APLIKASI GENERALIZED REGRESSION NEURAL NETWORK DALAM MERAMAL HARGA SAHAM(STUDI KASUS: INDEKS HARGA SAHAM SYARIAH JAKARTA ISLAMIC INDEX (JII) PERIODE JANUARI 2012 – DESEMBER 2013)

AMINUDDIN , NIM. 09610022 (2014) APLIKASI GENERALIZED REGRESSION NEURAL NETWORK DALAM MERAMAL HARGA SAHAM(STUDI KASUS: INDEKS HARGA SAHAM SYARIAH JAKARTA ISLAMIC INDEX (JII) PERIODE JANUARI 2012 – DESEMBER 2013). Skripsi thesis, UIN SUNAN KALIJAGA.

Preview	Text ( APLIKASI GENERALIZED REGRESSION NEURAL NETWORK DALAM MERAMAL HARGA SAHAM(STUDI KASUS: INDEKS HARGA SAHAM SYARIAH JAKARTA ISLAMIC INDEX (JII) PERIODE JANUARI 2012 – DESEMBER 2013)) BAB I, VI, DAFTAR PUSTAKA.pdf Download (1MB) | Preview
	Text ( APLIKASI GENERALIZED REGRESSION NEURAL NETWORK DALAM MERAMAL HARGA SAHAM(STUDI KASUS: INDEKS HARGA SAHAM SYARIAH JAKARTA ISLAMIC INDEX (JII) PERIODE JANUARI 2012 – DESEMBER 2013)) BAB II, III, IV, V.pdf Restricted to Registered users only Download (2MB)

Abstract

Generalized Regression Neural Network (GRNN) merupakan gabungan dari analisis regresi dan jaringan syaraf tiruan dimana keduanya memiliki kesamaan dalam melakukan peramalan. Regresi berganda berguna untuk mendapatkan pengaruh dua variabel kriteriumnya, atau untuk mencari hubungan fungsional dua variabel predictor atau lebih dengan variabel kriteriumnya, atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya. Jaringan syaraf tiruan (JST) atau biasa dikenal dengan neural network merupakan jaringan dari sekelompok unit memproses kecil yang disimbolkan berdasarkan jaringan syaraf manusia. Tujuan dalam penelitian ini adalah mengetahui langkah-langkah keduanya dan membandingkan hasil analisis regresi linear berganda dengan jaringan syaraf tiruan berdasarkan data harga saham syariah Jakarta Islamic index (JII). Metode yang digunakan dalam analisis regresi linear berganda adalah metode likelihood. Sedangkan metode untuk JST adalah backpropagation. Hasil dari perbandingan kedua model ini selanjutnya dicari yang terbaik dengan mengacu pada tingkat kesalahan (error) terkecil. Dalam penelitian ini model regresi linear berganda dengan metode likelihood memiliki error 106768,7. Sedangkan JST dengan metode backpropagation dengan tingkat error sebesar 760,0923. Hal itu menunjukkan bahwa JST dengan metode backpropagation lebih baik daripada regresi linear berganda dengan metode likelihood.

Share this knowledge with your friends :

Actions (login required)

View Item