PENGGUNAAN APLIKASI SISTEM JARINGAN SYARAF TIRUAN BERULANG ELMAN UNTUK PREDIKSI PERGERAKAN HARGA SAHAM

  • Julian Talahatu Jurusan Teknik Informatika Fakultas Teknik Universitas Surabaya
  • Njoto Benarkah Jurusan Teknik Informatika Fakultas Teknik Universitas Surabaya
  • Jimmy Jimmy Jurusan Teknik Informatika Fakultas Teknik Universitas Surabaya
Abstract Views: 175 times
PDF - FULL TEXT Downloads: 161 times
Keywords: neural network, prediksi saham, elman neural network

Abstract

Prediksi pasar saham adalah sebuah tindakan untuk menentukan nilai  sebuah saham perusahaan pada masa yang akan datang. Namun, dalam melakukan prediksi pasar saham tidaklah mudah  karena sifat pasar saham yang selalu berubah dan susah ditebak. Banyak peneliti yang menyelidiki tentang pasar saham dengan metode-metode data mining, salah satunya adalah menggunakan neural network untuk membantu para investor untuk mengambil keputusan. Neural network dapat mencari pola antara data input dan output untuk menjadi pembelajaran bagi sistem. Dalam pembuatan aplikasi ini digunakan elman neural network yang merupakan pengembangan dari neural network. Elman neural network dapat melakukan pemodelan sistem yang lebih baik karena mempunyai internal state yang menyimpan nilai dari penghitungan sebelumya. Hal ini membuat Elman neural network sesuai untuk melakukan prediksi pasar saham. Aplikasi ini akan menerima input data saham dan akan mengeluarkan output berupa prediksi harga saham untuk keesokan harinya. Input data yang digunakan adalah Open, Low, High, Volume dan Close sedangkan output nya adalah harga Close untuk keesokan harinya. Aplikasi yang dibuat akan divalidasi dengan cara membandingkan dengan aplikasi yang menggunakan fungsi dari library Encog . Hasil dari percobaan menunjukkan bahwa aplikasi yang dibuat memberikan hasil yang lebih baik dan lebih stabil dibandingkan dengan library Encog.

Downloads

Download data is not yet available.

References

Al-Radaideh Q. A., Assaf A.A., Alnagi E. 2013. ‘Predicting Stock Prices Using Data Mining Techniques’, The International Arab Conference on Information Technology diunduh pada tanggal 25 September 2014

Ayodele A.A., Charles A.K., Marion A.O., Sunday O.O. 2012. ‘Stock Price Prediction using Neural Network with Hybridized Market Indicators’, Journal of Emerging Trends in Computing and Information Sciences diunduh pada tanggal 13 April 2014

Boden M ,2001. A Guide to recurrent neural networks and backpropagation. diunduh pada tanggal 14 April 2014

Devadoss A. V., Ligori T. A. A. 2013 ‘Stock Prediction Using Artificial Neural Networks’ International Journal of Data Mining Techniques and Applications diunduh pada tanggal 7 Oktober 2014

Haykin, S. 1999. Neural Networks: A Comprehensive Foundation Second Edition, Prentice Hall International, Upper Saddle River: Pearson Education

Kamijo K., Tanigawa T. 1990. ‘Stock Price Pattern Recognition: A Recurrent Neural Network Approach’ IEEE International Joint Conference on Neural Networks diunduh pada tanggal 14 April 2014

Kodogiannis, V., A. Lolis. 2002. ‘Forecasting financial time series using neural network and fuzzy system-based techniques’. Neural Computing and Applications diunduh pada tanggal 9 Oktober 2014

Kondratenko V.V., Kuperin Y.A. 2003. Using Recurrent Neural Networks To Forecasting of Forex diunduh pada tanggal 6 Juni 2014

Pring, Martin J. 1991. Technical Analysis Explained, New York: McGraw-Hill

Soni S. 2011. ‘Applications of ANNs in Stock Market Prediction: A Survey’, International Journal of Computer Science & Engineering Technology (IJCSET) diunduh pada tanggal 5 Juni 2014

Trippi, R.R., Lee, J.K. 1996. Artificial Intelligence in Finance & Investing: State-of the-Art Technologies for Securities Selection and Portfolio Management, Chicago : Irwin Professional Publishing
Published
2015-09-01
Issue
Vol. 4 No. 2 (2016): Calyptra : Jurnal Ilmiah Mahasiswa Universitas Surabaya (Maret)
Section
Bidang Teknik Informatika (TI)

Creative Commons License

  • Articles published in CALYPTRA are licensed under a Creative Commons Attribution-ShareAlike 4.0 International license. You are free to copy, transform, or redistribute articles for any lawful purpose in any medium, provided you give appropriate credit to the original author(s) and the journal, link to the license, indicate if changes were made, and redistribute any derivative work under the same license.
  • Copyright on articles is retained by the respective author(s), without restrictions. A non-exclusive license is granted to CALYPTRA to publish the article and identify itself as its original publisher, along with the commercial right to include the article in a hardcopy issue for sale to libraries and individuals.
  • By publishing in CALYPTRA, authors grant any third party the right to use their article to the extent provided by the Creative Commons Attribution-ShareAlike 4.0 International license.