Prosiding SNASTIKOM: Seminar Nasional Teknologi Informasi & Komunikasi

Paper

Implementasi Root Mean Square Error Untuk Melakukan Prediksi

Harga Emas Dengan Menggunakan Algoritma Multilayer Perceptron
Author: Yunita Shara Lubis, Andi Marwan Elhanafi, Haida Dafitri
SNASTIKOM Ke 8 Tahun 2021
ISBN: 978-623-91911-2-2

Implementasi Root Mean Square Error Untuk Melakukan

Prediksi Harga Emas Dengan Menggunakan
Algoritma Multilayer Perceptron

Yunita Shara Lubis1, Andi Marwan Elhanafi2, Haida Dafitri3

1,2,3
Universitas Harapan, Medan, Indonesia
1
yunitashara1999@gmail.com, 2andimarwanelhanafi@gmail.com, 3aida.stth@gmail.com

Abstrak- Multilayer perceptron merupakan salah satu jaringan saraf tiruan yang dapat digunakan dalam
penelitian ini untuk melakukan sebuah prediksi atau peramalan harga emas. Pada penelitian ini akan
menghasilkan kombinasi parameter yaitu learning rate 1, learning rate 2, error threshold yang akan dilakukan
pada system kemudian pada proses training data cukup berpengaruh terhadap nilai error yang dihasilkan.Dari
hasil kombinasi parameter dan pengujian dengan algoritma Multilayer perceptron yang diperlihatkan pada
gambar 4.2, nilai error terkecil berada pada layer 3 adalah 54262,375, yang diperoleh dari parameter learning
rate 1 adalah 0.5, learning rate 2 adalah 1, learning rate 3 1.5. sedangkan nilai error terbesar adalah
46023,9375.Hasil algoritma multilayer perceptron dalam melakukan peralaman harga emas dapat berjalan
dengan baik yang menunjukan model dari data training dan testing yang di implementasikan dapat melakukan
prediksi harga emas.
Kata Kunci: Multilayer perceptron, parameter, layer

Abstract- Multilayer Perceptron is an artificial neural network that can be used to predict gold prices. This
research will produce a combination of parameters, namely the error threshold, learning rate 1 and learning rate 2
which are used in the training data process, which has quite an effect on the resulting error value. From the
results of the combination of parameters and testing with the Multilayer perceptron algorithm shown in Figure
4.2, the smallest error value at layer 3 is 54262,375, which is obtained from the learning rate 1 parameter is 0.5,
learning rate 2 is 1, learning rate 3 is 1.5. while the largest error value is 46023.9375. The results of the
Multilayer Perceptron algorithm in forecasting gold prices can run well, which shows that the model from the
implemented training and testing data can predict gold prices.
Keywords: Expert System, Bayes Theorem, Pyometra, Sphinx Cats

1. PENDAHULUAN
Emas pada umumnya adalah perhiasan atau benda koleksi yang dapat dan biasa dijadikan investasi jangka
panjang. Investasi emas memiliki banyak keuntungan karena investasi yang mudah diuangkan atau liquid dan
tidak adanya pajak Adapun keuntungan lainnya dari investasi emas yaitu bahwa emas memiliki sifat yang tahan
terhadap inflasi. Ketika terjadi inflasi nilai mata uang mengalami penurunan hal ini tidak terjadi terhadap emas,
emas akan mengalami kenaikan seiring tingginya inflasi [1]. Emas merupakan sebuah aset yang memiliki nilai
tinggi dan akan naik setiap saat, berbeda dengan saham, yang nilainya naik turun sesuai dengan keadaan pasar,
di sinilah pentingnya seseorang memiliki simpanan emas. Namun kebanyakan orang lebih memilih untuk
berinvestasi dengan cara lain, tanpa tau kentungan dalam berinvestasi emas [2].
Dalam investasi dibutuhkan informasi sebagai bahan pertimbangan keputusan investasi agar investasi
berjalan dengan sukses sesuai perencanaan yang dibuat. Nilai dalam berinvestasi emas akan menimbulkan
ketidak pastian karena harga emas sewaktu-waktu dapat mengalami perubahan. Setiap waktu harga emas
mengalami penurunan atau kenaikan. Untuk menentukan kapan harus membeli dan menjual emas, investor
sangat membutuhkan informasi untuk mengikuti perubahan harga emas [3].
Saat ini investor emas mengumpulkan beberapa informasi yang dibutuhkan sebagai bahan pertimbangan
investasi dengan cara membaca melalui berbagai macam media informasi baik media cetak atau media
elektronik. Hal ini membutuhkan usaha lebih dan memakan waktu yang lama. Kesulitan untuk mendapatkan
informasi yang akurat menyebabkan investor akan sulit memprediksi harga emas [4]. Dari permasalahan di atas
untuk itu perlu membuat sistem yang dapat mempermudah para investor memprediksi harga emas dengan akurat.

