Perbandingan Kinerja Algoritma Propagasi Mundur dan Fungsi Basis Radial dalam Proses Peramalan Tren Investasi Saham

Abstract

Investasi saham memungkinkan investor mendapatkan keuntungan yang besar dalam waktu yang relatif singkat (high return). Saham juga memiliki sifat high risk yaitu kondisi ketiga harga saham nilainya menurun secara cepat. Dengan kedua sifat diatas, para pelaku saham perlu memantau pergerakan saham yang dimilikinya agar dapat menentukan keputusan yang tepat di waktu yang tepat pula. Analisis teknikal merupakan metode dasar untuk membaca pergerakan harga dengan menggunakan data historical berupa harga dan volume perdagangan. Jaringan Saraf Tiruan (JST) dapat diimplementasikan untuk mempelajari pergerakan harga historical dan memprediksi harga di masa depan. Dilakukan penelitian untuk membandingkan kinerja 2 algoritma JST yaitu algoritma Propagasi Mundur (PM) dan Fungsi Basis Radial (FBR). Arsitektur kedua logaritma menggunakan 4 neutron masukan dan 1 neutron keluaran. Jumlah neutron tersembunyi pada PM adalah variasi 5,10,20,30 dan 50 neutron. Sedangkan FBR adalah 2,3, dan 4 neutron. PM melakukan dua tahap pembelajaran yaitu arah mundur untuk perbaikan bobot dan arah maju untuk mendapatkan nilai keluaran tiap lapisan. FBR melakukan dua tahap pembelajaran yaitu pengelompokan data masukan dan perbaikan bobot sekaligus mencari nilai keluaran jaringan. Penelitian ini dilakukan pada 20 perusahaan menggunakan 4 buah masukan yaitu harga pembukaan, tertinggi, terendah dan penutupan hari sekarang. Sedangkan nilai keluaran adalah harga penutupan hari berikutnya. Berdasarkan hasil penelitian, kedua jaringan dapat melakukan peramalan dengan baik. Ralat rata-rata pada pengujian PM adalah 2,2181% sdan FBR adalah 3,06961%. PM melakukan waktu pelatihan yang jauh lebih lama dari FBR dengan rata-rata 87 menit tiap perusahaan. Sedangkan FBR memiliki rata-rata waktu pelatihan 6 menit tiap perusahaan. Dapat disimpulkan PM mempelajari setiap pola masukan seham dengan lebih baik walaupun melakukan pelatiham yang lebih lama.