PEMODELAN DINAMIKA HARGA SAHAM MENGGUNAKAN RADIAL BASIS FUNCTION NEURAL NETWORK: EVALUASI DAN APLIKASI PADA PT ANEKA TAMBANG
Total View This Week0
Total View This Week0
Institusion
Universitas Diponegoro
Author
Devi, Shafira Salsabila
Subject
Sciences and Mathemathic
Datestamp
2024-12-26 12:54:41
Abstract :
"Pasar saham merupakan salah satu indikator utama kesehatan ekonomi global, dan kemampuan untuk memprediksi harga saham dengan akurasi tinggi sangat berharga bagi perusahaan dalam pengambilan keputusan strategis dan manajemen risiko. Penelitian ini bertujuan untuk mengevaluasi dan mengaplikasikan model Radial Basis Function Neural Network (RBFNN) dalam peramalan harga saham PT Aneka Tambang (ANTM). Data harga saham ANTM yang digunakan dalam penelitian ini diambil dari sumber terpercaya dan melalui tahap pra-pemrosesan yang mencakup normalisasi data dan pembagian data menjadi data pelatihan dan pengujian. Model RBFNN dibangun dengan memilih parameter yang tepat dan dilatih menggunakan data pelatihan. Kinerja model dievaluasi menggunakan data pengujian dengan menghitung Mean Squared Error (MSE) untuk mengukur akurasi prediksi. Hasil penelitian menunjukkan bahwa model RBFNN mampu memberikan prediksi harga saham yang akurat dan dapat diandalkan, sehingga dapat digunakan sebagai alat bantu dalam pengambilan keputusan bisnis oleh PT Aneka Tambang. Kata kunci: Fungsi Gaussian, Jaringan Saraf Tiruan, Saham"
"Pasar saham merupakan salah satu indikator utama kesehatan ekonomi global, dan kemampuan untuk memprediksi harga saham dengan akurasi tinggi sangat berharga bagi perusahaan dalam pengambilan keputusan strategis dan manajemen risiko. Penelitian ini bertujuan untuk mengevaluasi dan mengaplikasikan model Radial Basis Function Neural Network (RBFNN) dalam peramalan harga saham PT Aneka Tambang (ANTM). Data harga saham ANTM yang digunakan dalam penelitian ini diambil dari sumber terpercaya dan melalui tahap pra-pemrosesan yang mencakup normalisasi data dan pembagian data menjadi data pelatihan dan pengujian. Model RBFNN dibangun dengan memilih parameter yang tepat dan dilatih menggunakan data pelatihan. Kinerja model dievaluasi menggunakan data pengujian dengan menghitung Mean Squared Error (MSE) untuk mengukur akurasi prediksi. Hasil penelitian menunjukkan bahwa model RBFNN mampu memberikan prediksi harga saham yang akurat dan dapat diandalkan, sehingga dapat digunakan sebagai alat bantu dalam pengambilan keputusan bisnis oleh PT Aneka Tambang. Kata kunci: Fungsi Gaussian, Jaringan Saraf Tiruan, Saham"
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
