Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Implementasi JST pada Prediksi Total Laba Rugi Komprehensif Bank Umum dan Konvensional dengan Backpropagation

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 5 No. 4 (2018) · pp. 411–418

DOI
10.25126/jtiik.201854767
ISSN
2528-6579, 2355-7699
Published
2018-10-01
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
id

Abstract

Total laba rugi komprehensif merupakan hasil yang digunakan untuk mengukur keberhasilan kinerja perusahaan selama periode tertentu yang tidak dipengaruhi oleh operasi normal perusahaan. Informasi total lapa rugi komprehensif sangat penting bagi beberapa pengguna laporan keuangan seperti investor, kreditor dan manajemen dalam memprediksi dimana posisi angka total laba rugi komprehensif untuk menentukan arah investasi masyarakat ke depan, begitu juga bagi pihak bank berguna untuk menentukan kebijakan strategi pemasaran dalam meninggkatkan total laba komprehensif tersebut. Penelitian ini bertujuan untuk membuat prediksi dengan menggunakan Artificial Intelligence dengan algortima backpropagation. Data yang digunakan bersumber dari Otoritas Jasa Keuangan (OJK) pada PT. Bank Mandiri (Persero) Tbk (Januari-Oktober 2016). Untuk melakukan prediksi dengan algortima backpropagation. Proses dilakukan dengan membagi data pelatihan dan pengujian untuk memperoleh model arsitektur terbaik. model arsitektur pelatihan dan pengujian yang digunakan untuk melakukan prediksi Total laba rugi komprehensif yakni: 4-25-1; 4-50-1; 4-50-75-1 dan 4-100-1. Dari serangkaian uji coba didapat pola terbaik dari arsitektur backpropagation adalah 4-50-1 dengan Means Square Error 0,0009978666, epoch 1977 dan akurasi 80% yang selanjutnya akan digunakan untuk melakukan prediksi. Abstract Total comprehensive income is the result used to measure the success of a company's performance over a certain period that is not affected by the company's normal operations. Total information on comprehensive loss is very important for some financial report users such as investors, creditors and management in predicting where the position of the total comprehensive income statement is to determine the direction of public investment going forward, as well as for banks to determine marketing strategy in increasing total profit comprehensive. This study aims to make predictions using Artificial Intelligence with backpropagation algorithms. The data used is sourced from the Financial Services Authority (OJK) at PT. Bank Mandiri (Persero) Tbk (January-October 2016). To predict with backpropagation algorithm. The process is carried out by dividing training and testing data to obtain the best architectural model. the training and testing architectural model used to predict the total comprehensive income: 4-25-1; 4-50-1; 4-50-75-1 and 4-100-1. From a series of trials obtained the best pattern of backpropagation architecture is 4-50-1 with Means Square Error 0,0009978666, epoch 1977 and accuracy 80% which will then be used to make predictions.

Keywords

Collaboration network of the authors

8 authors · 13 co-authorship links · 7 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • STIKOM Tunas Bangsa
  • Universitas Putra Indonesia "YPTK"
  • Gunadarma University
  • Universitas Labuhanbatu
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Putrama AlkhairiSTIKOM Tunas Bangsa2
Iwan PurnamaUniversitas Labuhanbatu2
Prihandoko PrihandokoGunadarma University1
Musli YantoUniversitas Putra Indonesia "YPTK"1
Muhammad Habib YuhandriUniversitas Putra Indonesia "YPTK"1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Implementasi JST pada Prediksi Total Laba Rugi Komprehensif Bank Umum dan Konvensional dengan Backpropagation</dc:title>
	<dc:creator xml:lang="id">Windarto, Agus Perdana</dc:creator>
	<dc:creator xml:lang="id">Lubis, Muhammad Ridwan</dc:creator>
	<dc:creator xml:lang="id">Solikhun, Solikhun</dc:creator>
	<dc:subject xml:lang="id">Jaringan saraf tiruan</dc:subject>
	<dc:subject xml:lang="id">Back-propagation</dc:subject>
	<dc:subject xml:lang="id">Laba Rugi Komprehensif</dc:subject>
	<dc:subject xml:lang="id">Prediksi</dc:subject>
	<dc:subject xml:lang="id">Ekonomi</dc:subject>
	<dc:subject xml:lang="id">Arsitektur</dc:subject>
	<dc:description xml:lang="id">Total laba rugi komprehensif merupakan hasil yang digunakan untuk mengukur keberhasilan kinerja perusahaan selama periode tertentu yang tidak dipengaruhi oleh operasi normal perusahaan. Informasi total lapa rugi komprehensif sangat penting bagi beberapa pengguna laporan keuangan seperti investor, kreditor dan manajemen dalam memprediksi dimana posisi angka total laba rugi komprehensif untuk menentukan arah investasi masyarakat ke depan, begitu juga bagi pihak bank berguna untuk menentukan kebijakan strategi pemasaran dalam meninggkatkan total laba komprehensif tersebut. Penelitian ini bertujuan untuk membuat prediksi dengan menggunakan Artificial Intelligence dengan algortima backpropagation. Data yang digunakan bersumber dari Otoritas Jasa Keuangan (OJK) pada PT. Bank Mandiri (Persero) Tbk (Januari-Oktober 2016). Untuk melakukan prediksi dengan algortima backpropagation. Proses dilakukan dengan membagi data pelatihan dan pengujian untuk memperoleh model arsitektur terbaik. model arsitektur pelatihan dan pengujian yang digunakan untuk melakukan prediksi Total laba rugi komprehensif yakni: 4-25-1; 4-50-1; 4-50-75-1 dan 4-100-1. Dari serangkaian uji coba didapat pola terbaik dari arsitektur backpropagation adalah 4-50-1 dengan Means Square Error 0,0009978666, epoch 1977 dan akurasi 80% yang selanjutnya akan digunakan untuk melakukan prediksi. Abstract Total comprehensive income is the result used to measure the success of a company's performance over a certain period that is not affected by the company's normal operations. Total information on comprehensive loss is very important for some financial report users such as investors, creditors and management in predicting where the position of the total comprehensive income statement is to determine the direction of public investment going forward, as well as for banks to determine marketing strategy in increasing total profit comprehensive. This study aims to make predictions using Artificial Intelligence with backpropagation algorithms. The data used is sourced from the Financial Services Authority (OJK) at PT. Bank Mandiri (Persero) Tbk (January-October 2016). To predict with backpropagation algorithm. The process is carried out by dividing training and testing data to obtain the best architectural model. the training and testing architectural model used to predict the total comprehensive income: 4-25-1; 4-50-1; 4-50-75-1 and 4-100-1. From a series of trials obtained the best pattern of backpropagation architecture is 4-50-1 with Means Square Error 0,0009978666, epoch 1977 and accuracy 80% which will then be used to make predictions. </dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2018-10-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/767</dc:identifier>
	<dc:identifier>10.25126/jtiik.201854767</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 5 No 4: Agustus 2018; 411-418</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 5 No. 4: Agustus 2018; 411-418</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.201854</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/767/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2018 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>