PERAMALAN HARGA SAHAM MENGGUNAKAN RECURRENT NEURAL NETWORK DENGAN ALGORITMA BACKPROPAGATION THROUGH TIME (BPTT)
Teks penuh
Gambar
Dokumen terkait
Secara umum peramalan yang dapat dilakukan oleh Jaringan Syaraf Tiruan adalah peramalan runtut waktu (time series) sebagai input dan target dari output yang diinginkan pada
Sehingga untuk uji prediksi harga saham yang menggunakan jaringan syaraf tiruan secara supervised learning dengan algoritma backpropagation memiliki tingkat
Membuat peramalan indeks harga saham gabungan (IHSG) pada bursa efek jakarta dengan menggunakan algoritma backpropagation dan Algoritma genetika yang diterapkan
Dalam penelitian ini dibuatkan model algoritma neural network dan model algoritma neural network berbasis particle swarm optimization untuk mendapatkan arsitektur dalam
Sehingga untuk uji prediksi harga saham yang menggunakan jaringan syaraf tiruan secara supervised learning dengan algoritma backpropagation memiliki tingkat
Beberapa penelitian sebelumnya yang menggunakan backpropagation sebagai metode untuk melakukan peramalan, seperti Penerapan Model Neural Network Backpropagation untuk
banyak dilakukan kemampuan Artificial Neural Network dalam melakukan suatu pembelajaran terbukti mempunyai kinerja yang cukup baik, pada penelitian ini Backprogation
Kesimpulan Recurrent Neural Network RNN adalah salah satu algoritma deep learning yang dapat digunakan untuk mengenali pola dan melakukan prediksi pada data numerik berbentuk time
