BAB 2
LANDASAN TEORI
2.1 Forex
Valuta asing (valas) atau foreign exchange (forex) atau foreign currency adalah
mata uang asing atau alat pembayaran lain yang digunakan untuk melakukan atau
membiayai transaksi ekonomi keuangan internasional dan yang mempunyai catatan kurs
resmi dari bank sentral (Hady, 1997). Forex merupakan produk investasi yang sifatnya
liquid dan bersifat internasional. Perbedaan nilai mata uang kedua negara yang berubah
Dari banyaknya mata uang yang beredar didunia, hanya terdapat beberapa mata
uang yang sering digunakan sebagai satuan hitung dan banyak dicari dalam transaksi
umumnya berasal dari negara-negara maju yang memiliki perekonomian kuat dan relatif
stabil dan mata uang tersebut sering mengalami apresiasi (kenaikan nilai) dibandingkan
dengan mata uang lainnya, seperti contohnya US Dollar (USD), Euro (EUR), British
Poundsterling (GBP), Swiss Franc (CHF), Japan Yen (JPY), Australian Dollar (AUD),
dan sebagainya.
Terdapat pula mata uang yang jarang digunakan sebagai alat pembayaran dan
kesatuan hitung serta nilainya sering mengalami depresiasi (penurunan nilai). Mata uang
ini pada umumnya berasal dari negara-negara berkembang dan perekonomiannya sedang
Sekarang ini, mata uang negara bukan hanya sebagai alat pembayaran dalam
besar, sangat lancar, dan cenderung membahayakan perekonomian suatu negara yang
Forex (Foreign Exchange) atau Valuta Asing adalah pasar mata uang yang
merupakan pasar derifatif terbesar di dunia. Sebenarnya keberadaan forex trading telah
lama ada sejak ditemukannya teknik mengkonversi mata uang sebuah negara ke mata
uang negara lainnya. Namun secara kelembagaan baru ada setelah didirikannya badan
Pasar forex / valas berjalan selama 24 jam sehari dan 5 hari seminggu. Dimulai
dari pasar Eropa, Amerika, Australia dan Asia. Tidak seperti Bursa Efek Jakarta yang
hanya bisa dapat bertransaksi di siang hari, pada forex trading (khususnya pada online
forex trading) kita dapat bertransaksi kapan saja dan dimana saja.
Tidak semua mata uang dapat diperdagangkan disini. Hanya beberapa mata uang
negara maju yang biasa dipergunakan yaitu US Dollar (USD), Euro (EUR), British
Poundsterling (GBP), Swiss Franc (CHF), Japan Yen (JPY), Australian Dollar (AUD).
Forex trading Online adalah perdagangan / pertukaran mata uang asing dengan
mata uang asing lainnya dengan satu satuan kontrak yang disebut lot dan dilakukan
secara online. Selain itu perdagangan di Forex tidak dilakukan secara fisik namun hanya
Berikut ini adalah para pelaku yang berperan penting didalam perdagangan valas:
a. Bank Sentral
Fungsi Bank Sentral dalam pasar valuta asing umumnya sebagai stabilitator nilai
Spekulan dan arbitrator bertindak atas kehendak mereka sendiri untuk mendapat
d. Dealer
Biasanya yang bertindak sebagai dealer adalah pihak Bank, meskipun ada juga
beberapa dari non-bank. Mereka mendapatkan keuntungan dari selisih harga jual
e. Pialang
Secara umum, faktor yang mempengaruhi nilai kurs valuta asing (Hady,1997) adalah
sebagai berikut :
Sesuai dengan hukum permintaan dan penawaran, harga valas dapat menjadi
lebih mahal dari nilai nominalnya bila permintaan melebihi jumlah yang
b. Tingkat inflasi
Isu mengenai tingginya tingkat bunga dapat menarik para spekulan uang untuk
memanfaatkan selisih nilai bunga pinjaman dan simpanan. Ketika mata uang
asing masuk ke suatu negara dalam jumlah banyak, permintaan mata uang lokal
akan makin tinggi sehingga nilai mata uang lokal akan naik, sedangkan nilai
Makin besar nilai barang yang diimpor, makin besar juga permintaan mata uang
asing tersebut sehingga harganya relatif naik dari harga semula terhadap mata
uang lokal.
