S KOM 0905758 Table of content

(1)

Fatah Ramadhan, 2016

IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM ANALISIS PEMBERIAN KREDIT KEPADA PARA DEBITUR

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

v DAFTAR ISI

ABSTRAK ... Error! Bookmark not defined. ABSTRACT ... Error! Bookmark not defined. KATA PENGANTAR ... Error! Bookmark not defined.

DAFTAR ISI ... v

DAFTAR TABEL ... vii

DAFTAR GAMBAR ... viii

DAFTAR LAMPIRAN ... ix BAB IPENDAHULUAN ... Error! Bookmark not defined.

1.1 Latar Belakang ... Error! Bookmark not defined. 1.2 Rumusan Masalah ... Error! Bookmark not defined. 1.3 Batasan Masalah ... Error! Bookmark not defined. 1.4 Tujuan Penelitian ... Error! Bookmark not defined. 1.5 Manfaat Penitian ... Error! Bookmark not defined. 1.6 Sistematika Penulisan ... Error! Bookmark not defined. BAB IIKAJIAN PUSTAKA ... Error! Bookmark not defined. 2.1Bahasa Pemrograman R ... Error! Bookmark not defined. 2.1.1 Bahasa Pemrograman R ... Error! Bookmark not defined. 2.1.2 R Package ... Error! Bookmark not defined. 2.2 Machine Learning ... Error! Bookmark not defined. 2.3 Regresi dengan Menggunakan Gradient DescentError! Bookmark not defined.

2.3.1 Mini-Batch Gradient Descent ... Error! Bookmark not defined. 2.3.2 Stochastic Gradient Descent ... Error! Bookmark not defined. 2.3.3 Stochastic Average Gradient ... Error! Bookmark not defined. 2.4 Faktor Kompresibilitas Gas ... Error! Bookmark not defined. BAB IIIMETODOLOGI PENELITIAN ... Error! Bookmark not defined. 3.1 Desain Penelitian ... Error! Bookmark not defined. 3.2 Alat dan Bahan ... Error! Bookmark not defined. 3.3Metode Penelitian ... Error! Bookmark not defined. 3.3.1 Studi Literatur ... Error! Bookmark not defined. 3.3.2 Pengembangan Perangkat Lunak ... Error! Bookmark not defined. BAB IVHASIL PENELITIAN DAN PEMBAHASANError! Bookmark not defined.

(2)

Fatah Ramadhan, 2016

IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM ANALISIS PEMBERIAN KREDIT KEPADA PARA DEBITUR

vi

(3)

Fatah Ramadhan, 2016

IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM ANALISIS PEMBERIAN KREDIT KEPADA PARA DEBITUR

vii

DAFTAR TABEL

Tabel 2.1. Contoh kasus harga jasa foto copy berdasarkan jumlah kertasError! Bookmark not defined.

Tabel 4.1. Scenario metode GD dengan iterasi sebanyak .………Error! Bookmark not defined.

Tabel 4.2. Hasil skenario metode SGD dengan max iterasi 2.Error! Bookmark not defined. Tabel 4.3. Skenario metode MBGD dengan menggunakan max iterasi = 5 dan nData = 10. ... Error! Bookmark not defined. Tabel 4.4. Skenario metode SAG dengan menggunakan max iterasi = 1 dan nData = 50. ... Error! Bookmark not defined. Tabel 4.5. Hasil penelitian dengan menggunakan metode GD. . Error! Bookmark not defined.

Tabel 4.6. Hasil penelitian dengan menggunakan metode SGD.Error! Bookmark not defined.

Tabel 4.7. Hasil penelitian dengan menggunakan metode MBGD.Error! Bookmark not defined.

Tabel 4.8. Hasil penelitian dengan menggunakan metode SAG.Error! Bookmark not defined.

