I. Pendahuluan
Bab ini memperkenalkan latar belakang pemilihan judul skripsi, "Implementasi Algoritma Learning Vector Quantization dan Weighted Product Dalam Memilih Perusahaan Tempat Berinvestasi." Pembahasan meliputi rumusan masalah yang berkaitan dengan akurasi prediksi nilai saham menggunakan algoritma LVQ dan kemampuan metode WP dalam memilih perusahaan investasi yang sesuai kemampuan investor. Batasan masalah dijelaskan, mencakup jenis investasi, sumber data, jenis perusahaan sampel, parameter kelayakan perusahaan, parameter kemampuan investor, dan bahasa pemrograman yang digunakan. Tujuan penelitian untuk menciptakan sistem pendukung keputusan investasi dijelaskan, serta manfaatnya bagi investor dan pengembangan selanjutnya. Metodologi penelitian yang meliputi studi literatur, metode penelitian, analisis dan perancangan, implementasi, pengujian, dan dokumentasi diuraikan secara ringkas. Terakhir, sistematika penulisan skripsi dijelaskan secara keseluruhan.
1.1 Latar Belakang
Bagian ini menjelaskan pentingnya pemilihan perusahaan investasi yang tepat bagi investor untuk menghindari kerugian. Ditekankan pentingnya analisis perusahaan yang cermat, dan bagaimana penggunaan algoritma Learning Vector Quantization (LVQ) dan metode Weighted Product (WP) dapat membantu proses tersebut. LVQ digunakan untuk memprediksi pergerakan harga saham berdasarkan data laporan keuangan, sementara WP membantu merangking alternatif investasi berdasarkan kriteria yang diprioritaskan investor. Ini membangun landasan bagi relevansi penelitian dengan memperkenalkan tantangan dalam pengambilan keputusan investasi dan solusi yang ditawarkan oleh teknologi kecerdasan buatan dan metode pengambilan keputusan multikriteria.
1.2 Rumusan Masalah
Sub-bab ini merumuskan pertanyaan penelitian yang akan dijawab dalam skripsi. Pertanyaan pertama menguji keakuratan algoritma LVQ dalam memprediksi nilai saham. Pertanyaan kedua mengevaluasi kemampuan metode WP dalam menghasilkan pilihan perusahaan investasi yang sesuai dengan profil dan kemampuan investor. Rumusan masalah ini penting karena secara langsung mengarahkan penelitian ke arah menjawab pertanyaan-pertanyaan spesifik yang berkaitan dengan implementasi dan efektivitas dua metode yang dikombinasikan dalam konteks pemilihan investasi. Ini menjamin fokus dan kejelasan tujuan penelitian.
1.3 Batasan Masalah
Bagian ini mendefinisikan ruang lingkup penelitian dengan membatasi jenis investasi yang dikaji hanya pada investasi saham. Sumber data, jenis perusahaan sampel (perusahaan manufaktur di BEI), parameter kelayakan perusahaan, parameter kemampuan investor, dan bahasa pemrograman (Matlab) juga dibatasi untuk menjaga fokus dan keluasan penelitian agar tetap terkendali. Batasan masalah ini penting untuk menjelaskan keterbatasan penelitian dan menghindari generalisasi yang berlebihan. Pembatasan ini memastikan bahwa penelitian dilakukan dengan teliti dan terfokus, menghasilkan hasil yang lebih akurat dan relevan.
1.4 Tujuan Penelitian
Sub-bab ini menyatakan tujuan utama penelitian, yaitu membangun sistem yang dapat membantu investor dalam memilih perusahaan tempat berinvestasi. Tujuan ini memberikan arah yang jelas bagi seluruh isi skripsi dan menjadi tolak ukur keberhasilan penelitian. Tujuannya praktis dan terukur, fokus pada penyediaan solusi nyata bagi investor yang membutuhkan bantuan dalam pengambilan keputusan investasi.
1.5 Manfaat Penelitian
Bagian ini menjelaskan manfaat yang diharapkan dari penelitian, mencakup kemampuan sistem untuk memprediksi pergerakan nilai saham dan mendukung pemilihan perusahaan investasi yang sesuai kemampuan investor. Manfaat ini juga menjangkau pengembangan penelitian selanjutnya, sehingga berdampak lebih luas bagi pengembangan ilmu pengetahuan di bidang kecerdasan buatan dan sistem pendukung keputusan. Manfaat yang diuraikan memberikan perspektif praktis dan akademik mengenai kontribusi penelitian.
