PERAMALAN NILAI TUKAR MATA UANG MENGGUNAKAN ALGORITMA GRADIEN CONJUGATE DENGAN METODE FLETCHER-REEVES

WAFISTRIETMAN CORRIS

Informasi Umum

Kode

113078060

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Informasi Lainnya

Abstraksi

ABSTRAKSI: Pada tugas akhir ini, dilakukan peramalan nilai tukar mata uang dengan menggunakan algoritma gradien conjugate dengan metode fletcher-reeves (CGF = conjugate gradient fletcher-reeves). Peramalan merupakan kegiatan untuk mengestimasi suatu nilai di masa yang akan datang dengan menggunakan data masa lalu. Data masa lalu yang digunakan pada peramalan nilai tukar mata uang ini berbentuk time series dan dikumpulkan dari tahun 1998 sampai dengan tahun 2002. Data time series yang terkumpul dibagi menjadi dua: data pelatihan dan data pengujian. Data pelatihan digunakan pada proses pelatihan untuk menghasilkan suatu arsitektur jaringan yang baik dan knowledge. Data pengujian, arsitektur jaringan dan knowledge hasil proses pelatihan digunakan untuk proses pengujian sampai menghasilkan suatu hasil pengujian dengan tingkat keakuratan yang baik. Metode CGF digunakan sebagai engine utama pada sistem peramalan nilai tukar mata uang. Metode CGF adalah salah satu metode dari algoritma gradien conjugate yang melakukan pelatihan dengan dipercepat karena selain menggunakan penurunan tercepat juga menggunakan optimasi numerik. Diharapkan dengan data time series yang terkumpul dan dengan metode CGF sebagai engine utama dapat menghasilkan suatu sistem peramalan nilai tukar mata uang yang dapat meramalkan suatu nilai untuk satu hari ke depan dengan keakuratan yang baik.<br>Kata Kunci : peramalan, nilai tukar mata uang, dan conjugate gradient fletcher-reeves.ABSTRACT: On this final project, made forecasting currency exchange rates by using conjugate gradient Fletcher-Reeves method. Forecasting is an activity for estimate a value in the future by using past data. Past data used in forecasting currency exchange rates this form of time series and were collected from 1998 until 2002. Time series data collected was divided into two: training data and test data. Training data used in the process of training to produce a network of good architecture and knowledge. Test data, network architecture and knowledge results of the training process is used to test the process to produce a test results with a good level of accuracy. CGF method is used as the main engine in the system of forecasting currency exchange rates. CGF method is one method of conjugate gradient algorithm to perform faster training because of use the steepest descent direction and also use numerical optimization. It is expected that with time series data collected and with CGF method as the main engine can produce a system of forecasting currency exchange rates that can predict a value for one day in the future with a good accuracy.<br>Keyword: forecasting, exchange rate currency, and conjugate gradient fletcher-reeves.