Prediksi Sinyal Jual Dan Beli Saham Pada Data Transaksi Pasar Saham Menggunakan Arsitektur Recurrent Neural Network.

Chofifah, Sitti (2022) Prediksi Sinyal Jual Dan Beli Saham Pada Data Transaksi Pasar Saham Menggunakan Arsitektur Recurrent Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111840000039-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (3MB)

Abstract

Saham merupakan investasi dengan keuntungan tinggi namun juga memiliki risiko yang tinggi. Indeks harga saham memiliki pola unik yang membuat sulit untuk diprediksi. Untuk mengambil keputusan investasi yang tepat dan menguntungkan, investor perlu menghadapi ketidakpastian tersebut. Hal tersebut mendorong para investor untuk mencari cara terbaik melakukan prediksi harga saham di masa depan. Diharapkan dengan diketahuinya prediksi harga saham dapat membantu menentukan waktu yang tepat untuk membeli atau menjual saham untuk mendapatkan keuntungan terbaik atas investasi mereka. Pada Tugas Akhir ini, penulis mengusulkan sebuah sistem yang dapat menentukan metode terbaik untuk mendapatkan keuntungan saat melakukan trading saham. Model yang akan digunakan untuk memprediksi harga saham adalah model Recurrent Neural Network dan variannya. Prediksi harga diperoleh dengan mempertimbangkan 2 metode yang diusulkan yaitu metode Case 1 dan Case 2. Kemudian dari prediksi harga akan akan dilakukan pembentukan sinyal jual beli saham menggunakan beberapa threshold. Sinyal saham yang sudah terbentuk akan disimulasikan dengan 4 cara berbeda untuk menemukan keuntungan tertinggi. Hasil generasi sinyal beli akan dievaluasi dengan tiga metode. Metode pertama adalah dengan membandingkan Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil uji coba metode pertama dapat disimpulkan bahwa metode Case 2 dengan model Recurrent Neural Network mempunyai nilai MAPE dan RMSE lebih rendah disbanding metode lainnya. Metode kedua adalah dengan mencari threshold terbaik dengan membandingkan confusion matrix. Hasil dari metode uji coba kedua adalah dengan mengetahui, threshold yang sebaiknya digunakan adalah threshold yang lebih besar dan paling dekat ke nilai MAPE. Metode ketiga adalah uji coba dengan melakukan simulasi pembelian dan penjualan saham menggunakan sinyal hasil prediksi. Hasil dari uji coba ini adalah metode yang menghasilkan keuntungan tertinggi yaitu metode simulasi No Constraint.
=================================================================================================================================
Stock is an investment with high risk but also high return. Stock price index has a unique pattern that makes it hard to predict. To take the right and profitable investment, investor needs to face those uncertainties. These uncertainties push investors to find the best way to predict stock price in the future. It was expected that when we know the stock price prediction, it can help the investor to know when to buy or sell the stock for the best profit possible. On this thesis, the writer proposes a system that can find the best way to gain profit when trading stocks. Model that was proposed to predict stock prices is using Recurrent Neural Network and its variant. The proposed prediction of stock price is achieved using 2 methods, it consists of Case 1 and Case 2. After predicting the price of the stock, we will generate buy or sell signal depending on the change of price percentage. We will use several thresholds to find the best threshold to use. After the signals are generated, we will use 4 different methods of buying or selling the stock. The result of the buy and sell signal generations will be evaluated using 3 methods. The first method is comparing the Root Mean Square Error (RMSE) and Mean Absolute Percentage Error (MAPE) of the predicted price. The testing result of the first evaluated method is Method Case 2 with Recurrent Neural Network model has lowest MAPE and RMSE score among the other method. The second method is to find the best threshold by comparing the confusion matrix. The result of the second evaluated method, the better threshold to use for trading is the threshold that is higher than MAPE but close enough to MAPE value itself. The third method is testing by simulating buy and sell of stock using the price to compare the profit each method will generate. The result of the third method is No Constraint, and No Constraint with Golden Cross is the best trading simulation method that can gain the highest profit.

Item Type:	Thesis (Other)
Additional Information:	RSIf 003.54 Cho p-1 2022
Uncontrolled Keywords:	Saham, Prediksi Sinyal, Recurrent Neural Network, Long Short Term Memory, Gated Recurrent Unit. Stock, Signal Prediction, Recurrent Neural Network, Long Short Term Memory, Gated Recurrent Unit.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	25 May 2026 05:54
Last Modified:	25 May 2026 05:54
URI:	http://repository.its.ac.id/id/eprint/133394

Actions (login required)

View Item