FermiaWindari (2008) Perbandingan metode Quasi Newton dengan metode Gradien Descent untuk meng-update bobot pada jaringan saraf tiruan (JST) : studi kasus pada data Saham Harian Bank Danamon, Tbk. Sarjana thesis, Universitas Brawijaya.
Abstract
Jaringan Saraf Tiruan (JST) adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan saraf manusia, yang dapat dilatih untuk mengenali suatu obyek yang memiliki pola tertentu. Untuk memperoleh JST yang mampu menyelesaikan permasalahan diperlukan beberapa tahapan diantaranya membangun jaringan (design), melatih jaringan (training) dan terakhir menguji kemampuan jaringan (testing). Pada tahap melatih JST digunakan model Backpropagation. Model ini menggunakan metode Gradient Descent dalam proses perubahan bobotnya. Namun metode ini memiliki kelemahan yakni proses pelatihannya membutuhkan waktu yang cukup lama untuk mencapai kekonvergenan dari nilai bobot baru yang meminimumkan kesalahan. Untuk itu, dalam skripsi ini digunakan metode lain yaitu metode Quasi Newton sebagai pembandingnya. Adapun tujuan dari skripsi ini yaitu mengetahui perbandingan dari kedua metode dan membandingkan hasil prediksi harga penutupan dari data saham harian Bank Danamon, Tbk. Sebagai kesimpulan, model Backpropagation dengan metodeQuasi Newton lebih baik dibandingkan metode Gradient Descent karena metode ini mampu mencapai kekonvergenan dalam jumlah iterasi dan waktu yang relatif singkat.
English Abstract
Artificial Neural Network (ANN) is an information processing system similar to human neural system which is capable to be trained to characterize an object with certain pattern. To get neural network which capable of problem, solving several steps are needed, such as designing the network’s architecture, training the network and simulating the network. In the training step, Backpropagation model is used in neural network. This model uses Gradient Descent method on its weight update process. However, this method has disadvantage that is relatively slow training process in achieving the convergence of new weight value which minimize the error. Finally, in this final project is used other method that is Quasi Newton method. The purpose of this final project is to compare both of the methods and the result of prediction from stock exchange of Danamon Bank, Tbk. As a result, the Backpropagation model with Quasi Newton method is better than Gradient Descent method because Quasi Newton method capable of achieving the convergence in sum of iteration and a few time .
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2008/84/050800729 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 19 Mar 2008 09:25 |
| Last Modified: | 22 Oct 2021 06:01 |
| URI: | http://repository.ub.ac.id/id/eprint/152034 |
Preview |
Text
050800729.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |