APLIKASI PREDIKSI HARGA SAHAM PT. TELEKOMUNIKASI INDONESIA MENGGUNAKAN ALGORITMA BACKPROPAGATION BERBASIS WEBSITE
Abstract
Saham termasuk dalam suatu investasi. Saham berbentuk surat berharga. Surat tersebut merupakan bukti. Bukti kepemilikan perorangan pada suatu perusahaan. Nilai gerak saham relatif tidak menentu. Nilai saham juga dapat berubah dari waktu ke waktu. Walupun cenderung non linear, namun tetap dapat diprediksi. Penggunaan analisis teknikal dapat menjadi solusi untuk prediksi. Namun kelemahannya menuntut investor untuk paham secara dalam terhadap penggunaan indikator. Untuk lebih memudahkan investor, maka diperlukan suatu model prediksi yang lebih praktis. Dalam penelitian ini dibangun model prediksi untuk harga saham. Saham yang dipilih adalah milik PT. Telekomunikasi Indonesia. Metode yang digunakan adalah algoritma Backpropagation. Model prediksi yang telah dilatih langsung dikoneksikan kedalam antarmuka aplikasi berbentuk website sehingga mempermudah investor untuk langsung memperoleh hasil prediksi. Untuk model Backpropagation sendiri dengan menggunakan MAPE ditemukan nilai error prediksi sebesar 1,42 untuk data uji dan untuk data latih sebesar 1,52.
References
2. Mohamad Samsul, Pasar Modal dan Manajemen Portofolio, (Jakarta: Erlangga, 2015), 59.
3. F. Ramadani, “Pengaruh Inflasi, Suku Bunga Dan Nilai Tukar Rupiah Terhadap Harga Saham Perusahaan Sektor Properti Dan Real Estate Yang Tercatat Di Bursa Efek Indonesia,” Manaj. Bisnis, vol. 6, no. 1, pp. 72–82, 2018, doi: 10.22219/jmb.v6i1.5392.
4. Saleh, S., & Tabe, R. (2018). Analysis Of Stock Price At Pt. Telkom Indonesia Tbk Before And After Having Damage On Its Satelit. Tasharruf: Journal Economics and Business of Islam, 3(1), 13–26. https://doi.org/10.30984/tjebi.v3i1.653
5. Raharjo, S. 2006. Kiat Membangun Aset Kekakyaan. Jakarta: PT. Gramedia.
6. M. Malyadi, N. R. Novawati and R. B. Purnama, "Perancangan Prediksi Untuk Menentukan Indeks Harga Saham Menggunakan Jaringan Syaraf Tiruan," KINETIK, pp. 125-130, 2017.
7. A. Novita, "Prediksi Pergerakan Harga Saham Pada Bank Terbesa rDi Indonesia Dengan Metode Backpropagation Neural Network," JUTISI, pp. 965-972, 2016.
8. Solikhun, M.Saffi and A. Trisno, "JARINGAN SARAF TIRUAN UNTUK MEMPREDIKSI TINGKAT PEMAHAMAN SISIWA TERHADAP MATAPELAJARAN DENGAN MENGGUNAKAN ALGORITMA BACKPROPAGATION," Jurnal Sains Komputer & Informatika (J-SAKTI), pp. 24-25, 2017.
9. Kristanto, A. 2004. Jaringan Syaraf Tiruan (Konsep Dasar, Algoritma dan Aplikasi). 1st ed. Yogyakarya: Gava Media.
10. Fausett, L.V. 2004. Fundamentals of neural networks: Architectures, algorithms, and applications. Delhi, India: Pearson Education.