332
SNASTIKOM Ke 8 Tahun 2021
ISBN: 978-623-91911-2-2

Penelitian ini menggunakan algoritma Multilayer Preceptron untuk memprediksi harga emas yang sangat
popular di decade terakhir ini. Algoritma Multilayer Preceptron diterapkan pada aplikasi prediksi ini untuk
mengoptmasi bobot dalam pelatihan [5]. Sistem yang dikembangkan dengan menggunakan pengukuran nilai
akurasi terhadap prediksi yaitu menggunakan RRMSE (Mean Square Error). Berdasarkan hal ini, skripsi ini
melakukan perhitungan nilai aktivasi Multilayer Preceptron dengan menggunakan rumus normalized hamming
distance untuk mendapatkan learning rate yang baik dan memimalisir nilai error pada permasalahan prediksi
harga emas.

2. METODE PENELITIAN
2.1 Peramalan (Forecasting)
Peramalan (forecasting) sangat penting bagi setiap organisasi, karena hal ini akan menjadi dasar pengambilan
keputusan manajemen yang tentunya akan mempengaruhi perkembangan organisasi. Metode peramalan
berfungsi untuk memprediksi data runtut waktu (time series) beberapa periode yang akan datang berdasarkan
data beberapa periode sebelumnya. Peramalan adalah memprediksi kejadian yang akan datang dengan
menggunakan data-data sebelumnya (data historis) yang nantinya akan menjadi dasar pengambilan keputusan.
[6]. Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari
data dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai
metode peramalan antara lain [7].
1. Peramalan berdasarkan jangka waktu. Peramalan berdasarkan jangka waktu dibagi menjadi 3 yaitu
a. Peramalan jangka pendek Jangka waktu untuk peramalan kurang satu tahun, umumnya kurang tiga bulan,
biasanya digunakan untuk rencana pembelian, penjadwalan kerja, jumlah TK, tingkat produksi.
b. Peramalan jangka menengah. Jangka waktu untuk peramalan tiga bulan hingga bulan, biasanya digunakan
untuk perencanaan penjualan, perencanaan dan penganggaran produksi dan menganalisis berbagai
rencana operasi.
c. Peramalan jangka panjang. Jangka waktu untuk peramalan tiga tahun atau lebih, biasanya digunakan
untuk merencanakan produk baru, penganggaran modal, lokasifasilitas, atauekspansi dan penelitian serta
pengembangan.
2. Peramalan berdasarkan metode pendekatan Peramalan berdasarkan metode terbagi menjadi 2 yaitu
a. Metode peramalan kualitatif. Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Metode
kualitatif dapat dibagi menjadi metode eksplanatoris dan normatif
b. Metode peramalan kuantitatif. Peramalan kuantitatif adalah peramalan yang didasarkan atas data
kuantitatif pada masa yang lalu. Hasil peramalan yang dibuat sangat bergantung pada metode yang
dipergunakan dalam peramalan tersebut. Metode kuantitatif dibagi menjadi 2 yaitu deret berkala (Time
Series) dan metode kausal.
2.2 Jaringan Syaraf Tiruan
Jaringan saraf tiruan bisa dibayangkan seperti otak buatan di dalam cerita – cerita fiksi ilmiah. Otak buatan ini
dapat berpikir seperti manusia dan juga sepandai manusia dalam menyimpulkan sesuatu dari potongan –
potongan informasi yang diterima. Khayalan manusia tersebut mendorong para peneliti untuk mewujudkannya.
Komputer diusahakan agar bisa berpikir sama seperti cara berpikir manusia. Carany adalah dengan melakukan
peniruan terhadap aktivitas-aktivitas yang terjadi di dalam sebuah jaringan saraf biologis. Ketika manusia
bepikir, aktivitas-aktivitas yang terjadi adalah aktivitas mengingat, memahami, menyimpan dan memanggil
kembali apa yang pernah dipelajari oleh otak. Sesungguhnya apa yang terjadi di dalam otak manusia jauh lebih
rumitdari apa yang telah didisebutkan di atas. Itulah sebabnya mengapa jaringan saraf tiruan dikatakan hanya
mengambil ide dari jaringan saraf biologis. Hal yang perlu mendapatkan perhatian adalah bahwa jaringan saraf
tiruan tidak di program untuk menghasilkan keluaran tertentu. Semua keluaran tertentu. Semua keluaran atau
kesimpulan yang ditarik oleh jaringan didasarkan pada pengalamannya selama mengikuti proses pembelajaran.
ANN merupakan sistem adatif yang dapat mengubah strukturnya untuk memecahkan suatu masalah berdasarkan
informasi internal maupun eksternal. ANN bersifat fleksibel terhadap inputan data dan menghasilkan output
respon konsisten. ANN telah banyak digunakan dalam area yang luas. menjelaskan, penerapan ANN dapat
mengidentifikasi beberapa aplikasi yaitu:
1. Estimasi/prediksi (aproksimasi fungsi, peramalan)
2. Pengenalan Pola (klasifikasi, diagnosis, dan analisis diskriminan)
3. Klustering (pengelompokan tanpa adanya pengetahuan sebelumnya).
2.2.1 Arsitektur Jaringan Saraf Tiruan