e. Neraca perdagangan
Cadangan devisa adalah total valuta asing yang dimiliki oleh pemerintah dan
swasta dari suatu negara. Cadangan devisa yang bernilai positif mengindikasikan
11
bahwa penawaran mata uang asing lebih besar daripada permintaannya, sehingga
f. Pengawasan pemerintah
Cara yang sering dilakukan pemerintah dalam mengawasi nilai mata uangnya,
yaitu dengan cara kebijakan fiskal dan kebijakan moneter. Kebijakan fiskal
dilakukan dengan cara menaikkan nilai pajak, mengetatkan belanja negara, dan
sebagainya dengan tujuan jumlah mata uang lokal makin sedikit. Kebijakan
g. Perkiraan / spekulasi
bidang perdagangan uang dan bidang politik, apabila sifatnya positif bagi negara
2.1.4 Peramalan
Menurut buku metode peramalan yang ditulis oleh Djauhari (1986, p12),
peramalan adalah menduga atau memprediksi peristiwa yang akan datang atau terjadi di
masa depan dan bertujuan untuk memperkecil resiko yang akan mungkin terjadi akibat
keputusan yang kita ambil, dengan tidak menghilangkan secara penuh faktor-faktor
Jadi, inti dari pengertian peramalan adalah suatu usaha atau kegiatan untuk
menduga, memprediksi apa yang akan terjadi di masa yang akan datang, serta bertujuan
12
untuk memperkecil resiko atau kesalahan yang mungkin terjadi terhadap keputusan yang
sebagai berikut:
Dari hubungan gambar diatas dapat terlihat bahwa keputusan yang kita ambil itu
selalu berhubungan atau memperhitungkan galat atau error. Jadi pengkajian dari galat
adalah mengkaji masalah pengambilan keputusan. Hal ini dimaksudkan agar dapat
menuntun kita dalam menentukan apa yang akan kita ramal bentuk ramalan dan
Langkah selanjutnya adalah mempelajari faktor-faktor yang sifatnya lebih teknis yaitu:
b. Pola data. Penanganan data yang berubah menurut waktu dengan tingkat
perubahan yang lemah akan sangat brbeda dengan pola data yang tidak teratur.
c. Komputasi. Jumlah variabel yang kecil serta frekuensi peramalan yang rendah
daat ditangani dengan prosedur analisis yang mendalam. Lain halnya dengan
dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan
akan timbul, sehingga dapat dipersiapkan kebijakan atau tindakan-tindakan apa yang
perlu dilakukan.
tidaknya hasil suatu penelitian di dalam ekonomi dan dunia usaha, khususnya peramalan
valas, sangat ditentukan oleh ketepatan ramalan yang dibuat, oleh karena itu, ketepatan
dari ramalan tersebut merupakan hal yang sangat penting. Walaupun demikian perlu
disadari bahwa suatu ramalan bukan sesuatu yang harus pasti benar, jadi di dalam
peramalan selalu ada unsur-unsur keasalahannya, biasa disebut juga galat, dimana
diterapkan apabila terdapat informasi atau data tentang masa lalu dan informasi
atau tersebut dapat dikuantitatifkan serta informasi atau data tersebut dapat
14
dianggap terus menerus berlanjut di masa yang akan datang. Teknik peramalan
kuantitatif ini sendiri dapat dibagi menjadi dua metode lagi yaitu:
Metode kausal adalah suatu pemodelan dari variabel yang tak bebas Y
Metode kualitatif atau dikenal juga sebagai metode teknologi digunakan apabila
asumsi pola data konstan tidak dipenuhi (pola yang terdapat di dalam masa lalu
tidak dapat dianggap berlanjut terus di masa yang akan datang), serta pula
informasi atau data tentang masa lalu tidak dapat kita peroleh atau bilamana
masa mendatang.
