Metode Pengolahan Data METODE PENELITIAN

26 Januari 2009 sedangkan targetnya adalah data tanggal 30 Januari 2009. Demikian seterusnya [5]. 2. Inisialisasi bobot awal dengan bilangan acak Pemilihan bobot awal sangat mempengaruhi jaringan syaraf dalam mencapai minimum global atau mungkin hanya lokal saja terhadap nilai error, serta cepat tidaknya proses pelatihan menuju kekonvergenan. Apabila nilai bobot awal terlalu besar, maka masukan ke setiap lapisan tersembunyi atau lapisan keluaran akan jatuh pada daerah dimana turunan fungsi sigmoidnya akan sangat kecil. Biasanya bobot awal di inisialisasi secara random dengan nilai antara -0.5 sampai 0.5 atau -1 sampai 1, atau interval yang lainnya [6]. 3. Tentukan iterasi dan error yang diinginkan 4. Untuk tiap-tiap pasangan elemen yang akan dilakukan pembelajaran, kerjakan: a. Fase pertama : propagasi maju Selama propagasi maju, sinyal masukan =x i dipropagasikan ke layar tersembunyi menggunakan fungsi aktivasi yang ditentukan. Keluaran dari setiap unit lapisan tersembunyi =z j tersebut selanjutnya dipropagasikan maju lagi ke layar tersembunyi diatasnya menggunakan fungsi aktivasi yang ditentukan. Demikian seterusnya hingga menghasilkan keluaran jaringan =y k . Berikutnya, keluaran jaringan =y k dibandingkan dengan target yang harus dicapai =t k . Selisih t k - y k adalah kesalahan yang terjadi. Jika kesalahan ini lebih kecil dari batas toleransi yang ditentukan, maka iterasi dihentikan. Akan tetapi apabila kesalahan masih lebih besar dari 27 batas toleransinya, maka bobot setiap garis dalam jaringan akan dimodifikasi untuk mengurangi kesalahan yang terjadi. b. Fase Kedua : Propagasi Mundur Berdasarkan kesalahan t k - y k , dihitung faktor  k k =1,2,…,m yang dipakai untuk mendistribusikan kesalahan di unit y k ke semua unit tersembunyi yang terhubung langsung dengan y k .  k juga dipakai untuk mengubah bobot garis yang berhubungan langsung dengan unit keluaran. Dengan cara yang sama, dihitung faktor  k di setiap unit di lapisan tersembunyi sebagai dasar perubahan bobot semua garis yang berasal dari unit tersembunyi pada lapisan dibawahnya. Demikian seterusnya hingga semua faktor  di unit tersembunyi yang berhubungan langsung dengan unit masukan dihitung. c. Fase Ketiga : Perubahan Bobot Setelah semua faktor  dihitung, bobot semua garis dimodifikasi bersamanaan. Perubahan bobot suatu garis didasarkan atas faktor  neuron di lapisan atasnya. Sebagai contoh, perubahan garis yang menuju ke layar keluaran didasarkan atas  k yang ada di unit keluaran. Ketiga fase tersebut diulang-ulang terus hingga kondisi penghentian dipenuhi. Umumnya kondisi penghentian yang sering dipakai adalah jumlah iterasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah maksimum iterasi yang ditetapkan atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diizinkan. 28

3.4 Alur penelitian

Pengumpulan Indeks Harga Saham Penyeleksian Data yang Akan di Olah Penyimpanan Data Mendefinisikan Pola Masukan dan Targetnya Menentukan Arsitektur Jaringan dan Nilai Parameter yang Optimal Masukkan ke Program Lakukan Pelatihan Jaringan Apakah Pelatihan Sudah Benar? Uji Jaringan Apakah Pengujian Berhasil? Lakukan Pengujian Hingga Menemukan Nilai Peramalan yang akurasinya tinggi Ya Ya Tidak Tidak Tidak Gambar 3.1. Diagram Pengolahan Data 29 Penjelasan dari diagram 3.2 adalah sebagai berikut: 1. Mengumpulkan data saham Indeks Bisnis-27. 2. Data yang akan diolah di pilih data pada tanggal 27 Januari 2009 – Desember 2010. 3. Data yang dipilih disimpan di Ms.Excel. 4. Mendefinisikan pola masukan dengan x hari dan targetnya adalah data hari berikutnya. 5. Menentukan arsitektur jaringan yaitu menentukan pola hubungan antar sel-sel saraf buatan yang terdiri dari tiga lapisan unit, yaitu: unit masukan, unit tersembunyi, unit keluaran. Arsitektur yang di pilih adalah jaringan dengan lapisan banyak Multilayer Net. Kemudian menentukan nilai maksimum epoh, target error, dan learning rate. 6. Masukkan semua data yang sudah ditentukan nilai-nilainya pada scilab. 7. Pelatihan jaringan yang dilakukan menggunakan algoritma backpropagation pada jaringan syaraf tiruan. Karena data indeks saham mempunyai arsitektur jaringan dengan lapisan banyak Multilayer Net. 8. Jika pelatihan sudah benar maka dilanjutkan pada uji jaringan Jika pelatihan tidak benar maka menentukan nilai parameter kembali dengan data yang sama dan nilai parameter yang berbeda.