1.6 Metodologi Penelitian
Sub-bab ini menjelaskan langkah-langkah yang akan dilakukan dalam penelitian, termasuk studi literatur, pengumpulan data, analisis data, perancangan sistem, implementasi sistem, dan pengujian sistem. Metode penelitian yang digunakan dijelaskan secara ringkas untuk memberikan gambaran keseluruhan proses penelitian. Ini menjamin kredibilitas dan transparansi metodologi yang digunakan.
1.7 Diagram Alir Penelitian
Bagian ini seharusnya memaparkan diagram alur penelitian secara visual, menunjukkan urutan langkah-langkah penelitian dari awal hingga akhir. Sayangnya, detail diagram alur tidak tersedia dalam teks yang diberikan. Namun, seharusnya diagram ini menggambarkan secara visual langkah-langkah metodologi penelitian yang telah dijelaskan sebelumnya, sehingga memudahkan pembaca untuk memahami alur penelitian secara keseluruhan.
1.8 Sistematika Penulisan
Sub-bab ini memberikan ringkasan isi setiap bab dalam skripsi, memberikan gambaran umum struktur dan isi skripsi secara keseluruhan. Ini membantu pembaca untuk memahami organisasi dan alur pemikiran skripsi secara ringkas sebelum membaca detail setiap bab. Ini berfungsi sebagai peta jalan bagi pembaca untuk memahami isi skripsi secara menyeluruh.
II. Landasan Teori
Bab ini membahas dasar teori yang relevan dengan penelitian, mencakup jaringan syaraf tiruan (JST), Learning Vector Quantization (LVQ), sistem pendukung keputusan (SPK), dan metode Weighted Product (WP), serta konsep investasi dan analisis kinerja keuangan. Penjelasan komprehensif mengenai JST, arsitektur, fungsi aktivasi, dan proses pembelajaran, terutama pembelajaran terawasi, diberikan. Penjelasan detail LVQ, termasuk arsitektur dan algoritma pelatihan dan pengujian, juga disertakan. Penjelasan SPK dan metode WP, khususnya algoritmanya dalam konteks pemilihan investasi, dibahas secara mendalam. Konsep investasi, saham, faktor-faktor yang mempengaruhi harga saham, risiko investasi, dan analisis kinerja keuangan perusahaan menggunakan rasio-rasio keuangan relevan dijelaskan secara rinci. Bab ini menyediakan fondasi teoritis yang kuat untuk analisis dan interpretasi hasil penelitian.
2.1 Jaringan Syaraf Tiruan
Bagian ini menjelaskan konsep dasar jaringan syaraf tiruan (JST), menjabarkan prinsip kerjanya yang terinspirasi dari sistem syaraf biologis. Penjelasan mencakup arsitektur JST (lapisan tunggal dan jamak), fungsi aktivasi (sigmoid biner dan bipolar), dan proses pembelajaran (terawasi dan tak terawasi). Penjelasan ini memberikan dasar pemahaman mengenai JST sebagai alat pemecahan masalah dan bagaimana ia dapat digunakan dalam konteks prediksi harga saham. Ini penting untuk memahami landasan teoritis dari algoritma LVQ yang digunakan dalam penelitian.
2.2 Learning Vector Quantization (LVQ)
Sub-bab ini membahas secara rinci algoritma LVQ, termasuk arsitektur jaringan dan algoritma pelatihan dan pengujian. Penjelasan menekankan proses klasifikasi input berdasarkan kelas yang telah didefinisikan. Ini memberikan pemahaman mendalam mengenai bagaimana LVQ dapat digunakan untuk memprediksi pergerakan harga saham berdasarkan data laporan keuangan perusahaan. Penjelasan ini penting karena LVQ merupakan inti dari metode prediksi dalam penelitian.
