19 Salah satu jaringan pada JST yang dapat diaplikasikan dengan baik dalam
bidang prediksi forecasting adalah backpropagation. Prediksi yang sering kita
dengar adalah prediksi jumlah penjualan, nilai tukar, valuta asing, prediksi besarnya aliran air sungai, dll[4].
Secara umum, masalah prediksi dapat dinyatakan sebagai berikut: Diketahui sejumlah data runtun waktu time series x
1,
x
2,
…, x
n
. Masalahnya adalah memperkirakan berapa harga x
n+1
berdasarkan x
1,
x
2,
…, x
n.
Dengan backpropagation, record data dipakai sebagai data pelatihan untuk mencari bobot yang optimal. Untuk itu kita perlu menetapkan besarnya periode
dimana data berfluktuasi secara teratur. Besarnya periode ini kita tentukan secara intuitif. Misalnya: perminggu, perbulan, perempat bulan atau pertahun.
Bagian tersulit dari memprediksi sesuatu menggunakan jaringan saraf tiruan backpopagation adalah menentukan jumlah layer dan unitnya. Tidak ada teori yang
dengan pasti yang dapat dipakai. Tapi secara praktis dicoba jaringan yang kecil terlebih dahulu misalnya terdiri dari satu layer tersembunyi dengan beberapa unit
saja. Jika gagal kesalahan tidak turun dalam epoch yang besar, maka jaringan diperbesar dengan menambahkan unit tersembunyi atau bahkan menambah layer
tersembunyi.
2.3 Prediksi Harga Minyak Mentah Dunia
Energi adalah mesin pertumbuhan ekonomi yang utama dan minyak bumi adalah primadonanya karena kemudahan dan fleksibilitas penggunaannya paling tinggi
dibandingkan energi lainnya. Minyak bumi telah berperan besar dalam memajukan negara-negara industri yang mengkonsumsinya dalam jumlah besar dan harga murah
sedangkan dewasa ini negara-negara ekonomi baru yang sedang tumbuh juga sangat memerlukan namun pada situasi pasokan yang sudah sedikit dan pada harga yang jauh
lebih tinggi[12].
Universitas Sumatera Utara
20 Kecukupan pasokan dan harga minyak yang stabil sangat diperlukan dalam
mendorong pertumbuhan ekonomi maupun kegiatan usaha. Karena itu harga yang dapat diprediksi dengan baik akan sangat bermanfaat bagi banyak pihak, baik
pemerintah, badan usaha maupun investor agar semua kegiatan dapat direalisasikan sesuai rencana[14].
Sebaliknya, harga minyak yang naik-turun saat ini, sering membuat cemas para pelaku ekonomi bahkan dapat mengancam stabilitas pertumbuhan perekonomian
jika tidak di-manage dengan baik. Pada kenyataannya pergerakan harga minyak dalam runut waktu tertentu dapat digolongkan data time series yang umumnya dapat
dipahami dengan melihat pola kejadian di masa lalu dan saat ini.
Pada pengamatan data time series harga minyak, terdapat beberapa reverensi yang dapat diambil, yaitu harga dari pasar minyak mentah dunia. Dari beberapa pasar
minyak mentah yang terbesar antara lain: WTI West Texas Intermediate, NYMEX New York Mercantile Exchange, Brent North Sea, Tapis, Minas[10].
2.4 Tinjauan Penelitian yang Relevan
Berikut ini penelitian tentang jaringan saraf tiruan backpropagation, khususnya penggunaan dalam hal prediksi:
1. Penelitian oleh Dini Otaviani ini membahas tentang penggunaan jaringan saraf tiruan backpropagation untuk memprediksi kurs mata valuta asing. Hasil dari
penelitian ini, jaringan saraf tiruan backpropagation dapat memprediksi nilai kurs valuta asing dengan faktor penentu keberhasilan pelatihan antara lain:
jumlah layer, jumlah neuron dan parameter pelatihan. Pelatihan perbulan menghasilkan pencapaian yang baik, namun pada pelatihan periode lain seperti
harian atau mingguan kurang baik karena data pelatihan yang kurang banyak [14].
Universitas Sumatera Utara
21 2. Penelitian oleh Edy Suprianto ini mengimplementasikan algoritma
Backpropagation untuk memprediksi harga saham. Dalam penelitian ini dilakukan beberapa prediksi dalam bentuk harian, dengan empat variabel input
yaitu nilai tertinggi, terendah, penutupan dan volume. Dari hasil penelitian algoritma backpropagation bisa digunakan karena sifatnya yang adaptif karena
jaringan berusaha mencapai kestabilan kembali untuk mencapai output yang diharapkan [8].
Universitas Sumatera Utara
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Permasalahan