a. Peramalan yang subjektif, yaitu peramalan yang didasarkan atas perasaan atau
intuisi dari orang yang menyusunnya. Dalam hal ini, pandangan dari orang yang
relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode dalam
Mutu dari hasil peramalan yang disusun, sangat ditentukan oleh proses
a. Mengumpulkan dan menganalisa data, tahap ini berguna untuk mencari pola dari
data masa lalu. Data yang dikumpulkan haruslah data yang akurat, sebab data
yang tidak akurat atau kurang memadai akan menyebabkan hasil ramalan
metode yang memberikan hasil ramalan yang tidak jauh beda dengan
Perdagangan internasional pada saat ini semakin meningkat, oleh karena itu
aktivitas perdagangan valas juga turut meningkat. Hal ini menjadikan valas tidak lagi
hanya digunakan sebagai alat pembayaran, tapi juga sebagai benda ekonomi yang dapat
menghasilkan keuntungan. Kini banyak bermunculan para investor atau pemain valas,
16
baik itu perorangan maupun atas nama perusahaan, yang melakukan bisnis perdagangan
valas, yang didasari oleh aturan yang sangat sederhana, yaitu berusaha membeli valas
dengan nilai rendah dan kemudian menjualnya saat nilai tukar valas tersebut sedang
tinggi. Oleh karena itu, para pemain valas/investor ini sangat membutuhkan suatu
informasi prediksi terhadap pergerakkan nilai tukar valas, untuk menentukan kapan ia
Ada dua teknik analisis yang digunakan untuk membantu memprediksi pergerakan nilai
a. Analisis Fundamental
2005).
1. Faktor Ekonomi
bank.
2. Faktor Politik
nilai tukar, sangat sulit untuk diketahui waktu dimana faktor ini akan
17
berdampak terhadap pergerakan nilai tukar. Ada kalanya faktor ini dapat
mempengaruhi pergerakkan nilai tukar ada dan kalanya faktor ini tidak
3. Faktor Keuangan
pertukaran dua buah mata uang negara yang berbeda, maka yang harus
4. Faktor Eksternal
Faktor eksternal disini adalah bahwa perubahan nilai tukar valas dapat
tetangga. Sebagai contoh pada tahun 1998 tingkat nilai tukar mata uang
b. Analisis Teknikal
di masa yang akan datang (Fei Ming, 2000). Ada dua alat yang dapat digunakan
Selain itu pula analisis teknikal bersifat fleksibel, sehingga dapat diterapkan
Jaringan syaraf tiruan telah dikembangkan sejak tahun 1940. Pada tahun 1943
Hebb mencoba mengkaji proses belajar yang dilakukan oleh neuron. Teori ini dikenal
terdiri dari beberapa lapisan yang saling berhubungan melalui umpan maju
intelejensia secara umum. Hasil kerja Rosenblatt yang sangat penting adalah perceptron
convergence theorem (tahun 1962) yang membuktikan bahwa bila setiap perseptron
dapat memilah-milah dua buah pola yang berbeda maka siklus pelatihannya dapat
Pada tahun 1960 Widrow dan Hoff menemukan ADALINE (Adaptive Linear
Neuruon). Alat ini dapat beradaptasi dan beroperasi secara linier. Penemuan ini telah
memperlebar aplikasi jaringan syaraf tiruan tidak hanya untuk pemilihan pola, tetapi
juga untuk pengiriman sinyal khususnya dalam bidang adaptive filtering. Tahun 1969,
Rosenblatt di dalam memilah-milah pola yang tidak linier. Sejak saat itu penelitian di
bidang jaringan syaraf tiruan telah mengalami masa vakum untuk kurang lebih satu
dasawarsa.
dalam jaringan syaraf yaitu agar jaringan memiliki kemampuan untuk mengingat atau
19
memperhitungkan suatu obyek dengan obyek yang pernah dikenal atau diingat
recurrent network. Salah satu aplikasinya adalah Travelling Salesman Problem (TSP).
