ROSYADA NA, MUNADIA (2024) PENERAPAN INISIALISASI BOBOT NGUYEN-WIDROW DAN PENAMBAHAN MOMENTUM PADA ALGORITMA BACKPROPAGATION UNTUK PREDIKSI HARGA SAHAM. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.
Text
SKRIPSI FULLTEXT_MUNADIA ROSYADA NA_123180155.pdf Restricted to Repository staff only Download (4MB) |
|
Text
ABSTRAK_MUNADIA ROSYADA NA_123180155.pdf Download (129kB) |
|
Text
COVER_MUNADIA ROSYADA NA_123180155.pdf Download (140kB) |
|
Text
DAFTAR ISI_MUNADIA ROSYADA NA_123180155.pdf Download (96kB) |
|
Text
DAFTAR PUSTAKA_MUNADIA ROSYADA NA_123180155.pdf Download (158kB) |
|
Text
PENGESAHAN__MUNADIA ROSYADA NA_123180155.pdf Download (840kB) |
Abstract
Investasi saham menjadi salah satu kegiatan investasi yang diminati oleh
masyarakat karena menawarkan nilai keuntungan yang sebanding. Sebanding dengan nilai
keuntungan yang tinggi, investasi saham juga memiliki risiko kerugian yang tinggi.
Banyaknya faktor yang mempengaruhi investasi saham menjadikan para investor pemula
mengalami kesulitan dalam menganalisa dan memprediksi harga saham secara akurat.
Salah satu metode algoritma yang dapat digunakan dalam memprediksi harga saham
adalah backpropagation. Performa prediksi yang dihasilkan dari metode algoritma
backpropagation dinilai lebih baik dibanding menggunakan metode algoritma lainnya.
Selain memiliki kelebihan dalam performa akurasinya, metode algoritma ini juga memiliki
kelemahan, yaitu memiliki tingkat konvergensi yang lambat dikarenakan kegagalan dalam
memilih bobot yang optimal sehingga membutuhkan waktu komputsi pelatihan yang lama.
Dalam mengatasi kelemahan dari metode algoritma backpropagation, diperlukan
adanya peningkatan dalam menggunakan metode algoritma, salah satunya dengan
menggunakan inisialisasi bobot Nguyen-Widrow dan penambahan nilai momentum pada
metode backpropagation. Data yang digunakan adalah data harga saham PT. Bank Central
Asia Tbk (BBCA.JK) yang diperoleh dari yahoo finance selama dua tahun. Metode penelitian
yang digunakan adalah metode kuantitatif, dimulai dengan indentifikasi masalah, studi
literatur, pengumpulan data, preprocessing data, penerapan sistem, pengujian sistem,
kemudian kesimpulan dan saran.
Dalam penelitian ini, pengujian dilakukan dengan menggunakan beberapa skenario
untuk mendapatkan kombinasi parameter yang dapat menghasilkan nilai error yang
terkecil dan waktu komputasi pembelajarannya paling rendah. Penelitian ini menunjukan
bahwa parameter terbaik terdapat pada pembagian data training dan data testing sebesar
70:30, besarnya learning rate yang digunakan sebesar 0.95, jumlah neuron pada hidden
layer sebanyak 15 neuron, epoch yang digunakan sejumlah 10000. Metode
backpropagation menghasilkan nilai MSE training sebesar 378773 dengan waktu komputasi
selama 5.81233 detik dan hasil nilai MSE testing sebesar 402006.1. Sedangkan penggunaan
inisialisasi bobot Nguyen-Widrow pada metode backpropagation menghasilkan nilai MSE
training sebesar 3545.58 dengan waktu komputasi selama 5.90625 detik dan hasil nilai MSE
testing sebesar 3986.91. Dengan menambahkan momentum sebesar 0.95 pada proses
backpropagation, diperoleh hasil nilai MSE training sebesar 3461120 dengan waktu
komputasi selama 5.37862 detik dan hasil nilai MSE testing sebesar 3334765. Sebaliknya,
jika menggunakan inisialisasi bobot Nguyen-Widrow dan momentum sebesar 0.95 pada
metode backpropagation, hasilnya adalah nilai MSE training sebesar 2195.24 dengan waktu
komputasi selama 5.32258 detik dan hasil nilai MSE testing sebesar 2799.04. Berdasarkan
hasil pengujian penggunaan inisialisasi bobot Nguyen-Widrow dan penambahan nilai
momentum pada metode backpropagation ini dapat menurunkan nilai error dan menjadikan
waktu komputasi training lebih optimal.
Kata Kunci: Investastasi Saham, Prediksi, Backpropagation, Inisialisasi Nguyen-Widrow,
Momentum, Mean Square Error (MSE), Waktu Komputasi
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | Investastasi Saham, Prediksi, Backpropagation, Inisialisasi Nguyen-Widrow, Momentum, Mean Square Error (MSE), Waktu Komputasi |
Subjects: | Q Science > Q Science (General) |
Divisions: | Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
Depositing User: | Eny Suparny |
Date Deposited: | 25 Apr 2024 07:33 |
Last Modified: | 25 Apr 2024 07:33 |
URI: | http://eprints.upnyk.ac.id/id/eprint/39360 |
Actions (login required)
View Item |