PREDIKSI NILAI SAHAM MENGGUNAKAN<br /> JARINGAN SYARAF TIRUAN DENGAN MODIFIED<br /> RETURNS FUNCTION<br /> (Studi Kasus: Bursa Efek Jakarta)<br /> STOCK PRICE PREDICTION USING ARTIFICIAL<br /> NEURAL NETWORK<br /> WITH MODIFIED RETURNS FUNCTION<br /> (Cas
Agik Pujo Trianto

Informasi Umum

Kode

113010171

Klasifikasi

000 - Generalistics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Other

Dilihat

381 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Prediksi nilai saham adalah isu yang sangat penting di dunia keuangan. Saat ini<br /> jaringan syaraf tiruan (JST) telah begitu populer digunakan dalam masalahmasalah<br /> keuangan seperti prediksi indeks nilai saham, prediksi kepailitan, dan<br /> klasifikasi obligasi perusahaan. Jaringan Syaraf Tiruan adalah sebuah model<br /> komputer dimana arsitekturnya adalah meniru kemampuan belajar dari otak<br /> manusia. Elemen proses dari sebuah JST meyerupai struktur biologi dari sel-sel<br /> syaraf dan operasi internal dalam otak manusia. Dalam tugas akhir ini, kami<br /> memfokuskan pada penggunaan data historis dan beberapa indikator pasar untuk<br /> memperkirakan nilai di masa akan datang sebagai fungsi dari nilai masa lampau<br /> dalam memprediksikan nilai saham (per emiten) pada Bursa Efek Jakarta (BEJ).<br /> Kami menerapkan teknik modifikasi nilai hasil fungsi yang didesain untuk<br /> melakukan perubahan historis account pada hubungan input-output. Algoritma<br /> training yang digunakan adalah Propagasi Balik standar dengan momentum masa.<br /> Penggunaan modifkasi hasil fungsi didasarkan pada dua teori pasar yaitu The<br /> Random Walk Hyphotesis dan The Efficient Market Hyphotesis. Kedua teori<br /> tersebut meyakini bahwa harga (nilai) dari saham bergerak dengan perilaku yang<br /> acak dan tak terduga.<br /> Hasil pengujian menunjukkan bahwa jaringan yang menggunakan modified<br /> returns function akan menghasilkan tingkat akurasi prediksi yang lebih baik<br /> daripada jaringan yang hanya menggunakan fungsi diferensiasi variabel relatif<br /> standar.Kata Kunci : Prediksi, Nilai Saham, Jaringan Syaraf, BEJ, Hasil Fungsi.ABSTRACT: Prediction of stock price is an important issue in finance. Nowadays artificial<br /> neural networks (ANNs) have been popularly applied to finance problems such as<br /> stock exchange index prediction, bankruptcy prediction and corporate bond<br /> classification. An ANN model is a Computer model whose architecture essentially<br /> mimics the learning capability of the human brain. The processing elements of an<br /> ANN resemble the biological structure of neurons and the internal operation of a<br /> human brain. In this final task, we focus on the used of historical data and some<br /> market indicators to estimate future value as a function of the past values in<br /> predicting individual stock price of Jakarta Stock Exchange (JSE). We Introduce<br /> The Modified Returns Function that designed to take account historical changing<br /> input-output relationships. The training algorithm is the standard backpropagation<br /> with momentum term. The use of modified returns function is based on two<br /> market trading theories which are the Random Walk Hyphotesis and the Efficient<br /> Market Hypothesis. Both of the theories believe that the price of the stock market<br /> wander in random and unexpected manner.<br /> Test results showed that networks which use the modified returns function<br /> generated a better accuration on prediction than networks that use standard<br /> relative variable difference function.Keyword: Prediction, Stock Price, Neural Network, JSE, Returns Function.

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook