Prediksi Harga Emas Menggunakan Feed Forward Neural Network  Dengan Metode Extreme Learning Machine

Izati, N; Warsito, Budi; Widiharih, Tatik

doi:10.14710/j.gauss.v8i2.26641

Cited by 11 publications

(12 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Metode ELM merupakan metode pembelajaran baru dari JST, dan pertama kali dikenalkan oleh Huang pada tahun 2004 [11]. Metode ELM ini memiliki keunggulan dalam learning speed (waktu) [12], karena untuk bobot awal diperoleh secara random tanpa perlu iterasi seperti metode JST yang lain, juga memiliki tingkat ketidaksesuaian atau tingkat kesalahan rendah [ Hasil prediksi yang didapat juga sangat baik karena mendekati nilai aktualnya [15]. Penelitian lainnya dilakukan prediksi nilai ekspor impor migas dan nonmigas di Indonesia dengan menggunakan metode ELM.…”

Section: Latar Belakangunclassified

Penerapan Metode Extreme Learning Machine (ELM) untuk Memprediksi Hasil Sensor EWS Trafo

Apalem

2024

jtik

View full text Add to dashboard Cite

Early Warning System (EWS) Trafo merupakan alat monitoring secara konitinu untuk trafo yang memberikan peringatan saat terdeteksi anomaly, dengan tujuan mencegah ledakan. Alat ini menerapkan teknologi artificial intelligence dan machine learning untuk memantau dan memprediksi kondisi trafo secara real-time dengan menggunakan data sensor yang dikumpulkan oleh alat tersebut. Pada penelitian ini akan dilakukan prediksi kondisi trafo berdasarkan hasil sensor EWS Trafo dengan menggunakan metode Extreme Learning Machine (ELM). Diamana akan dilihat seberapa baik metode ELM dalam melakukan prediksi kondisi trafo. Berdasarkan hasil penelitian yang dilakukan terhadap beberapa kombinasi jumalah pembagian data training : testing dengan jumlah hidden layer, didapat nilai MAPE terendah ada pada kombinasi pembagian data 40%:60% dari total 470 data dengan hidden layer 20 buah yaitu sebesar 23,1125%. Sehingga dapat dikatakan bahwa metode Extreme Learning Machine (ELM) ini cukup baik dalam memprediksi kondisi trafo.

show abstract

Section: Latar Belakangunclassified

Penerapan Metode Extreme Learning Machine (ELM) untuk Memprediksi Hasil Sensor EWS Trafo

Apalem

2024

jtik

View full text Add to dashboard Cite

show abstract

“…LBMA menentukan harga emas dua kali dalam sehari setiap hari kerja, yaitu pukul 10.30 (Gold A.M) dan pukul 15.00 (Gold P.M) dengan mata uang Dolar Amerika Serikat per troy ounceyang sama dengan 31,103 gram oleh lima anggota LBMA yaitu Bank of Nova Scottia, Barclays Capital, Deutsche Bank, HSBC, dan Societe Gerale. Harga yang digunakan sebagai patokan harga emas seluruh negara di dunia adalah harga Gold P.M. (Izati et al, 2019).…”

Section: Tinjauanpustaka 21 Harga Emas Duniaunclassified

Pemodelan Harga Emas Dunia Menggunakan Metode Nonparametrik Polinomial Lokal Dilengkapi Gui R

Hendrian

Suparti

Prahutama

2021

J.Gauss

View full text Add to dashboard Cite

Investing in gold is a flexible choice because it can be sold at any time and used as an emergency fund. Investors should have the knowledge to predict data from time to time to achieve investment goals. One of the statistical methods for time series data modeling is ARIMA. The ARIMA model is strict with the assumptions that the data must be stationary, the residuals must be normally distributed, independent, and with constant variance, so an alternative model is proposed, namely nonparametric regression model, which has no modeling assumptions requirement. In this study, the daily world gold price data will be modeled using a local polynomial nonparametric model as an alternative because the assumptions in the ARIMA are not fulfilled. The data is divided into 2 parts, namely in sample data from January 2, 2020 to November 30, 2020 to form a model and out sample data from December 1, 2020 to December 31, 2020 used for evauation of model performance based on MAPE values. The chosen best model is the local polynomial model with Gaussian kernel function of degree 5, bandwidth of 373, and local point of 1744 with an MSE value of 482.6420. The local polynomial model out sample data MAPE value is 0.61%, indicating that the model has excellent forecasting capability. In this study, Graphical User Interface (GUI) using R software with the help of shiny package is also built, making data analyzing easier and generating more interactive display output.

show abstract

“…3. Lapisan Keluaran (Output Layer), yaitu merupakan hasil akhir pemrosesan input dan bobotbobot dari neuron hidden layer yang terhubung dengannya [24].…”

Section: Jaringan Syaraf Tiruan (Jst)unclassified

Penerapan Jaringan Syaraf Tiruan pada Hidung Elektronik Cerdas untuk Deteksi Daging Babi

Aries²

2021

Telematika

View full text Add to dashboard Cite

Tingkat komsumsi daging sapi di Indonesia terus naik dari tahun ke tahun terlihat dari permintaan pasar yang terus meningkat terutama pada perayaan hari besar dan hari raya. Akan tetapi peningkatan permintaan pasar akan daging sapi masih kerap dimanfaatkan oleh oknum tak bertanggung jawab yang mencampur daging sapi dengan daging babi. berdasarkan fakta tersebut maka dibuat sebuah sistem electronic nose yang dapat membedakan antara daging sapi murni dengan daging sapi bercampur babi berdasarkan karakteristik aroma. Alat ini menerapkan jaringan syaraf tiruan (JST) backpropagation yang dilatih menggunakan aplikasi MATLAB untuk mengenali pola dari aroma sampel daging yang ditangkap menggunakan rangkaian sensor gas TGS2602, TGS2620, TGS2610 dan TGS2611, kemudian mengklasifikasikannya dalam dua kelas yaitu MURNI dan CAMPURAN. Sampel daging segar yang digunakan untuk pengujian ada 4 macam yaitu daging sapi murni, daging campuran 25%, 50% dan 75% dengan total sampel sebanyak 30 terdiri dari 15 sampel murni dan 15 sampel campuran. Dari pengujian tersebut didapat nilai akurasi, presisi, sensitivity dan specificity sebesar 100% menggunakan confusion matrix.

show abstract

Prediksi Harga Emas Menggunakan Feed Forward Neural Network Dengan Metode Extreme Learning Machine

Cited by 11 publications

References 1 publication

Penerapan Metode Extreme Learning Machine (ELM) untuk Memprediksi Hasil Sensor EWS Trafo

Penerapan Metode Extreme Learning Machine (ELM) untuk Memprediksi Hasil Sensor EWS Trafo

Pemodelan Harga Emas Dunia Menggunakan Metode Nonparametrik Polinomial Lokal Dilengkapi Gui R

Penerapan Jaringan Syaraf Tiruan pada Hidung Elektronik Cerdas untuk Deteksi Daging Babi

Contact Info

Product

Resources

About