Perbandingan model fungsi transfer dan neural network untuk meramalkan harga penutupan saham (close price) pada PT. Bank Central Asia, Tbk. / Nila Rahmawati

Main Author: Rahmawati, Nila
Format: Thesis NonPeerReviewed
Terbitan: , 2018
Subjects:
Online Access: http://repository.um.ac.id/17532/
Daftar Isi:
  • ivABSTRAKRahmawatiNila.2018.PerbandinganModelFungsiTransferdanNeuralNetworkuntukMeramalkanHargaPenutupanSaham(ClosePrice)padaPT.BankCentralAsiaTbk.Skripsi.JurusanMatematikaFakultasMatematikadanIlmuPengetahuanAlam(FMIPA)UniversitasNegeriMalang.PembimbingTrianingsihEniLestariS.SiM.Si.KatakuncifungsitransferneuralnetworkhargapembukaansahamhargapenutupansahamPadaperamalandataderetwaktuperamalantidakhanyadilakukandenganmenggunakandataunivariatakantetapidapatjugadilakukandenganmenggunakandatamultivariat.Modelperamalanmultivariatinimerupakanmodelperamalanyangmemperhatikanhubunganantarafaktoryangdiramalkandengansatuataulebihvariabelbebas.Modelperamalanmultivariatyangseringkalidigunakanadalahmodelfungsitransferdanneuralnetwork.Penelitianinimenggunakanmodelfungsitransferdanneuralnetworkuntukmeramalkandatahargapenutupansaham(closeprice)denganmempertimbangkanpengaruhdatahargapembukaansaham(openprice)sebagaivariabelbebasnyapadamodelperamalan.Datayangdigunakandalampenelitianiniadalahdatahargapenutupansaham(closeprice)danhargapembukaansaham(openprice)bulananpadaPT.BankCentralAsiaTbkdariperiodebulanJanuari2010sampaidenganbulanJuli2017.Modelfungsitransferyangterbaikadalahfungsitransfer(200)(100)danmodelneuralnetworkyangterbaikadalahmodelneuralnetworkdenganarstitekturjaringan2-4-1.NilaiMSEMAPEdanMAEdarimodelfungsitransferadalah000305017764dan003972.SedangkannilaiMSEMAPEdanMAEdarimodelneuralnetworkadalah000840038200dan007130.BerdasarkannilaiMSEMAPEdanMAEtersebutmodelterbaikuntukmeramalkanhargapenutupansaham(closeprice)adalahmodelfungsitransferyangmempunyainilaiMSEMAPEdanMAElebihkecildarimodelneuralnetwork.