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.
b. Sistem Testing : digunakan untuk melakukan pengecekan data hasil
prediksi hari ini dari data hasil pelatihanTraining dengan data riil yang ada di website resmi Bank Indonesia.
c. Sistem Prediksi : Digunakan untuk memprediksi nilai mata uang yang
akan dihasilkan. Baik sistem pelatihan Training ataupun sistem prediksi memiliki proses
pengolahan data tersendiri. Untuk sistem pelatihan meliputi proses normalisasi data, kemudian proses training dengan Quickpropagation, setelah itu akan
dilakukan proses update bobot dan perhitungan error yang kemudian akan digunakan untuk sistem prediksi. Di sistem prediksi juga terdapat beberapa
proses. Yang pertama adalah proses feedforward, lalu proses update bobot serta perhitungan error yang baru, kemudian proses denormalisasi dari data-data hasil
prediksi untuk mendapatkan hasil prediksi mata uang tersebut. Untuk garis besar program adalah user akan meng-inputkan nilai dari kurs
jual serta kurs beli hari ini dari mata uang yang akan diprediksi. Kemudian inputan tersebut akan melewati proses normalisasi agar diperoleh nilai yang sesuai
untuk penghitungan fungsi aktivasi. Setelah itu sistem akan men-training dengan menggunakan JST dari data yang telah ada, sehingga diperoleh bobot JST baru
dari hasil Training yang kemudian disimpan menjadi suatu bentuk file baru untuk data prediksi. Kemudian sistem akan masuk ke proses utama, yaitu prediksi kurs
mata uang yang nantiny hasil prediksi akan di-denormalisasi sehingga diperoleh nilai kurs beli dan kurs jual esok hari yang valid. Hasil dari prediksi bisa berupa
hasil per hari ataupun hasil dari range tanggal tertentu sesuai dengan yang user inginkan.
