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.