PENERAPAN JARINGAN SARAF TIRUAN UNTUK MEMPREDIKSI
PERGERAKAN HARGA MINYAK MENTAH DUNIA
MENGGUNAKAN METODE BACKPROPAGATION
SKRIPSI
AZIZAH ENDRASTATY
081401063
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
PENERAPAN JARINGAN SARAF TIRUAN UNTUK MEMPREDIKSI
PERGERAKAN HARGA MINYAK MENTAH DUNIA
MENGGUNAKAN METODE BACKPROPAGATION
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh
ijazah Sarjana Komputer
AZIZAH ENDRASTATY
081401063
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PENERAPAN JARINGAN SARAF TIRUAN
UNTUK MEMPREDIKSI PERGERAKAN HARGA MINYAK MENTAH DUNIA MENGGUNAKAN METODE BACKPROPAGATION
Kategori : SKRIPSI
Nama : AZIZAH ENDRASTATY
Nomor Induk Mahasiswa : 081401063
Program Studi : S1 ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : FAKULTAS ILMU KOMPUTER DAN
TEKNOLOGI INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juli 2013
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Amer Sharif, S.Si, M.Kom Dr. Poltak Sihombing, M.Kom
NIP. - NIP. 196203171991031001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
PENERAPAN JARINGAN SARAF TIRUAN UNTUK MEMPREDIKSI PERGERAKAN HARGA MINYAK MENTAH DUNIA
MENGGUNAKAN METODE BACKPROPAGATION
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2013
PENGHARGAAN
Alhamdulillah. Puji dan syukur penulis ucapkan kepada Allah SWT, atas limpahan rahmat dan karunia-Nya, tiada daya upaya kecuali dari Allah SWT. Alhamdulillah, penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Tak lupa pula shalawat beriring salam tercurah kepada Rasullulah SAW, yang mengajarkan kepada manusia syari’at yang sempurna sehingga kita dapat menikmati islam.
Pada pengerjaan skripsi dengan judul penerapan jaringan saraf tiruan untuk memprediksi pergerakan harga minyak mentah dunia menggunakan metode backpropagation, penulis menyadari bahwa banyak pihak yang turut membantu dan memotivasi dalam pengerjaannya. Dalam kesempatan ini, penulis mengucapkan terimakasih kepada:
1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H. M.Sc(CTM). SP.A(K), selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Muhammad Zarlis, M.Sc, selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku dosen pembimbing dan Ketua Program Studi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah memberikan nasehat, arahan dan motivasi kepada penulis dalam pengerjaan skripsi ini.
4. Bapak Amer Sharif, S.Si, M.Kom sebagai pembimbing yang telah memberikan nasehat, arahan, motivasi dan banyak membantu penulis dalam pengerjaan skripsi ini.
5. Bapak Ade Candra, S.T, M.Kom sebagai dosen penguji yang telah memberikan kritik dan saran kepada penulis dalam penyempurnaan skripsi ini.
6. Ibu Maya Silvi Lydia, B.Sc, M.Sc sebagai dosen penguji dan Sekretaris Program Studi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah memberikan kritik dan saran kepada penulis dalam penyempurnaan skripsi ini
7. Kepada seluruh Dosen dan semua Pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. 8. Papa, Ir Bambang Sudibya, M.T dan Mama, Dra Mardiana Irawaty, M.Sc.St serta
adik-adik Iqbal Nur Khusein, Laila Khairunnisa Amini juga keluarga besar di Medan dan di Yogya yang telah memberikan do’a, dukungan, perhatian serta kasih sayang yang tulus serta pengorbanan yang tidak ternilai harganya.
9. Bapak Mohammad Andri Budiman, S.T, M.Comp.Sc, MEM selaku Pembina UKMI Al-Khuwarizmi, dan seluruh keluarga besar UKMI Al-Khuwarizmi yang selalu menginspirasi saya untuk terus berjuang dan berkarya.
10.Saudara-saudara seperjuangan saya di UKMI Ad-Dakwah USU, para penjalin ukhuwah penebar dakwah, mari sama-sama lulus dari kampus dan memperoleh gelar sarjana dengan indah.
11.Keluarga kecil saya di kampus, khususnya Murabbi, dan teman-teman halaqoh semuanya, yang senantiasa mengingatkan untuk cepat lulus dan berprestasi.
12.Seluruh adik-adik binaan Ilkom yang spesial, Bunga, Fura, Ema, Dini, Murni, Nisa, Ika, Dias, Novi, Nurul, Amel, Puput FISIP, Ida, Tika, Ain, Endang, Fatimah, Annisa dan juga adik-adik lainnya yang tidak bisa disebut satu per satu. Adik-adik yang selalu memberikan perhatian dan doa kepada penulis.