333
SNASTIKOM Ke 8 Tahun 2021
ISBN: 978-623-91911-2-2

Dalam jaringan syaraf tiruan ada beberapa pendapat tentang arsitektur jaringan syaraf tiruan. Salah satu pendapat
tersebut mengatakan bahwa arsitektur jaringan saraf tiruan dibagi ke dalam tiga macam arsitektur, yaitu [8]:
1. Jaringan Lapis Tunggal
Jaringan yang memiliki arsitektur jenis ini hanya memiliki satu buah lapisan bobot koneksi. Jaringan
lapisan tunggal terdiri dari unit – unit input yang menerima sinyal dari dunia luar, dan unit – unit output
dimana kita bisa membaca respon dari jaringan saraf tiruan tersebut

Gambar 1. Jaringan Lapis Tunggal

2. Jaringan Multilapis
Merupakan jaringan dengan satu atau lebih lapisan tersembunyi. Multilayer ini memiliki kemampuan
lebih dalam memecahkan masalah bila dibandingkan dengan single layer, namun pelatihannya mungkin
lebih rumit.

Gambar 2. Jaringan Multilapis

3. Jaringan Kompetitif
Pada jaringan ini sekumpulan neuron bersaing untuk mendapatkan hak menjadi aktif.

3. HASIL DAN PEMBAHASAN

3.1 Analisis Permasalahan
Mengidentifikasi masalah merupakan langkah pertama yang dilakukan dalam tahap analisis sistem. Masalah
dapat didefinisikan sebagai suatu pertanyaan yang diinginkan untuk dipecahkan. Masalah inilah yang
menyebabkan sasaran dari sistem tidak dapat dicapai. Setelah penulis mendapatkan data dari studi pustaka dan
penelitian sejenis sebelumnya.Maka penulis mendapatkan sebuah masalah yaitu mengimplemntasikan peramalan
harga emas dengan menggunakan metode multilayer perceptron (MLP) neural network sehingga dapat diketahui
hasil peramalan tersebut berisi harga emas pada beberapa bulan kedepan.
3.2 Analisis Kebutuhan Non Fungsional
Spesifikasi kebutuhan non fungsional adalah spesifikasi yang rinci tentang kebutuhan sistem ketika
diimplementasikan. Kebutuhan sistem adalah kebutuhan perangkat keras (hardware) dan perangkat lunak
(software) yang digunakan sebagai pendukung untuk membuat program. Ada 4 macam kebutuhan Non
Fungsional sebagai berikut :
1. Usability merupakan kebutuhan non fungsional yang berhubungan dengan kemudahan pemakaian sistem
atau perangkat lunak oleh pengguna.
2. Portability adalah kemudahan dalam pengaksesan sistem, terutama yang berkaitan dengan faktor lokasi
pengaksesan, waktu, perangkat ataupun teknologi yang dipakai untuk mengakses. Teknologi atau perangkat
tersebut mencakup perangkat keras, perangkat lunak dan perangkat jaringan.
334
SNASTIKOM Ke 8 Tahun 2021
ISBN: 978-623-91911-2-2