Pada tahun 1986 Rumelhart, Hinton dan William menciptakan suatu algoritma
belajar yang dikenal sebagai propagasi balik (backpropagation). Bila algoritma ini
diterapkan pada perseptron yang memiliki lapisan banyak (multi layer perceptron),
maka dapat dibuktikan bahwa pemilahan pola-pola yang tidak linier dapat diselesaikan
sehingga dapat mengatasi kritikan yang dilontarkan oleh Minsky dan Papert.
dan perilaku makhluk hidup telah berlangsung selama beberapa decade belakangan ini.
Jaringan saraf tiruan, merupakan hasil perkembangan ilmu dan teknologi yang kini
sedang berkembang pesat. ANN yang berupa susunan sel-sel syaraf tiruan (neuron)
pada ANN disebabkan adanya keunggulan yang dimilikinya seperti kemampuan untuk
belajar, komputasi paralel, kemampuan untuk memodelkan fungsi nonlinier dan sifat
fault tolerance.
Salah satu cabang dari AI (Artificial Intelligence) adalah apa yang dikenal
dengan Jaringan syaraf tiruan (Artificial Neural Network). Jaringan syaraf tiruan
merupakan salah satu sistem pemrosesan informasi yang didesain dengan menirukan
cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses
belajar melalui perubahan bobot sinapsisnya. Jaringan syaraf tiruan mampu melakukan
pengenalan kegiatan berbasis data masa lalu. Data masa lalu akan dipelajari oleh
20
jaringan syaraf tiruan sehingga mempunyai kemampuan untuk memberikan keputusan
terhadap data yang belum pernah dipelajari. Dalam analisis ini dicoba untuk dipelajari
dan dicoba penerapannya didalam bidang psikologi yaitu mendeteksi test psikologi pada
manusia. ANN yang berupa susunan sel-sel syaraf tiruan (neuron) dibangun berdasarkan
Neuron adalah unit pemroses informasi yang menjadi dasar dalam pengoperasian
jaringan syaraf tiruan (Siang, 2005, p23). Neuron terdiri dari 3 elemen pembentuk
sebagai berikut.
c. Fungsi aktivasi yang akan menentukan apakah sinyal dari input neuron akan
training/learning/pelatihan/belajar)
c. Fungsi aktivasi.
Di dalam jaringan syaraf tiruan, istilah simpul (node) sering digunakan untuk
menggantikan neuron. Setiap simpul pada jaringan menerima atau mengirim sinyal dari
Kekuatan hubungan yang terjadi antara setiap simpul yang saling terhubung dikenal
algoritma pelatihan. Arsitektur biasanya menjelaskan arah perjalanan sinyal atau data di
tergantung pada jenis algoritma pelatihan yang digunakan. Dengan mengatur besarnya
nilai bobot ini diharapkan bahwa kinerja jaringan dalam mempelajari berbagai macam
X1
W1
W2
X2 Y
W3
X3
Pada gambar 2.2 diperlihatkan sebuah sel syaraf tiruan sebagai elemen
penghitung. Simpul Y menerima masukan dari neuron x1, x2 dan x3 dengan bobot
hubungan masing-masing adalah w1, w2 dan w3. Argumen fungsi aktivasi adalah net
masukan (kombinasi linear masukan dan bobotnya). Ketiga sinyal simpul yang ada
dijumlahkan:
Apabila nilai fungsi aktivasi cukup kuat, maka sinyal akan diteruskan. Nilai fungsi
aktivasi (keluaran model jaringan) juga dapat dipakai sebagai dasar untuk merubah
bobot.
