Muhammad Imam Ariq Sya’bana, NIM.: 20106050041 (2024) PENERAPAN JARINGAN SARAF TIRUAN UNTUK MEMBUAT PREDIKSI PADA DATA TIME SERIES INDEKS HARGA SAHAM NIKKEI 225 MASA DEPAN MENGGUNAKAN STRATEGI DIRREC DAN DIRECT FORECASTING. Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.
|
Text (PENERAPAN JARINGAN SARAF TIRUAN UNTUK MEMBUAT PREDIKSI PADA DATA TIME SERIES INDEKS HARGA SAHAM NIKKEI 225 MASA DEPAN MENGGUNAKAN STRATEGI DIRREC DAN DIRECT FORECASTING)
20106050041_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (3MB) | Preview |
|
|
Text (PENERAPAN JARINGAN SARAF TIRUAN UNTUK MEMBUAT PREDIKSI PADA DATA TIME SERIES INDEKS HARGA SAHAM NIKKEI 225 MASA DEPAN MENGGUNAKAN STRATEGI DIRREC DAN DIRECT FORECASTING)
20106050041_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf Restricted to Registered users only Download (8MB) | Request a copy |
Abstract
Penelitian tentang kecerdasan buatan yang berada dalam domain analisis dan peramalan data runtun waktu sering dilakukan dengan memanfaatkan data runtun waktu historis yang dipelajari pola fluktuasinya untuk memprediksi data runtun waktu di masa depan. Contoh pengimplementasiannya, yaitu fluktuasi indeks harga saham Nikkei 225 masa lalu yang dimanfaatkan untuk mengetahui fluktuasinya di masa depan untuk pertimbangan investor dalam menyusun strategi investasi untuk meningkatkan keuntungan yang didapatkan. Untuk mencapai tujuan tersebut, algoritma jaringan saraf tiruan, seperti CNN, LSTM, stacked LSTM, bidirectional LSTM, dan CNN-LSTM digunakan untuk menghasilkan prediksi masa depan. Algoritma tersebut digunakan karena kemampuannya dalam mempelajari pola tersembunyi pada data harga saham Nikkei 225. Hasil penelitian menunjukkan bidirectional LSTM paling baik mengenali harga saham Nikkei 225 masa lalu dari bulan Januari 1950 hingga Februari 2024 sehingga digunakan dalam mengimplementasikan strategi DirRec dan direct forecasting untuk menghasilkan prediksi indeks harga saham Nikkei 225 masa depan sungguhan selama bulan Maret 2024. Prediksi yang dihasilkan strategi direct forecasting lebih mendekati data aktual dibandingkan dengan prediksi yang dihasilkan strategi DirRec forecasting dilihat dari nilai evaluasi MAE, MAPE, MSE, dan RMSE yang lebih kecil.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information / Supervisor: | Pembimbing: Nurochman, S.Kom., M.Kom. |
| Uncontrolled Keywords: | Artificial neural network; DirRec and direct forecasting; Nikkei 225; Time series |
| Subjects: | 600 Sains Terapan > 600 Technology, Applied Sciences/Teknologi, Ilmu Terapan |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika (S1) |
| Depositing User: | Muchti Nurhidaya [muchti.nurhidaya@uin-suka.ac.id] |
| Date Deposited: | 23 Sep 2024 13:22 |
| Last Modified: | 23 Sep 2024 13:22 |
| URI: | http://digilib.uin-suka.ac.id/id/eprint/67168 |
Share this knowledge with your friends :
Actions (login required)
![]() |
View Item |
