Prediksi Bisnis Forex Menggunakan Model Neural Network Berbasis Ada Boost Menggunakan 2047 Data

Abstract

ABSTRAKSetelah melakukan penelitian dan percobaan maka didapatkan hasil penelitian pertama yang telah dilakukan dengan menggunakan Algoritma Neural Network Backpropagatioan dengan menggunakan data sebanyak 268 menunjungkan tingkat akurasi error prediksi pada waktu prediksi per 5 menit sebesar 0.758619403, bila menggunakan data sebanyak 2047 menunjukkan tingkat akurasi error prediksi sebesar 0.500161212 dan hasil penelitian kedua yang telah dilakukan menggunakan Algoritma Optimasi Adaboost pada proses trainning dan ditambah Neural Network Backpropagation pada proses learning menunjukkan tingkat akurasi error prediksi pada waktu prediksi per 5 menit menggunakan data sebanyak 268 sebesar 0.397014925, bila menggunakan data sebanyak 2047 menunjukkan tingkat akurasi error prediksi sebesar 0.099951148. Tahap awal dalam melakukan penelitian ini sampai dengan pengujian menggunakan perhitungan prediksi nilai akurasi error menggunakan rumus MSE (Mean Sequare Error) dengan menggunakan algoritma optimasi adaboost untuk memberikan jawaban atas permasalahan bahwa nilai akurasi error Algoritma Neural Network Backpropagation perlu direndahkan agar akurasi prediksi meningkat dan tahap kedua dilakukan uji coba menggunakan data yang lebih banyak dibandingan dengan tahap ke satu. Berdasarkan hasil penelitian yang telah dilakukan, dapat disimpulkan bahwa Algoritma Neural Network memiliki akurasi yang lebih rendah bila dibandingkan dengan akurasi menggunakan metode optimasi adaboost pada proses trainning ditambah dengan Neural Network, ini dapat dilihat dengan rendahnya tingkat error MSE menggunakan metode adaboost + neural network dan dapat disimpukan pula bahwa dengan menggunakan jumlah data yang lebih banyak maka dapat menurunkan tingkat akurasi error MSE sehingga berhasil meningkatkan akurasi prediksi dalam bisnis forex trading. ABSTRACTAfter conducting research and experiments then showed the first research that has been done using Algorithm Neural Network Backpropagatioan using data from as many as 268 menunjungkan accuracy rate error prediction when the prediction per 5 minutes by 0.758619403, when using the data as much as 2047 showed levels of accuracy error prediction for 0.500161212 and the results of a second study was done using Algorithm Optimization Adaboost in the process of trainning and coupled Neural Network Backpropagation in the learning process indicates the level of accuracy error prediction when the prediction per 5 minutes uses as much data as 268 by 0.397014925, when using the data as much as 2047 showed levels of accuracy error prediction by 0.099951148.Early stage in conducting this study to test using the calculation value prediction accuracy error using the formula MSE (Mean Sequare Error) using optimization algorithms adaboost to provide answers to the problems that the accuracy error Algorithm Neural Network Backpropagation need to be humbled in order of prediction accuracy increases and the second stage conducted trials using more data compared with phase one. Based on the research that has been done, i...

Prediksi Diskon Harga Fashion Pria Pada Ecommerce Menggunakan Jaringan Syaraf Tiruan Backpropagation

“…Dalam model McCulloch-Pitts, fungsi aktivasi adalah fungsi tangga sehingga: f (net ) = 1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 > 0 dan 0 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 < 0, dimana 0 = threshold. [7] Backpropagation adalah algoritma untuk melatih jaringan saraf secara efektif melalui metode yang disebut aturan rantai. [8] Backpropagation merupakan salah satu algoritma JST ekstensif dan terkenal yang sering dipakai untuk memprediksi, memperkirakan waktu dan menentukan hasil untuk fungsi non linier.…”