• Tidak ada hasil yang ditemukan

Institutional Repository | Satya Wacana Christian University: Perbandingan Kinerja Algoritma Propagasi Mundur dan Fungsi Basis Radial dalam Proses Peramalan Tren Investasi Saham T1 612006039 BAB I

N/A
N/A
Protected

Academic year: 2017

Membagikan "Institutional Repository | Satya Wacana Christian University: Perbandingan Kinerja Algoritma Propagasi Mundur dan Fungsi Basis Radial dalam Proses Peramalan Tren Investasi Saham T1 612006039 BAB I"

Copied!
6
0
0

Teks penuh

(1)

1

BAB I

PENDAHULUAN

Pada bab ini dijelaskan tujuan, latar belakang, gambaran penelitian, batasan masalah, perincian tugas yang dikerjakan, dan sistematika penulisan skripsi.

1.1. Tujuan

Membandingkan kinerja dari dua algoritma Jaringan Saraf Tiruan (JST) dalam proses peramalan investasi saham yaitu algoritma Propagasi Mundur dan Fungsi Basis Radial.

1.2. Latar Belakang Masalah

Kehadiran pasar modal mempunyai pengaruh yang penting dalam menunjang perekonomian suatu negara. Pasar modal bertindak sebagi penghubung antara para investor dengan perusahaan ataupun institusi pemerintah melalui perdagangan instrumen keuangan jangka panjang seperti obligasi, saham dan lainnya [6. h.1]. Investasi dalam bentuk saham dalam pasar modal memungkinkan investor untuk mendapatkan keuntungan yang lebih besar dalam waktu yang relatif singkat (high return). Semakin besar keuntungan yang bisa didapatkan, maka investor akan semakin tertarik untuk membeli saham tersebut.

Selain high return, saham juga memiliki sifat high risk yaitu kondisi ketika harga saham nilainya menurun secara cepat. Kondisi ini dapat menyebabkan kerugian yang besar untuk investor. Dengan kedua sifat ini, investor perlu terus memantau pergerakan saham yang dimilikinya, agar dapat menentukan keputusan yang tepat di waktu yang tepat pula.

Dalam memantau pergerakan saham dan menentukan keputusan, investor perlu memahami bagaimana menganalisis saham. Ada dua pendekatan dasar yaitu analisis fundamental dan analisis teknikal. Analisis fundamental mencakup informasi mengenai laporan keuangan dan kesehatan perusahaan, manajemen perusahaan, pesaing dan situasi pasar dari produk tersebut. Analisis teknikal merupakan metode dasar untuk membaca pergerakan harga dengan menggunakan data historical berupa harga dan volume perdagangan[7, h.34].

(2)

2

memprediksi harga saham di masa depan.Ada beberapa cara untuk dapat memprediksi nilai saham di masa depan dengan menerka langsung nilai saham. Salah satunya adalah dengan menggunakan JST. Pada kenyataannya algoritma JST yang sering digunakan adalah Algoritma Propagasi Mundur. Kinerja dari algoritma ini terbukti baik dalam proses peramalan, terkhusus peramalan saham[3, h.78]. Terlihat dari banyak sistem cerdas peramalan yang dibangun dengan Algoritma Propagasi Mundur. Lalu pertanyaannya, mengapa bukan algoritma peramalan yang lain? Semisal algoritma Fungsi Basis Radial yang dinilai sangat handal dalam masalah peramalan [1, h.3].

1.3. Gambaran Penelitian

Penelitian yang dilakukan menggunakan data historical dari data saham di masa lalu sebagai data pembelajaran pada JST untuk memprediksi nilai saham di masa depan. Data saham tersebut adalah data harga pembukaan (open price), harga tertinggi (highest price), harga terendah (lowest price) dan harga penutupan (close price). Keempat data saham tersebut akan menjadi data masukkan untuk JST. Sedangkan data keluaran adalah data harga penutupan di hari berikutnya. Gambar 1.1 menunjukan blog diagram sistem dari penelitian ini.

