Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Optimasi Prediksi Saham dengan Neural Network pada PT Xyz

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 4 No. 3 (2024) · hlm. 928–936

DOI
10.51454/decode.v4i3.782
ISSN
2775-1813, 2775-2984
Terbit
2024-11-03
Penerbit
Universitas Muhammadiyah Kendari
Lisensi
creativecommons.org/licenses/by-sa/4.0/

Abstrak

Penelitian ini bertujuan untuk mengoptimalkan prediksi harga saham di PT XYZ menggunakan Neural Network. Latar belakang penelitian ini berfokus pada kebutuhan perusahaan untuk model prediksi saham yang akurat, terutama mengingat fluktuasi yang disebabkan oleh faktor-faktor makroekonomi, seperti suku bunga, inflasi, dan nilai tukar. Metode tradisional dalam analisis saham sering kali tidak dapat menangkap kompleksitas pola dalam data saham, sehingga pendekatan berbasis kecerdasan buatan, seperti Neural Network, dipilih karena kemampuannya dalam memproses data yang kompleks dan non-linear. Metodologi yang digunakan mencakup pengumpulan data historis harga saham, volume perdagangan, suku bunga, inflasi, dan nilai tukar dari periode 2015 hingga 2017. Data tersebut kemudian diproses dengan teknik normalisasi dan interpolasi untuk mengatasi nilai yang hilang. Model Neural Network yang diterapkan memiliki dua lapisan tersembunyi, dilatih menggunakan algoritma backpropagation dan dioptimalkan melalui grid search untuk menentukan hyperparameter terbaik. Hasil penelitian menunjukkan bahwa Neural Network yang dioptimalkan dapat memprediksi harga saham dengan akurasi yang lebih baik dibandingkan metode tradisional, dengan nilai Mean Squared Error (MSE) yang rendah dan Mean Percentage Error (MPE) yang baik. Penelitian ini memberikan kontribusi dalam pengambilan keputusan investasi yang lebih tepat di tengah fluktuasi pasar saham.

Jaringan kolaborasi para penulis

3 penulis · 3 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • University of Indonesia
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Setiadi YazidUniversity of Indonesia1
Made Harta DwijaksaraUniversity of Indonesia1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Data ini berasal dari Crossref (yang disetorkan penerbit), karena endpoint OAI-PMH milik jurnal tidak dapat di-harvest.

Sumber metadata: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, pertama di-harvest 26 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata sebagai oai_dc, dikonversi dari Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Optimasi Prediksi Saham dengan Neural Network pada PT Xyz</dc:title><dc:creator>Nusandika Patria</dc:creator><dc:description>&lt;jats:p&gt;Penelitian ini bertujuan untuk mengoptimalkan prediksi harga saham di PT XYZ menggunakan Neural Network. Latar belakang penelitian ini berfokus pada kebutuhan perusahaan untuk model prediksi saham yang akurat, terutama mengingat fluktuasi yang disebabkan oleh faktor-faktor makroekonomi, seperti suku bunga, inflasi, dan nilai tukar. Metode tradisional dalam analisis saham sering kali tidak dapat menangkap kompleksitas pola dalam data saham, sehingga pendekatan berbasis kecerdasan buatan, seperti Neural Network, dipilih karena kemampuannya dalam memproses data yang kompleks dan non-linear. Metodologi yang digunakan mencakup pengumpulan data historis harga saham, volume perdagangan, suku bunga, inflasi, dan nilai tukar dari periode 2015 hingga 2017. Data tersebut kemudian diproses dengan teknik normalisasi dan interpolasi untuk mengatasi nilai yang hilang. Model Neural Network yang diterapkan memiliki dua lapisan tersembunyi, dilatih menggunakan algoritma backpropagation dan dioptimalkan melalui grid search untuk menentukan hyperparameter terbaik. Hasil penelitian menunjukkan bahwa Neural Network yang dioptimalkan dapat memprediksi harga saham dengan akurasi yang lebih baik dibandingkan metode tradisional, dengan nilai Mean Squared Error (MSE) yang rendah dan Mean Percentage Error (MPE) yang baik. Penelitian ini memberikan kontribusi dalam pengambilan keputusan investasi yang lebih tepat di tengah fluktuasi pasar saham.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2024-11-03</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v4i3.782</dc:identifier><dc:identifier>10.51454/decode.v4i3.782</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 4 No 3 (2024); 928-936</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/decode/article/download/782/361</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>