PREDIKSI PENUTUPAN HARGA SAHAM MENGGUNAKAN
JARINGAN SYARAF TIRUAN LEVENBERG MARQUARDT
(STUDI KASUS : HARGA SAHAM ASTRA AGRO LESTARI)
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
Maryani, Maryani
Subject
005.12. Sistem Analisa dan Desain Perangkat Lunak
Datestamp
2021-07-18 05:21:38
Abstract :
Tingkat harga saham yang tidak dapat diperkirakan atau di pastikan dapat mengakibatkan terjadinya kurangnya kepercayaan investor atau calon investor untuk menanamkan modal ke perusahaan. Ketidakpastian harga saham ini maka perlu membuat suatu prediksi untuk penyelesaian permasalahan tentang harga saham. Algoritma Levenberg-Marquardt merupakan salah satu jenis dari algoritma pelatihan jaringan syaraf tiruan Backpropagation dengan dua jenis perhitungan, yakni perhitungan maju dan perhitungan mundur (studi kasus harga saham Astra Agro Lestari). Adapun variabel yang digunakan adalah harga awal, harga tinggi, harga rendah, harga jual, harga beli dan harga tutup saham. Data saham harian yang digunakan untuk penelitian ini mulai Januari 2015 sampai April 2017. 2. Dari pelatihan didapatkan MSE terkecil terdapat pada pelatihan data yang dilatih sebanyak 392 data dengan parameter Learning Rate 0,3, Parameter LM 0,2, Faktor Beta 0,3, hidden layer 7, pada iterasi ke 6 memperoleh MSE terkecil sebesar 0,0062744. Didapat MSE terbaik pada pengujian data sebanyak 168 data dengan MSE terkecil 0.0088430.
Tingkat harga saham yang tidak dapat diperkirakan atau di pastikan dapat mengakibatkan terjadinya kurangnya kepercayaan investor atau calon investor untuk menanamkan modal ke perusahaan. Ketidakpastian harga saham ini maka perlu membuat suatu prediksi untuk penyelesaian permasalahan tentang harga saham. Algoritma Levenberg-Marquardt merupakan salah satu jenis dari algoritma pelatihan jaringan syaraf tiruan Backpropagation dengan dua jenis perhitungan, yakni perhitungan maju dan perhitungan mundur (studi kasus harga saham Astra Agro Lestari). Adapun variabel yang digunakan adalah harga awal, harga tinggi, harga rendah, harga jual, harga beli dan harga tutup saham. Data saham harian yang digunakan untuk penelitian ini mulai Januari 2015 sampai April 2017. 2. Dari pelatihan didapatkan MSE terkecil terdapat pada pelatihan data yang dilatih sebanyak 392 data dengan parameter Learning Rate 0,3, Parameter LM 0,2, Faktor Beta 0,3, hidden layer 7, pada iterasi ke 6 memperoleh MSE terkecil sebesar 0,0062744. Didapat MSE terbaik pada pengujian data sebanyak 168 data dengan MSE terkecil 0.0088430.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
