PERBANDINGAN METODE MOVING AVERAGE (MA) DAN NEURAL NETWORK YANG BERBASIS ALGORITMA BACKPROPAGATION DALAM PREDIKSI HARGA SAHAM

Authors

  • Jefri Junifer Pangaribuan Universitas Pelita Harapan
  • Megawaty Lestari Universitas Pelita Harapan

Abstract

Harga saham mengalami perubahan yang cepat dari waktu ke waktu. Pergerakan harga saham menjadi tolak ukur bagi para investor untuk mengambil keputusan kapan sebaiknya saham dibeli, dijual atau dipertahankan. Untuk itu diperlukan suatu model analisis dengan tingkat akurasi yang tinggi dalam membantu para investor mengambil keputusan untuk mengurangi resiko kerugian. Penelitian ini menggunakan perbandingan metode Moving Average dan Neural Network algoritma Backpropagation dalam memprediksi harga saham. Data yang digunakan merupakan data historis Jakarta Stock Exchange (^JKSE) dari tahun 2010 - April 2018 yang diperoleh melalui Yahoo Finance. Dari hasil penelitian dapat disimpulkan adalah semakin kecil hasil error, maka nilai akurasinya semakin baik. Semakin kecil target error, maka jumlah epoch akan semakin besar dalam perhitungan menggunakan metode Neural Network algoritma Backpropagation. Prediksi harga saham menggunakan metode Moving Average lebih akurat dibandingan metode Neural Network algoritma Backpropagation, dimana tingkat akurasi untuk Moving Average (MA) adalah 80,11% dan untuk Neural Network algoritma Backpropagation adalah 78,91%.

Author Biographies

Jefri Junifer Pangaribuan, Universitas Pelita Harapan

Dosen Program Studi Sistem Informasi

Megawaty Lestari, Universitas Pelita Harapan

Mahasiswa Program Studi Sistem Informasi

References

Sekolah Saham, "Sekolah Saham," 2019. [Online]. Available: https://sekolahsaham.com/.

Group, Forex Training, "Basic Tenets Of The Dow Theory In Technical Analysis," 15 December 2018. [Online]. Available: https://forextraininggroup.com/basic-tenets-dow-theory-technical-analysis/.

Investopedia, LLC, "Stock Market," 2018. [Online]. Available: https://www.investopedia.com/terms/s/stockmarket.asp.

S. Artificial Intelligence, Yogyakarta: Informatika Bandung, 2014.

N. A. T, A. Murnomo and A. Suryanto, "Implementasi Neural Network pada Matlab untuk Prakiraan Konsumsi Beban Listrik Kabupaten Ponorogo Jawa Timur," 2017.

I. Abbas, "Penerapan Metode Moving Average Berbasis Algoritma Support Vector Machine Untuk Membandingkan Pola Kurva dengan Trend Kurva Pada Trading Forex Online," 2016.

S. Widodo, "Analisis Metode Single Moving Average dan Exponential Smoothing Dalam Peramalan Permintaan Senapan Angin (Studi Kasus: UD.HAFARA)," 2017.

A. Nurlifa and S. Kusumadewi, "Sistem Peramalan Jumlah Penjualan Menggunakan Metode Moving Average Pada Rumah Jilbab Zaky," 2017.

R. H. Kusumodestoni and S. , "Komparasi Support Vector Machines (SVM) dan Neural Network Untuk Mengetahui Tingkat Akurasi Prediksi Tertinggi Harga Saham," 2017.

L. E. Siahaan, R. F. Umbara, S.Si, MSi and Y. Sibaroni, S.T., M.T., "Prediksi Indeks Harga Saham dengan Metode Gabungan Support Vector Regression dan Jaringan Syaraf Tiruan," 2017.

R. Hidayat, "Prediksi Harga Saham Menggunakan Neural Network," 2016.

I. Kholis, "Analisis Variasi Parameter Backpropagation Artificial Neural Network Terhadap Pengenalan Pola Data Iris," 2015.

A. Hidayat, "Statistikian," 2 June 2017. [Online]. Available: http://www.google.co.id/amp/s/www.statistikian.com/2012/10/penelitian-kuantitatif.html.

H. Jumaidi, "Astronacci," 10 January 2018. [Online]. Available: https://www.astronacci.com/blog/read/kenali-trend-dan-candlestick-pada-awal-trading.

P. P. Widodo and R. T. Handayanto, Penerapan Soft Computing Dengan Matlab, Bandung: Rekayasa Sains, 2012.

J. J. Murphy, Technical Analysis Of The Financial Markets, New York Institute Of Finance, 1998.

M. Cagan, Stock Market 101, Adams Media, 2016.

Published

2020-01-25