ABSTRAK
Indeks Harga Saham Gabungan (IHSG) pada beberapa kurun waktu terakhir memiliki pergerakan yang tidak stabil. Keadaan IHSG yang tidak stabil dapat memberikan risiko bagi investor, sehingga diperlukan suatu metode yang dapat meramalkan data IHSG untuk mengurangi risiko tersebut.
Jaringan saraf tiruan merupakan sistem pengolahan informasi yang memiliki karakteristik seperti jaringan saraf biologi. Jaringan saraf tiruan memiliki kemampuan dalam mempelajari serta menganalisis data masa lalu sehingga jaringan saraf tiruan dapat digunakan untuk peramalan data. Penelitian ini bertujuan untuk meramalkan data IHSG menggunakan jaringan Elman dengan algoritme gradient descent adaptive learning rate (GDALR). Jaringan Elman merupakan jaringan saraf tiruan yang memiliki umpan balik pada lapisan tersembunyi. Jaringan Elman menggunakan backpropagation untuk pembelajaran jaringan. Algortime GDALR merupakan modifikasi dari algortime standar backpropgation yang dapat menyesuaikan nilai learning rate.
Metode penelitian yang digunakan pada tugas akhir ini mengikuti langkah - langkah yaitu transformasi data, menentukan data pelatihan dan data pengujian, proses pelatihan, proses pengujian dan peramalan. Berdasarkan hasil penelitian diperoleh kesimpulan yaitu struktur 1,4,1 merupakan struktur terbaik karena memiliki Rataan Kuadrat Sesatan (RKS) terkecil yang selanjutnya digunakan untuk meramalkan data IHSG periode berikutnya.
Kata Kunci : IHSG, Jaringan Saraf Elman, Algoritme Gradient Descent Adaptive Learning Rate
ABSTRACT
In recent years, Composite Stock Price Index (CSPI) has unstable movement. The unstable condition of CSPI can provide a risk for investors, so it is needed a method that can predict CSPI to reduce those risks.
The artificial neural network is an information processing system which resembles the biological neural networks. It has the ability to study and analyze the data of the past so that it can be used for data forecasting. The aim of this research is to predict IHSG using Elman network with gradient descent adaptive learning rate (GDALR) algorithm. Elman network is an artificial neural network which use feedback in the hidden layer. Elman network is artificial neural network is using backpropagation for network learning. GDALR algorithm is a modification of the standard backpropagation algorithm that can adjust the value of learning rate.
The research method which is used in this final project follows some steps that are transforming data, determining training data and testing data, training process, testing and forecasting. The expectation of the results of this research is to obtain the best structure that can be used to predict the IHSG data. Based on the results structure 1,4,1 is the best structure because it has the smallest Mean Square Error (MSE) then the structure is used to predict the next period of CSPI data.
Keyword: CSPI, Artificial Neural Network, Gradient Descent Adaptive Learning Rate Algorithm