2.3 Sistem Pendukung Keputusan
Bagian ini menjelaskan konsep sistem pendukung keputusan (SPK) dan perannya dalam membantu pengambilan keputusan. Penjelasan mencakup tahap-tahap pengambilan keputusan menurut Herbert A. Simon. Metode Weighted Product (WP) sebagai salah satu metode SPK dijelaskan secara detail, termasuk algoritmanya. Ini menyediakan dasar teoritis untuk memahami bagaimana WP digunakan dalam penelitian untuk merangking alternatif perusahaan investasi.
2.4 Investasi
Sub-bab ini membahas definisi investasi dan tujuannya, serta cara menilai kelayakan perusahaan untuk investasi berdasarkan laporan keuangan. Parameter-parameter yang digunakan dalam menilai kelayakan perusahaan dijelaskan, memberikan dasar pemahaman mengenai aspek keuangan yang penting dalam pengambilan keputusan investasi. Ini menjelaskan konteks praktis dari penelitian dan bagaimana teori dikaitkan dengan praktik investasi.
2.5 Saham
Bagian ini menjelaskan definisi saham, penghasilan yang diperoleh dari saham (dividen dan capital gain), dan faktor-faktor yang mempengaruhi harga saham (faktor fundamental dan teknikal). Penjelasan ini memberikan wawasan penting mengenai karakteristik investasi saham dan bagaimana faktor-faktor ini relevan dengan prediksi harga saham dan pengambilan keputusan investasi. Ini menghubungkan teori dengan aspek pasar saham yang relevan.
2.6 Analisis Kinerja Keuangan
Sub-bab ini membahas pentingnya analisis laporan keuangan perusahaan dalam menilai kelayakan investasi. Rasio-rasio keuangan yang relevan, seperti EPS, PER, PBV, DER, ROI, ROE, dan PM, dijelaskan secara rinci beserta rumusnya. Penjelasan ini penting karena rasio-rasio ini merupakan input utama dalam algoritma LVQ untuk memprediksi pergerakan harga saham. Ini menjelaskan metode kuantitatif yang digunakan dalam penelitian untuk menganalisis data laporan keuangan.
III. Analisis dan Perancangan Sistem
Bab ini menjelaskan proses analisis dan perancangan sistem yang menggabungkan algoritma LVQ dan metode WP untuk memilih perusahaan investasi. Analisis sistem mencakup analisis permasalahan, kebutuhan sistem (fungsional dan non-fungsional), dan proses sistem (LVQ dan WP). Pemodelan sistem menggunakan use case diagram, sequence diagram, dan activity diagram dijelaskan. Pseudocode dan flowchart sistem, termasuk proses pelatihan LVQ, pengujian LVQ, dan perangkingan alternatif perusahaan menggunakan WP, juga diuraikan. Perancangan data (masukan dan keluaran) dan antarmuka pengguna juga dijelaskan secara detail.
3.1 Analisis Sistem
Bagian ini menjelaskan proses analisis sistem yang dilakukan untuk memahami permasalahan dan kebutuhan sistem. Ini mencakup analisis permasalahan utama dalam memilih perusahaan investasi, identifikasi kebutuhan sistem baik fungsional maupun non-fungsional yang diperlukan untuk mengatasi permasalahan tersebut. Analisis proses sistem menjelaskan secara detail bagaimana algoritma LVQ dan WP akan diintegrasikan untuk menghasilkan sistem pendukung keputusan yang efektif. Ini membentuk landasan bagi perancangan sistem selanjutnya.
3.2 Pemodelan
Sub-bab ini menjelaskan model sistem yang dikembangkan menggunakan diagram UML, mencakup use case diagram, sequence diagram, dan activity diagram. Diagram-diagram ini memberikan representasi visual dari proses sistem, menunjukkan interaksi antar komponen dan alur proses secara terperinci. Ini membantu menjelaskan desain sistem secara jelas dan terstruktur.
3.3 Pseudocode Program
Bagian ini menampilkan pseudocode dari algoritma yang digunakan dalam sistem, mencakup proses pelatihan LVQ, proses pengujian LVQ, dan proses perangkingan menggunakan metode WP. Pseudocode memberikan representasi terstruktur dari logika program sebelum implementasi dalam bahasa pemrograman tertentu. Ini memudahkan pembaca untuk memahami logika pemrosesan data dalam sistem.
