Prediksi Inflasi dengan Neural Network Menggunakan Metode
advertisement
Prediksi Inflasi dengan Neural Network Menggunakan Metode Backpropagation Nama : NPM : Fakultas : Jurusan : Pembimbing : Ayu Choirunisa 51412280 Teknologi Industri Teknik Informatika Dr. Asep Juarna LATAR BELAKANG • Inflasi merupakan meningkatnya harga-harga secara umum dalam rentang waktu tertentu. Terjadinya inflasi dapat menimbulkan dampak pada negara, karena secara umum inflasi mengakibatkan berkurangnya investasi di suatu negara, naiknya suku bunga, kegagalan pelaksanaan pembangunan, ketidakstabilan ekonomi, dan sebagainya. Oleh karena itu, Pemerintah telah melakukan prediksi terhadap inflasi, namun prediksi yang dilakukan pemerintah tidak akurat atau terdapat banyak erorr dibandingkan dengan aktual inflasi. BATASAN MASALAH Batasan masalah pada penelitian ini, sebagai berikut : •Data yang digunakan adalah data makro ekonomi Indonesia. •Variabel yang menjadi perhatian, yaitu : Nilai Tukar, Suku Bunga PUAB, Produk Domestik Bruto, Uang beredar/ Besaran Moneter (M2), Inflasi •Menggunakan Logika penalaran Neural Network •Metode yang digunakan dalam memodelkan input ke output yaitu Backpropagation TUJUAN PENELITIAN Tujuan penelitian ini adalah sebagai berikut: •Mengetahui bentuk model prediksi inflasi dengan Neural Network •Mengetahui tingkat akurasi estimasi inflasi menggunakan Neural Network Kerangka Penelitian • Berdasarkan Juda Agung et Al dalam Identifikasi Informasi Dalam Framework Inflation Targeting (2003) melakukan pengujian terhadap 29 variabel yang memungkinkan memiliki kandungan informasi terhadap inflasi. Namun diantara 29 variabel itu terdapat the best indicators variabel yaitu Nilai Tukar (Rp/USD), Uang Beredar(M2), Suku Bunga PUAB, dan Produk Domestik Bruto (PDB). • Objek penelitian ini adalah mengestimasi tingkat inflasi berdasarkan variabel input. Variabel input dari penelitian ini adalah the best indicators variabel, dan outputnya adalah inflasi. Gambaran Implementasi • • • - Persiapan data series yang dibentuk menjadi matriks. Perangkat Lunak MatLab R2012b Neural Network : Membuat Network untuk matriks input sebagai input dan matriks output sebagai target. - Melakukan training data atau pelatihan data dari matriks input dan output yang dibentuk dari data series. - Melakukan simulator terhadap network yang dibuat, input, dan target untuk mendapatkan hasil estimasi dari inflasi. Data Makro Ekonomi Data Makro Ekonomi Uang Beredar Data Makro Ekonomi Suku Bunga PUAB Data Makro Ekonomi Training Data / Pelatihan Data Best Validation Performance OUTPUT Neural Network MSE Relatif • Mean Squared Eror Relatif (%) Perbandingan Inflasi Aktual dengan Target Inflasi KESIMPULAN DAN SARAN Kesimpulan: • Secara keseluruhan, Neural Network System mampu melakukan training atas data yang memodelkan kelakuan input-output dengan baik, hal ini dibuktikan dengan MSE (Mean Squared Error) Relatif = 0.016%. • Tingkat error yang kecil diperkuat dengan hasil estimasi dari Neural Network System yang telah diberhasil di buat. Pada periode 2014, inflasi aktual adalah 8,38% dan target inflasi penulis adalah 8,37%, memiliki error sebesar = 0,01% dan pada periode 2015, inflasi aktual adalah 8,36% dan target inflasi penulis adalah 8,38%, memiliki error sebesar = 0.02%. Selain itu, hasil beberapa estimasi juga menunjukan 100% keakurasian (selisih =0,00) lihat saja estimasi pada periode 2014 – 2015 dan keakurasian ini juga bisa terlihat pada periode selanjutnya. KESIMPULAN DAN SARAN Saran •Berkenaaan dengan data Produk Domestik Bruto, penelitian ini penulis menginterpolasi data triwulan dari PDB menjadi data perbulan menggunakan asumsi matematika dalam mengestimasi bulan ke satu dan ke dua sebelum dan sesudah data aktual. Kedepanya penulis menyarankan untuk melakukan interpolasi menggunakan metode lain yang lebih teknis. •Dalam penentuan tingkat keakurasian hasil estimasi penulis merangkum data inflasi yang sebelumnya per bulan menjadi per tahun. Setiap 12 bulan, inflasi dianggap 1 tahun dan dicari rata-rata nya, apabila penulis selanjutnya ingin lebih mendetail informasi estimasi inflasi perbulan boleh dibandingkan dengan informasi aktual inflasi perbulan pemerintah. • Terima kasih banyak atas perhatianya. • NET!! Dimana dalam net terdapat w(weight) atau bobot , b(bias) atau kemiringan. Y = sim(net, input)