13.Teman-teman mahasiswa S1-Ilmu Komputer stambuk 2008, terutama kepada Sadifa Asrofa, Rima Lestari, Alvi Syukriati Hsb, Anni Magfirah, Zainuddin Siregar dan Eko Verdianto yang banyak membantu dan juga memotivasi penulis.
14.Teman-teman di Asrama Putri, Dita, Yati, Qomariah,S.Sos, Ema, Yani, Asih, yang juga sedang mengerjakan skripsi. Teman-teman yang selalu menghibur dan memberikan nasehat serta motivasi.
15.Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.
Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, oleh karena itu penulis menerima saran dan kritik yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.
Medan, Juli 2013
ABSTRAK
Setiap tahun pergerakan harga minyak dari waktu ke waktu selalu menjadi sorotan pelaku ekonomi dunia. Pada kenyataannya pergerakan harga minyak yang terjadi umumnya dapat dipahami dengan melihat pola kejadian di masa lalu. Penulis memaparkan perancangan sistem prediksi harga minyak mentah dunia menggunakan metode jaringan saraf tiruan backpropagation. Masukan dalam sistem ini adalah harga minyak mentah menurut harga pasar WTI (West Texas Intermediate). Pada sistem ini terdapat tahap pelatihan dan tahap prediksi. Tahap pelatihan digunakan untuk mempelajari pola masukan sebanyak 320 data harga minyak yang terbagi dalam empat neuron masukkan. Sedangkan tahap prediksi digunakan untuk menghasilkan pola harga minyak dengan merujuk pada data yang dihasilkan di tahap pelatihan. Data tersebut antara lain: bobot pelatihan, mean dan standart deviasi. Arsitektur jaringan terdiri dari empat lapisan, satu lapisan masukan, dua lapisan tersembunyi dan satu lapisan keluaran. Terdapat empat neuron pada lapisan masukan, 12 neuron pada lapisan tersembunyi pertama, delapan neuron pada lapisan tersembunyi kedua dan satu neuron pada lapisan keluaran. Dari proses pelatihan didapat nilai kesalahan terbesar 8.86 x 10-6 dengan jumlah epoch terbesar 45 iteration, laju pembelajaran 0.1 dan momentum 0.9. Pada tahap pelatihan secara keseluruhan, hasil pencapaian sistem diperoleh kecocokan 99.9%. Sedangkan, pada tahap prediksi jaringan saraf tiruan diperoleh selisih harga minyak berkisar antara 0.1826 hingga 5.951 dengan tingkat error RMSE sekitar 2.8996.
Katakunci: Jaringan Saraf Tiruan, Metode Backpropagation, Harga Minyak Mentah,
ARTIFICIAL NEURAL NETWORK IMPLEMENTATION FOR PREDICTING THE WORLD CRUDE OIL PRICE MOVEMENT
USING BACKPROPAGATION METHOD
ABSTRACT
Every year the oil price movement is always a highlight in the global economy. In fact the movement of oil price that occurred generally can be understood by looking at the pattern of events in the past. In this study, the Author designed a system to predict crude oil price using the backpropagation method of artificial neural network. Input of this system is the price of crude oil according to the market price of WTI (West Texas Intermediate). In this system, there are training and prediction phases. Training phase is used to learn the patterns of input which consisted of 320 oil price data distributed into four neurons. While the obtained prediction phase is used to produced oil price pattern based on parameter which is obtained during training phase such as: training weight, mean and standard of deviation. Network architecture consisted of four layers, one input layer, two hidden layers and one output layer. There are four neurons in the input layer, 12 neurons in the first hidden layer, eight neurons in the second hidden layer and one neuron in output layer. From the training process the largest obtained error is 8.86 x 10-6 with the maximum epoch reached was 45 iterations, the learning rate 0.1 and momentum 0.9. In training phase, in overall, the results of system was 99.9%. while, in the neural network artificial prediction phase, the different of oil price obtained in the range between 0.1826 to 5.951 with the RMSE error level of 2.8996.
