Rumusan Masalah Batasan Masalah Tujuan Penelitian
Prediksi berdasarkan data time series merupakan salah satu teknik prediksi kuantitatif yang menghimpun pengamatan yang dibangun secara berurutan dalam
waktu tertentu, dapat berupa data harian, mingguan, bulanan dan tahunan Halim, 2006. Prediksi data time series telah banyak dikembangkan belakangan ini seperti
metode backpropagation, metode hybrid, jaringan syaraf tiruan, metode fuzzy dan algortima genetic. Penelitian mengenai prediksi yang sebelumnya pernah dilakukan
adalah dengan menggunakan metode Autogressive Integrated Moving Average ARIMA oleh Suprapto pada tahun 2005. Setiawan 2008 menggunakan Multilayer
Feedforward Network dan Anwary 2011 menggunakan Fuzzy Time Series. Selain itu
padaa tahun 2012 Yuliandar menggunakan Feedforward Neural Network dengan Algoritma Genetika.
Dalam tugas akhir ini, sistem prediksi dikembangkan dengan menggunakan metode jaringan syaraf tiruan backpropagation yang merupakan salah satu metode
softcomputing dan termasuk dalam sistem pembelajaran terawasi, biasanya digunakan
oleh perceptron dengan banyak lapisan untuk mengubah bobot yang terhubung dengan neuron yang ada pada lapisan tersembunyi. Pada penelitian ini algoritma
backpropagation menggunakan error keluaran untuk mengubah nilai bobot dalam
satu arah mundur backward. Untuk mendapatkan error ini tahap perambatan maju forward
harus dikerjakan terlebih dahulu. Saat perambatan maju, neuron diaktifkan dengan menggunakan fungsi aktivasi sigmoid biner. Pada setiap lapisan data akan
dilatih dan diuji, hasil pelatihan merupakan output peramalan. Metode backpropagation
sendiri telah digunakan dalam beberapa penelitian seperti perbandingan backpropagasi dengan metode ARIMA Mahater, 2010 dan pengenalan
sidik jari Fanindia, 2013 dan penentuan kelulusan siding skripsi Zeson, 2013.