PERAMALAN HARGA SAHAM DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE EXTREME LEARNING MACHINE

Muhammad Safiq Ubay, 080810502 (2012) PERAMALAN HARGA SAHAM DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE EXTREME LEARNING MACHINE. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text
MPM 58 - 12 Uba p.pdf

Download (2MB) | Preview
Official URL: http://lib.unair.ac.id

Abstract

Peramalan harga saham merupakan salah satu cara mengurangi resiko kepemilikan saham dengan melakukan prediksi harga pada hari berikutnya dengan memanfaatkan data harga saham pada hari sebelumnya. Pada penulisan skripsi ini peramalan saham bertujuan untuk mendapatkan prediksi harga saham secara teknis dari sebuah perusahaan dengan menggunakan jaringan syaraf tiruan metode extreme learning machine. Extreme Learning Machine adalah sebuah metode pembelajaran baru dalam jaringan syaraf tiruan dengan model single layer feedforward neural networks. Dalam memprediksi harga saham, data akan dilatih dan dicari bobot yang paling optimum. Selanjutnya, dengan melakukan proses pengujian data terlatih akan diketahui seberapa baik pola yang dikenali oleh jaringan sehingga nilai error yang didapatkan mencapai nilai minimum. Dengan uji validasi akan diperoleh nilai dari peramalan harga saham hari berikutnya dengan menggunakan bobot optimal dari proses pelatihan. Berdasarkan implementasi yang dilakukan pada data harga saham PT. Semen Gresik didapatkan arsitektur jaringan yang maksimum yakni jumlah masukan sebanyak 5, jumlah lapisan tersembunyi sebanyak 5, dan jumlah total iterasi sebanyak 45000. Peramalan yang disimulasikan pada data harga saham PT. Semen Gresik yang menggunakan data mulai tanggal 2 Januari 2008 hingga 31 Mei 2012 menghasilkan nilai peramalan sebesar Rp.10906,00 pada tanggal 1 Juni 2012. Pada data sebenarnya, harga saham PT. Semen Gresik pada tanggal 1 Juni 2012 sebesar Rp.10900,00. Selisih nilai yang didapatkan sebesar Rp.6,00 atau 0,05 %. Dengan selisih sebesar 0,05%, dapat disimpulkan bahwa peramalan yang dilakukan mampu mendekati nilai sebenarnya sehingga peramalan ini dapat dijadikan pendukung pengambilan keputusan dalam berinvestasi.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK MPM 58 - 12 Uba p
Uncontrolled Keywords: EXTREME LEARNING MACHINE
Subjects: Q Science
Divisions: 08. Fakultas Sains dan Teknologi
Creators:
CreatorsNIM
Muhammad Safiq Ubay, 080810502UNSPECIFIED
Contributors:
ContributionNameNIDN / NIDK
Thesis advisorAuli Damayanti, S.Si, M.Si.UNSPECIFIED
Thesis advisorHerry Suprajitno,, S.Si, M.SiUNSPECIFIED
Depositing User: Agung BK
Date Deposited: 01 Feb 2013 12:00
Last Modified: 14 Sep 2016 08:39
URI: http://repository.unair.ac.id/id/eprint/25715
Sosial Share:

Actions (login required)

View Item View Item