Diketahui nilai tukar US$ terhadap rupiah selama 14 hari terakhir (dari H-1 hingga H-14) sebagai berikut

Hari
Nilai Tukar
(ribuan)

Hari
Nilai Tukar
(ribuan)

H-1

H-2

H-3

H-4

H-5

H-6

H-7

8.475

8.491

8.512

8.508

8.521

8.61

8.61

H-8

H-9

H-10

H-11

H-12

H-13

H-14

8.62

8.637

8.65

8.625

8.624

8.637

8.672

Akan diprediksi nilai tukar US$ terhadap rupiah pada hari ke 15 dengan menggunakan pelatihan
Jaringan Syaraf Tiruan Model Backpropagation dengan spesifikasi sebagai berikut:
1. Jaringan terdiri dari 7 buah unit masukan, 1 unit keluaran dan sebuah layer tersembunyi yang
terdiri dari 2 unit
2. Fungsi aktivasi yang dipakai pada layer tersembunyi adalah sigmoid bipolar(tansig) dan pada
layar keluaran adalah fungsi identitas(purelin).
3. Toleransi kesalahan = 10-5
4. Epoch maksimum = 5000
5. Learning rate=0.01
6. Menggunakan Matlab 7.8.0 dengan Fungsi Pelatihan Jaringan traingdx dan penambahan faktor
momentum sebesar=0.5
*spesifikasi diatas merupakan spesifikasi optimal yang telah diperoleh dari beberapa kali
pengujian
Pola Masukan
POLA 1
POLA 2
POLA 3
POLA 4
POLA 5
POLA 6
POLA 7

8.475
8.491
8.512
8.508
8.521
8.61
8.61

8.491
8.512
8.508
8.521
8.61
8.61
8.62

8.512
8.508
8.521
8.61
8.61
8.62
8.637

8.508
8.521
8.61
8.61
8.62
8.637
8.65

8.521
8.61
8.61
8.62
8.637
8.65
8.625

8.61
8.61
8.62
8.637
8.65
8.625
8.624

8.61
8.62
8.637
8.65
8.625
8.624
8.637

TARGET
8.62
8.637
8.65
8.625
8.624
8.637
8.672

Pemprograman dengan Matlab

>> t = xlsread('t.xlsx')

%mengambil data pola dari file excel%

t=

8.6200 8.6370 8.6500 8.6250 8.6240 8.6370 8.6720

>> p = xlsread('p.xlsx')

%mengambil data pola dari file excel%

p=

8.4750 8.4910 8.5120 8.5080 8.5210 8.6100 8.6100

8.4910 8.5120 8.5080 8.5210 8.6100 8.6100 8.6200
8.5120 8.5080 8.5210 8.6100 8.6100 8.6200 8.6370
8.5080 8.5210 8.6100 8.6100 8.6200 8.6370 8.6500
8.5210 8.6100 8.6100 8.6200 8.6370 8.6500 8.6250
8.6100 8.6100 8.6200 8.6370 8.6500 8.6250 8.6240
8.6100 8.6200 8.6370 8.6500 8.6250 8.6240 8.6370

>> net =newff(p,t,[2,1],{'tansig','purelin'},'traingdx');

>> net.trainParam.epochs=5000;
>> net.trainParam.mc=0.5;
>> net.trainParam.lr=0.01;
>> net.trainParam.goal=0.0001;
>> net=train(net,p,t);

Gambar 1. Neural Network Trainingtool

Gambar 2. Grafik Perfomance dari Pelatihan Neural Network

Bobot dengan MSE(Mean Square Error) paling kecil didapat pada iterasi ke-155
Kemudian bobot tersebut digunakan untuk memprediksi Kurs US$ terhadap rupiah pada hari ke-15
dengan mengimputkan pola 7 hari terakhir
POLA (7 Hari Terakhir)

8.62

>> test=xlsread('test.xlsx')

8.637

8.65

8.625

8.624

8.637

8.672

%mengambil data pola 7 hari terakhir

dari file excel%

test =
8.6200
8.6370
8.6500
8.6250
8.6240
8.6370
8.6720
>> [y]=sim(net,test)
y =
8.7516

HASIL PREDIKSI:
Dari hasil prediksi menggunakan jaringan diatas diperoleh nilai kurs US$ terhadap rupiah pada hari
ke-15 adalah senilai 8.751 rupiah