Keywords: Artificial Neural Networks, Backpropagation method, Crude Oil Prices,
Rising Oil Prices, Forecasting
DAFTAR ISI
Bab 2 Tinjauan Pustaka
2.1 Jaringan Saraf Tiruan 7
2.1.1 Arsitektur Jaringan Saraf Tiruan 7
2.1.2 Jaringan Saraf Tiruan Backpropagation 9
2.1.3 Fungsi Aktivasi 11
2.1.4 Algoritma Pembelajaran Metode Backpropagation 13 2.1.5 Prepocessing dan Postprocessing 16 2.2 Aplikasi Backpropagation dalam prediksi 18
2.3 Prediksi Harga Minyak Mentah Dunia 20
2.4 Tinjauan yang relevan 20
Bab 3 Analisis Dan Perancangan Sistem
3.1 Analisis Permasalahan 22
3.2 Analisis Kebutuhan Sistem 25
3.2.1 Kebutuhan fungsional Sistem 25
3.2.2 Kebutuhan Non-fungsional Sistem 25
3.3 Permodelan 26
3.3.1 Use Case Diagram 26
3.3.1.1 Use Case Cek Data Harga Minyak 27
3.3.1.2 Use Case Cek Pelatihan 28
3.3.1.2 Use Case Cek Prediksi Harga Minyak 31
3.2.2 Analisis Proses Sistem 32
3.4 Perancangan Antar Muka 36
3.4.1 Perancangan Antar Menu Utama 36
3.4.2 Perancangan Cek data 37
3.4.3 Antar Muka Pelatihan 38
3.4.4 Antar Muka Prediksi 40
3.4.5 Antar Muka Konfirmasi Keluar 41
Bab 4 Implementasi dan Pengujian Sistem
4.1 Implementasi Sistem 42
4.1.1 Tampilan Antarmuka Sistem 43
4.1.1.1 Antarmuka Menu Utama 43
4.1.1.2 Antarmuka Cek Data 43
4.1.1.3 Antarmuka Pelatihan 45
4.1.1.4 Antarmuka Prediksi 50
4.2 Pengujian Sistem 53
4.2.1 Pengujian Arsitektur JST 53
4.2.2 Pengujian Prediksi Harga Minyak 54
Bab 5 Kesimpulan Dan Saran
5.1 Kesimpulan 58
5.2 Saran 59
Daftar Pustaka ` 60
Lampiran Listing Program A-1
DAFTAR TABEL
Nomor Tabel Keterangan Halaman
3.1 Kelompok Data yang Memiliki Pola yang Berulang 23
3.2 Grafik Data yang Memiliki Pola yang Berulang 24
3.3 Dokumentasi Naratif Use Case Cek Data Harga Minyak
Mentah Dunia
27
3.4 Dokumentasi Naratif Use Case Latih JST 28
3.5 Dokumentasi Naratif Use Case Prediksi Harga Minyak
Mentah Dunia
31
4.1 Hasil Pengujian dengan Beberapa Data Pelatihan JST 53
DAFTAR GAMBAR
Nomor Gambar
Keterangan Halaman
2.1 Model Neuron 8
2.2 Arsitektur Jaringan Saraf Tiruan dengan
Backpropagation
10
2.3 Fungsi Aktivasi Linier 11
2.4 Sigmoid Biner 12
2.5 Sigmoid Bipolar 13
3.1 Diagram Ishikawa 22
3.2 Grafik harga minyak tahun 2012 dan awal 2013 22
3.3 Use Case Diagram Sistem Prediksi Harga Minyak
Mentah Dunia
27
3.4 Activity Diagram Cek Harga Minyak 28
3.5 Activity Diagram Pelatihan 30
3.6 Activity Diagram Prediksi Harga Minyak 32
3.7 Sequence Diagram Proses Pelatihan JST 33
3.8 Sequence Diagram Proses Pelatihan JST 35
3.9 Rancangan Antarmuka Depan 36
3.10 Rancangan Antarmuka Cek Data 37
3.11 Rancangan Antarmuka Pelatihan 38
3.12 Rancangan Antarmuka Prediksi 40
3.13 Rancangan Antarmuka Konfirmasi Keluar 41
4.1 Antarmuka Menu Utama 43
4.2 Antarmuka Cek Data 44
4.3 Antarmuka Cek Data Ketika telah memilih Bulan dan
Tahun
44
4.4 Antarmuka Proses Pemberitahuan proses 45
4.5 Antarmuka Pelatihan 46
4.6 Antarmuka Neural Network Training (nntool) 47
4.8 Antarmuka Pelatihan Setelah mengklik tombol tampil 49
4.9 Antarmuka Prediksi 50
4.10 Antarmuka Pengujian Setelah dilakukan prediksi 51
4.11 Antarmuka Prediksi perbandingan data aktual dengan
hasil prediksi
52
4.12 Antarmuka konfirmasi keluar 52