Investasi saham merupakan hal yang tidak asing didengar maupun dilakukan. Ada berbagai macam saham di Indonesia, salah satunya adalah Indeks Harga Saham Gabungan (IHSG) atau dalam bahasa inggris disebut Indonesia Composite Index, ICI, atau IDX Composite. IHSG merupakan parameter penting yang dipertimbangkan pada saat akan melakukan investasi mengingat IHSG adalah saham gabungan. Penelitian ini bertujuan memprediksi pergerakan IHSG dengan teknik data mining menggunakan algoritma neural network dan dibandingkan dengan algoritma linear regression, yang dapat dijadikan acuan investor saat akan melakukan investasi. Hasil dari penelitian ini berupa nilai Root Mean Squared Error (RMSE) serta label tambahan angka hasil prediksi yang didapatkan setelah dilakukan validasi menggunakan sliding windows validation dengan hasil paling baik yaitu pada pengujian yang menggunakan algoritma neural network yang menggunakan windowing yaitu sebesar 37,786 dan pada pengujian yang tidak menggunakan windowing sebesar 13,597 dan untuk pengujian algoritma linear regression yang menggunakan windowing yaitu sebesar 35,026 dan pengujian yang tidak menggunakan windowing sebesar 12,657. Setelah dilakukan pengujian T-Test menunjukan bahwa pengujian menggunakan neural network yang dibandingkan dengan linear regression memiliki hasil yang tidak signifikan dengan nilai T-Test untuk pengujian dengan windowing dan tanpa windowing hasilnya sama, yaitu sebesar 1,000.
Dalam berinvestasi, tak lepas dengan menebak naik turunya harga agar tidak rugi dalam berinvestasi. Hal ini diperlukan dukungan teknologi untuk dapat mengetahui informasi dalam menghadapi harga yang selalu berubah-ubah setiap hari dan bahkan setiap jamnya. Investor dalam hal ini untuk komoditi emas harus dapat memprediksi harga yang selalu serubah-ubah tersebut sebelum melakukan trasnsaksi jual maupun beli, agar investor tepat dalam melakukan aktivitas jual maupun beli saham. Dengan demikian, penulis akan membuat penelitian mengenai prediksi harga emas dunia, yang bermanfaat bagi investor maupun masyarakat yang akan melakukan jual beli emas dalam bentuk saham ataupun barang agar tepat dalam mengambil keputusan. Tujuan dari prediksi adalah memperkecil kesalahan, sehingga selisih antara perkiraan dengan kejadian yang sebenarnya diminimalkan. Suatu prediksi tidak dapat dipastikan tepat sepenuhnya, tetapi memungkinkan untuk memberikan hasil yang mendekati dengan kejadian sebenarnya. Algoritma yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN). CNN termasuk dalam bidang Deep Learning (DL), yang termasuk dalam sub bidang dari Machine Learning (ML), yang mana menerapkan konsep dasar algoritma ANN dengan lapisan yang lebih banyak. Dalam penelitian ini, penulis menggunakan pendekatan univariate CNN. Dilakukan beberapa pengujian pada parameter model CNN. Hasil terbaik ditunjukan pada model 1 yaitu pengujian dense kondisi 5, yaitu dengan parameter model filters = 64, kernel = 2, pooling = 2, epochs = 2.000, dan dense = 50 dengan hasil RMSE yaitu 690,40.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.