Analisis Penerapan Artificial Neural Network Algoritma Propagasi Balik untuk Meramalkan Harga Saham pada Bursa Efek Indonesia

  • Muhammad Farhan Mahfuzh Universitas Tidar
  • Risky Via Yuliantari Universitas Tidar
DOI: https://doi.org/10.30871/jaee.v6i1.3814

Abstract

Investasi merupakan sebuah tindakan yang sangat penting dilakukan untuk mengamankan nilai mata uang terhadap inflasi. Instrumen investasi yang ditawarkan Bursa Efek Indonesia cukup beragam, salah satunya adalah saham. Saham merupakan bukti seseorang terhadap kepemilikan suatu perusahaan. Investasi saham juga memberikan hasil yang cukup tinggi, sebanding dengan risiko yang ada. Jaringan syaraf tiruan berfungsi untuk meramalkan harga saham sebagai acuan investor dalam menjual atau membeli saham. Metode backpropagation merupakan algoritma pembelajaran yang didalamnya terdapat layer tersembunyi untuk meningkatkan akurasi peramalan. Metode yang dilakukan adalah literature review jurnal penelitian terdahulu mengenai jaringan syaraf tiruan backpropagation. Peramalan dilakukan dengan software matlab ataupun aplikasi yang dibuat dengan memanfaatkan library matematika bahasa Python.  Dengan menambahkan faktor harga minyak bumi, analisis teknikal, fundamental dapat meningkatkan keakuratan peramalan harga saham. Tingkat akurasi tertinggi peramalan harga saham mencapai 99,98% dengan mean square error 0,0991. Arsitektur yang mudah digunakan dan memberikan nilai peramalan tinggi adalah dengan menggunakan software matlab

Downloads

Download data is not yet available.

References

R. Yuniarti, J. Supardi, and B. R. Indonesia, “Forecasting Harga Saham dengan Jaringan Saraf Tiruan,” pp. 1–8, 1907.

M. Mulyana, L. Hidayat, and R. Puspitasari, “Mengukur Pengetahuan Investasi Para Mahasiswa Untuk Pengembangan Galeri Investasi Perguruan Tinggi,” JAS-PT J. Anal. Sist. Pendidik. Tinggi, vol. 3, no. 1, p. 31, 2019, doi: 10.36339/jaspt.v3i1.213.

A. P. Windarto and M. R. Lubis, “Model Arsitektur Backpropagation Pada Prediksi Total Laba Rugi Komprehensif Bank Umum Konvensional Dalam Mendorong Laju Pertumbuhan Ekonomi,” Semrestek 2018, no. November, pp. 330–338, 2016.

Y. A. Lesnussa, L. J. Sinay, and M. R. Idah, “Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Penyebaran Penyakit Demam Berdarah Dengue (DBD) di Kota Ambon,” J. Mat. Integr., vol. 13, no. 2, p. 63, 2017, doi: 10.24198/jmi.v13.n2.11811.63-72.

Y. Umaidah, “Penerapan Algoritma Artificial Neural Network Dalam Prediksi Harga Saham Lq45 Pt. Bank Rakyat Indonesia, Tbk,” J. Gerbang, vol. 8, no. 1, pp. 57–64, 2018.

A. N. Risky Via Yuliantari,Risanuri Hidayat,Oyas Wahyunggoro, “Pengenalan Tutur Vokal Bahasa Indonesia Menggunakan Metode Multi Layer Perceptron,” J. Teknol., vol. 9,No.2, pp. 37–42, 2014, [Online]. Available: http://journal.akprind.ac.id/index.php/jurtek/article/view/829/580.

A. Triyono, A. J. Santoso, and Pranowo, “Penerapan Metode Jaringan Syaraf Tiruan Backpropagation Untuk Meramalkan Harga Saham (IHSG),” J. Sist. Dan Inform., vol. 11, pp. 165–172, 2016, [Online]. Available: https://media.neliti.com/media/publications/129675-ID-penerapan-metode-jaringan-syaraf-tiruan.pdf.

A. Santoso and S. Hansun, “Prediksi IHSG dengan Backpropagation Neural Network,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 2, pp. 313–318, 2019, doi: 10.29207/resti.v3i2.887.

R. B. Purnama, “Perancangan Prediksi Untuk Menentukan Indeks Harga Saham Menggunakan Jaringan Syaraf Tiruan,” Kinetik, vol. 2, no. 2, p. 125, 2017, doi: 10.22219/kinetik.v2i2.190.

Meizir and B. Rikumahu, “Prediction of agriculture and mining stock value listed in kompas100 index using artificial neural network backpropagation,” 2019 7th Int. Conf. Inf. Commun. Technol. ICoICT 2019, pp. 1–5, 2019, doi: 10.1109/ICoICT.2019.8835284.

Published
2022-06-30
How to Cite
Mahfuzh, M., & Yuliantari, R. (2022). Analisis Penerapan Artificial Neural Network Algoritma Propagasi Balik untuk Meramalkan Harga Saham pada Bursa Efek Indonesia. Journal of Applied Electrical Engineering, 6(1), 1-3. https://doi.org/10.30871/jaee.v6i1.3814
Issue
Vol 6 No 1 (2022): JAEE, June 2022
Section
Manuscripts

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) ) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Open Access Policy

This journal provides immediate open access to its content on the principle that making research freely available to the public supports a greater global exchange of knowledge.

Its free availability on the public internet, permitting any users to read, download, copy, distribute, print, search, or link to the full texts of these articles, crawl them for indexing, pass them as data to software, or use them for any other lawful purpose, without financial, legal, or technical barriers other than those inseparable from gaining access to the internet itself.