Gambar 3.9. DFD Level 0 Sistem JST Peramalan Kurs Mata Uang.
Sistem Pelatihan Quickpropagation dijabarkan lebih lanjut dengan DFD level 1 yang ditunjukkan pada gambar 3.10. Training data set terdiri nilai mata
uang . Training data set akan mengalami preprocessing berupa normalisasi nilai mata uang itu sendiri yang akan dijadikan sebagai input untuk proses training
yang menggunakan jaringan syaraf tiruan quickpropagation. Setelah proses training selesai, akan dihasilkan nilai bobot jaringan syaraf tiruan yang disimpan
ke dalam file. File ini nantinya akan digunakan di dalam proses sistem prediksi kurs mata uang.
Gambar 3.10. DFD Level 1Sistem Pelatihan Quickpropagation.
Sedangkan penjabaran lebih lanjut dari Sistem Prediksi Kurs Mata Uang yang berupa DFD level 1 ditunjukkan pada gambar 3.11.
Gambar 3.11. DFD Level 1 Sistem Prediksi Kurs Mata Uang.
User memasukkan data nilai mata uang yang akan diprediksi. Nilai mata uang masukkan ini akan melalui proses preprocessing. Setelah didapatkan nilai
inputan, maka inputan ini akan digunakan pada proses JST, proses ini sampai pada tahap maju feedforward. Pada proses JST nilai bobot diambil dari file yang
berisi nilai bobot hasil dari pelatihan sebelumnya.
3.6. Entity Relationship Diagram ERD
Entity Relationship Diagram atau ERD merupakan suatu model untuk
menjelaskan hubungan antar data dalam basis data berdasarkan objek-objek dasar data yang mempunyai hubungan antar relasi. ERD juga untuk untuk memodelkan
struktur data dan hubungan antar data, untuk menggambarkannya digunakan beberapa notasi dan simbol.
memproses
mengambil mengakses
memakai t_mata_uang
nama kode
lambang pi
VA20 VA10
VA10 M
kode pi t_transaksi
id_transaksi tanggal
no_valas kurs_jual
kurs_beli pi I
D I
F F
M
id_transaksi pi
t_jst id_jst
tgl_jst valas_jst
kurs_jual_jst kurs_beli_jst
pi I D
VA20 F
F M
id_jst pi t_prediksi
id_prediksi tgl_prediksi
valas_prediksi kurs_jual_prediksi
kurs_beli_prediksi pi I
D VA20
F F
M
id_prediksi pi user
id_user nama_user
username password
otoritas pi I
VA20 VA20
VA10 VA20
M
id_user pi
a. Conceptual Data Model CDM
Gambar 3.12. CDM Sistem Peramalan Kurs Mata Uang.
FK_T_TRANSA_MEMPROSES_T_MATA_U
FK_T_REPORT_MENGAMBIL_T_JST FK_T_REPORT_MENGAMBIL_T_PREDIK
FK_T_TRANSA_MENGAKSES_USER
FK_T_PREDIK_MEMAKAI_USER t_mata_uang
na ko
ma de
lambang varchar20
varchar10 varchar10
pk t_transaksi
id_transaksi kode
id_user tanggal
no_valas kurs_jual
kurs_beli int
varchar10 int
datetime int
float float
pk fk1
fk2
t_jst id_jst
tgl_jst valas_j
kurs_j kurs_b
st ual_jst
eli_jst int
datetime varchar20
float float
pk t_prediksi
id_prediksi id_user
tgl_prediksi valas_prediksi
kurs_jual_prediksi kurs_beli_prediksi
int int
datetime varchar20
float float
pk fk
user id_user
nama_user username
password otoritas
int varchar20
varchar20 varchar10
varchar20 pk
t_report id_jst
id_prediksi valas_report
tgl_report kurs_jual_report
kurs_beli_report int
int varchar20
datetime float
float pk,fk1
pk,fk2
b. PhysicaL Data Model PDM
Gambar 3.13. PDM Sistem Peramalan Kurs Mata Uang.
3.7. Jaringan Syaraf Tiruan
JST atau umumnya hanya disebut neural network NN, adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan
syaraf manusia. JST merupakan sistem adaptif yang dapat merubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal
yang mengalir melalui jaringan tersebut. Secara sederhana, JST adalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk memodelkan
hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data.
