Nanda Rista Noviati, 4111416019 (2022) PERBANDINGAN EXTREME LEARNING MACHINE, GENETIC ALGORITHM-OPTIMIZED LONG SHORT-TERM MEMORY, DAN SUPPORT VECTOR REGRESSION UNTUK ANALISIS DATA SAHAM JANGKA PENDEK. Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

PDF - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Jaringan saraf tiruan atau Artificial Neural Network dalam beberapa dekade terakhir sudah banyak dikembangkan dan diaplikasikan dalam peramalan, klasifikasi, dan regresi. Saham menjadi salah satu bentuk data time series yang dapat dilakukan peramalan dengan menggunakan metode pembelajaran artificial neural network. Data yang digunakan dalam penelitian ini adalah dataset pasar saham indeks LQ45 yaitu saham PT Erajaya Swasembada Tbk, PT Aneka Tambang Tbk, dan PT Medco Energi Internasional Tbk. Data yang diambil mulai dari sejak terdaftar di pasar saham sampai dengan Bulan Juni 2022. Penelitian ini bertujuan untuk mengetahui hasil analisis data, pemodelan, dan perbandingan akurasi peramalan pada data harga saham menggunakan metode Extreme Learning Machine (ELM), Genetic Algorithm-Optimized Long Short-Term Memory (GA�LSTM), dan Support Vector Regression (SVR). Langkah-langkah yang harus dilakukan dalam menganalisis data saham menggunakan metode ELM, GA-LSTM, dan SVR adalah mempersiapkan modul yang akan digunakan untuk analisis data, pre-processing, membangun model, prediksi data, dan visualisasi data peramalan. Data saham dibagi menjadi 80% data training dan 20% data testing. Data diproses menggunakan masing-masing metode secara terpisah, dimana data training untuk melatih data dan data testing digunakan dalam peramalan. Pada ELM fokus parameter yang digunakan adalah batch size dan hidden neuron. Untuk metode GA�LSTM parameter yang menjadi fokus penelitian adalah window size dan number of bits atau hidden neuron. Fokus penelitan pada SVR yaitu timestep dan nilai C (Cost). Penentuan parameter-parameter terbaik tersebut berdasarkan nilai MSE, RMSE, dan MAE yang diperoleh dalam data testing. Pemodelan terbaik pada saham PT Erajaya Swasembada Tbk diperoleh menggunakan GA-LSTM dengan window size sebesar 8 dan unit hidden sebanyak 8. Pada saham PT Aneka Tambang Tbk, pemodelan terbaik menggunakan SVR diperoleh dengan timestep sebesar 15 dan nilai C sebesar 10000. Pemodelan optimal pada saham PT Medco Energi Internasional menggunakan GA-LSTM dengan window size sebesar 63 dan unit hidden sebanyak 492. Metode SVR pada studi kasus data harga saham PT Aneka Tambang Tbk mempunyai performa yang lebih baik dibandingkan metode ELM dan GA-LSTM. Pada data saham PT Erajaya Swasembada Tbk dan PT Medco Energi Internasional Tbk, metode GA-LSTM mempunyai nilai MSE, RMSE, dan MAE yang optimal. Berdasarkan analisis data waktu pelatihan, metode ELM mempunyai kecepatan waktu iterasi yang relatif lebih cepat dibandingkan metode GA-LSTM dan SVR.

Actions (login required)

View Item