PERBANDINGAN OPTIMASI PADA SVM DAN BACKPROPAGATION MENGGUNAKAN PSO PADA PREDIKSI HARGA SAHAM

Wafikulinnuha, NIM.: 20206051002 (2022) PERBANDINGAN OPTIMASI PADA SVM DAN BACKPROPAGATION MENGGUNAKAN PSO PADA PREDIKSI HARGA SAHAM. Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (PERBANDINGAN OPTIMASI PADA SVM DAN BACKPROPAGATION MENGGUNAKAN PSO PADA PREDIKSI HARGA SAHAM) 20206051002_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (1MB) | Preview
	Text (PERBANDINGAN OPTIMASI PADA SVM DAN BACKPROPAGATION MENGGUNAKAN PSO PADA PREDIKSI HARGA SAHAM) 20206051002_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Investasi merupakan suatu cara untuk mendapatkan suatu margin keuntungan pada jangka waktu tertentu, berbagai jenis investasi dapat dilakukan salah satunya saham. Harga saham dipengaruhi berbagai hal, seperti laba perusahaan, volume transaksi, pemahaman mengenai analisis teknikal dan fundamental diperlukan dalam memprediksi pergerakan saham untuk memperoleh margin keuntungan. Machine learning dapat dijadikan alternatif untuk mengetahui pergerakan harga saham dimasa depan dengan memanfaatkan data masa lalu. Tujuan penelitian ini adalah melakukan perbandingan prediksi harga saham menggunakan algoritma SVM dan neural network Backpropagation yang telah di optimasi sehingga mendapatkan hasil yang lebih baik. Algoritma SVM yang memiliki kelemahan dalam menentukan parameter terbaik untuk menghasilkan hasil prediksi yang baik akan di optimasi dengan menggunakan algoritma PSO, sedangkan pada neural network backpropagation akan dilakukan optimasi bobot yang memiliki nilai acak di optimasi dengan PSO, sehingga dapat memperoleh hasil prediksi terbaiknya. Dataset saham yang digunakan merupakan laporan transaksi harian saham unilever dengan kode saham UNVR variabel training (Open, High Low dan Volume) dan Harga Open hari berikutnya sebagai data output pada rentang waktu 10 tahun terakhir sejak tahun 2022. Hasil nilai (Mean Squad Error) MSE dan (Root Mean Squared Error) RMSE pada Optimasi parameter SVM menggunakan Algoritma PSO sebesar 113500.73 dan 336.898 sedangkan hasil nilai MSE dan RMSE pada optimasi Backpropagation 157637 dan 397.03

Share this knowledge with your friends :

Actions (login required)

View Item