Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal PYTHAGORAS: Jurnal Program Studi Pendidikan Matematika
Adnyani, Luh Putu Widya
Unknown Affiliation
Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA PERAMALAN KURS DOLAR DAN INDEKS HARGA SAHAM GABUNGAN (IHSG) Adnyani, Luh Putu Widya; Subanar, Subanar
PYTHAGORAS: Jurnal Program Studi Pendidikan Matematika Vol 4, No 1 (2015): PYTHAGORAS
Publisher : UNIVERSITAS RIAU KEPULAUAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (768.465 KB) | DOI: 10.33373/pythagoras.v4i1.576

Abstract

Abstrak General Regression Neural Network (GRNN) merupakan salah satu metode yang dikembangkan dari konsep jaringan syaraf tiruan yang dapat digunakan untuk peramalan.  Metode ini diaplikasikan untuk memprediksi data time series yang memiliki hubungan kausal dimana metode peramalan yang digunakan sebelumnya (ARIMA BOX - Jenkins) tidak mampu menjelaskan adanya keterkaitan data.Penelitian ini dilakukan dengan mengambil data kurs dollar dan IHSG.  Dengan menggunakan metode GRNN diperoleh suatu prediksi nilai IHSG beberapa periode kedepan.  Keunggulan penggunaan metode ini yaitu lebih cepat dari segi perhitungan dan tidak memerlukan adanya suatu asumsi data.   Metode GRNN menghasilkan nilai prediksi yang lebih akurat dibandingkan dengan metode ARIMA.  Hal itu ditunjukkan dari nilai MSE yang lebih kecil dari metode ARIMA.Kata Kunci: GRNN, Neural Network, GRNN Time Series, GRNN Kurs dan  IHSG. Abstract General Regression Neural Network (GRNN) is one method that was developed from the concept of artificial neural network that can be used for forecasting.  This method was applied to predict the time series data that has a causal relations where the forecasting method used previously (ARIMA BOX-Jenkins)is not able to explain the presence of linkage data.This research was conducting by taking the dollar exchange rate and composite stock price index (IHSG).  By using the GRNN method will obtained the predictive value in some future period.  The advantages using this method is faster in term of computation and doesn?t requaired the presence of a data assumptions.  GRNN method produces more accurate predictive value compared with ARIMA.  It was shown that the MSE value is smaller than ARIMA.Keyword:  GRNN, Neural Network, GRNN Time Series, GRNN Dollar exchange rate and   IHSG.
Co-Authors Subanar .