Fitriyani, Irma Ramadanti (2018) Prediksi Indeks Harga Konsumen (IHK) Kelompok Perumahan, Air, Listrik, Gas, dan Bahan Bakar Menggunakan Metode Extreme Learning Machine. Sarjana thesis, Universitas Brawijaya.
Abstract
Indeks Harga Konsumen (IHK) merupakan salah satu indikator untuk mengukur tingkat inflasi di Indonesia. Pada tahun 2017 Inflasi yang terjadi di Indonesia menurut kelompok pengeluaran secara umum adalah sebesar 3,61%. Kelompok perumahan, air, listrik, gas, dan bahan bakar menjadi penyumbang inflasi terbesar sebanyak 5,14%. Maka dari itu prediksi perlu dilakukan untuk mengantisipasi serta mengurangi laju inflasi domestik. Prediksi yang dilakukan pada penelitian ini menggunakan metode Extreme Learning Machine (ELM) dengan inisialisasi bobot menggunakan Nguyen-Widrow. Tahapan metode ELM yang dilakukan yaitu proses normalisasi data, proses pelatihan untuk mendapatkan nilai bobot keluaran (output weight) yang nantinya akan digunakan pada proses pengujian untuk mendapatkan nilai keluaran output layer yang setelah di denormalisasi akan menjadi hasil prediksi dalam bentuk aktual. Selanjutnya adalah melakukan evaluasi hasil prediksi menggunakan Root Mean Squared Error (RMSE). Data yang digunakan dalam penelitian ini adalah 84 data Indeks Harga Konsumen kelompok perumahan perumahan, air, listrik, gas, dan bahan bakar dalam bentuk time-series periode Januari 2011 s.d. Desember 2017, diperoleh dari website resmi Bank Indonesia (www.bi.go.id). Hasil pengujian yang dilakukan pada penelitian ini adalah didapatkan nilai RMSE minimum sebesar 0,65 dengan jumlah fitur = 7, jumlah data latih 30 dan data uji 11, jumlah hidden neuron = 7, dan fungsi aktivasi yang cocok adalah fungsi sigmoid biner.
English Abstract
The Consumer Price Index (CPI) is one of the indicators to measure the inflation rate in Indonesia. In 2017 Inflation occurring in Indonesia by expenditure group in general is 3.61%. The housing, water, electricity, gas, and fuel group accounted for the largest inflation of 5.14%. Therefore, the prediction needs to be done to anticipate and reduce domestic inflation rate. Prediction done in this research using method of Extreme Learning Machine (ELM) with initialization of weight using Nguyen-Widrow. Stages of ELM method performed is the process of data normalization, the training process to get the output weight value which will be used in the testing process to get the output value from the output layer, which after the denormalization will be the result prediction in the actual value. Next is to evaluate the prediction result using Root Mean Squared Error (RMSE). The data that used in this research are 84 time series data of Consumer Price Index of housing, water, electricity, gas and fuel in January 2011 until December 2017, the data obtained from the official website of Bank Indonesia (www.bi.go.id). The result of the testing in this research is the minimum RMSE is 0,65 with the number of features = 7, the amount of training data = 30 and testing data = 11, the number of hidden neurons = 7, and the suitable activation function is the binary sigmoid function.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/464/051808069 |
| Uncontrolled Keywords: | prediksi, indeks harga konsumen, Extreme Learning Machine (ELM), Nguyen Widrow, Root Mean Squared Error (RMSE). prediction, consumer price index, Extreme Learning Machine (ELM), Nguyen Widrow, Root Mean Squared Error (RMSE). |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 01 Feb 2019 01:40 |
| Last Modified: | 21 Oct 2021 01:39 |
| URI: | http://repository.ub.ac.id/id/eprint/161575 |
Preview |
Text
Irma Ramadanti Fitriyani.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |