Prediksi Indeks Harga Saham dengan Metode Gabungan Support Vector Regression dan Jaringan Syaraf Tiruan

Lisbeth Evalina Siahaan

Abstract


Harga suatu saham berubah secara cepat dari waktu ke waktu. Pergerakan indeks harga saham menjadi tolak ukur para pemilik saham untuk membuat keputusan kapan sebaiknya saham dibeli, dijual atau dipertahankan. Untuk itu diperlukan suatu model yang dapat memprediksi indeks harga saham untuk memantau pergerakan tersebut dan membantu para pemilikk saham dalam mengambil keputusan. Penelitian ini mengusulkan metode untuk memprediksi pergerakan harga saham dengan menggunakan metode gabungan Support Vector Regression (SVR) pada tahap dan Jaringan Syaraf Tiruan (JST) pada tahap kedua. Pada penelitian ini, Algoritma Genetika atau Genetic Algorithm (GA) akan digunakan untuk melakukukan optimasi parameter SVR. Prediksi dibuat untuk 1, 3, 5, 7, 10, 15, dan 30 hari kedepan. Dari serangkaian uji coba yang dilakukan, SVR-JST (SVR dioptimasi GA) memberikan tingkat kesalahan lebih kecil dibandingkan dengan metode JST.

Full Text:

PDF

References


Suyanto, Soft Computing : Membangun Mesin Ber-IQ Tinggi. Bandung: Informatika, 2008.

J. Patel, S. Shah, P. Thakkar, and K. Kotecha, “Predicting stock market index using fusion of machine learning techniques,” Expert Syst. Appl., vol. 42, no. 4, pp. 2162–2172, 2015.

Y. Kara, M. A. Boyacioglu, and Ö. K. Baykan, “Predicting direction of stock price index movement using artificial neural networks and support vector machines: The sample of the istanbul stock exchange,” Expert Syst. Appl., vol. 38, no. 5, pp. 5311–5319, 2011.

BEI, “Ekuitas,” 2010. Accessed: 2014-09-30.

C. Cheng, W. Xu, and J. Wang, “A comparison of ensemble methods in financial market prediction,” International Journal for Numerical Methods in Engineering, pp. 755 – 759, 2012.

K. Chen, “Forecasting systems reliability based on support vector regression with genetic algorithms,” Rel. Eng. & Sys. Safety, vol. 92, no. 4, pp. 423–432, 2007.

J. J. Murphy, echnical analysis of the financial markets. New York: ew York Institute of Finance, 1999.

L. Y. Kurniawati, “Model Prediksi Pergerakan Harga Saham Menggunakan Support Vector Regression dan Artificial Bee Colony,” Master’s thesis, Institut Teknologi Sepuluh Nopember, Surabaya, 2013.

Z. S. Luai Al Shalabi and B. Kasasbeh, “Data mining : A preprocessing engine,” Journal of Computer Science 2, vol. 9, no. 2, pp. 735–739, 2005.

S. Kinasih, “Prediksi curah hujan menggunakan anfis,” 2014.

A. J. Smola and B. SchÃűlkopf, “A tutorial on support vector regression,” tech. rep., STATISTICS AND COMPUTING, 2003




DOI: http://dx.doi.org/10.21108/INDOJC.2017.2.1.45

Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 Indonesia Journal on Computing (Indo-JC)

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.