Masukan Keluaran

Harga Pembukaan

Harga Tertinggi Harga Penutupan

Harga Terendah hari berikutnya

Harga Penutupan

Gambar 1.1 Blok Diagram Sistem Peramalan Saham Menggunakan JST

Pada tahap awal, JST akan melakukan proses pembelajaran sesuai dengan jumlah data pelatihan yang diinginkan. Dari hasil pembelajaran tersebut, akan didapatkan bobot-bobot JST yang akan menjadi bobot acuan dalam peramalan data saham di masa depan. Dengan masukan data harga saham, akan didapatkan hasil peramalan harga saham penutupan di hari berikutnya.

Penelitian ini bertujuan untuk mengetahui keakuratan data peramalan dan kecepatan pembelajaran dari JST. Dari hasil uji coba, disimpulkan Algoritma JST mana yang lebih tepat dan cepat dalam proses peramalan data saham di masa depan.

(3)

3

Dalam proses peramalan terjadi perbedaan hasil peramalan dan nilai sesungguhnya. Analisis regresi polinomial digunakan sebagai alat bantu untuk menganalisis persamaan pergerakan harga saham penutupan dan memperkirakan faktor-faktor penyebab perbedaan harga tersebut.

1.4. Batasan Masalah

Berdasarkan surat keputusan dari Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana Nomor 18/I.3/FTEK/V/2012, spesifikasi skripsi yang dikerjakan adalah sebagai berikut:

1. Jenis saham yang dipilih adalah saham biasa (common stock) yang dapat diperjualbelikan. Saham yang diujikan adalah 20 Saham, yaitu :

- Bank Danamon Indonesia

2. Analisis yang digunakan adalah analisis teknikal, dimana analisis ini mengamati perubahan harga saham tersebut di waktu lampau dan menitikberatkan pada gerakan harga dan volume perdagangan. Data historical ini yang akan digunakan dalam proses peramalan. Sistem ini tidak menggunakan indikator-indikator khusus dalam analisis teknikal, tetapi menggunakan algoritma Jaringan Saraf Tiruan dalam peramalannya. 3. Penelitian ini hanya akan meramalkan data harga penutupan (closing price) di masa

depan dengan variasi data input saham. Data yang akan diujikan adalah data historical dari Bank Mandiri yang sudah ada sejak 2003-2011. Parameter yang dipakai sebagai pola pada penelitian ini adalah :

(4)

4 - volume perdagangan, dan

- harga penutupan (closing price).

4. Metode yang digunakan adalah dengan cara membandingkan data asli dan data peramalan serta mencari tingkat kesalahan/error.

5. Untuk menunjang penelitian, akan dirancang sebuah sistem cerdas yang akan meramalkan nilai saham di masa depan. Berikut adalah spesifikasi program :

- Sistem dibangun dengan bahasa C# pada Microsoft Visual Studio .Net 2008. - Memiliki database saham. Relational Database Management System yang

digunakan adalah Microsoft SQL Server 2005 Express Edition.

- Memiliki 2 pilihan algoritma yaitu Algoritma Propagasi Mundur atau Algoritma Fungsi Basis Radial.

- Data output berupa:

a. Perbandingan grafik data riil dan data hasil peramalan. b. Nilai saham dari hasil peramalan.

6. Akan dilakukan variasi penelitian berupa :

- Variasi input data sebagai data pembelajaran sistem (learning). Variasi data input ini sebanyak 1 bulan, 2 bulan, 3 bulan, 6 bulan, 1 tahun, dan 2 tahun kerja.

- Variasi jumlah lapisan tersembunyi pada Algoritma Propagasi Mundur sebanyak 5, 10, 20, 30, 50 untuk mendapatkan lapisan tersembunyi yang paling tepat.

- Variasi hasil output di masa depan yaitu 1 minggu, 2 minggu, 1 bulan, dan 2 bulan kerja kedepan.

7. Penelitian berupa perbandingan Mean Square Error MSE dari kedua algoritma, yang dibandingkan dengan data riil.

8. Akan dilakukan penelitian efisiensi dari algoritma. Efisiensi ini berupa keakuratan dan kecepatan dari proses pembelajaran dari kedua algoritma, dengan variasi data input di atas.

(5)

5

langsung. Namun mempengaruhi faktor psikologi dari investor. Faktor tersebut agak sulit untuk dimodelkan, sehingga penelitian hanya dibatasi dengan analisis teknikal dan pendekatan regresi. Kemudian ditarik hipotesis penyebab dari fluktuasi saham yang terjadi melalui dua analisis tersebut serta hubungan faktor masukan dan keluaran JST. 10.Penyajian hasil pengujian akan berupa grafik dan tabel pembanding. Pada tahap ini akan

diambil kesimpulan mengenai kinerja dari JST terhadap peramalan tren investasi saham.

