Melola Discovery

← Melola Discovery

Journal

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) · pp. 139–147

ISSN
2613-9189
Published
2019-02-12
Publisher
Jurusan Matematika FMIPA UNNES
Language
eng

Abstract

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%.

Collaboration network of the authors

40 authors · 102 co-authorship links · showing the 40 most connected

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

  • State University of Semarang
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Zaenuri ZaenuriState University of Semarang4
Kartono KartonoState University of Semarang3
Heriyanto HeriyantoAffiliation unknown2
Aisyah Fany AchmaliaAffiliation unknown2
Sugiman SugimanAffiliation unknown2
Ignasia Santi Kumala SwariAffiliation unknown2
Nikmah NurvicalestiAffiliation unknown2
BERNIKA RAHMANIA NALURITAAffiliation unknown2
Wardono WardonoAffiliation unknown2
Sunarmi SunarmiAffiliation unknown2
Bayu Rizky PratamaAffiliation unknown1
Nurul HidayatiAffiliation unknown1
Zaenuri MasturAffiliation unknown1
Putriaji HendikawatiState University of Semarang1
Maula Qorri 'AinaAffiliation unknown1
Nabila Widya HapsariAffiliation unknown1
Dwijanto DwijantoState University of Semarang1
Anita SulistyawatiAffiliation unknown1
Uswatun Khasanah Dwi RahayuAffiliation unknown1
Mulyono MulyonoAffiliation unknown1
Hairunisah HairunisahAffiliation unknown1
Nuriana Rachmani Dewi (Nino Adhi)Affiliation unknown1
Adi Nur CahyonoAffiliation unknown1
Indi Rifkiana DistyAffiliation unknown1
Hartono HartonoAffiliation unknown1
Anita Aulia FirdausAffiliation unknown1
Meli AndriyaniAffiliation unknown1
Dian Tri WiyantiState University of Semarang1
Nuriana Rachmani DewiAffiliation unknown1
Y L SukestiyarnoAffiliation unknown1
Muh. Fajar SafaatullahAffiliation unknown1
Widya Rizky FadhillaAffiliation unknown1
Siti NurzulifaAffiliation unknown1
Rithia DamarratihAffiliation unknown1
Dini HastiningrumAffiliation unknown1
Nur Indah Dwi GAffiliation unknown1
Fina AsrianiAffiliation unknown1
Adi NurcahyonoAffiliation unknown1
Baiq Sri Rahayu KartiniAffiliation unknown1

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.

Metadata source: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, first harvested 6 Nov 2026, last seen 6 Nov 2026.
Original metadata (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>