PENENTUAN BOBOT MODEL NEURAL NETWORK UNTUK DATA TIME SERIES MENGGUNAKAN ALGORITMA GENETIKA

Abstract

Pada beberapa tahun terakhir studi literatur yang berkaitan dengan pemodelan Neural Network telah berkembang dengan pesat. Namun penentuan bobot untuk mencapai solusi optimum pada model Neural Network dengan metode optimasi standar menyisakan beragam permasalahan diantaranya adalah ketidakstabilan hasil estimasi yang berkaitan dengan inisialisasi bobot secara random. Pada penelitian ini dibahas pendekatan yang berbeda dalam mengestimasi bobot model Neural Network yaitu dengan menggunakan algoritma genetika. Algoritma ini secara praktis sangat efektif dalam optimasi fungsi dan efisien dalam pencarian pada ruang yang kompleks untuk mendapatkan nilai optimum global. Metode ini diterapkan untuk aplikasi pada peramalan data time series finansial. Hasil penelitian menunjukkan bahwa optimasi dengan algoritma genetika dan metode hybrid menghasilkan variansi error yang lebih kecil dari metode Levenberq-Marquardt. Kata Kunci : Neural Network, algoritma genetika, Levenberg-Marquardt, time series