PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA DATA RETURN INDEKS HARGA SAHAM EURO 50 - Diponegoro University | Institutional Repository (UNDIP-IR) Rezzy Eko Caraka

PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN)

PADA DATA RETURN INDEKS HARGA SAHAM EURO 50

SKRIPSI

Disusun Oleh :

REZZY EKO CARAKA

240 102 111 400 85

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN)

PADA DATA RETURN INDEKS HARGA SAHAM EURO 50

Di

n

oleh :

REZZY EKO CARAKA

240 102 111 400 85

Skripsi

Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Statistika

pada Jurusan Statistika Fakultas Sains dan Matematika Undip

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

udul

: Pemodelan General Regression Neural Network (GRNN) pada Data

Return Indeks Harga Saham Euro 50

Nama : Rezzy Eko Caraka

NIM : 24010211140085

Telah diujikan pada sidang Tugas Akhir tanggal 03 Maret 2015 dan dinyatakan

lulus pada tanggal 06 Maret 2015.

Semarang, Maret 2015

Mengetahui,

Ketua Jurusan Statistika

FSM UNDIP

Dra. Dwi Ispriyanti, M.Si

NIP. 195709141986032001

Panitia Penguji Ujian Tugas Akhir

Ketua,

udul

:

! "# ! $ $% &'! &() !*

(

"&&

)

+

D

( " (' !, * $- !#. /

E

' !01

&

:

"2 23

E

* 4! *

&,5

: 24010211140085

6 /%'7 %* + $ % #6' #$

A

* /% !( ##

03

5 ! (

2015.

.!#

,

5 !(

2015

bim

bing

,

-$ 8%

Yasin, S.Si, M.Si

NIP. 198212172006041003

Pembimbing II

;<= <>?@A<@= <B

C DE9 F

y

DG DH I JK DL9M DNOIG OK OP OM G JQ OR9HOP SL L OQ F T

T y

OKU PJLOQ VJVW JH9G OK HOQVOP ROK G OHDK9O

-

X

y

O Y MJQ9K UUO IJK DL9MOK

T

DUOM SG Q9H 9K9 ROIOP P JHMJLJM O9G OK Z

T

D UOM SG Q9H

y

OKU W JH EDRDL [>\ ]^_ \` ab A\ b\ca` B\ d c\ee f^ b @\

u

ca` @\gh ^ ci ja_a k aga B\g

u

cb l b

d

\ ie m acd a n ao a] ?

u

c^ pqr 9K9 V JH DIOG OKMOL OQMOP D M

y

OH OP DKPDG V JV IJHsLJQUJL OH FOH EOKO F O9KM IORO

J

DH DM OK F POP9M P9G Ot OG DL P OMFO9KMROKuOPJV OP9G OvK9 :JHM9P OMw9IsK J UsHsZ

C OROG JMJVIOPOK9K9IJKDL9M9K U9KVJK

y

OVI O9G OKPJH9VOG OM9QG JIORO

:

xZ yW Dw H OZ

H

E Zwz9 yM IH9

y

OKP9Yu ZF9 M JLOG D

K

JPDO

J

DHDMOK F P OP9M P9G Ot OG DLPOM FO9KMROKu OPJVOP9G OvK9:JHM9POMw9IsK J UsHs

{Z |OIOG

H

OM W9 }OM9K Y FZF9Y u ZF9 ROK |OIOG SL OK CH OQDP OVO Y F ZF9Y u ZF9 MJLOG DRsM JKIJVW9VW9K UyR OKRsMJKIJVW9VW9KUyy

~Z |OIOG ROK yW D w sMJK

J

DHDMOK F P OP9M P9G O tOG DL P OM FO9KM ROK u OPJV OP9G O vK9:JHM9POMw9IsK J UsH s

Z FJVDO I9QOG

y

OKU P9ROG ROIOP R9M JW DP G OK MOPD IJHM OPD

y

OKU PJL OQ VJVW OKP DQ9K UUOPJHM JLJM O9G OKK

y

OIJK DL9M OK

T

D UOMS G Q9H9K9Z

K

H9P9G ROK MOH OK ROH9 IJVW O

c

O OG OK VJK EOR9 V OM DG OK

y

OKU M OKUOP

W JHQOHUOZ

H

OHOIOK I JK DL9MMJV sUO

T

D UOMSG Q9H9K9 ROIOP W JH VOK € OOP W OU9 IJK DL9M G QDMDMK

y

OR OKW O U9IJVW O

c

OI ORODV DVK

y

OZ

FJVOH OKUYu OH JP{x‚

º

B

» ¼ ½º¾¼

CFD

È

C

Å ÁÔËÂÐ

t

for Difference). Euro 50 Index CFD (Contract for Difference) is

used as the benchmark stock price of the 50 largest companies in the euro zone.

