Penerapan Jaringan Syaraf Tiruan Backpropagation Dalam Prediksi Trend Harga Saham

Data saham merupakan data yang diukur terurut berdasarkan waktu. Jika data tersebut dimodelkan, maka dapat terlihat bahwa data tersebut memiliki trend. Dengan cara tersebut maka kemunculan data berikutnya dapat diprediksi. Pada peneilitan ini disajikan suatu metode dengan menggunakan algoritma jaringan syaraf tiruan (JST) backpropagation untuk melakukan prediksi terhadap trend harga saham sehingga dapat memprediksi arah pergerakan harga saham. Metode yang digunakan pada penelitian ini yaitu dengan menggunakan data harga saham selama seminggu ditambah nilai faktor siklus (trend harga saham setahun sebelumnya) untuk memprediksi trend harga saham seminggu berikutnya. Secara umum sistem ini memiliki 2 bagian pemrosesan. Proses pertama adalah proses normalisasi terhadap data harga saham sehingga range data input menjadi 0.1-0.9. Data inilah yang dijadikan sebagai input kedalam JST. Proses kedua adalah proses pelatihan terhadap data training dan peramalan terhadap trend yang terjadi pada minggu berikutnya dengan menggunakan harga saham selama seminggu yang diinputkan oleh user. Untuk mendapatkan struktur JST yang terbaik, dilakukan pelatihan dengan beberapa parameter diantaranya jumlah neuron pada hidden layer dan laju pembelajaran (learning rate). Tolak ukur keberhasilan sistem ini adalah dengan menghitung nilai mean squared error (MSE). Data yang digunakan adalah data harga penutupan saham Astra, Sampoerna, dan Indofood periode Januari – Desember 2008. Dari pengujian didapatkan MSE untuk saham Astra 0.03268, untuk saham Sampoerna 0.06366 dan saham Indofood 0.8703. Sedangkan keakuratan hasil prediksi untuk data uji adalah 25% dari data uji Astra, 50% dari data uji Sampoerna dan 33.33 % dari data uji Indofood