25
3.3 Metode Pengolahan Data
Metode pengolahan data yang dilakukan dalam penelitian ini yaitu
menggunakan metode Jaringan Syaraf Tiruan dengan menggunakan scilab.
Pemilihan metode ini karena data yang digunakan merupakan suatu data runtun waktu harian yang terjadi secara bersamaan mengikuti pergerakan data deret
waktu yang lainnya. Sedangkan pada JST tersebut digunakan pelatihan jaringan syaraf backpropagation momentum dengan adaptive learning.
Adapun langkah-langkah pengolahan data dalam jaringan syaraf tiruan backpropagation adalah sebagai berikut:
1. Definisikan pola masukan dan targetnya Dalam penelitian ini, pola masukkan bisa kita definisikan sebagai data x hari
dan targetnya adalah data hari berikutnya. Maka beberapa contoh pola masukannya diilustrasikan pada tabel 3.1.
Tabel 3.1. Indeks harga saham Bisnis-27 Januari2009
x-1 x
Target 121.910 120.096 120.841
120.096 120.841 121.790 120.841 121.790 118.963
.... ....
....
Adapun penjelasan pada tabel 3.1 yaitu pada baris pertama, x-1 dan x adalah data tanggal 27 dan 28 Januari 2009 sedangkan targetnya adalah data tanggal
29 januari 2009. Pada baris ke dua, x-1 dan x adalah data tanggal 28 dan 29
26
Januari 2009 sedangkan targetnya adalah data tanggal 30 Januari 2009. Demikian seterusnya [5].
2. Inisialisasi bobot awal dengan bilangan acak Pemilihan bobot awal sangat mempengaruhi jaringan syaraf dalam mencapai
minimum global atau mungkin hanya lokal saja terhadap nilai error, serta cepat tidaknya proses pelatihan menuju kekonvergenan. Apabila nilai bobot
awal terlalu besar, maka masukan ke setiap lapisan tersembunyi atau lapisan keluaran akan jatuh pada daerah dimana turunan fungsi sigmoidnya akan
sangat kecil. Biasanya bobot awal di inisialisasi secara random dengan nilai antara -0.5 sampai 0.5 atau -1 sampai 1, atau interval yang lainnya [6].
3. Tentukan iterasi dan error yang diinginkan 4. Untuk tiap-tiap pasangan elemen yang akan dilakukan pembelajaran,
kerjakan: a. Fase pertama : propagasi maju
Selama propagasi maju, sinyal masukan =x
i
dipropagasikan ke layar tersembunyi menggunakan fungsi aktivasi yang ditentukan. Keluaran dari
setiap unit lapisan tersembunyi =z
j
tersebut selanjutnya dipropagasikan maju lagi ke layar tersembunyi diatasnya menggunakan fungsi aktivasi
yang ditentukan. Demikian seterusnya hingga menghasilkan keluaran jaringan =y
k
. Berikutnya, keluaran jaringan =y
k
dibandingkan dengan target yang harus dicapai =t
k
. Selisih t
k
- y
k
adalah kesalahan yang terjadi. Jika kesalahan ini lebih kecil dari batas toleransi yang ditentukan, maka
iterasi dihentikan. Akan tetapi apabila kesalahan masih lebih besar dari
Kategori