The investors to invest in the stock index Euro 50 CFD (Contract for Difference)

with expectation of obtaining appropriate rewards back to what has been invested

in. GRNN models showed that the value of RMSE and R

2

_{for training data and}

0.00095 and 99.19%. For testing the data obtained RMSE and R

2

_{value of 0.00725}

and 98.46%. Based on the forecast value of the stock return next twelve days

obtained the highest loss or capital loss on December 10, 2014 at 5.583188% and

the highest profits or capital gains on December 10, 2014 by 2.267641%

9:; <=> ?@ AB=C DEDFGHI@ AJ I F@AI HKJ B L <M:::::::::::::::::::::::::::::::::::::::::::: N

u:u J Go pG>C= EI>BF@ACGEC =FgI FA>?I>nI>J GFIoIHI>:::::::::::::::::::::: mS

€€‚ ƒ „… †‡ †ƒ

ˆ‰Š ‹Œ Ž ‘’ “”‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰ ••

ˆ‰– —“˜“” ‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰‰ •ˆ

¨©ª

a

«

a

¬

­® ¯°®±²³´µ¶·¸µ·¶¹

a

¶º¬ »

a

¬¼ º½ª ½ »º¾¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ ÀÁ

­® ¯°®±Â³¼ ì µ·¸Ä

a

¾

a

¶Å ÷¶½¬ ¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ ÀÆ

­® ¯°®±Ç³ÈÉ ÊËÌÍÎ ÏÐÍÑÒ ÍÓÑ ÏÌÒ ÍÔÕ Ö Ñ× ¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ ÀØ

­® ¯°®±

4.

Ù ÓÌÔÉÌÏÐÍÑÚ ÍÑÛÍÜÔÑÖ Ê¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ ÀØ ­® ¯°®±

5.

ÝÍÛ ÓÑÑ ÍÊÔÒ Í ÓÑ ÏÌÒ ÍÔÕÖ Ñ ×¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ ÀÞ ­® ¯°®±ß³à ½¬ ¾ µ¶·¸¾ºáâ ÅÅ´Ãã

a

¶

a

ä «·«¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ åÁ

­® ¯°®±æ³Äº

a

Ȧ

a

«ç ªº ¶ç¬©ª º¾ º¾¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ åè

­® ¯°®±é³ê º« ôöºÃ¾ë ª ½µ¨© ¶»©ë ì ·µ·ì©¬´

a

í© «î¬ïø¾ð ·¶½ñòó ôÄ¿¿¿¿¿¿ Á ò

­® ¯°®±õ³ÝÍÔÓÑ Êî¬ï ø ¾ð·¶½ñò¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ Á À

­® ¯°®±²ö³ÝÍÔÓÑ Êî¬ï à ¸¾ð·¶½ñò÷Íø ÔÉ ÊË¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ Áù

­® ¯°®±²²³ÝÍÔÓÑ Êî¬ï à ¸¾ð·¶½ñò÷Ñ ÏÉÊÉ ÊË¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ Áù

­® ¯°®±²Â³ç¶¾ ºµ øµ ·¶áâÅ ÅÝ ÍÔÓÑ Ê î¬ï ø¾úÓÑÖñò¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿¿ Áè

üýþÿ ý ÿ ý

.

.

!"# $%&'()*+,

( )

†‡ˆ‰ Š‹ …ŒŽ …Œ‹…

†ˆ ‘Œ‰‹ Œ ’“”•

†–” ‘Œ—ŒŽ˜™š ›œž œ Ÿ Ÿ 

v



†–” ‘Œ—ŒŽ

m

›¡ ¢ž˜ ¡ œ˜ž 

†£‰“ˆŽ”¤…

¥

†¦ˆŽ “ˆŽ”¤ …

­®¯° ®±² ®³´µ±®¶

· ¸¹ ¸º ¸»

¼½¾¿ ÀÁ½ÂÃ

.

Ä ¸Å ¸·¸Æ Ç ¸È¸É¸ºÊ¸»ËÌÍÎÏ ÐÑ»ÊÒÓ ÔÕÖÆ×ØÙÚ ÒÆ «× ÊÒ

Ûܸ»Ö ¸Æ«ÛÙÝÞÔ¸ºß ¸«ÊһǸ»Ûàá׬ Òºâ ÒÆÛÙÝÞããããããããããããããããããããããããã Þ à

ö ÷öø

ùú ûü÷ ýþ ÿ þ ÷û

ÿ ö

t

y

t

t

t

t

t

u

y

u

t

t

t

.

!

"

u

y

"

u

t

u

# $%& '

t

50

t

z

E

.

# (

E

t

t

t

y

)*+%& ,

t

u

y

u

t

-

t

y

.

t

&*+ %&,

y

tu

t

t

t

t

- -

t

.

