PERBANDINGAN MODEL FEED FORWARD NEURAL NETWORK DAN GENERALIZED REGRESSION NEURAL NETWORK PADA DATA NILAI TUKAR YEN TERHADAP DOLAR AS

Abstract

Beberapa tulisan yang berkaitan dengan pemodelan Neural Network (NN) pada time series lebih banyak difokuskan pada pemodelan Feed Forward Neural Network (FFNN). Dengan berbagai keunggulan yang dimilikinya model ini dalam berbagai aplikasi mampu membuat prediksi lebih baik daripada model linear ARIMA. Pada perkembangan pemodelan NN yang lain, berkembang model General Regression Neural Network (GRNN) yang desainnya diadopsi dari fungsi Gaussian multivariate yang telah diperluas. Model GRNN telah banyak dikembangkan untuk berbagai masalah statistika baik untuk output multivariate maupun univariat. Tulisan ini membahas prosedur pemodelan FFNN dan GRNN kemudian melakukan studi perbandingan keakuratan prediksi dari kedua model pada penerapan bidang financial yaitu nilai tukar mata uang Yen Jepang terhadap dolar AS. Hasil studi terhadap data ini menunjukkan bahwa untuk data ini model GRNN relatif lebih unggul daripada model FFNN.