ABSTRAKSI: Metode peramalan banyak digunakan untuk memberikan gambaran tentang masa depan yang paling mendekati kenyataan. Gambaran tersebut digunakan sebagai informasi dalam membuat kebijakan dan penentuan keputusan strategis. Dalam dunia bursa efek, metode peramalan sering digunakan untuk meramal harga saham di masa yang akan datang.
Bukan perkara yang mudah untuk mengingat pola dan mencari rumusan matematis yang bisa digunakan untuk menggambarkan fluktuasi data saham. Jaringan Syaraf Tiruan dapat digunakan untuk mempelajari pola yang ada pada data Time Series saham.
mempelajari pola secara mandiri dan melakukan proses peramalan secara cepat. Dibalik keunggulan yang dimilikinya, algoritma JST memiliki permasalahan utama dalam hal penentuan arsitektur yang tepat. Yang dimaksud dengan arsitektur adalah struktur dan pembobotan antar node di dalam JST. Permasalahan ini dapat dipandang sebagai permasalahan optimasi, dimana banyak sekali kemungkinan arsitektur yang bisa terjadi. Untuk permasalahan optimasi seperti ini, Evolutionary Algorithms (EAs) seperti Genetic Algorithm (GA) dan Evolutionary Programming (EP) sangat cocok untuk diterapkan.
Hasil pengujian terhadap implementasi EANN terhadap data saham IHSG menunjukan bahwa nilai error peramalan yang dihasilkan oleh arsitektur terbaik dengan time series=3 hari, hidden node=13, fungsi aktifasi tansig pada hidden layer, dan fungsi aktifasi logsig pada output layer adalah 0,009 terhadap data latih , 0,013 terhadap data validasi, 0,0104 terhadap data uji, dan 0,01 terhadap keseluruhan data.Kata Kunci : JST, Time Series, Algoritma Genetika , Evolutionary Programming.ABSTRACT: Forecasting method is used to describe about future that is the closest to real. That representation is used as information in making policy and strategic decision determination. In the world of stock exchange, forecasting method often be used to forecast share price in the future.
It is not easy to remember pattern and search for mathematical formula which can be used to depict fluctuation of share data. The Artificial Neural Network is implemented to learn pattern in data of Time Series Share.
From examination to EANN algorithms to IHSG forex index, the result show us about error which made by best arsitecture time series =3 , hidden node = 3, aktifation function in hidden layer= tansig, aktifation function in output layer = logsig,in predicting are 0.009 for learning data, 0.013 for validation data, 0.104 for testing data, and 0.01 for all of the data. this error is using Mean Absolute Error.Keyword: ANN , Time Series, Genetic Algorithm, Evolutionary Programming.