Penerapan Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Indeks Harga Saham LQ45

Abstract

Pergerakan saham sangat mudah berubah setiap harinya. Pergerakan saham dipengaruhi oleh banyak faktor diantaranya kinerja perusahaan, resiko dividen, kondisi ekonomi negara, dan laju inflasi. Adanya faktor-faktor yang kompleks tersebut membuat pergerakan saham sulit untuk diprediksi. Prediksi harga saham dibutuhkan oleh investor untuk melihat bagaimana prospek investasi saham sebuah perusahaan pada periode berikutnya. Metode yang dapat memprediksi harga saham adalah Backpropagation. Metode Backpropagation merupakan algoritma yang mengadopsi pola pikir manusia secara sistematis untuk memperkecil tingkat error dengan cara menyesuaikan bobot berdasarkan perbedaan output dan target yang diinginkan. Penelitian ini menggunakan data historis index saham LQ45 mulai dari 26 Februari 2019 – 26 Februari 2021 yaitu harga penutup sebagai input dan harga pembuka sebagai target. Model jaringan terbaik dari metode Backpropagation adalah menggunakan fungsi aktivasi sigmoid biner dengan jumlah neuron pada hidden layer sebanyak 9 neuron. Nilai akurasi jaringan yang dihasilkan sebesar 95.2481% (MAPE) dan nilai error sebesar 0.000266 (MSE). Hal ini menunjukkan bahwa hasil model prediksi sangat baik