Penerapan Artificial Neural Network (ANN) dengan Proses Pembelajaran Backpropagation dalam Peramalan Data Deret Waktu

Abstract

Penelitian ini merupakan suatu kajian backpropagation dalam Artificial Neural Network (ANN) yang diaplikasikan pada model peramalan data deret waktu. Pemilihan model peramalan deret waktu yang menghasilkan nilai ramalan yang valid dan akurat adalah masalah utama dalam penerapan beberapa model peramalan. Selain itu data deret waktu yang stasioner merupakan asumsi yang harus dipenuhi untuk penentuan ordo AR dan MA dalam pemodelan ARIMA Box-Jenkins. Tujuan penelitian ini adalah menerapkan metode ANN untuk model peramalan dan membandingkan hasilnya dengan metode ARIMA Box-Jenkins. Kriteria untuk membandingkan dua metode peramalan tersebut, seperti AIC, BIC, dan SBC memberikan imbangan pada jumlah parameter dalam suatu model. Hal ini dilakukan karena metode-metode ini mempunyai perbedaan jumlah parameter dan membentuk fungsi yang menghasilkan ramalan, sehingga kriteria SSE belum cukup mewakili penilaian dan pembandingan model baik. Hasil penelitian menunjukkan metode ARIMA Box-Jenkins dan ANN sangat baik untuk ramalan "ex-post simulation", tetapi tidak selalu demikian pada ramalan "ex-ante forecast". Pendekatan ANN tidak ditemukan validasi pembobot (parameter) seperti pada ARIMA sehingga timbul kesulitan untuk penentuan jumlah (masukan) input dan jumlah hidden neuron yang optimal dan berakibat ramalan "ex-ante forecast" cenderung tidak mendekati nilai sebenarnya, meskipun hasil ramalan "ex-post simulation" lebih baik dari pendekatan ARIMA Box-Jenkins.