Prediksi Harga Saham dengan Hybrid Neural Network ( Self Organizing Map Kohonen dan Backpropagation Network )

Prediksi Harga Saham dengan Hybrid Neural Network
( Self Organizing Map Kohonen dan Backpropagation Network )

Ryan Disastra1, The Houw Liong2, Herastia Maharani3

Departemen Teknik Informatika

Institut Teknologi Harapan Bangsa

Jalan Dipati Ukur no. 83 – 84

Bandung

r.disastra@gmail.com1, thehl007@gmail.com2, h_maharani@yahoo.com 3


Abstrak – Seiring dengan perkembangan teknologi, analisis saham yang semula dilakukan oleh manusia mulai ditinggalkan dan beralih kepada penggunaan sistem cerdas yang mampu memprediksi saham secara teknis dengan tingkat akurasi yang baik. Salah satu metode yang digunakan oleh sistem cerdas untuk memprediksi harga saham adalah dengan menggunakan artificial neural network yang akan mempelajari data di masa lampau dan melakukan prediksi harga untuk waktu yang akan datang. Penelitian ini melibatkan 2 metode artificial neural network untuk memprediksi harga saham yaitu Self Organizing Map Kohonen dan Backpropagation Network. Kedua metode tersebut digabungkan untuk dapat menghasilkan tingkat akurasi dan jumlah iterasi yang baik untuk memprediksi dua jenis saham yaitu saham dengan harga yang relatif stabil dan saham dengan harga yang fluktuatif. Adapun clustering saham yang dilakukan dengan menggunakan Self Organizing Map Kohonen untuk mengelompokan saham berdasarkan trend dengan hasil yang dapat digunakan sebagai bahan pertimbangan untuk melakukan transaksi di bursa saham. Penelitian ini membuktikan bahwa penggunaan Self Organizing Map Kohonen untuk menentukan bobot awal pada Backpropagation Network akan mengurangi jumlah iterasi dan meningkatkan tingkat akurasi. Pada INDF tingkat akurasi akan menjadi 98,31% dari 98,07% pada Backpropagation Network saja. Pada ANTM akan menjadi 98,72% dari 81,81% pada Backpropagation Network saja. Penggunaan data prediksi secara berkelanjutan akan mengurangi tingkat akurasi. Pada INDF akan menjadi 95,91% untuk prediksi jangka menengah (24 minggu) dari 98,31% pada prediksi 1 minggu ke depan, sedangkan ANTM akan menjadi 95,49% dari 98,72% untuk memprediksi 1 minggu ke depan.

Kata Kunci : prediksi saham, artificial neural network, Self Organizing Map Kohonen, Backpropagation Network, clustering saham

Abstract – Along with the technology development, the analysis of the stock which was performed by humans in the beginning becoming obsolete and shifted toward the intelligence systems that capable of predicting the stock technically with a good accuracy. One method that used by the intelligence systems to predict the stock price is artificial neural network that will learn the data in the past and predict the price in the future. This research involved two methods of artificial neural network to predict the stock price that is Self Organizing Map Kohonen and Backpropagation Network. Both methods can be combined to produce a better level accuracy and low number of iterations for predicting two types of stock which have fluctuates price and stable price. The stock clustering using Self Organizing Map Kohonen used to categorize stocks based on trend with the results that can be used as consideration for the transaction in the stock market. This research proved that prediction with Self Organizing Map Kohonen for determining initial weights on Backpropagation Network will reduce number of iterations and improve accuracy. For INDF, accuracy rate will be 98,31% from 98,07% without Self Organizing Map Kohonen. On ANTM will be 98,72% from 81,81% in Backpropagation only. Using the result of prediction for prediction will reduce level of accuracy. In INDF, will be 95,91% for mid-term prediction (24 weeks) from 98,31% at 1 week ahead prediction, while ANTM will be 95,49% from 98,72% for predicting 1 week later.

Keywords : prediksi saham, artificial neural network, Self Organizing Maps Kohonen,

Backpropagation Network, clustering saham

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s