ABSTRAKSI: Prediksi nilai saham adalah isu yang sangat penting di dunia keuangan. Saat ini
jaringan syaraf tiruan (JST) telah begitu populer digunakan dalam masalahmasalah
keuangan seperti prediksi indeks nilai saham, prediksi kepailitan, dan
klasifikasi obligasi perusahaan. Jaringan Syaraf Tiruan adalah sebuah model
komputer dimana arsitekturnya adalah meniru kemampuan belajar dari otak
manusia. Elemen proses dari sebuah JST meyerupai struktur biologi dari sel-sel
syaraf dan operasi internal dalam otak manusia. Dalam tugas akhir ini, kami
memfokuskan pada penggunaan data historis dan beberapa indikator pasar untuk
memperkirakan nilai di masa akan datang sebagai fungsi dari nilai masa lampau
dalam memprediksikan nilai saham (per emiten) pada Bursa Efek Jakarta (BEJ).
Kami menerapkan teknik modifikasi nilai hasil fungsi yang didesain untuk
melakukan perubahan historis account pada hubungan input-output. Algoritma
training yang digunakan adalah Propagasi Balik standar dengan momentum masa.
Penggunaan modifkasi hasil fungsi didasarkan pada dua teori pasar yaitu The
Random Walk Hyphotesis dan The Efficient Market Hyphotesis. Kedua teori
tersebut meyakini bahwa harga (nilai) dari saham bergerak dengan perilaku yang
acak dan tak terduga.
Hasil pengujian menunjukkan bahwa jaringan yang menggunakan modified
returns function akan menghasilkan tingkat akurasi prediksi yang lebih baik
daripada jaringan yang hanya menggunakan fungsi diferensiasi variabel relatif
standar.Kata Kunci : Prediksi, Nilai Saham, Jaringan Syaraf, BEJ, Hasil Fungsi.ABSTRACT: Prediction of stock price is an important issue in finance. Nowadays artificial
neural networks (ANNs) have been popularly applied to finance problems such as
stock exchange index prediction, bankruptcy prediction and corporate bond
classification. An ANN model is a Computer model whose architecture essentially
mimics the learning capability of the human brain. The processing elements of an
ANN resemble the biological structure of neurons and the internal operation of a
human brain. In this final task, we focus on the used of historical data and some
market indicators to estimate future value as a function of the past values in
predicting individual stock price of Jakarta Stock Exchange (JSE). We Introduce
The Modified Returns Function that designed to take account historical changing
input-output relationships. The training algorithm is the standard backpropagation
with momentum term. The use of modified returns function is based on two
market trading theories which are the Random Walk Hyphotesis and the Efficient
Market Hypothesis. Both of the theories believe that the price of the stock market
wander in random and unexpected manner.
Test results showed that networks which use the modified returns function
generated a better accuration on prediction than networks that use standard
relative variable difference function.Keyword: Prediction, Stock Price, Neural Network, JSE, Returns Function.