Please take a moment to complete this survey below
Library's collection Library's IT development CancelPeramalan adalah bagian yang tidak terpisahkan dari proses perencanaan
dan pengendalian dalam dunia industri. Metode peramalan yang dijumpai pada
waktu lalu kebanyakan menganut asumsi stasioneritas yang dapat mengurangi
akurasi peramalan saat dihadapkan pada time series yang non stasioner dan non
homogen. Banyak metode telah dikembangkan demi tercapainya optimalitas
peramalan. Salah satu metode baru yang diharap dapat meningkatkan optimasi
dan akurasi peramalan adalah Neural Network atau Jaringan Saraf Buatan.
Tujuan dari tugas akhir ini adalah membentuk suatu sistem jaringan saraf
buatan yang terlatih dalam mengidentifikasi pola financial time series lalu
mengeksploitasi ke masa datang. Pembahasan difokuskan pada data finansial
karena pada data tersebut sering terjadi perubahan mendadak (jump) yang
mengakibatkan non homogenitas maupun non stasioneritas. Secara teori, metode
ini akan lebih optimal dalam meminimumkan error peramalan dan meredam jump
karena memiliki kelebihan dalam kecepatan kalkulasi dan pengenalan pola.
Sebagai pembanding, akan dipakai metode GARCH yang juga memiliki kelebihan
dalam meramalkan data non stasioner dan non homogen.
Hasil akhir memperlihatkan bahwa metode ini ada kalanya kalah dengan
GARCH dalam MAR dan MSE saat curve fitting, tetapi kemampuan meredam
jump telah dibuktikan saat terjadi kenaikan maupun penurunan mendadak.