MODEL ARSITEKTUR NEURAL NETWORK DENGAN BACKPROPOGATION PADA PREDIKSI TOTAL LABA RUGI KOMPREHENSIF BANK UMUM KONVENSIONAL

Agus Perdana Windarto, Muhammad Ridwan Lubis, Solikhun Solikhun

Abstract


determine the marketing strategy in increasing the total comprehensive income. This study aims to create the best architectural model using Backpropogation where this model can later be made to make predictions of total comprehensive income. The variable used in this study is the total comprehensive income statement data of PT. Bank Mandiri, Tbk (January - November 2016). Data sourced from the Financial Services Authority (www.ojk.go.id). From a series of trials conducted with 4 architectural models tested, namely 4-25-1; 4-50-1; 4-100-1 and 4-50-75-1, obtained the best architectural model 4-50-1 with Epoch training = 1977, Mean Square Error (MSE) of 0,000997867 with the correctness of testing accuracy reaching 80%.

Keywords: Artificial Neural Network, Back-propagation, Comprehensive Income, Prediction, Economy, Architecture 

Prediksi total laba rugi komprehensif sangatlah penting untuk memprediksi dimana posisi angka total laba rugi komprehensif pada suatu bank.  Informasi tersebut berguna bagi masayarkat dalam menentukan arah investasi masyarakat ke depan, begitu juga bagi pihak bank berguna untuk menentukan kebijakan strategi pemasaran dalam meninggkatkan total laba komprehensif tersebut. Penelitian ini bertujuan untuk membuat model arsitektur terbaik dengan menggunakan Backpropogation dimana model ini nantinya dapat dilakukan untuk membuat prediksi terhadap total laba rugi komprehensif. Variabel yang digunakan pada penelitian ini adalah data total laba rugi komprehensif PT. Bank Mandiri,Tbk (Januari – November 2016). Data bersumber dari Otoritas Jasa Keuangan (www.ojk.go.id). Dari serangkaian uji coba yang dilakukan dengan 4 model arsitektur yang diuji yakni 4-25-1; 4-50-1; 4-100-1 dan 4-50-75-1, diperoleh model arsitektur terbaik 4-50-1 dengan Epoch training = 1977, Mean Square Error (MSE) sebesar 0,000997867 dengan tingkat akurasi pengujian mencapai kebenaran 80%. 

Kata kunci: Jaringan saraf tiruan, Back-propagation, Laba Rugi Komprehensif, Prediksi, Ekonomi, Arsitektur


Full Text:

PDF

References


D. Kurnianingtyas, B. A. Rahardian, D. P. Mahardika, A. K. A, and K. Angraeni, “Sistem Pendukung Keputusan Diagnosis Penyakit Sapi Potong Menggunakan K- Nearest Neighbour (K- NN),” Jutnal Teknol. Inf. dan Ilmu Komput., vol. 4, no. 2, pp. 122–126, 2017.

Agus Perdana Windarto, “Implementasi Jst Dalam Menentukan Kelayakan Nasabah Pinjaman KUR Pada Bank Mandiri Mikro Serbelawan Dengan Metode Backpropogation,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 1, no. 1, pp. 12–23, 2017.

A. P. Windarto, “Implementation of Data Mining on Rice Imports by Major Country of Origin Using Algorithm Using K-Means Clustering Method,” Int. J. Artif. Intell. Res., vol. 1, no. 2, pp. 26–33, 2017.

Wuryandari and Afrianto, “Perbandingan Metode Jaringan Syaraf Tiruan Backpropogation dengan Learning Vector Quantization pada pengenalan wajah,” J. KOMPUTA, vol. 11, no. 1, p. 2012, 2012.

Solikhun, A. P. Windarto, Handrizal, and M.Fauzan, “Jaringan Saraf Tiruan Dalam Memprediksi Sukuk Negara Ritel Berdasarkan Kelompok Profesi Dengan Backpropogation Dalam Mendorong Laju Pertumbuhan Ekonomi,” Kumpul. J. Ilmu Komput., vol. 4, no. 2, pp. 184–197, 2017.

A. Gupta and M. Shreevastava, “Medical Diagnosis using Back propagation Algorithm,” Int. J. Emerg. Technol. Adv. Eng., vol. 1, no. 1, pp. 55–58, 2011.

D. O. (Faculty of I. E.-G. U. Maru’ao, “Neural Network Implementation in Foreign Exchange Kurs Prediction,” 2010.

Sumijan, A. P. Windarto, A. Muhammad, and Budiharjo, “Implementation of Neural Networks in Predicting the Understanding Level of Students Subject,” Int. J. Softw. Eng. Its Appl., vol. 10, no. 10, pp. 189–204, 2016.

R. P. S. Wahyu and S. Praptoyo, “Penyajian dan komponen other comprehensive income,” J. Ilmu Ris. Akunt., vol. 3, no. 12, p. 2014, 2014.

A. Eliza, “Penyajian Laporan Keuangan dan Perbedaannya dengan PSAK No.1 (Revisi 1998)-Tinjauan Atas PSAK No.1 (Revisi 2009),” J. Ilm. ESAI, vol. 6, no. 2, 2012.




DOI: http://dx.doi.org/10.20527/klik.v5i2.148

Copyright (c) 2018 KLIK - KUMPULAN JURNAL ILMU KOMPUTER

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Terindeks Oleh :

  
 

 

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.joomla
counter View My Stats