Pahlawan, Muhammad Reza (2020) Peramalan Harga Saham Berdasarkan Faktor Ekonomi Makro Menggunakan Metode Recurrent Neural Network (Studi Kasus: PT Astra International Tbk.). Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211640000080-Undergraduate_Thesis.pdf Download (4MB) | Preview |
Abstract
Investasi merupakan kegiatan penanaman modal yang diharapkan mendapat keuntungan berupa tambahan dana di masa mendatang. Investasi dapat dilakukan dalam dua hal, yaitu real asset dan financial asset. Real asset salah satunya dapat dilakukan dengan investasi di bidang emas dan properti, sedangkan financial asset salah satunya dapat dilakukan dengan membeli saham di pasar saham. Pasar saham merupakan salah satu pilihan investasi yang selalu memiliki daya tarik dari waktu ke waktu. Data Bursa Efek Indonesia (BEI) menunjukkan, terjadi peningkatan jumlah investor yang menanamkan uangnya di pasar modal sebesar 26% dalam kurung waktu satu tahun (Juni 2015-2016). Selain sebagai sarana pendanaan perusahaan, investasi di pasar saham mampu memberikan keuntungan bagi para investor. Berinvestasi dalam bentuk saham selain mampu memberikan keuntungan yang lebih tinggi daripada menabung di bank, juga memiliki risiko yang lebih tinggi. Hal ini dikarenakan pola harga saham yang fluktuatif. Hal ini disebabkan oleh faktor internal dan eksternal yang membuat fluktuasi harga saham tidak tentu setiap waktu. Salah satu faktor eksternal yang mempengaruhi harga saham adalah ekonomi makro, dimana faktor tersebut merupakan kejadian yang terjadi secara menyeluruh di suatu negara dimana salah satu bidang ekonomi yang terkena dampaknya adalah harga saham. Investor perlu mengetahui waktu yang tepat mengenai pengambilan keputusan terkait jual atau beli saham. Ketidaktepatan waktu dalam pembelian atau penjulan saham dapat mengakibatkan kerugian bagi investor. Peramalan harga saham dapat memiliki manfaat yang besar terutama bagi investor dalam melakukan pengambilan keputusan.
Dewasa ini, telah banyak metode yang digunakan untuk melakukan peramalan harga saham. Salah satu metode yang dapat digunakan adalah Recurrent Neural Network (RNN). RNN memiliki keunggulan dalam membuat model peramalan untuk data time-series dan non-linier, konvergensi yang lebih cepat serta kemampuan pemetaan yang lebih akurat. Oleh karena itu, metode yang digunakan dalam penelitian ini adalah RNN. Penelitian ini melibatkan dua variabel, yaitu harga saham saat penutupan dan nilai tukar mata uang asing rupiah terhadap dollar periode harian. Hasil peramalan adalah harga saham untuk beberapa periode mendatang.
Model RNN yang hanya menggunakan harga saham (univariate) menghasilkan performa yang lebih baik dibandingkan model RNN yang menggunakan harga saham dan variabel nilai tukar mata uang (multivariate). Model terbaik RNN univariate memiliki nilai MAPE sebesar 1,546% sedangkan performa model RNN multivariate terbaik adalah 1,558%.
==========================================================
Investment is an investment activity that is expected to benefit in the form of additional funds in the future. Investment can be done in two ways, namely real assets and financial assets. One of the real assets can be done by investing in gold and property, while one of the financial assets can be done by buying shares in the stock market. The stock market is one of the investment choices that always have traction from time to time. Data from the Indonesia Stock Exchange (IDX) shows that there is an increase in the number of investors who invest their money in the capital market by 26% within one year (June 2015-2016). Aside from being a means of corporate funding, investing in the stock market able to provide benefits for investors. Apart from being able to provide higher profits than investing in a bank, investing also has a higher risk. This is because the pattern of stock prices is volatile. This is caused by internal and external factors that make stock price fluctuations uncertain all the time. One external factor that affects stock prices is the macroeconomy, where these factors are events that occur in a country where one of the economic sectors affected is stock prices. Investors need to know the right time about making decisions related to buying or selling shares. Inaccuracy in the purchase or sale of shares can result in losses for investors. Forecasting stock prices can have great benefits, especially for investors in making decisions.
Today, there have been many methods used to forecast stock prices. One method that can be used is Recurrent Neural Network (RNN). RNN has the advantage of making forecast models for time-series and non-linear data, faster convergence and more accurate mapping capabilities. Therefore, the method used in this study is RNN. This research involves two variables, namely the closing stock price and the rupiah exchange rate against the dollar for the daily period. Forecasting results are stock prices for the coming periods. The expected outcome of this research is that it can help stock investors in making decisions.
The RNN model without the variable foreign exchange rate of the rupiah against the dollar can produce better performance (univariate) than the RNN model that uses the variable exchange rate of the rupiah against the dollar (multivariate). The best univariate RNN model has a MAPE value of 1.546% while the best multivariate RNN model performance is 1.558%.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Forecasting, Investment, Stock, Economic Macro, Recurrent Neural Network, Mean Absolute Percentage Error, Investasi, Saham, Ekonomi Makro, Peramalan, Recurrent Neural Network, Mean Absolute Percentage Error |
| Subjects: | Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Muhammad Reza Pahlawan |
| Date Deposited: | 14 Aug 2020 08:49 |
| Last Modified: | 23 May 2023 05:00 |
| URI: | http://repository.its.ac.id/id/eprint/78228 |
Actions (login required)
 |
View Item |