Arsitektur Jaringan Propagasi Mundur

30 dapat dilakukan dengan baik. Di dalam perangkat lunak ini terdapat implementasi dari kedua algoritma yang diujikan yaitu Propagasi Mundur dan Fungsi Basis Radial.

3.3.1.1 Arsitektur Jaringan Propagasi Mundur

Gambar 3.6 akan menjelaskan diagram alir arsitektur Propagasi Mundur. Ya Tidak Gambar 3.6 Diagram Alir Arsitektur Propagasi Mundur Hitung MSE; iterasi=iterasi+1 Tahap FeedForward Tetapkan maksimum_iterasi, target error dan laju pelatihan ; iterasi=0 Mulai Tahap BackPropagation iterasi=max iterasi atau MSE=target error ? Inisialisasi bobot dan bias dengan Metode Nguyen-Widrow Tetapkan jumlah neuron pada lapisan masukan, tersembuyi dan keluaran Selesai Simpan bobot Peramalan Saham tahap FeedForward 31 Pada langkah pertama, perlu ditentukan jumlah neuron pada tiap lapisan. Pada lapisan masukan sudah ditentukan bahwa neuron masukan adalah 4 buah yang menggambarkan harga saham pembukaan, tertinggi, terendah dan penutupan. Neuron pada lapisan tersembunyi ditentukan sesuai dengan variasi penelitian. Sedangkan neuron pada lapisan output hanya ada 1 buah yang menggambarkan harga saham penutupan keesokan harinya. Selanjutnya inisialisasi bobot dan bias awal menggunakan metode Nguyen-Widrow. Metode ini digunakan untuk mendapatkan bobot dan bias awal yang lebih baik daripada dibangkitkan dengan fungsi acak biasa. Pemilihan bobot dan bias awal yang baik akan mempengaruhi jaringan Saraf dalam mencapai nilai minimum terhadap kesalahan error , serta mempengaruhi kecepatan pelatihan sampai mencapai konvergen[1, h.94]. Maksimum iterasi dan target error adalah variabel yang ditentukan untuk membatasi lama dari pelatihan jaringan. Kedua variabel ini akan mempengaruhi lama dari pelatihan. Semakin besar maksimum iterasi yang ditentukan, semakin lama pelatihan. Demikian juga dengan target error . Semakin kecil target error yang diinginkan, semakin lama pelatihan jaringan. Penentuan laju pelatihan akan mempengaruhi kecepatan perubahan bobot. Tahap selanjutnya adalah pembelajaran jaringan. Untuk memulai pelatihan jaringan, inisialisasi iterasi menjadi 0. Tahap pembelajaran pada algoritma Propagasi Mundur dibagi menjadi 2 tahap yaitu, Tahap FeedForward dan tahap Backward. Tahap FeedForward dan tahap Backward pada algoritma Propagasi Mundur akan terus dilakukan sampai MSE mencapai target error atau jika iterasi sudah mencapai maksimum iterasi yang ditetapkan. Setelah target error dan maksimum iterasi tercapai, bobot dan bias terakhir disimpan untuk digunakan sebagai pembobot peramalan. Pada tahap peramalan hanya digunakan tahap FeedForward pada algoritma Propagasi Mundur. Hasil keluaran dari tahap FeedForward ini yang selanjutnya didenormalisasi dan merupakan hasil peramalan jaringan. 32

3.3.1.2 Arsitektur Jaringan Fungsi Basis Radial