Bayesian Information Criterion (BIC) dalam pemilihan model terbaik Feed Forward Neural Network (FFNN) :: Studi kasus data posisi dana simpanan Tabungan Bank Umum dan BPR di propinsi D.I. Yogyakarta

QUDRATULLAH, Mohammad Farhan, Prof.Drs. Subanar, Ph.D

2007 | Tesis | S2 Matematika

Bayesian Information Criterion (BIC) merupakan kriteria informasi in sampel untuk pemilihan model terbaik dari beberapa kandidat model yang mungkin. BIC sangat efektif untuk memilih model terbaik dan dapat mengatasi komplektifitas model karena BIC memberikan penalti atas penambahan parameter dan cocok untuk data sampel yang besar. Model terbaik adalah model yang memiliki nilai BIC terkecil. Pada model neural network BIC yang dikombinasikan dengan prosedur "general-to-specific" (top-down) atau prosedur "specific-to-general" (bottom-up) dapat digunakan untuk menentukan jumlah neuron pada hidden layer dan jumlah neuron pada input dalam rangka pembentukan arsitektur feed forward neural network (FFNN) yang optimum. Dalam penerapannya pada data time series posisi dana simpanan tabungan Bank Umum (Bank Pemerintah dan Bank Swasta Nasional) dan Bank Perkreditan Rakyat (BPR) di propinsi D.I. Yogyakarta, model time series klasik terbaik pada data training dan data testing adalah ARIMA (0,1,1). Sedangkan arsitektur FFNN optimum pada data training adalah ARIMA-NN (1,1) dan arsitektur FFNN optimum pada data testing adalah ARIMA-NN (1,2). Berdasarkan nilai BIC dan nilai kriteria informasi lainnya, seperti AIC, MSE, MAE, MPE dan MAPE serta dikombinasikan dengan analisis grafik, model terbaik yang dapat menggambarkan data posisi dana tabungan tersebut diatas adalah ARIMA (0,1,1).

Available in Fulltext

Kata Kunci : Bayesian Information Criterion,FFNN, time series, best model, BIC,feed forward neural network