Prediksi Harga Saham Menggunakan Metode Backpropagation Dengan Optimasi Ant Colony Optimization
| Main Author: | Bernhard, David |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/169522/1/SKRIPSI_David%20Bernhard%20%282%29.pdf http://repository.ub.ac.id/169522/ |
Daftar Isi:
- Saham merupakan tanda kontribusi penanaman modal seseorang atau pihak terhadap suatu perusahaan atau perseroan terbatas. Pergerakan harga saham berpengaruh terhadap keuntungan dan kerugian yang akan diperoleh investor. Kendalanya, harga saham dapat berubah dalam setiap menit pada hari kerja. Dibutuhkan metode yang mampu memprediksi harga saham dengan akurat dan konsisten, sehingga dapat meminimalkan risiko investasi saham. Disamping kelebihannya, BPNN memiliki kekurangan, seperti lambatnya waktu konvergensi, mudah konvergen ke titik minimum lokal, dan buruknya kemampuan generalisasi. ACO memiliki kelebihan dalam komputasi terdistribusi, umpan balik positif, dan sifat metaheuristik yang dapat memperbaiki kelemahan BPNN. Oleh karena itu, penelitian ini menerapkan ACO-BPNN untuk memprediksi harga saham. Penelitian ini menggunakan data time series harga saham Bank Rakyat Indonesia (Persero) Tbk. periode 1 Januari 2018 sampai 31 Desember 2018. ACO berfungsi untuk mengoptimalkan kombinasi nilai learning rate, momentum, dan jumlah hidden node bagi fase pelatihan BPNN. Lalu bobot, threshold, dan jumlah hidden node dari fase pelatihan digunakan untuk memprediksi harga saham harian pada suatu periode. Diperoleh kombinasi nilai parameter ACO terbaik, yaitu tetapan siklus semut sebesar 0,8, tetapan pengendali intensitas feromon sebesar 0,1, tetapan pengendali visibilitas sebesar 0,1, tetapan penguapan feromon lokal sebesar 0,5, tetapan penguapan feromon global sebesar 0,1, jumlah semut 5, dan jumlah iterasi 7. Kombinasi tersebut menghasilkan rata-rata MAPE 1,745, sedangkan BPNN hanya mencapai 3,024.