Prediksi Trend Foreign Exchange Euro terhadap Dollar Amerika Menggunakan Jaringan Syaraf Tiruan Backpropagation

Abstract

Pergerakan nilai forex selalu berfluktuasi setiap detiknya, oleh karena itu diperlukan suatu pendekatan dalam memprediksi besarnya nilai forex dengan tingkat keakuratan maksimum. Salah satu jenis prediksi kuantitatif adalah prediksi data time series yakni suatu teknik prediksi yang dibangun menggunakan data runtun waktu pada periode terdahulu. Dalam skripsi ini digunakan metode backpropagation untuk memprediksi trend pergerakan forex euro terhadap dollar Amerika berdasarkan data terdahulu. Backpropagation merupakan bagian dari jaringan saraf tiruan dengan metode pembelajaran terawasi. Untuk mengubah bobot yang terhubung dengan neuron pada lapisan tersembunyi, algoritma ini menggunakan error keluaran untuk mengubah nilai bobotnya dalam arah mundur (backward) sedangkan untuk mendapatkan error, tahap perambatan maju (forward propagation) harus dikerjakan terlebih dahulu. Saat perambatan maju, neuron diaktifkan dengan menggunakan fungsi aktivasi sigmoid biner. Hasil prediksi trend backpropagation diukur dengan nilai MAPE (Mean Absolute Percentage Error). Sistem kemudian di uji dengan melakukan pembelajaran untuk hasil 5 hari kedepan, yaitu dari tanggal 1 Januari 2014 sampai dengan 5 Januari 2014. Dari hasil pembelajaran ini, diperoleh nilai error rata-rata sebesar 1.6555%.