(4)

Fatah Ramadhan, 2016

IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM ANALISIS PEMBERIAN KREDIT KEPADA PARA DEBITUR

viii

DAFTAR GAMBAR

Gambar 2.1._{Hasil survey popularitas software yang paling banyak dipakai untuk data} analisis oleh KDnuggets (Piatetsky, 2015). ... Error! Bookmark not defined. Gambar 2.2. _{Skema pembuatan R package dan pengecekan standarisasi CRAN.}Error! Bookmark not defined.

Gambar 2.3. _{Skema proses pembelajaran pada machine learning (Abu-Mostafa,} Magdon-Ismail, & Lin, 2003)... Error! Bookmark not defined.

Gambar 2.4. _{Skema proses prediction pada machine learning (Abu-Mostafa, Magdon-Ismail,} & Lin, 2003)... Error! Bookmark not defined.

Gambar 2.5. Contoh hasil linier regresi. ... Error! Bookmark not defined. Gambar 2.6. Proses “melangkah” metode GD. ... Error! Bookmark not defined.

Gambar 2.7. _{Hasil plot table harga jasa foto copy Tabel 2.1.}Error! Bookmark not defined. Gambar 2.8. _{Hasil plot dari data tabel 2.1 dengan prediksi hasil inisiasi hipotesis.}Error! Bookmark not defined.

Gambar 2.9. Hasil plot nilai hipotesis setelah menggunakan GD.Error! Bookmark not defined.

Gambar 2.10. _{Proses yang terjadi pada GD ketika nilai step size terlalu besar (kiri) dan kecil} (kanan) (Raschka, 2016). ... Error! Bookmark not defined.

(5)

Fatah Ramadhan, 2016

IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM ANALISIS PEMBERIAN KREDIT KEPADA PARA DEBITUR

ix

Gambar 2.12 _{Simpangan berbagai gas nyata terhadap gas ideal berdasarkan keadaan tekanan} dalam skala Bar. ... Error! Bookmark not defined.

Gambar 3.1. Skema penelitian yang dilakukan………Error! Bookmark not defined.

Gambar 3.2._{Proses Rekayasa Models Sekuental Linier}_{(Pressman, 2012).}Error! Bookmark not defined.

Gambar 4.1. _{Bentuk data asli sebelum disalin dan dikonversi (Kennedy, 1954).}Error! Bookmark not defined.

Gambar 4.2. _{Cuplikan data dalam excel sebelum diconversi (kiri) dan setelah dikonversi} (kanan) beserta nilai faktor kompresibilitas gas nya. .. Error! Bookmark not defined. Gambar 4.3. _{Skema proses learning pada perangkat lunak}Error! Bookmark not defined. Gambar 4.4. _{Hasil prediksi metode GD pada skenario 1.}Error! Bookmark not defined. Gambar 4.5. _{Hasil prediksi SGD pada skenario 2. ....}Error! Bookmark not defined.

Gambar 4.6. Hasil prediksi metode MBGD pada skenario 3 dengan nilai nData = 10.Error! Bookmark not defined.

Gambar 4.7. Hasil prediksi metode MBGD pada skenario 3 denga menggunakan nData = 20 ... Error! Bookmark not defined.

Gambar 4.8. Hasil prediksi SAG pada skenario 4 dengan maksimum iterasi 1. Error! Bookmark not defined.

Gambar 4.9. _{Hasil prediksi metode SAG dengan menggunakan nData = 10 pada skenario 4.} ... Error! Bookmark not defined. Gambar 4.10. _{Hasil prediksi terbaik setiap metode ...}Error! Bookmark not defined.

DAFTAR LAMPIRAN

Lampiran 1 Data Behavioural Gas CO2

Lampiran 2 Data Hasil Skenario Eksperimen Metode GD Lampiran 3 Data Hasil Skenario Eksperimen Metode SGD Lampiran 4 Data Hasil Skenario Eksperimen Metode MBGD Lampiran 5 Data Hasil Skenario Eksperimen Metode SAG Lampiran 6 Kode Fungsi trainData