22
2.2.3 Arsitektur Jaringan
dan dibawahnya, tetapi tidak dengan simpul yang berada pada lapisan yang
sama. Model yang masuk kategori ini antara lain : ADALINE, Hopfield,
dengan n buah masukan (x1, x2,..., xn) dan m buah keluaran (y1, y2,..., ym)
W11
X1 Y1
W12
Wm1
W12
W22 Y2
X2
Wm2
Wn2
W1n
Xn Ym
Wmn
Jaringan dengan banyak lapisan memiliki 1 atau lebih lapisan yang terletak
diantara lapisan input dan lapisan output. Seperti terlihat gambar dibawah ada
23
lapisan lapisan yang terletak diantara 2 lapisan yang bersebelahan. Jaringan
dengan banyak lapisan ini dapat menyelesaikan permasalahan lebih sulit dari
pada jaringan lapisan tunggal, tentu saja dengan pembelajaran yang lebih rumit.
banyak lapisan ini lebih sukses dalam menyelesaikan masalah. Model yang
(x1, x2,..., xn), sebuah layar tersembunyi yang terdiri dari m buah unit (z1,z2,...,
c. Jaringan Reccurent
tunggal ataupun jamak. Hanya saja, ada simpul keluaran yanng memberikan
sinyal pada unit masukan (sering disebut feedback loop). Dengan kata lain sinyal
mengalir dua arah, yaitu maju dan mundur. Contoh : Hopfield network, Jordan
Ide dasar jaringan syaraf tiruan adalah konsep belajar atau pelatihan. Jaringan-
hubungan antara vektor masukan dan vektor keluaran (Sekarwati 2005, p4). Biasanya
diberikan contoh yang cukup penting dalam membangun pemetaan tersebut. Walaupun
jaringan dapat dilatih untuk mempelajari data historis yang ada. Dengan pelatihan ini,
pengetahuan yang terdapat pada data dapat diserap dan direpresentasikan oleh harga-
2005, p30):
target keluaran) yang dipakai untuk melatih jaringan. Pada setiap pelatihan, suatu
Backpropagation, LVQ.
pertama kali dirumuskan oleh Werbos dan dipopulerkan oleh Rumelhart dan McClelland
untuk dipakai pada Artificial Neural Networks, dan selanjutnya algoritma ini biasa
disingkat dengan BP. Algoritma ini termasuk metode pelatihan supervised dan didesain
Metode BP ini banyak diaplikasikan secara luas. Sekitar 90% bahkan lebih BP
finansial, pengenalan pola tulisan tangan, pengenalan pola suara, sistem kendali,
pengolah citra medika dan masih banyak lagi keberhasilan BP sebagai salah satu metoda
Algoritma ini juga banyak dipakai pada aplikasi pengaturan karena proses
memberikan hasil yang salah, maka penimbang (Weight) dikoreksi supaya galatnya
dapat diperkecil dan respon jaringan selanjutnya diharapkan akan lebih mendekati harga
Backpropagation memiliki beberapa unit yang ada dalam satu atau lebih layar
Y1 Yk Ym
Vji merupakan bobot garis dari unit masukan xi ke unit layar tersembunyi Vj (Vj0
merupakan bobot garis yang menghubungkan bias di unit masukan ke unit layar
tersembunyi Zj. Wkj merupakan bobot dari unit layar tersembunyi ZJ ke unit keluaran yk
(wko merupakan bobot dari bias di layar tersembunyi ke unit keluaran Zk)
Secara garis besar, mengapa algoritma ini disebut sebagai propagasi balik, dapat
dideskripsikan sebagai berikut: Ketika Jaringan diberikan pola masukan sebagai pola
pelatihan maka pola tersebut menuju ke unit-unit pada lapisan tersembunyi untuk
memberikan tanggapan yang disebut sebagai keluaran jaringan. Saat keluaran jaringan
tidak sama dengan keluaran yang diharapkan maka keluaran akan menyebar mundur
(backward) pada lapisan tersembunyi diteruskan ke unit pada lapisan masukan. Oleh
balik.
27
Tahap pelatihan ini merupakan langkah bagaimana suatu jaringan saraf itu
berlatih, yaitu dengan cara melakukan perubahan penimbang (sambungan antar lapisan
masalah baru akan dilakukan jika proses pelatihan tersebut selesai, fase tersebut adalah
a. Kontinu.
