PENERAPAN METODE ARTIFICIAL NEURAL NETWORK UNTUK MEMPREDIKSI INFLASI DI INDONESIA

ELSA SAVENIA KILI KILI, 1817031096 (2022) PENERAPAN METODE ARTIFICIAL NEURAL NETWORK UNTUK MEMPREDIKSI INFLASI DI INDONESIA. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK-ABSTRACT.pdf Download (30Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (1497Kb)
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1220Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Perekonomian suatu negara dapat dilihat dari berbagai indikator makro ekonomi, salah satunya adalah inflasi. Laju inflasi suatu negara yang cenderung rendah dan stabil, dianggap perekonomiannya dalam kondisi yang baik. Dengan begitu, penting untuk menjaga nilai inflasi tetap stabil serta terkendali. Dalam penelitian ini akan dilakukan prediksi tingkat inflasi di Indonesia menggunakan metode Artificial Neural Network (ANN) dengan menggunakan Pola data inflasi Indonesia menampilkan data yang tidak stasioner akibat fluktuasi musiman. Setelah differencing pertama, data stasioner dan akan memanfaatkan satu data lag (lag k=1). Prediksi tingkat inflasi di Indonesia akan dilakukan dengan menggunakan metode Artificial Neural Network (ANN) dengan algoritma backpropagation menggunakan data lag k=1 untuk menentukan struktur jaringan terbaik yang memiliki nilai error minimum. Pengujian Hyperparameter Tuning menghasilkan nilai loss terkecil, yaitu 0.027254 dan didapatkan jumlah dropout, epoch dan batch size terbaik, yaitu dropout sebesar 0.2, epoch sebesar 50, dan batch size sebesar 16. Evaluasi model yang digunakan adalah Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE), dan Akurasi. Nilai RMSE, MAPE, dan Akurasi secara berturut-turut, yaitu 0,0424 , 0,1611% , dan 99,8388%. Hasil prediksi yang telah diperoleh akan digunakan untuk menentukan peramalan selama sembilan bulan ke depan. Kata kunci: Inflasi, Artificial Neural Network, Backpropagation, Data Mining, Prediksi.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	2208182884 . Digilib
Date Deposited:	22 Aug 2022 01:53
Terakhir diubah:	22 Aug 2022 01:53
URI:	http://digilib.unila.ac.id/id/eprint/65285

Actions (login required)

Lihat Karya Akhir