Teknik Jaringan Syaraf Tiruan Feedforward Untuk Prediksi Harga Saham Pada Pasar Modal Indonesia  

Oleh:

Widodo, Rochani J. ; Bambang D.P., Budi ; Sutalaksana, Iftikar Z.

Jenis: Article from Journal - ilmiah nasional - tidak terakreditasi DIKTI
Dalam koleksi: Jurnal Informatika vol. 1 no. 1 (May 1999), page 33-37.
Topik: Saham; prediksi harga saham; jaringan syaraf tiruan; time series feedforward neural networks

Isi artikel

Dalam memprediksi suatu kondisi harga saham, beberapa model analisa teknik telah dipakai dan dikembangkan, beberapa analisa tersebut seperti : MACD , Fourier Transform, Accumulator Swing Index, Stochastic Oscilator dan lain lain. Sebagai masukannya digunakan beberapa macam kombinasi harga seperti : harga pembukaan, tertinggi, terendah, penutupan kemarin dan penutupan hari ini serta volume perdagangan. Dan sebagai keluaran adalah suatu grafik yang menampilkan suatu keputusan beli atau jual. Suatu cara lain dalam menentukan harga saham adalah dengan menggunakan metoda 'Fundamental Analysis', yaitu suatu analisa dimana penampilan dari suatu kinerja perusahaan didasarkan atas ratio - ratio / laporan keuangan yang ada. Teknologi sistem jaringan syaraf tiruan telah di - implementasikan dalam berbagai aplikasi terutama dalam hal pengenalan pola. Kemampuan inilah yang telah menarik beberapa kalangan dalam menggunakan jaringan syaraf tiruan untuk keperluan kesehatan, keuangan , investasi, marketing dan lain lain. Pada makalah ini akan dibahas penggunaan Jaringan syaraf tiruan Feedforward / Backpropagarion. Data dari harga saham dapat diperlakukan secara 'time series' . Jika kita mempunyai data harian selama perioda tertentu, misal : Xt (t = 1,2,......), maka harga saham pada perioda berikutnya (t h) dapat diprediksi (waktu yang digunakan bisa jam, harian, mingguan , bulanan ataupun tahunan) . Demikian seterusnya dilakukan suatu iterasi berulang hingan N hari kerja. Untuk mendapatkan hasil prediksi yang baik maka pada jaringan syaraf buatan hasus di - umpankan suatu masukan yang mewakili dari beberapa aspek atau segi penunjang harga suatu saham. Kemudian dilakukan prinsip pembobotan yang diadaptasikan untuk meminimumkan kesalahan prediksi pada satu langkah kedepan. Dengan menggunakan bobot akhir dilakukan suatu tindakan untuk meminimumkan kesalahan total untuk iterasi berikutnya. Saham yang akan dibahas adalah saham Semen Gresik (SMGR) dan Gudang Garam (GGRM).

Opini Anda

Klik untuk menuliskan opini Anda tentang koleksi ini!

Kembali