Aulia Fikri Furqon, 4111418038 (2023) OPTIMASI PARTICEL SWARM OPTIMIZATION PADA NEURAL NETWORK DALAM PERAMALAN HARGA SAHAM (STUDI KASUS BMRI). Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

PDF - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Penelitian ini didasarkan fenomena dalam perkembangan teknologi serba digital yang menjadikan teknologi dapat membantu dalam kehidupan manusia. Dengan penerapan metode NN dapat digunakan untuk memodelkan interaksi yang sukar antara input dan output dalam menemukan pola pada data, serta dapat me�nyelesaikan permasalahan dengan sampel data besar. Dengan menggunakan PSO sebagai algoritma optimasi dapat menaikkan bobot pada atribut dan akurasi data. Dalam penelitian ini, algoritma NN akan di kombinasikan dengan algortima PSO dengan mendapatkan parameter terbaik sehingga mendapatkan hasil evaluasi yang lebih optimal dalam peramalan harga saham Bank Mandiri (BMRI). Tujuan penelitian ini adalah penerapan neural network yang dioptimasi dengan particle swarm optimization (NN-PSO) untuk peramalan harga close saham BMRI. Algo�ritma Neural Network diterapkan untuk melakukan eksperimen kombinasi parame�ter yang telah ditetapkan yakni training cycle, learning rate, dan momentum, serta mengubah bentuk arsitektur pada NN. Algoritma PSO dipilih untuk menurunkan nilai error yang berupa Root Mean Square Error (RMSE). Data yang digunakan merupakan harga close saham BMRI dari 29 Juli 2019 – 28 Juni 2022 yang diambil dari situs resmi www.bi.go.id. Hasil penelitian model NN terbaik pada bentuk arsitektur 7 − 3 − 1 dengan param�eter training cycle 1000, learning cycle 0,100, dan momentum 0,633. Model NN�PSO dengan menerapkan hasil yang sudah diperoleh dari model parameter nilai terbaik pada NN, kemudian dioptimasi menggunakan PSO pada penentuan nilai bobot atribut memperoleh hasil terbaik dengan menggunakan parameter parameter Population Size bernilai 6, pbest dan gbest bernilai masing-masing 1 dan 1, Max Generation 30, inersia weight 0.1, nilai max weight 1.0 dan min weight 0.0. Pada penelitian menunjukkan bahwa dengan menggunakan NN yang telah dioptimasi dengan PSO dengan bantuan software rapidminer studio dapat mengurangi RMSE yang menghasilkan 0.055 +/- 0.000 dalam peramalan harga saham BMRI dibandingkan dengan algoritma NN tanpa dioptimasi yaitu sebesar 0.101 +/- 0.000, maka penerapan algoritma PSO dapat mendukung algoritma NN dapat menurunkan nilai error yang berupa RMSE dalam perkembangan harga saham BMRI. Hasil forecasting yang menggunakan model NN-PSO pada perkembangan harga saham BMRI selama 3 bulan yaitu dari tanggal 29 Juli 2022 hingga 28 Oktober 2022 menunjukan pola data uptrend yang artinya pada harga saham BMRI akan men�galami kenaikan harga

Actions (login required)

View Item