Electronic Theses and Dissertation

Investasi saham merupakan salah satu investasi yang paling banyak diminati oleh masyarakat Indonesia. Untuk berinvestasi saham, kemampuan peramalan yang baik sangat dibutuhkan untuk mengetahui mengenai perkembangan harga saham. Metode Extreme Learning Machine adalah salah satu metode jaringan saraf tiruan yang dapat digunakan untuk melakukan peramalan terhadap harga saham. Keunggulan dari metode ini yaitu memiliki nilai eror yang kecil dan memiliki waktu pembelajaran yang cepat. Tahapan yang dilakukan adalah melakukan input data saham harian Bank Syariah Indonesia, melakukan normalisasi, mencari nilai bobot dan bobot bias secara acak, melakukan tahap pelatihan, tahap pengujian, denormalisasi, dan mengevaluasi tingkat akurasi peramalan menggunakan Mean Absolute Percentage error (MAPE). Fitur yang digunakan untuk peramalan harga saham harian Bank Syariah Indonesia berupa Price, Open, High, dan Low. Pada setiap metode jaringan saraf tiruan, proses validasi sangat diperlukan untuk mengevaluasi model yang digunakan. Salah satu metode validasi yang dapat mengevaluasi model dengan baik adalah metode K-Fold Cross Validation. K-Fold cross validation dapat digunakan untuk mengevaluasi model Extreme Learning Machine sehingga mencegah terjadinya overfitting atau underfitting ketika melakukan peramalan. Dari hasil pengujian, peramalan menggunakan metode Extreme Learning Machine dapat menghasilkan nilai prediksi yang berbeda-beda dikarenakan penggunaan nilai bobot dan bias yang dibangkitkan secara acak. Dengan menggunakan fungsi aktivasi sigmoid, hasil perhitungan nilai MAPE terendah didapat dari penggunaan lima belas neuron yaitu sebesar 1,7072%. Setelah penerapan K-Fold Cross Validation, Penggunaan 10 fold dan sepuluh neuron menghasilkan nilai mean MAPE terendah sebesar 2,2170%.

Stock investment is one of the most popular investments for Indonesians. To invest in stocks, good forecasting skills are needed to know about the development of stock prices. The Extreme Learning Machine method is one of the artificial neural network methods that can be used to forecast stock prices. The advantage of this method is that it has a small error value and a fast learning time. The stages carried out are inputting daily stock data of Bank Syariah Indonesia, normalizing, finding the weight value and bias weight randomly, conducting the training stage, testing stage, denormalization, and evaluating the level of forecasting accuracy using Mean Absolute Percentage error (MAPE). The features used for forecasting the daily stock price of Bank Syariah Indonesia are Price, Open, High, and Low. The validation process is needed in every artificial neural network method to evaluate the model used. One validation method that can evaluate the model well is the K-Fold cross validation method. K-Fold cross validation can be used to evaluate the Extreme Learning Machine model to prevent overfitting or underfitting when forecasting. From the test results, forecasting using the Extreme Learning Machine method can produce different predictive values due to the use of randomly generated weight and bias values. By using the sigmoid activation function, the calculation results of the lowest MAPE value obtained from the use of fifteen neurons is 1.7072%. After applying K-Fold Cross Validation, the use of 10 folds and ten neurons produces the lowest mean MAPE value of 2.2170%.