Peramalan Indeks Harga Saham Gabungan Indonesia Dengan Menggunakan Metode Artificial Neural Network Algoritma Backpropagation

Purnomo, Aldo Chandra (2018) Peramalan Indeks Harga Saham Gabungan Indonesia Dengan Menggunakan Metode Artificial Neural Network Algoritma Backpropagation. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
05211440000028-Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

Nilai Indeks Harga Saham Gabungan merupakan sebuah indeks pasar saham yang digunakan oleh Bursa Efek Indonesia (BEI). Nilai indeks harga saham gabungan merepresentasikan pergerakan seluruh harga saham yang tercatat di BEI. Kegunaan dalam penghitungan indeks harga saham gabungan adalah dapat digunakan sebagai patokan bagi pemerintah untuk mengambil kebijakan dibidang ekonomi. Biasanya indeks harga saham gabungan digunakan sebagai patokan dalam perhitungan pertumbuhan ekonomi sebuah negara dalam bentuk persentase. Setiap transaksi tercatat dengan skala waktu yang kecil, sehingga menyebabkan perubahan yang terjadi pada nilai IHSG sangat cepat dan tidak pasti. Indeks harga saham gabungan sendiri memiliki berbagai ketidakpastian yang dapat mempengaruhi nilai dari indeks harga saham Indonesia. Ketidakpastian tersebut mencakup kondisi internal dan eksternal negara yang dapat meningkatkan atau menurunkan nilai harga saham perusahaan – perusahaan kapitalis yang nantinya akan menurunkan nilai indeks harga saham Indonesia. Salah satu motode dalam peramalan yang populer untuk dapat meramalkan indeks harga saham gabungan Indonesia sendiri adalah dengan menggunakan metode Artificial Neural Network. Sebelum melakukan peramalan, perlu dilakukan pembuatan model yang paling sesuai dengan parameter-parameter yang tersedia sehingga memiliki nilai error yang paling rendah. Model inilah yang akan digunakan untuk melakukan peramalan pada periode selanjutnya dalam pemodelan Artificial Neural Network. Tugas akhir ini memberikan model peramalan indeks harga saham gabungan dengan menggunakan Artificial Neural Network dengan algoritma Backpropagation. Adapun hasil nilai peramalan indeks harga saham gabungan yang didapatkan memiliki model terbaik (16,16,1) dengan nilai MSE 1818.93 dan MAPE 0.613%. Harapannya model terbaik yang dihasilkan dari penelitian ini dapat digunakan untuk membantu pemerintah dalam pembuatan kebijakan yang dapat menigkatkan perekonomian negara di masa yang akan datang. ============== Indonesian Composite Index Index is a stock market index used by the Indonesia Stock Exchange (IDX). The value of the composite share price index represents the movement of all stock prices listed on the Stock Exchange. Usefulness in calculating the composite stock price index can be used as a benchmark for the government to take policy in the field of economy. Usually the composite stock price index is used as a benchmark in calculating a country's economic growth in percentage form. Each transaction is recorded with a small time scale, resulting in changes that occur in the JCI index is very fast and uncertain. The composite share price index itself has various uncertainties that could affect the value of Indonesia stock price index. These uncertainties include the internal and external conditions of the state that can increase or decrease the value of stock prices of capitalist companies that will later lower the Indonesian stock price index. One of the motives in popular forecasting to predict the composite share price index of Indonesia itself is by using Artificial Neural Network method. Before doing the forecasting, it is necessary to make the model that best suits the parameters available so that it has the lowest error value. This model will be used to forecast the next period in Artificial Neural Network modeling. This final project provides forecasting model of composite stock price index by using Artificial Neural Network with Backpropagation algorithm. The results of forecasting value of the composite stock price index obtained has the best model (16,16,1) with MSE 1818.93 and MAPE 0.613%. The hope of the best model generated from this research can be used to assist the government in policy making that can boost the economy of the country in the future.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Artificial Neural Network; Model; IHSG; Peramalan; Forecasting
Subjects: H Social Sciences > H Social Sciences (General) > H61.4 Forecasting in the social sciences
Q Science > QA Mathematics > QA336 Artificial Intelligence
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Information and Communication Technology > Information Systems > (S1) Undergraduate Theses
Depositing User: Purnomo Aldo Chandra
Date Deposited: 18 Jul 2018 03:46
Last Modified: 18 Jul 2018 03:46
URI: http://repository.its.ac.id/id/eprint/52356

Actions (login required)

View Item View Item