Electronic Theses and Dissertation

Jaringan saraf tiruan merupakan bagian dari pembelajaran mesin yang melakukan pemrosesan data dengan cara kerja yang terinspirasi dari sistem saraf manusia sebagai alat pensinyalan dasar yang salah satunya diterapkan pada permasalahan prediksi harga saham antm.jk. algoritma backpropagation digunakan untuk melakukan perubahan nilai parameter jaringan saraf tiruan berdasarkan kesalahan dari keluaran hingga memperoleh nilai parameter yang optimal. penelitian ini bertujuan memperoleh model jaringan saraf tiruan dengan menambahkan parameter bias, inisialisasi parameter awal dengan inisialisasi glorot, dan proses validasi. kemudian memperoleh prediksi harga penutupan saham harian antm.jk serta indikator keakuratan dengan nilai mape. data yang digunakan dalam penelitian ini adalah data open, high, low, close, dan volume dari data saham harian pt aneka tambang tbk (antm.jk), sebanyak 1253 data saham harian dari 1 januari 2018 hingga 30 desember 2022. dalam penelitian ini, ditentukan model jaringan saraf tiruan yang optimal dengan membandingkan penggunaan jumlah unit pada hidden layer dari 1 hingga 10 unit dengan rentang 1 dan nilai learning rate dari 0,1 hingga 0,9 dengan rentang 0,1. hasil menunjukkan bahwa model jaringan saraf tiruan yang optimal yaitu 6 unit pada hidden layer dengan nilai mse terendah sebesar 5,16 ×10- 5 dalam 10.000 epoch dan nilai learning rate 0,4 dengan nilai mse terendah sebesar 3,20 ×10-5 dalam 10.000 epoch. berdasarkan indikator akurasi mape, tingkat akurasi dari model jaringan saraf tiruan dalam memprediksi harga penutupan saham harian antm.jk dari 1253 data saham harian mencapai 97,91%. model jaringan saraf tiruan tersebut diterapkan untuk memprediksi harga penutupan saham harian antm.jk selama 176 hari yaitu dari 1 januari 2023 hingga 29 september 2023, model jaringan saraf tiruan untuk memprediksi harga penutupan saham harian antm.jk sangatlah baik terlihat dari indikator keakuratan mape sebesar 98,87%.

Artificial Neural Networks are a class of machine learning that processing data stage that are loosely inspired by neurons in the human brain as a basic signalling tool, one of which is applied to stock price prediction problems. Backpropagation algorithm is used to changes the parameter values based on errors in the output to obtain optimal Artificial Neural Network parameter values. This study aims to obtain a Artificial Neural Network model by add bias parameters, initialize parameters with Glorot initialization and validation process. Then obtain the predictions of the daily closing stock price of ANTM.JK as well as accuracy indicators with MAPE values. The data used in this study is Open, High, Low, Close, and Volume data from daily stock data of PT Aneka Tambang (ANTM.JK), a total of 1253 daily stock data from January 1st , 2018 to December 30th, 2022. In this study, the optimal Artificial Neural Network model was determined by comparing the use of the number of units in hidden layer from 1 to 10 units with a range of 1 and a learning rate value of 0.1 to 0.9 with a range of 0.1. the results show that the optimal Artificial Neural Network model is 6 units in the hidden layer with the lowest MSE value of 5.16 ×10-5 in 10,000 epochs and a learning rate values of 0.4 with the lowest MSE value of 3.20 ×10-5 in 10,000 epochs. Based on the MAPE accuracy indicator, the accuracy level of the Artificial Neural Network model in predicting the daily closing stock price of ANTM.JK from 1253 daily stock data reached 97,91%. The Artificial Neural Network model was applied to predict the closing stock prices of ANTM.JK for 176 days that is from January 1st, 2023 to September 29th, 2023, the Artificial Neural Network model to predict the daily closing stock price of ANTM.JK is very good as seen from the MAPE accuracy indicator of 98.87%.