3. Sedangkan definisi reliability adalah kebutuhan yang terkait dengan keandalan sistem atau perangkat lunak,
termasuk soal keamanan sistem.
4. Supportability merupakan kebutuhan yang berhubungan dengan dukungan dalam pemakaian sistem atau
perangkat lunak.
3.2.1 Analisis Perangkat Keras Komputer
Perangkat keras adalah sebuah komponen atau unsur peralatan yang digunakan untuk mengimplementasikan
sistem pencarian rute terbaik. Adapun perangkat keras yang digunakan secara optimal memerlukan spesifikasi
minimum komputer sebagai berikut:
1. Processor dengan kecepatan core i3
Core i3 dibekali dengan rancangan dua prosesor dual core di dalamnya. Kedua prosesor tersebut dapat
menjalankan dua instruksi sekaligus dalam waktu yang bersamaan. Banyak yang mengatakan bahwa Core i3
lebih tahan terhadap panas, bahkan lebih efisien untuk ketahanan daya baterai. Meskipun demikian, Core i3
juga ternyata memiliki kelebihan dan kekurangannya tersendiri, yang tentunya tidak kita dapati pada prosesor
Core i5 dan i7.
2. Kapasitas RAM 4 Gb
RAM (Random Access Memory) adalah tempat penyimpanan sementara pada komputer yang isinya dapat
diakses dalam waktu yang tetap, tidak memperdulikan letak data tersebut dalam memori atau acak. jadi Ram
ini hanya sebagai penyimpanan sementara saja saat anda menggunakan komputer atau software tertentu. agar
dapat di proses dengan cepat. Fungsi dari sebuah RAM adalah untuk mempercepat pemrosesan data pada
komputer. jadi Semakin besar RAM yang dimiliki, maka akan semakin cepat sebuah komputer memrosesnya.
Kerja RAM dapat dilihat di task manager di dalam system komputer.
3. Monitor VGA beresolusi 1024 x 768
standar tampilan komputer analog yang dipasarkan pertama kali oleh IBM pada tahun 1987. Walaupun
standar VGA sudah tidak lagi digunakan karena sudah diganti oleh standar yang lebih baru, VGA masih
diimplementasikan pada Pocket PC. VGA merupakan standar grafis terakhir yang diikuti oleh mayoritas
pabrik pembuat kartu grafis komputer. Tampilan Windows sampai sekarang masih menggunakan modus
VGA karena didukung oleh banyak produsen monitor dan kartu grafis.
4. Keyboard dan Mouse
Keyboard adalah sebuah perangkat keras komputer yang berfungsi untuk input data berupa tulisan, angka,
symbol dan juga beberapa perintah cepat lainnya pada saat kita menggunakan komputer. Keyboard termasuk
ke dalam jenis perangkat keras input. Secara fisik keyboard berupa sebuah papan yang berisi tombol - tombol
berupa tulisan atau angka serta symbol tertentu. Cara menggunakan keyboard hanya dengan menekan tombol
sesuai kebutuhan dan fungsinya.
Mouse merupakan slah satu perangkat atau piranti komputer yang berfungsi untuk memasukkan data berupa
perintah - peringtah tertentu. Mouse itu biasanya dipasangkan atau disandingkan dengan keyboarad sebagai
perangkat input standar untuk komputer. Mouse pada umumnya memiliki beberapa bagian yaitu dua tombol
"klik" dan satu roda scrol yang terletak di tengah dua tombol klik tersebut. Ketika anda menghubungkan
mouse dengan komputer, baik melalui USB port atau lewat Mouse Port, kita akan melihat pointer yang akan
bergerak ketika kita menggerakkan mouse.
Secara keseluruhan spesifikasi perangkat keras komputer yang ada sudah memenuhi syarat kebutuhan
perangkat lunak yang akan diaplikasikan.
3.2.2 Analisis Perangkat lunak komputer
Perangkat lunak adalah beberapa perintah yang dieksekusi oleh mesin komputer dalam menjalankan
pekerjaannya. Secara luas perangkat lunak dapat diartikan sebagai suaru produser pengoprasian, dan dapat
diartikan sebagai segala macam jenis program yang digunakan untuk mengoprasikan komputer dan peralatannya.
Adapun perangkat lunak yang digunakan secara optimal memerlukan spesifikasi minimum komputer sebagai
berikut:
1. Windows10 64 bit
Windows 10 sendiri merupakan sistem operasi komputer pribadi yang juga dikembangkan oleh Microsoft
sebagai dari keluarga sistem operasi Windows NT. Windows NT adalah sebuah sistem operasi 32-bit dari
Microsoft yang menjadi leluhur sistem operasi Windows 2000, Windows XP, Windows Server 2003, dan
Windows Vista.
2. Anaconda
Anaconda adalah platform bahasa pemrograman Pyhton yang bersifat open-source. Yang bertujuan untuk
menyederhanakan manajemen paket dan penyebaran. Versi paket dikelola oleh conda sistem manajemen
paket. Distribusi Anaconda digunakan oleh lebih dari 12 juta pengguna dan mencakup lebih dari 1400 paket
sains data populer yang cocok untuk Windows, Linux, dan MacOS. Anaconda memiliki package installer

