Melola Discovery

← Melola Discovery

Jurnal

Peramalan Penjualan Harga Saham PT Bank Rakyat (Persero) Tbk BBRI Indonesia dengan Menggunakan Recurren Neural Nerwork (RNN)

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 2 (2019) · hlm. 139–147

ISSN
2613-9189
Terbit
2019-02-12
Penerbit
Jurusan Matematika FMIPA UNNES
Bahasa
eng

Abstrak

Penelitian ini menggunakanstudi literatur dan simulasi program dari data sekunder yang diambil, pengumpulan data dilakukan dengan menggunakan data saham harian PT Bank Rakyat Indonesia (Persero) Tbk (BBRI) durasi waktu januari 2016 sampai dengan september 2018 yang diakses secara online. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis data didasarkan pada kajian teori dengan menggunakan model recurren neural network, kajian komputasi dan kajian terapan. Kajian komputasi ini dilakukan untuk memperoleh hasil analisis dengan menggunakan jaringan saraf tiruan dan komputasional tahap-tahap identifikasi data yang memuat penentuan variabel, penyusunan fokus pada pemiliahan indikator disetiap variabel yang menjadi objek pilihan data pada penelitian ini, menentukan beberapa nilai awal untuk bias dan bobot parameter serta nilai awal variabel pada iterasi pertama. Kemudian dikembangkan pelatihan dengan menggunakan model yang diperoleh untuk disimulasikan sampai pada perolehan titik epoh pada masing-masing jaringan model RNN yang ada. Analisis selanjutnya membandngkan hasil simulasi dan analisis komputasional model jaringan saraf tiruan dengan menggunakan model RNN Elman untuk diperoleh hasil yang terbaik, dalam analisis komputasi dan simulasi ini menggunakan program MATLAB dan R. Hasil penelitian dan pembahasan disimpulkan bahwa model RNN tipe Elman yang terbaik untuk peramalan penjualan harga saham PT Bank Rakyat Indonesia (Persero) Tbk (BBRI) adalah model RNN tipe Elman pada algoritma pelatihan Levenberg-Marquardt dengan Mu = 0,013 diperoleh pada arsitektur jaringan 9-10-1 pada fungsi aktivasi logsig dengan MSE dan MAPE pengujian masing-masing sebesar 7,6649e+10 dan 9,2348%.

Jaringan kolaborasi para penulis

38 penulis · 105 tautan kepenulisan bersama

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

  • State University of Semarang
  • Afiliasi tidak diketahui
  • 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
Zaenuri ZaenuriState University of Semarang3
Kartono KartonoState University of Semarang3
Ignasia Santi Kumala SwariAfiliasi tidak diketahui2
Nikmah NurvicalestiAfiliasi tidak diketahui2
BERNIKA RAHMANIA NALURITAAfiliasi tidak diketahui2
Wardono WardonoAfiliasi tidak diketahui2
Sunarmi SunarmiAfiliasi tidak diketahui2
Dwijanto DwijantoState University of Semarang1
Anita SulistyawatiAfiliasi tidak diketahui1
Uswatun Khasanah Dwi RahayuAfiliasi tidak diketahui1
Mulyono MulyonoAfiliasi tidak diketahui1
Hairunisah HairunisahAfiliasi tidak diketahui1
Nuriana Rachmani Dewi (Nino Adhi)Afiliasi tidak diketahui1
Adi Nur CahyonoAfiliasi tidak diketahui1
Indi Rifkiana DistyAfiliasi tidak diketahui1
Hartono HartonoAfiliasi tidak diketahui1
Anita Aulia FirdausAfiliasi tidak diketahui1
Meli AndriyaniAfiliasi tidak diketahui1
Dian Tri WiyantiState University of Semarang1
Nuriana Rachmani DewiAfiliasi tidak diketahui1
Y L SukestiyarnoAfiliasi tidak diketahui1
Muh. Fajar SafaatullahAfiliasi tidak diketahui1
Widya Rizky FadhillaAfiliasi tidak diketahui1
Siti NurzulifaAfiliasi tidak diketahui1
Rithia DamarratihAfiliasi tidak diketahui1
Dini HastiningrumAfiliasi tidak diketahui1
Nur Indah Dwi GAfiliasi tidak diketahui1
Fina AsrianiAfiliasi tidak diketahui1
Adi NurcahyonoAfiliasi tidak diketahui1
Indrati RahayuAfiliasi tidak diketahui1
Baiq Sri Rahayu KartiniAfiliasi tidak diketahui1
Hardi SuyitnoAfiliasi tidak diketahui1
Iva Adiya SafitriAfiliasi tidak diketahui1
Alamsyah AlamsyahState University of Semarang1
Heriyanto HeriyantoAfiliasi tidak diketahui1
Masrukan MasrukanState University of Semarang1
Solikhatun Marfu'ahAfiliasi tidak diketahui1

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.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Peramalan Penjualan Harga Saham PT Bank Rakyat (Persero) Tbk BBRI Indonesia dengan Menggunakan Recurren Neural Nerwork (RNN)</dc:title>
	<dc:creator>Walid, Walid</dc:creator>
	<dc:description xml:lang="en-US">Penelitian ini menggunakanstudi literatur dan simulasi program dari data sekunder yang diambil, pengumpulan data dilakukan dengan menggunakan data saham harian PT Bank Rakyat Indonesia (Persero) Tbk (BBRI) durasi waktu januari 2016 sampai dengan september 2018 yang diakses secara online. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis data didasarkan pada kajian teori dengan menggunakan model recurren neural network, kajian komputasi dan kajian terapan. Kajian komputasi ini dilakukan untuk memperoleh hasil analisis dengan menggunakan jaringan saraf tiruan dan komputasional tahap-tahap identifikasi data yang memuat penentuan variabel, penyusunan fokus pada pemiliahan indikator disetiap variabel yang menjadi objek pilihan data pada penelitian ini, menentukan beberapa nilai awal untuk bias dan bobot parameter&amp;nbsp; serta nilai awal variabel pada iterasi pertama. Kemudian dikembangkan pelatihan dengan menggunakan model yang diperoleh untuk disimulasikan sampai pada perolehan titik epoh pada masing-masing jaringan model RNN yang ada. Analisis selanjutnya membandngkan hasil simulasi dan analisis komputasional model jaringan saraf tiruan dengan menggunakan model RNN Elman untuk diperoleh hasil yang terbaik, dalam analisis komputasi dan simulasi ini menggunakan program&amp;nbsp; MATLAB dan R. Hasil penelitian dan pembahasan disimpulkan bahwa model RNN tipe Elman yang terbaik untuk peramalan penjualan harga saham PT Bank Rakyat Indonesia (Persero) Tbk (BBRI) adalah model RNN tipe Elman pada algoritma pelatihan Levenberg-Marquardt dengan Mu = 0,013 diperoleh pada arsitektur jaringan 9-10-1 pada fungsi aktivasi logsig dengan MSE dan MAPE pengujian masing-masing sebesar 7,6649e+10 dan 9,2348%.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2019-02-12</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/prisma/article/view/28901</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 2 (2019): PRISMA, Prosiding Seminar Nasional Matematika; 139-147</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/28901/12633</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2019 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>