Prediksi Perubahan Kondisi Uptrend Dan Downtrend Pada Pasar Saham Dengan Menggunakan Model Artificial Neural Network Ann
DOI:
https://doi.org/10.34818/eoe.v9i3.18142Abstrak
Abstrak Prediksi adalah sebuah proses untuk memperkirakan sesuatu secara sistematis dan memperkecil adanya kesalahan dimana hasilnya merupakan yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan masa sekarang. Masalah yang diangkat pada penelitian ini adalah Perubahan Kondisi harga naik (uptrend) dan harga turun (downtrend) pada Pasar Saham. Penelitian bertujuan untuk memprediksi Kondisi harga naik (uptrend) dan harga turun (downtrend) Pasar Saham Indonesia yang dipengaruhi oleh Pasar Saham Global. Prediksi dilakukan dengan menggunakan data saham dari 8 Data Harga Saham dari beberapa negara di dunia yaitu Indonesia (^JKSE), Kuala Lumpur (^KLSE),Singapura (^STI),China (000001.SS),Hong Kong (^HSI),Korea (^KS11),Jepang(^N225),dan United States(^DJI). Model yang digunakan adalah Artificial Neural Network (ANN) dimana model ini akan memprediksi harga naik dan harga turun berdasarkan data close dari Pasar Saham Indonesia (^JKSE). Hasil pengujian dari model yang dibangun memberikan nilai Train Accuracy tertinggi yaitu model ANN-05 dengan hasil yang ditampilkan adalah 76.74%. Model dengan nilai Test Accuracy tertinggi yaitu model dari ANN-01 dengan hasil 71.55% dengan menggunakan Node Hidden Layer 16,32,64 dan 128. Kata Kunci : Prediksi,Pasar Saham,Artificial Neural Network (ANN).Referensi
[1] V. S. Dewi, ANALISIS FAKTOR-FAKTOR
YANG MEMPENGARUHI PERGERAKAN
INDEKS HARGA SAHAM GABUNGAN
(IHSG) DI BURSA EFEK INDONESIA (BEI)
TAHUN 2012-2014, 2016.
[2] F. Nuraini, Jondri and T. A. Budi, Prediksi
Pergerakan Indeks Harga Saham
Menggunakan Artificial Neural Network dan
Support Vector Machine, Bandung:
Universitas Telkom, 2016.
[3] J. I. Larsen, "Predicting Stock Prices Using
Technical Analysis and Machine Learning," p.
19, 2010.
[4] M. Qiu and Y. Song, "Predicting the Direction
of Stock Market Index Movement Using an
Optimized Artificial Neural Network Model,"
PLoS ONE, 2016.
[5] R. Siregar and Y. Zuhdhi, "Prediksi Gerak
Nilai Saham BMRI.JK dengan Metode
Artificial Neural Network," Palembang,
Fakultas Ilmu Komputer UNSRI, 2018, pp.
237-241.
[6] F. R. Setiawan, "Prediksi Pergerakan Harga
Saham dengan Metode Support Vector
Machine (SVM) Menggunakan Trend
Deterministic Data Preparation," Bandung,
Universitas Telkom, 2018, pp. 8356-8372.
[7] Y. Umaidah, Penerapan Algoritma Artificial
Neural Network Dalam Prediksi Harga Saham
LQ45 PT. Bank Rakyat Indonesia, Tbk,
Bekasi: STMIK Bani Saleh, 2018, pp. 57-64.
[8] M. Y. Habibi and E. Riksakomara, "Peramalan
Harga Garam Konsumsi Menggunakan
Artificial Neural Network FeedforwardBackpropagation (Studi Kasus : PT. Garam
Mas, Rembang, Jawa Tengah)," Jurnal Teknik
ITS, vol. VI, pp. A306-A310, 2017.
[9] F. N. Sasmita, D. Saepudin and A. Aditsania,
"Pembentukan Portofolio Saham Melalui
Proses Clustering Kurva Harga Saham Hasil
Cubic-Spline," vol. 6, pp. 9859-9866, 2019.
[10]
R. M. I. Kusuma, T.-T. Ho and W.-C. Kao, 26
February 2019. [Online]. Available:[Accessed 14 October 2020].
[11]Hartoyo, "Hartoyo's Blog," March 2011.
[Online]. Available:
http://hartoyo.staff.ipb.ac.id/files/2011/03/Cha
pter-11-Konsep-Dasar-Investasi.pdf.
[Accessed 17 November 2020].
[12]A. Indradinata, I. B. R. Suardana and G. S.
Darma, "Faktor Penentu Naik-Turunnya Harga
Saham di Bursa Efek Indonesia," Jurnal
Manajemen dan Bisnis, vol. XVI, p. 19, 2019.
[13]A.C. Purnomo and E.Riksakomara,”Permalan
Indeks Harga Saham Gabungan Indonesia
Dengan Menggunakan Metode Artificial
Neural Network Algoritma Backpropagation.
[14]I. Halimi and W.A. Kusuma, “Prediksi Indeks
Harga Saham Gabungan (IHSG)
Menggunakan Algoritma Neural Network,”
Jurnal Edukasi dan Penelitian Informatika,
vol. 4, p. 24,2018
