ABSTRAKSI: Belakangan ini perkembangan saham mengalami peningkatan yang pesat. Hal ini dikarenakan saham memiliki nilai bisnis yang tinggi untuk mendapatkan keuntungan. Di sisi lain saham juga mempunyai resiko relatif tinggi jika dibandingkan dengan jenis investasi atau instrumen surat berharga. Pembuatan saham ini diharapkan dapat mebantu para investor dalam pengambilan keputusan . Dengan sistem ini, Para Investor dapat mengetahui nilai harga saham 1 hari kedepan. Dengan demikian, para investor dapat melakukan langkah-langkah antisipasi di masa mendatang.
Pada tugas akhir ini dikembangkan suatu sistem peramalan nilai harga saham yang berdasarkan data historis (time series) nilai harga saham dengan menggunakan Metode gabungan Jaringan Syaraf Tiruan Backpropagtion dan Algoritma Genetika. Pada permasalahan peramalan saham, Algoritma Genetika digunakan untuk membangun berbagai variasi arsitektur jaringan saraf tiruan, dan Backpropagation untuk melatih arsitektur jaringan saraf tiruan.
Data yang digunakan dalam pembangunan sistem ini adalah data historis(time series) milik perusahaan DOWJONES dari tahun 1985 sampai tahun 2002.
Kata Kunci : Jaringan Syaraf Tiruan, Algoritma Genetika, data time seriesABSTRACT: Lately growth of natural share make-up of fast. This matter because of share have high business value to get advantage. On the other side share also have high risk relative in comparison with invesment type or marketable securities instrument. Making of this share [is] expected can assist [all] investor in decision making . With this system, Investor can know share price value 1 day to the fore. Thereby, all investor can do anticipatory stages steps in period to come.
At this final duty developed a system forecasting of share price value which pursuant to historical data (time series) share price value by using Artificial Method Network Nerve aliance [of] Backpropagtion and Algorithm of Genetika. At problems of forecasting of share, Algorithm of Genetika used to develop;build various variation (of) artificial nerve network architecture, and Backpropagation to train artificial nerve network architecture.
Data which is used in development of this system is data of historis(time series) property of company of DOWJONES of year 1985 until year 2002
Keyword: Artificial Neural Network, Algorithm of Genetika, data of time series