22.04.2308
006.31 - Machine Learning
Karya Ilmiah - Skripsi (S1) - Reference
Machine - Learning
234 kali
<p>Membeli saham bisa dijadikan salah satu pertimbangan untuk berinvestasi selain membeli emas, tanah, dan lainnya. Apalagi ketika terdapat saham yang memiliki risiko yang kecil namun memiliki <em>return</em> yang tinggi. Sudah banyak sekali penelitian mengenai saham menggunakan berbagai metode. Dimulai dari metode yang paling konvensional, hingga menggunakan metode <em>Deep</em> <em>Learning</em>. <em>Deep</em> <em>Learning</em> merupakan salah satu metode yang sedang ramai dibicarakan, karena metode ini rata-rata menghasilkan model prediksi yang memiliki keakuratan tinggi. Oleh karena itu, dalam tugas akhir dilakukan prediksi <em>return</em> saham pada indeks IDX 30 dengan membangun model prediksi <em>return</em> saham menggunakan kombinasi metode <em>Bidirectional</em> LSTM dan <em>Cuckoo</em> <em>Search</em> <em>Optimization</em>. <em>Bidirectional</em> LSTM merupakan suatu sistem penyimpanan data yang dapat memproses dan memprediksi data yang telah disimpan bahkan dengan waktu yang lama sekalipun. <em>Cuckoo</em> <em>Search</em> <em>Opt</em><em>i</em><em>mization</em> merupakan salah satu algoritma optimisasi yang dapat digunakan untuk pengambilan keputusan. Terdapat total 20 data saham yang diuji pada tugas akhir ini. Pada pengujian pertama prediksi <em>return</em> saham didapatkan dari prediksi harga saham yang diproses menjadi prediksi <em>return</em> saham. Sedangkan pada pengujian kedua, prediksi <em>return</em> saham didapatkan dari data <em>return</em> saham. Pada pengujian pertama 15 dari 20 data saham memiliki nilai <em>Root Mean Square Error</em> dan <em>Mean Average Error</em> yang lebih kecil ketika hasil prediksi <em>Bidirectional</em> LSTM dikombinasikan dengan <em>Cuckoo</em> <em>Search</em> <em>Optimization</em>. Sedangkan pada pengujian kedua 8 dari 20 data saham memiliki nilai <em>Root Mean Square Error</em> dan <em>Mean Average Error</em> yang lebih kecil ketika hasil prediksi <em>Bidirectional</em> LSTM dioptimasi dengan <em>Cuckoo</em> <em>Search</em> <em>Optimization</em>.</p>
<p>Kata kunci : Saham, Deep Learning, IDX 30, Bidirectional LSTM, Cuckoo Search Optimization</p>
Seluruh 1 koleksi sedang dipinjam
Nama | SAYID GHUFRON |
Jenis | Perorangan |
Penyunting | Deni Saepudin |
Penerjemah |
Nama | Universitas Telkom, S1 Informatika |
Kota | Bandung |
Tahun | 2022 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |