GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA PERAMALAN DATA TIME SERIES

Luh Putu Widya Adnyani, Prof. Drs. H. Subanar, Ph.D

2012 | Tesis | S2 Matematika

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.

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 BOXJenkins) is not able to explain the presence of linkage data. This research was conducting by taking the dollar exchage rate and composite stock price index(IHSG). By using the GRNN methode will obtained the predictive value in some future periode. The advantages using this method is faster in term of computation and doesn’t requared the presence of a data asumptions. GRNN method produces more accurate predictive value comapred with ARIMA. It was shown that the MSE value is smaller than ARIMA

Kata Kunci : GRNN, Neural Network, GRNN Time Series, GRNN Kurs dan IHSG.