Muhammad Arif Kurniawan , 4111412077 (2017) PENERAPAN METODE FEED FORWARD NEURAL NETWORK (FFNN) BACKPROPAGATION UNTUK MERAMALKAN HARGA SAHAM. Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF - Published Version Download (363kB) | Preview

Abstract

Para pemegang saham biasanya terkendala dalam hal prediksi harga saham. Hal ini disebabkan terjadi selisih antara harga saham asli dan prediksi yang jauh berbeda, sehingga para pemegang saham di tuntut untuk memahami ilmu peramalan agar mudah dalam pengambilan keputusan. Salah satu teknik peramalan yang bisa digunakan adalah feed forward neural network (FFNN) dengan algoritma backpropagation. FFNN itu sendiri dipengaruhi oleh jumlah unit neuron pada hidden layer, yang memungkinkan error yang di dapat lebih kecil. Oleh karena itu, penelitian ini membahas tentang prosedur pembentukan model FFNN, penerapan model untuk melakukan peramalan harga saham, dan analisis hasil peramalan. Ada dua variabel sebagai input datanya, yaitu harga pembukaan saham dan harga penutupan saham serta pembagian data training dan testing yang masing-masing 75% dan 25% dari total data. Dalam penelitian ini dilakukan pengujian dengan program Matlab R2014a menggunakan metode feed forward neural network dengan algoritma backpropagation. Hasil dari penelitian ini menghasilkan bahwa prosedur dalam pembentukan model terdiri atas beberapa tahap, yaitu (1) menentuka input berdasarkan hasil lag signifikan pada plot PACF, (2) membagi data menjadi 2 yaitu data training dan testing, (3) normalisasikan data, (4) membangun FFNN algoritma backpropagation dengan menentukan banyaknya hidden layer, input yang optimal, dan menentukan bobot model, (5) denormalisasi data, dan (6) uji kesesuaian model dengan hasil plot regression. Struktur jaringan terbaik yang di peroleh adalah dengan 3 neuron input dan 10 neuron hidden layer yang di dapat dari melihat hasil lag signifikan pada plot PACF dan nilai MAPE terkecil yang di peroleh ketika hidden layer berjumlah 10. Dengan menggunakan fungsi aktifasi sigmoid bipolar, linear dan algoritma traingdx, peramalan harga saham tersebut menghasilkan nilai MAPE sebesar 0.014753 untuk proses training, 0.044259 untuk proses testing, dan Rp.17.405 untuk harga saham periode kedepan. Kesimpulan akhir dari penelitian ini adalah bahwa penerapan metode feed forward neural network dengan algoritma backpropagation sangat baik digunakan untuk peramalan harga saham dan saran untuk peneliti lain yang tertarik menggunakan metode FFNN untuk peramalan harga saham dapat menambahkan intervensi dari faktor-faktor penyebab perubahan harga saham, sehingga banyak kemungkinan yang bisa menjadi pertimbangan untuk menentukan hasil output dan model juga bisa di percepat dengan menggunakan berbagai macam pembelajaran lainnya, misalnya traingda dan trainrp.

Actions (login required)

View Item