3.3. Feedforward Neural-Network
Sebuah jaringan saraf feedforward Feedforward Neural-Network merupakan jaringan saraf buatan dimana hubungan antara
unit tidak membentuk siklus. Ini berbeda dari jaringan saraf berulang. Feedforward neural network adalah jenis jaringan saraf tiruan pertama yang
dibuat sederhana dan paling diperdebatkan. Dalam jaringan ini, informasi mampu bergerak dalam satu arah, ke depan, dari input node, melalui node
tersembunyihidden node jika ada dan output node. Tidak ada siklus atau loop dalam jaringan. Pada sistem prediksi kurs mata uang ini menggunakan Multi-layer
Perceptron yaitu jaringan yang terdiri dari beberapa lapisan unit komputasi, biasanya saling terkait dalam feedforward. Setiap neuron dalam satu lapisan telah
mengarahkan koneksi ke neuron pada lapisan berikutnya. Dalam banyak aplikasi, unit jaringan ini menerapkan fungsi sigmoid sebagai fungsi aktivasi.
Gambar 3.1. Permodelan Multi-layer Perceptron.
Tiga lapisan Perceptron-net mampu menghitung XOR. Angka-angka dalam
Perceptron mewakili masing-masing ambang batas eksplisit perceptron. Angka-angka yang terdapat di panah mewakili keterangan berat
input. Net ini mengasumsikan bahwa jika tidak tercapai ambang batas treshhold, nol bukan -1 adalah output. Perhatikan bahwa lapisan bawah masukan tidak
selalu dianggap sebagai perceptron nyata lapisan.
3.4. Algoritma Program
Dalam sistem prediksi kurs mata uang ini akan dilakukan beberapa langkah pemrograman dari mulai pre-processing, pelatihan, dan prediksi. Adapun
langkah-langkah tersebut adalah : a.
Normalisasi inputan nilai mata uang. b.
Pelatihan dengan quickpropagation c.
Simpan bobot JST d.
Prediksi dengan feed forward e.
Denormalisasi nilai output JST untuk menghasilkan nilai mata uang.
3.5. Perancangan Sistem
Perancangan sistem disini menggunakan procest analyst dari Power Designer 6.1. dan Power Designer 11 Sybase. Perancangan sistem digunakan
untuk menggambarkan aliran data yang ada antara proses dalam bentuk diagram. Secara garis besar sistem prediksi kurs mata uang yang dibangun di sini dibagi
menjadi dua bagian utama, yaitu : a.
Sistem Pelatihan : digunakan untuk pelatihan yang akan menghasilkan nilai bobot-bobot penghubung jaringan syaraf tiruan.
Kategori