1.5. Perincian Tugas

Berdasarkan surat keputusan Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana Nomor 18/I.3/FTEK/V/2012, perincian tugas yang dikerjakan adalah sebagai berikut:

1. Mempelajari kedua algoritma penelitian yaitu Algoritma Propagasi Mundur atau Algoritma Fungsi Basis Radial secara matematis dan proses algorima.

2. Merancang sistem peramalan dengan Algoritma Propagasi Mundur. 3. Merancang sistem peramalan dengan Algoritma Fungsi Basis Radial.

4. Melakukan penelitian dan uji coba dengan variasi yang sudah dijelaskan. Akan dianalisis pula mengenai kecepatan proses pembelajaran dari sistem peramalan pada tiap algoritma, serta membandingkan akurasi/ketepatan antara data uji dan hasil peramalan.

5. Melakukan analisis faktor penyebab terjadinya fluktuasi saham pendekatan Regresi sebagai alat bantu analisis.

6. Mendokumentasikan tugas akhir.

1.6. Sistematika Penulisan

Penulisan skripsi ini terdiri dari 5 bab yaitu: Bab I Pendahuluan

Berisi tujuan, latar belakang, gambaran penelitian, batasan masalah, perincian tugas yang dikerjakan, dan sistematika penulisan skripsi.

Bab II Dasar Teori

(6)

6 Bab III Metode Penelitian

Berisi metode penelitian dan perancangan sistem cerdas pendukung yang akan direalisasikan pada skripsi ini.

Bab IV Pengujian dan Analisis

Berisi hasil pengujian pada tugas-tugas yang telah dirancang serta menganalisa hasil pengujian.

Bab V Kesimpulan dan Saran

Gambar

Gambar 1.1 Blok Diagram Sistem Peramalan Saham Menggunakan JST

Referensi

Dokumen terkait

Pada penelitian ini akan menggunakan dua model untuk mendapatkan hasil ramalan Indeks Saham Syariah Indonesia (ISSI) yang lebih baik, yaitu dengan metode laju

Pada tugas akhir ini dikembangkan suatu sistem peramalan nilai harga saham yang berdasarkan data historis (time series) nilai harga saham dengan menggunakan Metode gabungan

Dalam meningkatkan penjualan sayur pada Jogja Organic, penelitian ini menggunakan algoritma naive bayes yang digunakan untuk memprediksi peluang di masa depan berdasarkan

Hasil dari penelitian yaitu prediksi harga saham pada bank BRI dan BCA dengan menggunakan metode BPNN ini memiliki nilai akurasi yang baik, di mana hasil yang diperoleh mendekati

Penelitian ini membahas tentang pentingnya prediksi harga saham dalam menghadapi pergerakan ekonomi dan risiko pasar. Saham merupakan instrumen populer dalam pasar keuangan, dengan potensi keuntungan yang tinggi dan menjadi pilihan investasi yang diminati. Prediksi harga saham membantu investor mengurangi risiko investasi, membuat keputusan yang lebih baik, dan mengidentifikasi peluang investasi yang menguntungkan. Dalam penelitian ini, kami menggunakan SAS Visual Analytics sebagai alat analisis data untuk melakukan analisis dan prediksi terhadap data saham. Melalui fitur-fitur yang kuat dan intuitif dari SAS Visual Analytics, kami menggali wawasan mendalam dari data pasar saham dan membuat prediksi yang akurat. Hasil analisis dan prediksi yang diperoleh melalui penggunaan SAS Visual Analytics dijelaskan dalam jurnal ini, serta signifikansi dan kontribusi alat ini dalam menganalisis dan memprediksi pergerakan harga saham. Berdasarkan hasil penelitian, model Decision Tree memberikan hasil terbesar dengan nilai sebesar 4,943.2967, sedangkan model Random Forest memberikan hasil terkecil dengan nilai sebesar 4,919.6130. Penelitian ini diharapkan dapat membantu dalam memperoleh hasil prediksi pergerakan saham yang akurat untuk saat ini maupun di masa