Anda di halaman 1dari 11

Penerapan Jaringan Sistem Syaraf

Tiruan dalam Pengambilan


Keputusan Investasi Saham

Latar Belakang

High Return
High Risk

Pendekatan Analisis
Pendekatan Fundamental dan Teknik

Solusi ?
Aplikasi sistem pakar & jaringan syaraf
tiruan.

Tujuan
Untuk membuat prototype sistem cerdas
untuk konsultasi analisis investasi saham.
Sebagai alat bantu untuk melakukan
perencanaan strategi pengambilan
keputusan investasi yang tepat untuk
meminimasi resiko ketidakpastian saham
yang ada di bursa efek.

Backpropagation

Learning Algorithm
Karakteristik

Spesifikasi

Arsitektur Jaringan

1 hidden layer

Unit neuron lapisan input

Unit neuron hidden layer

10-50

Unit neuron output

Inisialisasi Bobot

Nguyen-Widrow

Fungsi Aktivasi

Sigmoid

Fungsi Pelatihan

Metode

Learning Rate

Marquardt
0.1, 0.2, dan 0.3

Momentum

0.9

Jumlah Iterasi (Epoch)

1000

Toleransi
(MSE))

(Error

Goal 0.01

Levenberg-

Arsitektur JST

Input
Closing price, highest price, lowest
price, volume perdagangan, dan
stock index individual.
Pelatihan matrik 5 x 255

Output
Jumlah

Hidden 10 unit

20 unit

30 unit

40 unit

50 unit

Neuron
Rata-rata APE

3,88%

3,81%

3,87%

4,00%

4,04%

MSE Pelatihan

0,0083

0,0069

0,0090

0,0075

0,0072

Epoch

20 unit

30 unit

40 unit

50 unit

Jumlah

Hidden 10 unit

Neuron
Rata-rata APE
MSE Pelatihan

3,56%
0,0069

3,72%
0,0092

3,58%
0,0091

3,49%
0,00726

3,61%
0,009

Epoch

20 unit

30 unit

40 unit

50 unit

3,48%
0,0066
4

4,87%
0,0098
6

4,78%
0,0098
3

4,03%
0,0077
6

Jumlah

Hidden 10 unit

Neuron
Rata-rata APE
MSE Pelatihan
Epoch

3,07%
0,0059
4

LR : 0.1

LR : 0.2

LR : 0.3

Result
Rekomendasi final: buy on long.

Saran