Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTidak terlalu berlebihan jika dikatakan bahwa perkembangan ekonomi secara keseluruhan harus pula diukur dari seberapa jauh perkembangan pasar modal dan industri sekuritas pada negara tersebut. Keputusan investasi dari seorang pemodal yang rasional didahului oieh suatu proses analisis terhadap variabel yang secara fundamental diperkirakan akan mempengaruhi harga suatu saham. Pada ekstrem yang lain sebagian pemodal menganggap bahwa jual bell saham adalah karena cepatnya perubahan harga (pin point technical analisis) atau faktor waktu (timing).Sistem jaringan syaraf tiruan adalah sistem jaringan yang meniru jaringan syaraf biologis. Sistem komputasi jaringan syaraf tiruan ini mempunyai kemampuan untuk mengatasi masalah-masalah yang non-algoritmik, selain itu juga rnampu menangani masalah yang memiliki data rumit mempunyai derau, dan tidak lengkap.Pada skripsi ini dibuat perangkat lunak Sistem Jaringan Syaraf Tiruan untuk Memprediksi Saham, menggunakan metode propagasi umpan balik (back propagation), dengan menggunakan data perubahan harga (pin point technical analisis) dan akan diadakan uji coba perangkat lunak tersebut.Dari hasil uji coba yang dilakukan diperoleh hasil bahwa sistim jaringan syaraf tiruan memiliki hasil prediksi yang cukup akurat dengan tingkat kesaiahan yang cukup kecil. Peningkatan selanjutnya adalah penambahan masukan sebagai pembanding daiam proses pembelajarannya juga proses coba-coba untuk nendapatkan bobot yang sangat baik."

"Pembelajaran pada jaringan syaraf tiruan (JST)n melibatkan banyak proses komputasi. Kemampuan JST melakukaan klasifikasi dengan benar menggunakan komposisi bobot hasil pembelajaran merupakan representasi keberhasilan pembelajaran."

"It has been studied the forecasting of electric power peak load in the Indonesian electric system byusing Artificial Neural Network (ANAU) Back Propagation method with the study period is 2000 - 2025.The long-range forecasting of electric peak load is influenced by economic factors. in this study, it?sselected the economic data which is estimated very influence to forecasting, which in this case becomeinput ofAN1\L i. e.: Gross of Domestic Product (GDP) per-capita, Population, Amount of Households,Electrification Ratio, Amount of CO, Pollution, Crude Oil Price, Coal Price, Usage of Final Energy,Usage Qf Final Energy on Industrial Sector; and Average Electric Charges. Data used for study areactual data, start year 1990 up to 2000. Result of the peak load forecasting in the end of study (2025) byusing ANN is 85,504 MHC meanwhile the load forecasting in the National Electricity General lan(NEGP) is 79,920 MW (the difference of both is about 6. 6%). Based on ANN approach is obtained resultsthat the peak load forecasting in Indonesia in the year 2005, 2010, 2015, 2020 and 2025 are 16,516 MHC24,402 MHC 36, 15 7 MIK 56,060 MW and85,584 MW respectively."