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

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
Section
Manuscripts