335
SNASTIKOM Ke 8 Tahun 2021
ISBN: 978-623-91911-2-2

yang cukup handal dan memiliki package yang lengkap dan terupdate. Anaconda sangat direkomendasikan
ketika menggunakan python sebagai bahasa untuk machine learning.

3. Jupyter
Jupyter adalah organisasi non-profit untuk mengembangkan software interaktif dalam berbagai bahasa
pemrograman. Notebook adalah satu software buatan Jupyter, adalah aplikasi web open-source yang
memungkinkan Anda membuat dan berbagi dokumen interaktif yang berisi kode live, persamaan, visualisasi,
dan teks naratif yang kaya.

4. KESIMPULAN
Dalam uraian rangkaian mulai dari proses pelatihan dan pengujian untuk memprediksi harga emas dengan
menggunakan Bahasa pemrograman python, dapat ditarik beberapa kesimpulan penting antara lain:
1. Dari hasil kombinasi parameter dan pengujian dengan algoritma Multilayer Perceptron yang diperlihatkan
pada tabel 4.2, nilai error terkecil berada pada layer 3 adalah 54262,375, nilai ini merupakan nilai max error
yaitu apabila mendekati nol menunjukkan bahwa hasil peramalan sesuai dengan data aktual dan bisa
dijadikan untuk perhitungan peramalan di periode mendatang. yang diperoleh dari parameter learning rate 1
adalah 0.5, learning rate 2 adalah 1, learning rate 3 1.5.
2. Hasil algoritma Multilayer Perceptron dalam melakukan peralaman harga emas dapat berjalan dengan baik
dengan yang menunjukan model dari data training dan testing yang di implementasikan dapat melakukan
prediksi harga emas.

DAFTAR PUSTAKA
[1] S. Amalia, "Pengenalan Digit 0 Sampai 9 Menggunakan Ekstraksi Ciri Mfcc Dan Jaringan Syaraf Tiruan
Backpropagation," Jurnal Teknik Elektro, 6(1), pp. 1-8, 2017.
[2] R. Aprilia, dan R. F. Sari, "Implementation Of Pagerank Algorithm In Matlab," Zero: Jurnal Sains,
Matematika Dan Terapan, 1(1), 33–40. Https://Doi.Org/10.30829/Zero.V1i1.1458, 2018.
[3] M. Yanto, "Penerapan Jaringan Syaraf Tiruan Dengan Algoritma Perceptron Pada Pola Penentuan Nilai
Status Kelulusan Sidang Skripsi," Jurnal Teknoif Itp, 5(2), pp: 79–87, 2017.
[4] I. Kurniawan, "Analisis Keuntungan Investasi Emas Dengan Ihsg," Jurnal Manajemen Bisnis Dan
Kewirausahaan, 3(2), 2019.
[5] T. F. Hadimarta, dan R. R. Muhima, "Implementasi Multilayer Perceptron Pada Jaringan Saraf Tiruan
Untuk Memprediksi Nilai Valuta Asing," Integer: Journal Of Information Technology, 5(1), 2020.
[6] F. Fauziah, Y. I. Ningsih, dan E. Setiarini, "Analisis Peramalan (Forecasting) Penjualan Jasa Pada Warnet
Bulian City Di Muara Bulian," Eksis: Jurnal Ilmiah Ekonomi Dan Bisnis, 10(1), pp. 61–67, 2019.
[7] H. Hengky, "Sistem Pakar Mendiagnosa Penyakit Ginjal Dengan Menggunakan Metode Fuzzy Logic
Tsukamoto," Universitas Buddhi Dharma, 2018.
[8] T. F. Hadimarta, dan R. R. Muhima, "Implementasi Multilayer Perceptron Pada Jaringan Saraf Tiruan
Untuk Memprediksi Nilai Valuta Asing, " Integer: Journal Of Information Technology, 5(1), 2020.

336