Pratama, Muhammad Iqbal (2018) Peramalan Harga Saham Menggunakan Metode Extreme Learning Machine (ELM) Studi Kasus Saham Bank Mandiri. Sarjana thesis, Universitas Brawijaya.
Abstract
Saham adalah salah satu jenis investasi yang dapat menghasilkan keuntungan terbesar. Salah satu masalah yang ada pada investasi saham adalah sulitnya meramal harga saham sehingga menimbulkan keraguan untuk membeli atau menjual suatu saham. Metode ELM diimplementasikan untuk peramalan harga saham dengan studi kasus saham harian Bank Mandiri. Metode ini memiliki keunggulan berupa waktu pelatihan yang cepat dan nilai error yang rendah. Proses yang dilakukan adalah melakukan normalisasi terhadap data saham harian Bank Mandiri, membangkitkan bobot input dan bobot bias, melakukan tahap pelatihan, melakukan tahap pengujian, melakukan denormalisasi terhadap data hasil peramalan, dan melakukan evaluasi model menggunakan Mean Absolute Percentage Error (MAPE). Fitur berupa harga Open, High dan Low akan digunakan untuk meramal harga saham harian Bank Mandiri. Dari hasil pengujian, didapatkan nilai MAPE terendah sebesar 1.016% dengan menggunakan fungsi aktivasi sigmoid, jumlah neuron pada hidden layer sebanyak empat buah neuron dan data yang digunakan adalah data satu tahun terakhir.
English Abstract
Stock investment is one of the most profitable type of investment. One of the biggest problem in stock investing is the difficultness to predict a stock price and it led to doubt whether to buy or sell a stock. Extreme Learning Machine is implemented to predict a stock price using Bank Mandiri’s stock as a case study. This algorithm has some advantages such as fast training time and small error value. Extreme Learning Machine’s processes involve normalizing Bank Mandiri daily stock data, generating input weight and bias weight, training the model, testing the model, denormalizing predicted value and evaluating the model using Mean Absolute Percentage Error (MAPE). The features used to predict Bank Mandiri’s stock price are Open, High and Low price. The smallest MAPE value obtained from the testing phase is 1.016% using sigmoid activation function, four neurons in hidden layer and the data used is the last one year.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/347/051805128 |
| Uncontrolled Keywords: | Extreme Learning Machine, Saham, MAPE Extreme Learning Machine, Stock, MAPE |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 31 Jan 2019 07:17 |
| Last Modified: | 16 Oct 2021 06:32 |
| URI: | http://repository.ub.ac.id/id/eprint/161604 |
Preview |
Text
Muhammad Iqbal Pratama.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |