33
Kemudian dari data tersebut, dipilih data penutupan close yang akan digunakan sebagai masukan pada program backpropagation dan untuk
memperoleh hasil peramalan. Untuk lebih jelas lagi, pergerakan data penutupan dapat dilihat pada Gambar 4.1.
Gambar 4.1. Perubahan Indeks Harian Indeks Bisnis-27
Dari Gambar 4.1 dapat dilihat adanya suatu pola siklus yang diawali dengan tren naik yang puncaknya pada Bulan April 2010. Tren naik ini disusul
dengan tren turun sampai tanggal 27 Mei 2010. Kemudian terdapat lagi tren naik puncaknya tanggal 27 September 2010. Dengan melihat data-data saham tersebut
dapat diprediksi pergerakan harga saham di masa yang akan datang. Dari data penutupan tersebut selanjutnya dibuat menjadi dua variabel
masukan dan satu sebagai target. Variabel masukan pertama berupa data hari kemarin, dan variabel masukan kedua berupa data hari sekarang. Sedangkan data
target ialah data hari esok. Data-data tersebut adalah:
34
Tabel 4.2. Data Peramalan
Setelah data tersebut dipilih dan siap digunakan untuk dilakukan peramalan, tahap selanjutnya yaitu melakukan penskalaan.
4.2 Penskalaan atau Normalisasi
Data yang dimasukkan pada program, dilakukan penskalaan. Penskalaan dilakukan karena skala sangat dibutuhkan pada jaringan syaraf tiruan yang
menggunakan fungsi aktifasi sigmoid. Data masukan dan target dilakukan penskalaan sehingga masuk dalam range tertentu.
Pada penelitian ini proses penskalaan dilakukan dengan bantuan mean dan standar deviasi. sehingga diperoleh ringkasan statistik pada Tabel 4.3 berikut ini.
Tabel 4.3. Ringkasan Statistik data Peramalan Saham Bisnis-27
Penduga Nilai
Mean x1 212,0129
Mean x2 212,4694
Std.Dev. x1 48,7109 Std.Dev. x2 48,6534
Mean t 212,9222
Std.Dev. t 48,5688
Keterangan: x1 = masukan 1
t = target
x2 = masukan 2
No x-1
x t
1 121,910 120,096 120,841
2 120,096 120,841 121,790
3 120,841 121,790 118,963
. .
. .
. .
. .
. .
. .
468 317,699 319,721 323,174 469 319,721 323,174 322,290
35
Hasil yang didapatkan dari penskalaan diatas adalah:
Tabel 4.4. Nilai masukan yang diskalakan
No x-1
X
1 -1,8497
-1,8986 2
-1,8870 -1,8833
3 -1,8717
-1,8638 .
. .
. .
. .
. .
468 1,5229
1,5321 469
1,5246 1,6005
Tahap selanjutnya setelah penskalaan didapat yaitu melakukan inisialisasi jaringan.
4.3 Inisialisasi Jaringan
Inisialisasi jaringan merupakan langkah sebelum membuat program backpropagation di Scilab. Dalam skripsi ini, jaringan yang dibentuk terdiri dari
dua lapisan masukan, dua lapisan tersembunyi, dan satu lapisan keluaran. Lapisan masukan yang dipakai telah dijelaskan sebelumnya di pembahasan 4.1.
Lapisan tersembunyi terdiri dari 2 lapisan, lapisan pertama terdiri atas 10 neuron dengan fungsi aktivasi sigmoid bipolar, sedangkan lapisan tersembunyi
kedua terdiri atas 5 neuron dengan fungsi aktivasi sigmoid biner. Lapisan keluaran terdiri atas 1 neuron dengan fungsi aktivasi purelin.
