Gated Restricted Boltzmann Machines (grbm) Pada Data Time Series

Abstract

Abstrak Prediksi harga saham adalah salah suatu kebutuhan yang sangat krusial bagi para investor. Biasanya investor membeli saham untuk mendapatkan keuntungan berdasarkan jumlah saham yang dimiliki yaitu dengan cara membeli suatu saham dengan harga murah dan menjualnya dengan harga yang lebih tinggi. Dengan memprediksi harga saham, pemilik saham dapat membuat keputusan yang tepat dalam melakukan transaksi jual beli saham tersebut. Namun dalam memprediksi harga saham dibutuhkan sistem yang dapat digunakan untuk menghasilkan nilai saham yang akan datang dengan tepat. Pada penelitian ini, metode Deep Belief Network dipilih dengan menggunakan tumpukan Gated Restricted Boltzmann Machine dengan jumlah neuron latent yang berbeda untuk prediksi harga saham. Pengukuran performansi prediksi saham dilakukan setalah tahap tahap perancangan sistem dilakukan. Dengan menggunakan metode Deep Belief Network hasil penelitian sistem prediksi saham mampu memberikan niai error terbaik yaitu RMSE 0,01575 dan MAPE 0.8074 dengan jumlah neuron latent 15. Kata kunci : prediksi saham, Deep Belief Network, Restricted Boltzmann Machine, Gated Restricted Boltzmann Machine Abstract Stock price prediction is one of the most crucial needs for investors. Usually investors buy shares to gain profits based on the number of shares owned by buying a stock at a low price and selling it at a higher price. By predicting stock prices, shareholders can make the right decision in the sale and purchase of such shares. But in predicting stock prices required a system that can be used to generate the value of the stock that will come with the right. In this study, the Deep Belief Network method was selected using the Gated Restricted Boltzmann Machine stack with different latent neuron numbers for stock price predictions. Measurement of stock prediction performance is done after phase of system design stage done. By using Deep Belief Network method result of research of stock prediction system able to give the best error that is RMSE 0,01575 and MAPE 08074 with number of neuron latent 15. Keywords : Stock Prediction, Deep Belief Network, Restricted Boltzmann Machine, Gated Restricted Boltzmann Machine