Analisis Metode RBF-NN Dengan Optimasi Algoritma Genetika Pada Peramalan Mata Uang Eur/Usd
Abstract
Penelitian ini membahas tentang peramalan EUR/USD menggunakan metode RBF-NN (Radial Basis Function – Neural Network) tanpa optimasi dan RBF-NN yang dioptimasi dengan 3 model AG/AGA (Algoritma Genetika dan Algoritma Genetika Adaptif). Sistem RBF-NN dapat diterapkan pada data dengan karakteristik nonlinear dan fluktuatif seperti data EUR/USD. Permasalahan akurasi muncul jika terjadi solusi lokal dalam sistem RBF-NN dan metode AG/AGA dapat digunakan untuk mengatasi solusi lokal tersebut. Keakuratan dari peramalan ditunjukkan lewat nilai MAPE (Mean Absolut Percentage Error).
Pada data daily low, metode terbaik adalah Algoritma Genetika II dengan MAPE sebesar 0,2286, sementara pada data daily high metode terbaik adalah Algoritma Genetika Adaptif II dengan MAPE sebesar 0,2190. Metode AG II dan AGA II didukung teknik pencarian di dekat bobot RBF-NN yang terbukti efektif pada kasus mata uang EUR/USD. Perbaikan akurasi yang diberikan AG II dan AGA II terhadap metode RBF-NN dapat diterapkan pada peramalan mata uang lainnya.
Downloads
References
[2] Bank for International Settlements, 2014. Triennial Central Bank Survey. Monetary and Economic Department.
[3] Georgios Sermpinis, Konstantinos Theofilatos, Andreas Karathanasopoulos, Efstratios F. Georgopoulos, Christian Dunis, 2012. Forecasting Foreign Exchange Rates with Adaptive Neural Networks Using Radial-Basis Functions and Particle Swarm Optimization. European Journal Operation Research 225, 528–540. doi:http://dx.doi.org/10.1016/j.ejor.2012.10.020
[4] Zuliana, S.U., 2012. Penerapan Global Ridge-Regression Pada Peramalan Data Time Series Non Linear Studi Kasus : Pemodelan Nilai Tukar US Dollar Terhadap Rupiah. Kaunia VIII
[5] Warda, S. M., Irhamni F., 2012. Analisa Data Antaran Pos Express Menggunakan Metode Radial Basis Function Neural Network (RBF-NN) Study PT. POS Indonesia (Persero) Surabaya. Universitas Trunojoyo.
[6] Maillard, E.P., Gueriot, D., 1997. RBF neural network, basis functions and genetic algorithm, in: International Conference on Neural Networks,1997. Presented at the International Conference on Neural Networks,1997, pp. 2187–2192 vol.4. doi:10.1109/ICNN.1997.614247
[7] Wiharto, Y.S. Palgunadi, Muh Aziz Nugroho, 2013. Analisis Penggunaan Algoritma Genetika Untuk Perbaikan Jaringan Syaraf Tiruan Radial Basis Function. Seminar Nasional Teknologi Informasi Dan Komunikasi 2013. SENTIKA 2013.
[8] Heriyanto, D. N., Rachman, F.H., Satoto, B.D., 2013. Penerapan Metode Radial Basis Function Network dengan K-Means Cluster untuk Peramalan Kebutuhan Straw. Jurnal Sarjana Teknik Informatika. Universitas Trunojoyo Madura 1, 1–10.
[9] Andreasson, N., Evgrafov, A., Patriksson, M., 2006. Introduction to Continuous Optimization: Foundations and Fundamental Algorithms, 1st edition. Studentlitteratur AB.
[10] Dharma, A., Robandi, I., Purnomo, M.H., 2011. Application of Interval Type-2 Fu
Keywords
This work is licensed under a Creative Commons Attribution 4.0 International License
