prediksi pergerakan harga saham · pdf file132 prediksi pergerakan harga saham menggunakan...

Click here to load reader

Post on 07-Feb-2018

217 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

  • 132

    PREDIKSI PERGERAKAN HARGA SAHAM

    MENGGUNAKAN METODE BACK PROPAGATION

    NEURAL NETWORK Rio Bayu Afrianto

    1*), Handayani Tjandrasa

    1), Isye Arieshanti

    1)

    1)Teknik Informatika, Fakultas Teknologi Informasi

    Institut Teknologi Sepuluh Nopember

    Surabaya, Indonesia *)

    frianrio@gmail.com

    ABSTRAK

    Pasar saham merupakansalah satu hal yang paling menarik bagi investor. Dengan

    mengetahui harga saham investor dapat merencanakan strategi yang tepat untuk mendapatkan

    keuntungan. Akan tetapi, harga saham bersifat fluktuatif atau berubah-ubah dikarenakan

    faktor-faktor tertentu. Kondisi pergerakan harga saham diharapkan dapat diprediksi secara

    akurat oleh investor. Investor dapat melakukan prediksi dengan melakukan analisa histori dan

    trend harga saham pada periode sebelumnya. Pada penelitian ini telah dirancang sebuah sistem

    prediksi harga saham secara komputasional menggunakan metode Back Propagation Neural

    Network (BPNN). Metode BPNN merupakan metode prediksi yang didasarkan pada sebagian

    kecil sistem syaraf manusia. Metode BPNN merupakan metode yang mampu menangani data

    yang bersifat non-linier dan time series. Sehingga metode BPNN ini cocok diterapkan pada

    data harga saham yang juga memiliki sifat time seriesdan non-linier. Data harga saham diambil

    dari data saham perusahaan yang tergabung dalam indeks LQ45 danuji coba pada penelitian ini

    dilakukan secara harian (short term). Dari percobaan yang telah dilakukan prediksi harga

    saham menggunakan metode BPNN memiliki presisi yang baik akan tetapi akurasi yang

    didapatkan kurang baik. Hal ini terbukti dengan hasil NRMSE yang didapatkan minimal

    sebesar 0.22 dan akurasi terbaik sebesar 62.18.

    Kata kunci: Saham, prediksi, investor, back propagation neural network.

    ABSTRACT

    The stock market is one of the most attractive to investors. By knowing stock prices,

    the investors can plan their strategy to get much advantage from it. Unfortunately, stock

    pricesare fluctuated which caused by many factors.To get the price advantage, the

    investorshould be able to predict the movement of the stock prices accurately. Investors can

    use history data and the previous trend of stock prices. In this research, a system have

    beencreated to predict stock price using BPNN method BPNN. BPNN is a prediction method

    based on a neural system. BPNN can handle non-linear and time-series data also. Therefore

    this method can be implemented on stock price data,since a stock price is non-linear time

    series.The research data have been taken from LQ45 index and this research conducted on a

    daily basis (short term). From the experiments have been carried out applying with BPNN

    method in the prediction of stock prices has good precision but the accuration is not better as

    evidenced by a minimal result of NRMSE is 0.22 and the best accuration is 62.18.

    Keywords: Stock, prediction, investor, back propagation neural network.

    Vol 3, No 3 Desember 2013 ISSN 2088-2130

    mailto:frianrio@gmail.com

  • 133

    1. PENDAHULUAN

    Pasar modal merupakan

    tempat calon pembeli atau investor

    untuk membeli saham suatu

    perusahaan. Banyak cara yang

    digunakan calon investor untuk

    memilih perusahaan yang tepat, salah

    satunya melakukan analisis dengan

    menggunakan indeks pasar saham.

    Salah satu indeks pasar saham yang

    digunakan pedoman adalah indeks

    LQ45. Indeks LQ45 merupakan indeks

    yang terdiri dari 45 saham perusahaan

    tercatat yang dipilih berdasarkan

    pertimbangan likuiditas dan

    kapitalisasi pasar, disamping itu juga

    perusahaan yang tergabung dalam

    indeks LQ45 merupakan perusahaan

    yang memiliki keadaan ekonomi yang

    bagus. Dalam daftar LQ45 terdapat

    daftar-daftar perusahaan yang

    memiliki kriteria tertentu. Perusahaan-

    perusahaan ini juga memiliki data

    harga saham masing-masing.

    Data harga saham perusahaan

    merupakan hal yang paling menarik

    perhatian bagi investor. Dengan

    mengetahui harga saham, investor

    dapat mengambil keputusan untuk

    membeli saham suatu perusahaan atau

    menjual saham miliknya. Akan tetapi,

    harga saham bersifat fluktuatif atau

    berubah-ubah dikarenakan faktor-

    faktor tertentu.

    Kondisi pergerakan harga

    saham diharapkan dapat diprediksi

    secara akurat oleh investor. Investor

    dapat melakukan prediksi harga saham

    dengan melakukan analisa histori dan

    trend harga saham pada periode

    sebelumnya. Analisis menggunakan

    histori dan trend harga saham biasanya

    disebut dengan analisis teknikal.

    Analisis teknikal menggunakan

    volume dan harga saham sebagai dasar

    acuan untuk membentuk indikator.

