Implementasi JST pada Prediksi Total Laba Rugi Komprehensif Bank Umum dan Konvensional dengan Backpropagation

Abstract

<p class="Abstrak">Total laba rugi komprehensif merupakan hasil yang digunakan untuk mengukur keberhasilan kinerja perusahaan selama periode tertentu yang tidak dipengaruhi oleh operasi normal perusahaan. Informasi total lapa rugi komprehensif sangat penting bagi beberapa pengguna laporan keuangan seperti investor, kreditor dan manajemen dalam memprediksi dimana posisi angka total laba rugi komprehensif untuk menentukan arah investasi masyarakat ke depan, begitu juga bagi pihak bank berguna untuk menentukan kebijakan strategi pemasaran dalam meninggkatkan total laba komprehensif tersebut. Penelitian ini bertujuan untuk membuat prediksi dengan menggunakan <em>Artificial Intelligence</em> dengan algortima <em>backpropagation.</em> Data yang digunakan bersumber dari Otoritas Jasa Keuangan (OJK) pada PT. Bank Mandiri (Persero) Tbk (Januari-Oktober 2016). Untuk melakukan prediksi dengan algortima <em>backpropagation. </em>Proses dilakukan dengan membagi data pelatihan dan pengujian untuk memperoleh model arsitektur terbaik. model arsitektur pelatihan dan pengujian yang digunakan untuk melakukan prediksi Total laba rugi komprehensif yakni: 4-25-1; 4-50-1; 4-50-75-1 dan 4-100-1. Dari serangkaian uji coba didapat pola terbaik dari arsitektur <em>backpropagation</em> adalah 4-50-1 dengan <em>Means Square Error</em> 0,0009978666, <em>epoch </em>1977 dan akurasi 80% <em>yang </em>selanjutnya akan digunakan untuk melakukan prediksi.</p><p class="Abstrak"> </p><p class="Judul2"><strong><em>Abstract</em></strong><em> </em></p><p class="Judul2"><em>Total comprehensive income is the result used to measure the success of a company's performance over a certain period that is not affected by the company's normal operations. Total information on comprehensive loss is very important for some financial report users such as investors, creditors and management in predicting where the position of the total comprehensive income statement is to determine the direction of public investment going forward, as well as for banks to determine marketing strategy in increasing total profit comprehensive. This study aims to make predictions using Artificial Intelligence with backpropagation algorithms. The data used is sourced from the Financial Services Authority (OJK) at PT. Bank Mandiri (Persero) Tbk (January-October 2016). To predict with backpropagation algorithm. The process is carried out by dividing training and testing data to obtain the best architectural model. the training and testing architectural model used to predict the total comprehensive income: 4-25-1; 4-50-1; 4-50-75-1 and 4-100-1. From a series of trials obtained the best pattern of backpropagation architecture is 4-50-1 with Means Square Error 0,0009978666, epoch 1977 and accuracy 80% which will then be used to make predictions.</em></p><p class="Judul2"> </p>

Penerapan K-Means Dalam Mengelompokkan Nilai Tambah Industri Besar/Sedang Menurut Kabupaten/Kota

“…Tersedia banyak cabang ilmu komputer yang dapat kita gunakan untuk menyelesaikan permasalahan yang sifatnya kompleks. Cabang ilmu komputer tersebut adalah Artificial Intelligence seperti datamining [1]- [7], Sistem Pendukung Keputusan [8]- [21] , sistem pakar [22], Jaringan Saraf Tiruan [23]- [26] [27], [28], logika fuzzy [29] dan lain-lain. Salah satu ilmu computer yang dapat diterapkan dalam menyelesaikan permasalahan di atas adalah teknik datamining dengan metode klastering [30].…”

Analisis Metode Electre Pada Pemilihan Usaha Kecil Home Industry Yang Tepat Bagi Mahasiswa

“…Banyak cabang ilmu komputer yang dapat menyelesaikan permasalah yang sifatnya kompleks baik prediksi, estimasi, perangkingan, klasifikasi, asosiasi dan lain-lain. Cabang ilmu komputer tersebut adalah Artificial Intelligence seperti datamining [3], [4], [5], sistem pendukung keputusan (SPK) [6]- [13], sistem pakar [14], [15], jaringan saraf tiruan [16]- [19], logika fuzzy [20], [21], datamining [22]- [27] dan lain-lain. Berdasarkan permasalahan tersebut maka peneliti menggunakan Sistem Pendukung Keputusan dengan metode ELECTRE.…”

Penerapan Metode PROMETHEE II Pada Pemilihan Situs Travel Berdasarkan Konsumen

“…Tentunya banyak cabang ilmu komputer yang dapat menganalisa permasalah tersebut. Diantaranya adalah datamining [1]- [3][4], [5], sistem pendukung keputusan [6]- [12], logika fuzzy [13]- [16], sistem pakar [17]- [19], jaringan saraf tiruan [1], [20]- [22] dan lainlain [23]. Setiap cabang ilmu tersebut memiliki kelebihan dan kelemahan masing-masing.…”

“…Sistem Pendukung KeputusanMerupakan bagian dari sistem informasi berbasis komputer yang dipakai untuk mendukung pengambilan keputusan dari masalah semi-terstruktur yang spesifik dalam suatu organisasi atau perusahaan[16].…”