Electronic Theses and Dissertation

Jaringan syaraf tiruan (jst) merupakan sebuah model sistem komputasi yang mampu meniru jaringan syaraf biologi. jst meniru cara kerja jaringan syaraf biologi dalam menyelesaikan suatu persoalan dengan melakukan proses belajar melalui perubahan pada bobot sinapsisnya. ada beberapa aturan belajar dalam jst, aturan belajar yang digunakan pada penelitian ini adalah aturan belajar back-propagation (bp). pada saat proses belajar, dimasukkan sejumlah data historis sebagai pola belajar jst. dari proses belajar tersebut jst mampu melakukan generalisasi terhadap pola data yang masuk, sehingga hasil generalisasi ini dapat dimanfaatkan untuk keperluan prediksi data yang belum pernah dipelajari oleh jst. sebanyak 268 pola data oilai tukar rupiah terhadap satu unit dolar amerika digunakan sebagai input jst. sisa data sebanyak 65 data digunakan untuk pengujian clan prediksi, dari ketiga proses tersebut diperoleh 3 persamaan garis regresi. persamaan regresi terbaik diperoleh a = 0.939t +557 yang merupakan persamaan garis hasil pelatihan jst. persamaan terbaik tersebut digunakan untuk memprediksi 5 contoh data nilai tukar rupiah terhadap dolar, prediksi kelima data menghasilkan mse 3450.44, nilai mse lebih besar dibanding dengan nilai error jst yang ditentukan (0.0 i). hasil pelatihan terbaik diperoleh pada laju pembelajaran 0.9 pada epoch ke- 2678 dengan error sebesar 0.00999922. kombinasi laju pembelajaran pada proses pelatihan mempengaruhi besar kecilnya iterasi, tetapi laju pembelajaran tidak mempengaruhi besar kecil nilai mse. kata kunci: jaringan syaraf tiruan (jst), back-propagation (bp), aturan belajar, pelatihan, laju pembelajaran.