Pelatihan Bobot Jaringan Syaraf Tiruan Menggunakan Particle Swarm Optimization untuk Peramalan Tingkat Inflasi

Abstract

Masalah peramalan adalah masalah yang sering ditemukan dalam proses pengambilan keputusan. Tool yang cukup populer untuk menangani masalah peramalan adalah Jaringan Syaraf Tiruan. Jaringan Syaraf Tiruan banyak digunakan karena kemampuannya untuk meramalkan data nonlinear time series. Algoritma pembelajaran yang sering digunakan untuk memperbaiki bobot pada Jaringan Syaraf Tiruan adalah Backpropagation. Namun proses pembelajaran Backpropagation terkadang menemui kendala seperti over fiting sehingga tidak dapat menggeneralisasi masalah. Untuk mengatasi masalah tersebut diusulkan penggunaan Particle Swarm Optimization untuk melatih bobot pada jaringan. Performa dari masing-masing model akan diukur dengan Mean Square Error, Mean Absolute Percentage Error, Normalized Mean Square Error, Prediction Of Change In Direction, Average Relative Variance. Untuk keperluan analisis model digunakan data time series inflasi di indonesia. Metode yang diusulkan menunjukan sistem jaringan hybrid mampu menangani masalah peramalan data time series dengan performa mendekati Jaringan Syaraf Tiruan Backpropagation.
Kata kunci— Peramalan, jaringan syaraf tiruan, particle swarm optimization, inflasi, prediction of change in direction, average relative variance