PREDIKSI NILAI SAHAM MENGGUNAKAN<br /> JARINGAN SYARAF TIRUAN DENGAN MODIFIED<br /> RETURNS FUNCTION<br /> (Studi Kasus: Bursa Efek Jakarta)<br /> STOCK PRICE PREDICTION USING ARTIFICIAL<br /> NEURAL NETWORK<br /> WITH MODIFIED RETURNS FUNCTION<br /> (Cas

ABSTRAKSI: Prediksi nilai saham adalah isu yang sangat penting di dunia keuangan. Saat ini jaringan syaraf tiruan (JST) telah begitu populer digunakan dalam masalahmasalah keuangan seperti prediksi indeks nilai saham, prediksi kepailitan, dan klasifikasi obligasi perusahaan. Jaringan Syaraf Tiruan adalah sebuah model komputer dimana arsitekturnya adalah meniru kemampuan belajar dari otak manusia. Elemen proses dari sebuah JST meyerupai struktur biologi dari sel-sel syaraf dan operasi internal dalam otak manusia. Dalam tugas akhir ini, kami memfokuskan pada penggunaan data historis dan beberapa indikator pasar untuk memperkirakan nilai di masa akan datang sebagai fungsi dari nilai masa lampau dalam memprediksikan nilai saham (per emiten) pada Bursa Efek Jakarta (BEJ). Kami menerapkan teknik modifikasi nilai hasil fungsi yang didesain untuk melakukan perubahan historis account pada hubungan input-output. Algoritma training yang digunakan adalah Propagasi Balik standar dengan momentum masa. Penggunaan modifkasi hasil fungsi didasarkan pada dua teori pasar yaitu The Random Walk Hyphotesis dan The Efficient Market Hyphotesis. Kedua teori tersebut meyakini bahwa harga (nilai) dari saham bergerak dengan perilaku yang acak dan tak terduga. Hasil pengujian menunjukkan bahwa jaringan yang menggunakan modified returns function akan menghasilkan tingkat akurasi prediksi yang lebih baik daripada jaringan yang hanya menggunakan fungsi diferensiasi variabel relatif standar.Kata Kunci : Prediksi, Nilai Saham, Jaringan Syaraf, BEJ, Hasil Fungsi.ABSTRACT: Prediction of stock price is an important issue in finance. Nowadays artificial neural networks (ANNs) have been popularly applied to finance problems such as stock exchange index prediction, bankruptcy prediction and corporate bond classification. An ANN model is a Computer model whose architecture essentially mimics the learning capability of the human brain. The processing elements of an ANN resemble the biological structure of neurons and the internal operation of a human brain. In this final task, we focus on the used of historical data and some market indicators to estimate future value as a function of the past values in predicting individual stock price of Jakarta Stock Exchange (JSE). We Introduce The Modified Returns Function that designed to take account historical changing input-output relationships. The training algorithm is the standard backpropagation with momentum term. The use of modified returns function is based on two market trading theories which are the Random Walk Hyphotesis and the Efficient Market Hypothesis. Both of the theories believe that the price of the stock market wander in random and unexpected manner. Test results showed that networks which use the modified returns function generated a better accuration on prediction than networks that use standard relative variable difference function.Keyword: Prediction, Stock Price, Neural Network, JSE, Returns Function