Salah satu fungsi yang memenuhi ketiga syarat tersebut sehingga sering dipakai
adalah fungsi sigmoid biner yang memiliki range (0,1). Fungsi sigmoid biner
1
, ∞ ∞
1
dengan f`(x) = σ f(x) [1-f(x)]
y f(x)
1
0.5
0 0 x
Fungsi lain yang sering dipakai adalah fungsi sigmoid bipolar dengan range (-
1
f(x)
y
0 x
‐1
0
Fungsi sigmoid memiliki nilai maksimum 1. Untuk pola yang targetnya lebih
dari 1, pola masukan dan keluaran harus terlebih dahulu ditransformasi sehingga semua
polanya memiliki range yang sama seperti fungsi sigmoid yang dipakai.
Alternatif lain adalah menggunakan fungsi aktivasi sigmoid hanya pada layar
yang bukan layar keluaran. Pada layar keluaran, fungsi aktivasi yang dipakai adalah
perhitungan bobot sehingga pada akhir pelatihan akan diperoleh bobot-bobot yang baik.
Selama proses pelatihan, bobot-bobot diatur secara iteratif untuk meminimumkan error
kesalahan (MSE). Rata-rata kuadrat kesalahan juga dijadikan dasar perhitungan unjuk
kerja fungsi aktivasi. Sebagian besar pelatihan untuk jaringan feedfoward (umpan maju)
29
menggunakan gradien dari fungsi aktivasi untuk menentukan bagaimana mengatur
bobot dengan arah gradien negatif. Prinsip dasar dari algoritma backpropagation adalah
memperbaiki bobot-bobot jaringan dengan arah yang membuat fungsi aktivasi menjadi
Pola masukan dihitung maju mulai dari layar masukan hingga layar keluaran
kesalahan yang terjadi. Kesalahan yang terjadi itu dipropagasi mundur. Dimulai
yang terjadi. Ketiga fase tersebut diulang-ulang terus hingga kondisi penghentian
dipenuhi.
Langkah 3 : Tiap unit masukan (xi, i = 1,…, n) menerima sinyal xi dan menghantarkan
masukannya,
masukannya,
wok = bias pada unit keluaran k dan aplikasikan fungsi aktivasinya untuk
Backward:
Langkah 6 : Tiap unit keluaran (yk , k = 1,…, m) menerima pola target yang saling
informasinya,
Δwjk = α δk zj
31
hitung koreksi biasnya (digunakan untuk memperbaharui wok nantinya),
δ_inj =∑ δk wjk
kesalahannya,
δj = δ_inj f1 (z_inj)
Δvij = α δj xi
Δv0j = α δj
Langkah 8 : Tiap unit keluaran (yk, k = 1,…, m) update bias dan bobotnya (j = 0,…, p)
Tiap unit lapisan tersembunyi (zj, j = 1,…, p) update bias dan bobotnya
(I = 0,…,n) :
Keterangan:
x_setb = (x1,x2,…,xn)
x = sinyal input
α = parameter learning-rate
Nilai α terletak antara 0 dan 1 (0 ≤ α ≤ 1). Semakin besar harga α , semakin sedikit
iterasi yang dipakai. Akan tetapi jika harga α terlalu besar, maka akan merusak pola
yang sudah benar sehingga pemahaman menjadi lambat. Satu siklus pelatihan yang
mencapai minimum global (atau mungkin lokal saja) terhadap nilai error (kesalahan)
Apabila bobot awal terlalu besar maka input (masukan) ke setiap lapisan
tersembunyi atau lapisan output (keluaran) akan jatuh pada daerah dimana turunan
fungsi sigmoidnya akan sangat kecil. Apabila bobot awal terlalu kecil, maka input
(masukan) ke setiap lapisan tersembunyi atau lapisan output (keluaran) akan sangat
33
kecil. Hal ini akan menyebabkan proses pelatihan berjalan sangat lambat. Biasanya
bobot awal diinisialisasi secara random dengan nilai antara -0.5 sampai 0.5 (atau -1
pola. Dalam hal ini, hanya propagasi maju (langkah 4 dan 5) saja yang dipakai untuk
besarnya penjualan, nilai tukar valuta asing, prediksi besarnya aliran sungai dan lain-
lain.