    Indikator-indikator teknikal tesebut

    digunakan untuk acuan prediksi harga

    saham, Beberapa indikator teknikal

    tersebut seperti momentum dan moving

    averages.

    Prediksi harga saham melalui

    pendekatan statistika dan

    komputasional telah banyak dilakukan.

    Garland mengusulkan metode

    statistika, General

    AutoregressiveConditional

    Heteroskedasticity (GARCH) and

    Stochastic Volatility model (SV) untuk

    memprediksi harga saham[1]. Chen

    mengusulkan metode ANN[2], dan

    Wuang mengusulkan SVM untuk

    prediksi harga saham[3]. Yakup

    membandingkan dua metode SVM dan

    ANN untuk memprediksi pergerakan

    saham[4]. Dari dua metode tesebut,

    metode ANN memiliki hasil akurasi

    yang lebih bagus.

    Metode ANN merupakan

    metode prediksi yang terinspirasi dari

    sebagian kecil jaringan syaraf manusia

    atau jaringan syaraf tiruan. Ada dua

    metode ANN yang paling popular

    yaitu multi-layer perceptron (MLP)

    dan radial basis function (RBF). Dari

    kedua metode tersebut, metode

    MLPdipilih sebagai metode prediksi

    harga saham. Hal inidikarenakan

    metode MLP dapat memprediksi

    permasalahan dengan data non-linier

    maupun time-series dengan hasil

    akurasi yang baik[5]. Sehingga metode

    MLP ini cocok untuk memprediksi

    harga saham yang memiliki data non-

    linier. Metode MLP yang digunakan

    pada penelitian ini adalah back

    propagation neural network. Penelitian

    ini juga melakukan prediksi harga

    saham secara harian (short term)

    artinya butuh data hari sebelumnya

    untuk melakukan prediksi pada hari

    ini.

    2. DATA

    Pada penelitian ini, data yang

    digunakan untuk prediksi adalah data

    saham dari indeks LQ-45, dan

    beberapa perusahaan yang termasuk

    dalam LQ-45. LQ-45 merupakan salah

    satu indeks saham perusahaan-

    perusahaan blue chip di Indonesia.

    LQ-45 terdiri dari 45 perusahaan yang

    telah memenuhi kriteria tertentu, salah

    Vol 3, No 3 Desember 2013

  • 134

    satunya adalah harus termasuk dalam

    60 besar perusahaan dengan

    kapitalisasi perusahaan paling tinggi.

    Prediksi yang dilakukan terhadap data

    ini bersifat

    Tabel 1Data harga saham salah satu perusahaan LQ45

    date ticker Name open high low close volume

    12/3/2012 UNVR Unilever 26000 26400 26000 26200 1029500

    12/4/2012 UNVR Unilever 26000 26250 25850 26250 1731500

    12/5/2012 UNVR Unilever 26200 26200 25900 26000 1510500

    12/6/2012 UNVR Unilever 25900 26100 25900 26000 2007500

    12/7/2012 UNVR Unilever 25900 26250 25850 26250 2404500

    12/10/2012 UNVR Unilever 26200 26200 25850 25950 1697500

    12/11/2012 UNVR Unilever 25950 26100 25850 25950 1998000

    12/12/2012 UNVR Unilever 25800 25800 22750 23150 17149000

    12/13/2012 UNVR Unilever 22500 22500 20200 20350 38786500

    12/14/2012 UNVR Unilever 20250 22350 20100 22200 31320500

    12/17/2012 UNVR Unilever 22200 22400 21600 21800 5378500

    12/18/2012 UNVR Unilever 22000 22000 21150 21600 4717000

    harian.Contoh data harga saham

    perusahaan dapat dilihat padaTabel 1.

    Data saham yang diambil dari

    perusahaan Unilever selama 12 hari

    dari tangal 3-18 Desember 2012.

    Pembukaan saham terjadi pada jam

    09.00 dan penutupan saham pada jam

    16.00. Dalam satu hari perdagangan

    saham, harga saham yang dijual dapat

    berubah. Perubahan harga saham

    dikarenakan adanya tawar menawar

    antara penjual saham dan pembeli

    saham, sehingga harga saham dapat

    mengalami naik turun dalam satu hari.

    Biasanya harga saham pada saat

    penutupan sama dengan harga saham

    pada saat pembukaan di hari kemudian

    tetapi bisa saja tidak sama, hal ini

    dikarenakan adanya proses adjustment

    pada pra pembukaan saham.

    PadaTabel 1terdapat beberapa

    atribut penjelas harga saham antara

    lain date, ticker, open, high, low, close

    dan juga volume. Open menunjukkan

    harga saham pada saat dibuka,

    highmenunujukkan harga saham

    maksimum pada hari tersebut, low

    menunjukkan harga saham terendah

    perusahaan pada hari tersebut. Close

    menunjukkan harga saham ketika

    ditutup dan volume menunjukkan

    banyaknya transaksi pada hari tersebut.

    Data yang didapat tersebut

    tidak langsung digunakan, akan tetapi

    dirubah dulu kedalam bentuk

    indikator. Indikatoryang

    mempengaruhi harga saham sangat

    banyak diantaranya adalah

    indikator teknikal dan fundamental.

    Faktor atau indikator yang

View more