JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI SUKUK NEGARA RITEL BERDASARKAN KELOMPOK PROFESI DENGAN BACKPROPOGATION DALAM MENDORONG LAJU PERTUMBUHAN EKONOMI

Agus Perdana Windarto, Solikhun Solikhun, Handrizal Handrizal, M Fauzan

Abstract


State Retail Sukuk is a Sharia Securities issued and its sale is regulated by the State, namely the Ministry of Finance (Depkeu). Where the government will choose the seller agent and consulting retail sukuk law. Selling agents must be obliged to have a commitment to the government in the development of the sukuk market and experience in selling Islamic financial products. The publication of this instrument is likened to a "mutualist symbiosis" between the Government and Society, both of which benefit equally. The government as the publisher benefits from the use of funds from the community, while the community benefits from investments made. This research contributes to the government and the Bank to be able to promote maximally for the next sukuk issuer. The data used is data from kemenkeu through website www.djppr.kemenkeu.go.id. The data are sukuk sales data with series 001 - 007 which are grouped into several categories namely geography, profession and age category. Algorithm used in this research is Artificial Neural Network with Backpropogation method. The input variables used are PNS (X1), Private Officer (X2), IRT (X3), Entrepreneur (X4), TNI / Polri (X5) and Others (X6) with architectural model of training and testing of 6 architectures 6-2-1, 6-5-1, 6-2-5-1 and 6-5-2-1. The output (output) generated is the best pattern of the ANN architecture. The best architectural model is 6-5-2-1 with epoch 37535, MSE 0.0009997295 and 100% accuracy rate. From this model will be conducted sensitivity analysis to see the variable that has the best performance and obtained variable Private Employees (X2) with a score of 0.3268. So obtained the results of the most investors predicted on the purchase of sukuk for the next 008 series based on the profession category is Private Employees.

Keywords: Sukuk, JST, Backpropogation, Sensitivity Analysis and Prediction

Sukuk Ritel Negara adalah Surat berharga Syariah yang diterbitkan dan penjualannya diatur oleh Negara, yaitu Departemen Keuangan (depkeu). Dimana pemerintah akan memilih agen penjual dan konsultasi hukum sukuk ritel. Agen penjual haruslah wajib memiliki komitmen terhadap pemerintah dalam pengembangan pasar sukuk dan berpengalaman dalam menjual produk keuangan syariah. Penerbitan instrumen ini diibaratkan sebuah “simbiosis mutualis” antara Pemerintah dan Masyarakat, dimana keduanya sama-sama memperoleh keuntungan. Pemerintah selaku penerbit memperoleh keuntungan berupa  penggunaan dana dari masyarakat, sedangkan masyarakat memperoleh keuntungan dari investasi yang dilakukan. Penelitian ini memberikan kontribusi bagi pemerintah dan Bank untuk dapat melakukan promosi secara maksimal untuk penerbitat sukuk berikutnya. Data yang digunakan adalah data dari kemenkeu melalui website www.djppr.kemenkeu.go.id. Data tersebut adalah data penjualan sukuk dengan seri 001 – 007 yang dikelompokkan dalam beberapa kategori yakni geografis, profesi dan kategori umur. Algoritma yang digunakan pada penelitian ini adalah Jaringan Saraf Tiruan dengan metode Backpropogation. Variabel masukan (input) yang digunakan adalah PNS (X1), Pegawai Swasta (X2), IRT (X3), Wiraswasta (X4), TNI/Polri (X5) dan Lainnya (X6) dengan model arsitektur pelatihan dan pengujian sebanyak 6 arsitektur yakni 6-2-1, 6-5-1, 6-2-5-1 dan 6-5-2-1. Keluaran (output) yang dihasilkan adalah pola terbaik dari arsitektur JST. Model arsitektur terbaik adalah 6-5-2-1 dengan epoch 37535, MSE 0,0009997295 dan tingkat akurasi 100%. Dari model ini akan dilakukan analisis sensivitas untuk melihat variabel yang memiliki performa terbaik dan diperoleh variabel Pegawai Swasta (X2) dengan skor 0,3268. Sehingga didapat hasil prediksi investor terbanyak pada pembelian sukuk untuk seri 008 berikutnya berdasarkan kategori profesi adalah Pegawai Swasta.

Kata Kunci: Sukuk, JST, Backpropogation, Analisis Sensivitas dan Prediksi


Full Text:

PDF

References


M. Dahria, “Kecerdasan Buatan ( Artificial Intelligence),” Saintikom, Vol. 5, No. 2, Pp. 185–196, 2008.

Marleni Anike, Suyoto, And Ernawati, “Pengembangan Sistem Jaringan Saraf Tiruan Dalam Memprediksi Jumlah Dokter Keluarga Menggunakan Backpropagation (Studi Kasus: Regional X Cabang Palu),” Semin. Nas. Teknol. Inf. Dan Komun. 2012 (Sentika 2012), Pp. 209–216, 2012.

Z. A. Matondang, “Jaringan Saraf Tiruan Dengan Algoritma Backpropagation Untuk Penentuan Kelulusan Sidang Skripsi,” Pelita Inform. Budi Darma, Vol. Iv, No. 1, Pp. 84–93, 2013.

A. Jumarwanto, “Aplikasi Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Penyakit Tht Di Rumah Sakit Mardi Rahayu Kudus,” J. Tek. Elektro, Vol. 1, No. 1, Pp. 11–21, 2009.

D. O. (Faculty Of I. E.-G. U. Maru’ao, “Neural Network Implementation In Foreign Exchange Kurs Prediction,” 2010.

Sumijan, A. P. Windarto, A. Muhammad, And Budiharjo, “Implementation Of Neural Networks In Predicting The Understanding Level Of Students Subject,” Int. J. Softw. Eng. Its Appl., Vol. 10, No. 10, Pp. 189–204, 2016.

M. M. Hidayat And T. Informatika-Its, “Analisis Prediksi Do Mahasiswa Dalam Educational Data Mining Menggunakan Jaringan Saraf Tiruan,” IPTEK, vol. 17, no. 2, pp. 110–119, 2013.




DOI: http://dx.doi.org/10.20527/klik.v4i2.90

Copyright (c) 2017 KLIK - KUMPULAN JURNAL ILMU KOMPUTER

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.joomla
counter View My Stats