/

t

0

u

12 3#24

u

&*+%& ,

y

t

t

t

t

3

nop qrqrspt p u vorw xx oy pz{ pspz

y

p popwp| }~~€ ‚ ƒ~„€~… …† ‡ ˆ~ ‰€ ‚

ˆ~Š ‹ ‡€Œ 

G

Ž x x ‘ ‡’ ‡~  ˆ~ ‰€‚ ˆ~Š ‹ ‡€Œ 

L

~€ †„ “~ ”

t

‡€

Q

‰ Š†

zation

 •–—

opz

Feed Forward Neural Networks



FF

x x

.

˜p op ™u™uz

y

p

General Regression

Neural Network



G

Ž xx u rs™t pšpz › pw p| ›p

tu

u vorw œ psyzpz s poypw qp› y ›

y

pz 

›rsyz oy™z pš pz ™z{ ™š t rz oršp

t

pz › ™ p

tu

ž™z › y

.

•r™z 

et.al



2000

 u rz rspz špz

qp|Ÿ p o p›ps opsy vtrsp›y

G

Ž x x ›r  ps p r› rz› ypw oyop›psšpz t po p

t

rvsy s rs r› y zvz

wy zy rps  š rsz rw  oyupz p r›

t

yup› y opsy zywp y |psptpz v™{t™{ oy

t

rz{™ š pz vwr| |y ut™z pz

yzt™{¡yzt™{z

y

p

.

¢ w r| špsrz p y

tu

trz rwy

t

y

t

rs

t

psy š ™z{™ š uruvorwšpz opzurs pu pw špz

yz orš›| ps p›p|pu

E

™s v

50

orz pz

General Regression Neural Network



G

Žxx

.

£¤¥¤ ¦§ ¨©ª©« ¬­® ¬«¬¯ ¬°

B

rs o p›psš pz™spy pzw p

t

psqrw pšpz 

t

rs›rq™{u p›pwp|pz 

y

pšpz oy qp| p› opwpu

t rz™w y›pz y zy popw p| qppy u pz p u rz ™zpšpz

General Regression Neural Network



G

Ž x x ™z{™ šuru ts royš›y

return

yz orš›| psp›p| pu

E

™sv

50 CFD



Contract For

Difference

 š ru ™oypz u rz rz{™ špz

capital gain

y

pz  pšpz oy | po pty vw r| y z±r›

t

vs

t pop›p

t

™ pzŸpš{

u t

rs

t

rz{

u .

£¤²¤ ¦§ ª³¬´¬« ¬­®¬« ¬¯¬°

B

p

t

p›pzup›pw p|o pwputrz™wy›pz y zypopwp|›rq p pyqrsy š™{µ

1.

¶rqp py ±psy pq rw yzt™{ popwp| op

t

p

return

›p| pu

(

,

,

·

,

)

oyupz p vs ors o psy t oy

t

rz{™ špz ›rqrw™u zp

y

. D

pwpu | pw yz y ¸ r

t

vor

4

2. D

¼

t

¼

y

¼½ ¾ ¼¿¼½ ÀÁ¾Â½¼¿ ¼½ À¼Ã ¼Ä ÅƽÂÃÁÇ ¼½ Á ½Á ¼ À¼Ã¼È À¼

t

¼ È ¼É¾¼ ǼȼÄ

ȼÉÁ ¼½ Á½À Æ¿Ç

E

ÂÉÊ

50 CFD

ËÌ ÍÎÏÐ ÑÒÏ ÓÍÐÔÕÖÖ ×Ð × ÎÒ×Ø ÅÆÉÁ ÊÀÆ

02

Ù¼½Â¼É Á

2013

Ç¼Ä Å¼ÁÀƽ ¾¼½

2

ÚÛ ÊÜ ÆÄ Ý ÆÉ

2014.

Þßàß á â ãâ äåæçå çèé êé äå

ëÂì ¼½ÅƽÆÃÁ

t

Á¼½Á½Á ¼À¼ üÈí

1.

î ÆÄ Ý Â¼

t

Ä ÊÀÆà À¼½ ÄÆÉ ¼Ä ¼Ã¿¼½ À ¼

t

¼ É× ÏïÐ Î Á½ÀÆ¿Ç È¼É¾¼ Ç¼È ¼Ä ȼÉÁ ¼ ½

E

ÂÉ Êðñò

FD

ËÌ ÍÎÏ ÐÑÒÏÓ ÍÐÔÕÖÖ ×Ð× ÎÒ×Ø

.

2.

î ƽ¾ÈÁ

t

½ ¾ ÒÑóÕÏÑô õ ÑÕ Î À¼ÉÁ Á½ÀÆ¿Ç È¼É¾¼ Ç¼È ¼Ä È¼É Á¼½

E

ÂÉÊ

50 CFD