Secara umum, masalah peramalan dapat dinyatakan dengan sejumlah data runtun
waktu (time series) x1, x2,..., xn. Masalahnya adalah memperkirakan berapa harga xn+1
a. Transformasi Data
Langkah awal sebelum melakukan proses pelatihan pada jaringan yang akan
kestabilan taburan data dicapai. Selain itu berguna untuk menyesuaikan nilai data
dengan range fungsi aktivasi yang digunakan dalam jaringan (Siang 2005, p121).
3. Mulai dengan satu lapisan tersembunyi dan digunakan lebih dari satu lapisan
besar terhadap prestasi jaringan untuk melakukan peramalan. Selain itu akan
1. h = n, 2n
2. h = n/2
Penentuan bilangan simpul tersembunyi yang terbaik diperoleh secara trial and
momentum secara trial and error untuk mendapatkan nilai bobot yang paling
yang digunakan adalah nilai Percentage Error (PE), Mean Absolute Percentage
Error (MAPE) dan Mean Square Error (MSE). Pendekatan MAPE digunakan
untuk menilai prestasi jaringan yang dilatih karena MAPE mengenal secara pasti
signifikasi hubungan diantara data ramalan dengan data aktual melalui persentase
dari data aktual serta indikator positif atau negatif pada galat (error) diabaikan.
Ketepatan model diukur secara relatif menggunakan PE dan dilihat juga dari nilai
MSE-nya. Nilai PE, MAPE dan MSE didapat dari persamaan di bawah ini.
ŷ
x 100 % (Makridakis.1999,p61)
| |
MAPE = ∑ (Makridakis.1999,p61)
MSE = ∑ e = ∑ y ŷ (Makridakis.1999,p59)
jaringan yang optimum. Keakuratan ramalan jaringan dilihat dari nilai MAPE,
keluaran jaringan. Nilai PE, MAPE dan MSE-nya dihitung. Jaringan dengan
nilai MAPE terendah dipilih sebagai jaringan yang optimum untuk digunakan
dalam peramalan.
yang telah dilatih akan diperoleh nilai keluaran jaringan. Nilai PE, MAPE
a. Perintah (program komputer) yang bila dieksekusi memberikan fungsi dan unjuk
proporsional.
dan pengunaan prinsip pengembangan suara untuk memperoleh perangkat lunak secara
ekonomis yang reliabel dan bekerja secara efisien pada mesin nyata.
tradisional yang digunakan oleh sebagian besar perusahaan saat ini. SDLC adalah
kerangka kerja yang terstruktur yang terdiri dari urutan proses oleh sistem informasi
yang dikembangkan. Model-model lain untuk SDLC mungkin berisi lebih banyak atau
lebih sedikit dari delapan tahap kami di sini. Namun, sebagian besar masih sama,
waterfall ke SDLC, di mana tugas-tugas dalam satu tahap telah selesai sebelum
a. Systems Investigation
memahami pilihan teknis untuk sistem dan pemahaman masalah yang mungkin
b. Systems Analysis
c. Systems Design
masalah bisnis, dan systems design yang menggambarkan bagaimana sistem akan
d. Programming
e. Testing
membutuhkan sejumlah besar waktu, tenaga dan biaya untuk melakukan dengan
benar.
f. Implementation
Setelah konversi, sistem baru akan beroperasi selama jangka waktu tertentu,
sampai (seperti yang lama digantikan oleh sistem baru) itu tidak lagi memenuhi
debugging, sebuah proses yang berlanjut sepanjang hidup dari sistem. Tipe
kondisi bisnis.
