Prediksi Harga Saham Harian Menggunakan Cascade Forward Neural Network (CFNN) Dengan Particle Swarm Optimization (PSO)

Yunita Pipiet Sugandhi, Budi Warsito, Arief Rachman Hakim

Abstract


Jaringan Syaraf Tiruan (JST) merupakan suatu sistem pemrosesan informasi yang karakteristik dan cara kerjanya mirip dengan otak manusia. Jaringan Syaraf Tiruan dapat digunakan sebagai salah satu metode untuk peramalan tanpa harus memenuhi berbagai asumsi seperti pada metode ARIMA. Feed Forward Neural Netwok (FFNN) merupakan salah satu model jaringan syaraf tiruan yang mempunyai arsitektur jaringan sederhana, dimana hubungan antara input dan output terjadi secara tidak langsung yaitu melalui hidden layer. Cascade Forward Neural Network (CFNN) merupakan jaringan syaraf tiruan yang memiliki arsitektur mirip dengan Feed Forward Neural Netwok (FFNN), tetapi terdapat hubungan langsung antara input dan output. CFNN dapat dikombinasikan dengan berbagai metode optimasi seperti Particle Swarm Optimization (PSO). Particle Swarm Optimization (PSO) terinspirasi dari kawanan burung yang terbang berkelompok. Perpaduan antara Cascade Forward Neural Network (CFNN) dan Particle Swarm Optimization (PSO) bertujuan untuk mendapatkan bobot optimum yang meminimumkan error. Pada penelitian ini, data yang digunakan adalah data harga saham harian PT. XL Axiata Tbk. Berdasarkan hasil perhitungan menggunakan CFNN dengan optimasi PSO diperoleh MAPE training sebesar 1,8248% dan MAPE testing sebesar 2,3136% dimana nilai MAPE tersebut masih kurang dari 10% sehingga keakuratan model dikatakan sangat baik.




DOI: https://doi.org/10.29313/jstat.v19i2.4878

Refbacks

  • There are currently no refbacks.


Copyright Notice

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License