Prediksi Indeks Harga Saham Gabungan (IHSG) Menggunakan Algoritma Neural Network

Imam Halimi, Wahyu Andhyka Kusuma

Abstract


Investasi saham merupakan hal yang tidak asing didengar maupun dilakukan. Ada berbagai macam saham di Indonesia, salah satunya adalah Indeks Harga Saham Gabungan (IHSG) atau dalam bahasa inggris disebut Indonesia Composite Index, ICI, atau IDX Composite. IHSG merupakan parameter penting yang dipertimbangkan pada saat akan melakukan investasi mengingat IHSG adalah saham gabungan. Penelitian ini bertujuan memprediksi pergerakan IHSG dengan teknik data mining menggunakan algoritma neural network dan dibandingkan dengan algoritma linear regression, yang dapat dijadikan acuan investor saat akan melakukan investasi. Hasil dari penelitian ini berupa nilai Root Mean Squared Error (RMSE) serta label tambahan angka hasil prediksi yang didapatkan setelah dilakukan validasi menggunakan sliding windows validation dengan hasil paling baik yaitu pada pengujian yang menggunakan algoritma neural network yang menggunakan windowing yaitu sebesar 37,786 dan pada pengujian yang tidak menggunakan windowing sebesar 13,597 dan untuk pengujian algoritma linear regression yang menggunakan windowing yaitu sebesar 35,026 dan pengujian yang tidak menggunakan windowing sebesar 12,657. Setelah dilakukan pengujian T-Test menunjukan bahwa pengujian menggunakan neural network yang dibandingkan dengan linear regression memiliki hasil yang tidak signifikan dengan nilai T-Test untuk pengujian dengan windowing dan tanpa windowing hasilnya sama, yaitu sebesar 1,000.


Full Text:

PDF

References


Wijaya, T. S. J., & Agustin, S., "Faktor-Faktor yang Mempengaruhi Nilai IHSG yang Terdaftar di Bursa Efek Indonesia. Jurnal Ilmu Dan Riset Manajemen", Jurnal Ilmuu dan Riset Manajemen, vol. 4, no. 6, jun 2015.

Vivianti, R. D., Darminto, Yaningwati F., “Analisis Kelayakan Investasi Usaha Berdasarkan Capital Budgeting Under Risk (Studi Pada Perusahaan Daerah Air Minum Kabupaten Banyuwangi)”, Jurnal Administrasi Bisnis (JAB), vol. 26, no. 1, pp.1-7, Sep 2015.

Untari, N., Mattjik A. A., Saefuddin A., “Analisis Deret Waktu Dengan Ragam Galat Heterogen Dan Asimetrik Studi Indeks Harga Saham Gabungan (Ihsg) Periode 1999-2008”, Forum Statistika dan Komputasi, vol. 14 no. 1, pp. 22-33, April 2009.

Rochman, E. M. S., dan Djunaidy, A., “Prediksi Harga Saham Yang Mempertimbangkan Faktor Eksternal Menggunakan Jaringan Saraf Tiruan”, Jurnal Ilmiah NERO, vol. 1, no. 2, pp. 5-11, 2014.

Setiawan, W., “Prediksi Harga Saham Menggunakan Jaringan Syaraf Tiruan Multilayer Feedforward Network Dengan Algoritma Backpropagation”, Konferensi Nasional Sistem dan Informatika, pp. 108-113, Nov 2008.

Kusumodestoni, R. H., “Prediksi Forex Menggunakan Model Neural Network”, Jurnal SIMETRIS, vol. 6, no. 2, pp. 205-210, Nov 2015.

Aprila, D., Baskoro, D. A., Ambarwati, L., Wicaksana, I. W. S., Belajat Data Mining dengan Rapid Miner

Yetis, Y., Kaplan, H. & Jameshidi, M., “Stock market prediction by using artificial neural network”, World Automation Congress (WAC), pp. 1–7, 2014.

Kusumadewi, S., Artificial Intellegence, Jogjakarta: Graha Ilmu, 2003.

Vulandari, R., Data mining Teori dan Aplikasi Rapidminer, Yogyakarta: Penerbit Gava Media, 2017.

Riyanto, E., “Peramalan Harga Saham Menggunakan Jaringan Syaraf Tiruan Secara Supervised Learning Dengan Algoritma Backpropagation”, Jurnal Informatika UPGRIS, vol. 3, no. 2, pp. 137-142, 2017.

Afrianto, S. B., Tjandrasa, H., Arieshanti I., “Prediksi Pergerakan Harga Saham Menggunakan Metode Back Propagation Neural Network”, Jurnal SimanteC, vol. 3, no. 3, pp. 132-141, Des 2013.

Sugianto, C. A., dan Fachruddin, F., “Prediksi Pergerakan Harga Valas Menggunakan Algoritma Neural Network”, Jurnal Informatika:Jurnal Pengembangan IT (JPIT), vol. 3, no. 1, pp. 20-25, 2018.

Wijaya, Y. B., dan Napitupulu, T. A., “Stock Prediction: comparison if Arima and artificial neural network Methods an Indoenesia stock’s” International Conference on Advances in Computing, Control, and Telecommunication Technologies, pp. 176-179, 2010.

Yasin, H., Prahutama, A., dan Utami, T. W., “Prediksi Harga Saham Menggunakan Support Vector Regression dengan Algoritma Grid Search”, Media Statistika, vol. 7, no. 1, pp. 29-35, jun 2014.

Dwivedi, S., Kasliwal, P., Soni P. S., “Comprehensive Study of Data Analytics Tool (Rapidminer, Weka, R tool), Knime”, in Symposium on Colossal Data Analysis and Networking (CDAN), 2016.

Riyadi, M. A. A., Fithriasari, K., Dwiatmono, “Data Mining Peramalan Konsumsi Listrik dengan Pendekatan Cluster Time Series sebagai Preprocessing”, Jurnal Sains Dan Seni ITS, vol. 5, no. 1, pp. 2337-3520, 2016.

Menon, S. P., Bharadwaj, R., Shetty P., “Prediction of Temperature using Linear Regression”, International Conference on Electrical, Electronics, Communication, Computer and Optimization Techniques (ICEECCOT), 2017.

Novita, A., “Prediksi Pergerakan Harga Saham Pada Bank Terbesar Di Indonesia Dengan Metode Backpropagation Neural Network”, JUTISI, vol. 5, no. 1, pp. 877–1021 April 2016.

Afrianto, R. B., Tjandrasa, H., Arieshanti, I., “Prediksi Pergerakan Harga Saham Menggunakan Metode Back Propagation Neural Network”, Jurnal SimanteC, vol. 3, no. 3, pp. 132-141, 2013.




DOI: http://dx.doi.org/10.26418/jp.v4i1.25384

Refbacks