40
2.3.2 Use Case Diagram
sistem dan bagaimana sistem berinteraksi dengan dunia luar. Yang ditekankan dalam
Use case diagram adalah ”apa” yang diperbuat sistem, dan bukan “bagaimana” sistem
itu melakukannya. Use case diagram juga menjelaskan manfaat sistem jika dilihat
a. Actor : Actor menggambarkan orang, sistem atau entitas luar yang menyediakan
antara actor dengan sistem. Use case dibuat berdasarkan keperluan actor,
mengerjakannya. Setiap use case harus diberi nama yang menyatakan apa hal
menjadi sebuah dialog yang harus dijelaskan dalam kasus menggunakan narasi.
d. Include relationship: sebuah hubungan dimana sebuah use case (use case dasar)
tindakan dari use case lainnya. Tipe hubungan ini menyatakan rincian tentang
sebuah sistem atau aplikasi yang biasanya tersembunyi dalam sebuah use case.
State Transition Diagram adalah suatu modelling tool yang mengambarkan sifat
ketergantungan pada waktu dari sebuah sistem. STD adalah suatu kumpulan keadaan
dilakukan. Ada 2 jenis state, yaitu : State awal dan state akhir. State akhir dapat
berupa beberapa state, sedangkan state awal tak boleh lebih dari satu.
terjadi.
Condition adalah suatu event pada external environment yang dapat dideteksi
oleh sebuah sistem. Action adalah yang dilakukan oleh sistem bila terjadi
state pada sebuah kotak. Lalu buatlah hubungan antara state tersebut.
b. Kita mulai dengan state pertama dan kemudian dilanjutkan dengan state -state
Diagram alir adalah sebuah skema yang mempresentasikan sebuah algoritma atau
sebuah proses. Adapun simbol-simbol dari diagram alir yang digunakan dalam ilmu
Keterangan gambar:
sebagainya. Sistem komputer mampu menyimpan jumlah informasi yang besar dalam
b. Tidak ada kontrol dan manipulasi atas akses data di luar yang dipaksakan oleh
program aplikasi.
Ini prinsip-prinsip dasar desain antarmuka, heuristik berasal dari pengalaman, harus
Prinsip ini yang paling sering dilanggar, karena ada banyak bentuk konsistensi yang
bisa dibentuk, yang umumnya sulit untuk diikuti semuanya. Konsisten urutan
tindakan harus diminta dalam situasi yang mirip. Terminologi identik yang
digunakan untuk prompt, menu, layar bantu, konsistensi warna, tata letak, huruf
besar, huruf kecil, dan sebagainya harus diterapkan di seluruh halaman. Untuk
adanya fitur yang bisa dipakai untuk mengurangi jumlah interaksi dan untuk
45
meningkatkan kecepatan interaksi. shortcut, tombol khusus, perintah tersembunyi,
dan fasilitas makro sering dicari oleh pengguna untuk kemudahan. Waktu respon
yang cepat dan kecepatan tampilan adalah atraksi lainnya bagi frequent users.
Untuk setiap tindakan pengguna, sistem harus ada umpan balik. Untuk tindakan yang
sering dilakukan atau tindakan kecil mendapat respon sederhana, sedangkan untuk
tindakan yang jarang dan tindakan-tindakan besar, respon yang diberikan harus lebih
baik.
tengah, dan akhir. Umpan balik yang informatif pada kelompok penyelesaian
menurunkan rencana kontingensi dan pilihan dari pikiran mereka, dan suatu indikasi
Desain sistem yang dibuat harus sebaik mungkin sehingga pengguna tidak membuat
kesalahan yang serius, misalnya memilih pilihan menu yang salah atau memasukkan
isian huruf karakter abjad di bagian numerik. Jika pengguna membuat kesalahan,
untuk pemulihan.
Tindakan yang diambil harus dapat dikembalikan ke tindakan sebelumnya . Hal ini
sistem dan sistem menanggapi tindakan mereka. Sistem yang rusak, kesalahan entry-
cukup, serta adanya urutan tindakan. Jika sesuai, akses online ke sintaks perintah-