/USD menggunakan metode RBF-NN (<em>Radial Basis Function – Neural Network</em>) tanpa optimasi dan RBF-NN yang dioptimasi dengan 3 model AG/AGA (Algoritma Genetika dan Algoritma Genetika Adaptif). Sistem RBF-NN dapat diterapkan pada...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | English |
Published: |
Universitas Udayana
2016-11-01
|
Series: | Majalah Ilmiah Teknologi Elektro |
Subjects: | |
Online Access: | http://ojs.unud.ac.id/index.php/JTE/article/view/17969 |
id |
doaj-31a507a38cb141d2bbd79122ede0b049 |
---|---|
record_format |
Article |
spelling |
doaj-31a507a38cb141d2bbd79122ede0b0492020-11-25T01:27:50ZengUniversitas UdayanaMajalah Ilmiah Teknologi Elektro1693-29512503-23722016-11-0115210711414993ANALISIS METODE RBF-NN DENGAN OPTIMASI ALGORITMA GENETIKA PADA PERAMALAN MATA UANG EUR/USDNengah Widiangga GautamaAgus DharmaMade Sudarma<p>Penelitian ini membahas tentang peramalan EUR/USD menggunakan metode RBF-NN (<em>Radial Basis Function – Neural Network</em>) tanpa optimasi dan RBF-NN yang dioptimasi dengan 3 model AG/AGA (Algoritma Genetika dan Algoritma Genetika Adaptif). Sistem RBF-NN dapat diterapkan pada data dengan karakteristik nonlinear dan fluktuatif seperti data EUR/USD. Permasalahan akurasi muncul jika terjadi solusi lokal dalam sistem RBF-NN dan metode AG/AGA dapat digunakan untuk mengatasi solusi lokal tersebut. Keakuratan dari peramalan ditunjukkan lewat nilai MAPE (<em>Mean Absolut Percentage Error</em>).</p><p>Pada data <em>daily low</em>, metode terbaik adalah Algoritma Genetika II dengan MAPE sebesar 0,2286, sementara pada data <em>daily high</em> metode terbaik adalah Algoritma Genetika Adaptif II dengan MAPE sebesar 0,2190. Metode AG II dan AGA II didukung teknik pencarian di dekat bobot RBF-NN yang terbukti efektif pada kasus mata uang EUR/USD. Perbaikan akurasi yang diberikan AG II dan AGA II terhadap metode RBF-NN dapat diterapkan pada peramalan mata uang lainnya.</p>http://ojs.unud.ac.id/index.php/JTE/article/view/17969EUR/USD, RBF-NN, Algoritma Genetika, Algoritma Genetika Adaptif, MAPE |
collection |
DOAJ |
language |
English |
format |
Article |
sources |
DOAJ |
author |
Nengah Widiangga Gautama Agus Dharma Made Sudarma |
spellingShingle |
Nengah Widiangga Gautama Agus Dharma Made Sudarma ANALISIS METODE RBF-NN DENGAN OPTIMASI ALGORITMA GENETIKA PADA PERAMALAN MATA UANG EUR/USD Majalah Ilmiah Teknologi Elektro EUR/USD, RBF-NN, Algoritma Genetika, Algoritma Genetika Adaptif, MAPE |
author_facet |
Nengah Widiangga Gautama Agus Dharma Made Sudarma |
author_sort |
Nengah Widiangga Gautama |
title |
ANALISIS METODE RBF-NN DENGAN OPTIMASI ALGORITMA GENETIKA PADA PERAMALAN MATA UANG EUR/USD |
title_short |
ANALISIS METODE RBF-NN DENGAN OPTIMASI ALGORITMA GENETIKA PADA PERAMALAN MATA UANG EUR/USD |
title_full |
ANALISIS METODE RBF-NN DENGAN OPTIMASI ALGORITMA GENETIKA PADA PERAMALAN MATA UANG EUR/USD |
title_fullStr |
ANALISIS METODE RBF-NN DENGAN OPTIMASI ALGORITMA GENETIKA PADA PERAMALAN MATA UANG EUR/USD |
title_full_unstemmed |
ANALISIS METODE RBF-NN DENGAN OPTIMASI ALGORITMA GENETIKA PADA PERAMALAN MATA UANG EUR/USD |
title_sort |
analisis metode rbf-nn dengan optimasi algoritma genetika pada peramalan mata uang eur/usd |
publisher |
Universitas Udayana |
series |
Majalah Ilmiah Teknologi Elektro |
issn |
1693-2951 2503-2372 |
publishDate |
2016-11-01 |
description |
<p>Penelitian ini membahas tentang peramalan EUR/USD menggunakan metode RBF-NN (<em>Radial Basis Function – Neural Network</em>) tanpa optimasi dan RBF-NN yang dioptimasi dengan 3 model AG/AGA (Algoritma Genetika dan Algoritma Genetika Adaptif). Sistem RBF-NN dapat diterapkan pada data dengan karakteristik nonlinear dan fluktuatif seperti data EUR/USD. Permasalahan akurasi muncul jika terjadi solusi lokal dalam sistem RBF-NN dan metode AG/AGA dapat digunakan untuk mengatasi solusi lokal tersebut. Keakuratan dari peramalan ditunjukkan lewat nilai MAPE (<em>Mean Absolut Percentage Error</em>).</p><p>Pada data <em>daily low</em>, metode terbaik adalah Algoritma Genetika II dengan MAPE sebesar 0,2286, sementara pada data <em>daily high</em> metode terbaik adalah Algoritma Genetika Adaptif II dengan MAPE sebesar 0,2190. Metode AG II dan AGA II didukung teknik pencarian di dekat bobot RBF-NN yang terbukti efektif pada kasus mata uang EUR/USD. Perbaikan akurasi yang diberikan AG II dan AGA II terhadap metode RBF-NN dapat diterapkan pada peramalan mata uang lainnya.</p> |
topic |
EUR/USD, RBF-NN, Algoritma Genetika, Algoritma Genetika Adaptif, MAPE |
url |
http://ojs.unud.ac.id/index.php/JTE/article/view/17969 |
work_keys_str_mv |
AT nengahwidianggagautama analisismetoderbfnndenganoptimasialgoritmagenetikapadaperamalanmatauangeurusd AT agusdharma analisismetoderbfnndenganoptimasialgoritmagenetikapadaperamalanmatauangeurusd AT madesudarma analisismetoderbfnndenganoptimasialgoritmagenetikapadaperamalanmatauangeurusd |
_version_ |
1725102894858895360 |