Melola Discovery

← Melola Discovery

Open access Journal SINTA 2

Optimasi Prediksi Saham dengan Neural Network pada PT Xyz

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

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

Abstract

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.

Collaboration network of the authors

3 authors · 3 co-authorship links

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Indonesia
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Setiadi YazidUniversity of Indonesia1
Made Harta DwijaksaraUniversity of Indonesia1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Oct 2026, last seen 15 Nov 2026.
Metadata as oai_dc, converted from 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>