Latar Belakang Prediksi Trend Foreign Exchange Euro Terhadap Dollar Amerika Menggunakan Jaringan Syaraf Tiruan Backpropagation

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Investasi merupakan suatu rangkaian tindakan menanamkan sejumlah dana dengan tujuan mendapatkan nilai tambah berupa keuntungan dimasa yang akan datang. Dalam perkembangannya investasi memiliki berbagai macam jenis, salah satu investasi yang paling banyak diminati saat ini adalah foreign exchange atau disingkat dengan forex. Forex adalah pasar valuta asing yang merupakan kegiatan pembelian secara simultan satu mata uang dan menjual mata uang lainnya Elshabrina, 2012. Biasanya mata uang yang di perdagangkan berpasang-pasangan melalui trader. Kegiatan jual beli di pasar valas disebut juga dengan online trading. Online trading adalah suatu sistem jual beli valas berbasis komputer yang menggunakan pengetahuan fakta, analisis dan teknik penalaran informasi dan eksekusi yang cepat dari reaksi reflex elektronik Maulana, 2012. Untuk melakukan trading seorang trader harus mempunyai pengetahuan yang cukup, analisis yang baik, dan keputusan yang tepat serta keberanian berspekulasi agar dapat memperoleh hasil yang optimum karena pergerakan nilai valuta asing selalu berubah-ubah setiap saat. Peramalan merupakan suatu proses untuk memprediksi kejadian ataupun perubahan dimasa yang akan datang. Pemodelan time series seringkali dikaitkan dengan proses peramalan suatu nilai dengan karakteristik tertentu pada periode kedepan, melakukan pengendalian suatu proses ataupun untuk mengenali pola perilaku sistem. Dengan mendeteksi pola dan kecenderungan data time series, kemudian memformulasikannya dalam suatu model, maka dapat digunakan untuk memprediksi data yang akan datang. Model dengan akurasi yang tinggi akan menyebabkan nilai prediksi cukup valid untuk digunakan sebagai pendukung dalam proses pengambilan keputusan. Universitas Sumatera Utara 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.

1.2 Rumusan Masalah