ABSTRAKSI: Nilai saham merupakan tanda kepemilikan seseorang atau badan dalam suatu perusahaan, semakin tinggi nilai saham yang dimiliki oleh seseorang atau badan dalam suatu perusahaan maka semakin banyak keuntungan yang di dapat, oleh karena itu dibutuhkan sebuah sistem yang mampu memprediksi nilai saham pada suatu periode waktu tertentu.
Dalam tugas akhir ini digunakan metode SARIMA (Seasonal Autoregressive Integreted Moving Averege) untuk memodelkan arsitektur JST, yang mana arsitektur ini akan digunakan untuk memprediksi nilai saham pada suatu periode waktu tertentu.
Data yang digunakan untuk training, testing dan predicting telah disediakan dalam bentuk DJ30 1985 2003.xls
Dari hasil pengujian didapatkan model arsitektur JST yang menghasilkan akurasi tingkat kesalahan yang lebih akurat, yang mana model itu yaitu SARIMA(2-1-2)(2-1-2)1 dan dari model itu didapatkan akurasi tingkat kesalahan sebesar 0.0001046 untuk data training dan 0.001296 untuk data testing
Kata Kunci : training, testing, predicting, SARIMA, backpropagation, lags, season, time seriesABSTRACT: Price of stocks represent the proprietary marking of somebody or body in a company, excelsior price of stocks owned by somebody or body in a company hence more and more advantage which is in earning, therefore required by a system capable to predic price of stocks at one particular certain time period.
In this final duty used by SARIMA (Seasonal Autoregressive Integreted Moving Averege) method to model artificial nerve network architecture, which this architecture will be used for the predicting of price of stocks at one particular certain time period.
Data used for the training, testing and predicting have been provided in the form of DJ30 1985 2003.xls
From examination result got by model artificial nerve network architecture yielding accuration mount the more accurate mistake, which that model that is SARIMA(2-1-2)(2-1-2)1 and from that model is got by a accuration mount the mistake of equal to 0.0001046 for the data of training and 0.001296 for data of testing.Keyword: : training, testing, predicting, SARIMA, backpropagation, lags, season, time series