3.4 Perancangan Flowchart
Sub-bab ini menjelaskan perancangan flowchart sistem secara keseluruhan dan flowchart untuk setiap proses utama, yaitu proses pelatihan LVQ, pengujian LVQ, dan perangkingan alternatif perusahaan menggunakan metode WP. Flowchart memberikan representasi visual dari alur proses, memudahkan pembaca untuk memahami urutan langkah-langkah dalam setiap proses. Ini memperjelas bagaimana sistem akan beroperasi secara visual.
3.5 Perancangan Data
Bagian ini menjelaskan perancangan data yang digunakan dalam sistem, mencakup perancangan data masukan untuk algoritma LVQ dan WP, serta perancangan data keluaran dari kedua algoritma tersebut. Ini menjelaskan bagaimana data akan diolah dan diproses dalam sistem, memberikan detail penting mengenai struktur data yang digunakan. Ini penting untuk memahami bagaimana sistem menangani data dan menghasilkan output.
3.6 Perancangan Antarmuka
Sub-bab ini menjelaskan perancangan antarmuka pengguna (user interface) dari sistem, mencakup tampilan antarmuka home, pelatihan, pengujian, proses WP, help, dan konfirmasi keluar. Penjelasan mengenai desain antarmuka sangat penting untuk memberikan gambaran bagaimana pengguna akan berinteraksi dengan sistem. Ini penting untuk memastikan sistem mudah digunakan dan dipahami oleh pengguna.
IV. Implementasi dan Pengujian Sistem
Bab ini menjelaskan implementasi sistem yang dibangun menggunakan bahasa pemrograman Matlab, termasuk tampilan antarmuka pengguna. Pengujian sistem dilakukan untuk membuktikan bahwa sistem berjalan sesuai dengan spesifikasi yang telah ditentukan. Jenis pengujian mencakup ketepatan pelatihan LVQ, ketepatan prediksi nilai saham, dan ketepatan perangkingan alternatif perusahaan menggunakan WP. Hasil pengujian yang menunjukkan keakuratan sistem dijelaskan secara detail.
4.1 Implementasi Sistem
Bagian ini menjelaskan detail teknis implementasi sistem, termasuk platform, bahasa pemrograman yang digunakan, dan detail teknis lainnya. Penjelasan tampilan antarmuka pengguna untuk setiap bagian sistem diberikan, memberikan gambaran visual bagaimana sistem beroperasi dan berinteraksi dengan pengguna. Ini menunjukkan penerapan perancangan sistem yang telah dijelaskan sebelumnya.
4.2 Pengujian Sistem
Sub-bab ini menjelaskan proses pengujian sistem yang dilakukan, meliputi jenis pengujian, metodologi pengujian, dan hasil pengujian. Penjelasan ini mencakup detail mengenai bagaimana sistem diuji untuk memastikan keakuratan dan kehandalannya. Hasil pengujian menunjukkan kinerja sistem dan validasi dari model yang telah dirancang.
V. Kesimpulan dan Saran
Bab ini merangkum kesimpulan penelitian berdasarkan hasil pengujian yang telah dilakukan. Kesimpulan mencakup kesimpulan mengenai keakuratan prediksi nilai saham menggunakan algoritma LVQ dan kemampuan metode WP dalam membantu memilih perusahaan investasi yang sesuai kemampuan investor. Saran untuk pengembangan penelitian selanjutnya juga diberikan, seperti pengembangan model, perluasan dataset, dan integrasi dengan sumber data lain. Bab ini memberikan sintesis dari seluruh isi skripsi dan menunjukkan arah pengembangan penelitian di masa mendatang.
5.1 Kesimpulan
Bagian ini merangkum temuan utama penelitian dan menjawab pertanyaan penelitian yang telah dirumuskan. Kesimpulan harus mencerminkan keberhasilan atau keterbatasan sistem yang dibangun dalam mencapai tujuan penelitian. Ini menjadi poin penting yang menyimpulkan keseluruhan penelitian.
5.2 Saran
Sub-bab ini memberikan saran untuk penelitian selanjutnya, yang dapat berupa peningkatan model yang telah dikembangkan, perluasan dataset, atau integrasi dengan sumber data lain. Saran ini berfokus pada pengembangan dan peningkatan sistem yang telah dibangun, memberikan arah untuk penelitian di masa mendatang. Ini memberikan perspektif untuk penelitian lanjutan.
