Penerapan Metode Hybrid ARIMA-ANN Untuk Peramalan Harga Saham Perusahaan PT Telekomunikasi Indonesia

Ramadhan, Anugerah Fuad (2018) Penerapan Metode Hybrid ARIMA-ANN Untuk Peramalan Harga Saham Perusahaan PT Telekomunikasi Indonesia. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5214100195_Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (5MB) | Request a copy

Abstract

Investasi saham merupakan salah satu investasi yang banyak dipilih oleh investor, dikarenakan dengan investasi saham dapat memberikan tingkat keuntungan yang menarik. Hal ini menimbulkan ketertarikan pada investor untuk terjun dalam melakukan perdagangan saham, baik itu investor yang memiliki modal kecil maupun investor yang memiliki modal besar. Salah satu perusahaan di Indonesia yang memiliki banyak peminat investor adalah PT Telekomunikasi Indonesia yang di dalam lantai Bursa Efek Indonesia memiliki kode perusahaan “TLKM”. Pada waktu perdagangan saham dibuka, para investor yang memiliki lembar saham di perusahaan tersebut terkadang kesulitan menentukan kapan waktu yang tepat untuk menjual dan membeli saham dikarenakan mereka ingin mencari keuntungan yang besar dan dan juga untuk menghindari kerugian. Selain itu juga, faktor lain yang membuat para investor kebingungan adalah grafik perdagangan saham yang sangat fluktuatif pergerakannya. Oleh karena itu, dibutuhkan proses pengkajian terhadap data perdagangan saham untuk mengetahui pergerakan perdagangan saham kedepannya. Proses pengkajian tersebut berupa peramalan terhadap data perdagangan saham sebelumnya, sehingga dapat mengetahui pergerakan saham kedepan. Pada penelitian ini, peramalan yang dilakukan menggunakan metode Hybrid Autoregressive Integrated Moving Average - Artificial Neural Network (ARIMA -ANN). Dimana hasil peramalan ini dapat dijadikan acuan untuk memprediksi harga saham beberapa periode kedepan agar terhindar dari kerugian akibat perdagangan jual beli saham. Hasil akhir yang telah dibandingkan menunjukkan bahwa dengan menggunakan metode Hybrid ARIMA-ANN menghasilkan nilai akurasi yang baik. Model data yang digunakan untuk meramalkan harga saham open dan close pada penelitian ini memiliki masing-masing MAPE 0,33% dan 0,88%. Berdasarkan hasil tersebut, maka metode Hybrid Autoregressive Integrated Moving Average - Artificial Neural Network (ARIMA -ANN) sangat baik digunakan untuk meramalkan harga saham ============= Investment in stock is one of the most choosen investment by investors, because investment in stock can provide an attractive rate of return. The investors interest to fall in stock trades, whether it has small capital and large capital. PT Telekomunikasi Indonesia is one of the company that has a lot of trust in investors which has company code name “TLKM” in Indonesia Stock Exchange (Bursa Efek Indonesia). When the stock trading is opened, sometimes the investors who have stock sheet in that company are difficult to determine when the best time for buy and sell stock because they want to looking for large profits and also to avoid loss. In addition, another factor that makes the investors confused are stock trading charts are very fluctuating movement. Therefore, it’s required assessment process in stock trading data to know movement data stock prices in the future. The kind of assessment process is forecasting in previous data of stock trade, so that it can knows stock prices movement going forward. In this research, the method for forecasting using Hybrid Autoregressive Integrated Moving Average - Artificial Neural Network (ARIMA -ANN) which is the result can be used as reference for predicting stock prices over the next period to avoid loss from stock prices trading. The comparable end results show that using the ARIMA-ANN Hybrid method produces good accuracy values. The data model used to forecast open and close stock price in this research has each MAPE 0,33% and 0,88%. This research expected to help.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: ARIMA; Backpropagation; Peramalan; Harga Saham; Hybrid ARIMA-ANN; MAPE; MSE.
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > T Technology (General) > T58.62 Decision support systems
Divisions: Faculty of Information and Communication Technology > Information Systems > (S1) Undergraduate Theses
Depositing User: Anugerah Fuad Ramadhan
Date Deposited: 18 Jul 2018 02:45
Last Modified: 18 Jul 2018 02:45
URI: http://repository.its.ac.id/id/eprint/52401

Actions (login required)

View Item View Item