15
Gambar 2.1 Arsitektur Neural Network
Pemrosesan informasi pada setiap neuron
dilakukan dengan
menjumlahkan hasil perkalian bobot-bobot koneksi dengan data-data
masukan. Hasil penjumlahan ini akan diteruskan ke neuron
berikutnya
melalui sebuah fungsi yang disebut fungsiaktivasi. Terdapat beberapa
jenis fungsi aktivasi, diantaranya fungsi aktivasi linear, semi linear,
sigmoid, sigmoid bipolar dan tangen hiperbolik.
Dari beberapa jenis fungsi aktivasi yang ada, yang digunakan
dalam penelitian ini adalah fungsi aktivasi sigmoid bipolar. Output dari
fungsi ini memiliki range
antara 1 sampai -1. Syntax
yang digunakan
dalam matlab adalah: Y = tansig(a).
y = f(x)
Pada peramalan data time series, data masukan untuk input layer
bisa berupa data-data variabel periode sebelumnya (lagged variable)
ataupun variabel lain yang digunakan untuk membantu peramalan, baik
bertipe kuantitatif maupun kualitatif.
Untuk peramalan satu variabel (univariate) saja, data masukan
untuk input layer
dan data keluaran pada output layer
dapat
dianalogikan dengan model autoregressive AR(p). Pada point tertentu t,
peramalan data Yt+1 dihitung dari menggunakan p = n observasi Yt,Yt-
 |