Anda di halaman 1dari 10

Contoh Proposal

PERANGKAT LUNAK UNTUK MEMPREDIKSI HARGA SAHAM DENGAN MEGGUNAKAN MODEL JARINGAN SARAF TIRUAN

(Studi kasus di Bursa Saham Jakarta)

PROPOSAL SKRIPSI

Oleh :

NAMA MAHASISWA NIM

PERANGKAT LUNAK UNTUK MEMPREDIKSI HARGA SAHAM DENGAN MEGGUNAKAN MODEL JARINGAN SARAF TIRUAN (Studi kasus di Bursa

PROGRAM STUDI S1 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA

2011

LEMBAR PENGESAHAN

PERANGKAT LUNAK UNTUK MEMPREDIKSI HARGA SAHAM DENGAN MENGGUNAKAN MODEL JARINGAN SARAF TIRUAN

(Studi kasus di Bursa Saham Jakarta)

PROPOSAL SKRIPSI

OLEH :

Nama Mahasiswa NIM

Telah disetujui dan disahkan sebagai proposal di Bandung, pada tanggal

Pembimbing Usulan

1.

2.

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah Pasar saham merupakan pasar yang dipengaruhi oleh banyak faktor seperti ekonomi, politik dan bahkan psikologi, dan faktor-faktor ini saling berinteraksi satu dengan lainnya dalam suatu cara yang sangat kompleks. Oleh sebab itu, secara umum sangatlah sulit untuk memprediksi pergerakan dari pasar saham. Masalah prediksi dalam pasar saham telah menjadi topik penelitian yang sangat banyak dibahas pada tahun belakangan ini. Secara umum terdapat tiga cara pandang berbeda yang didasarkan pada kemampuan untuk mendapatkan keuntungan dari equity market. Cara pandang pertama mempercayai bahwa tidak ada investor yang dapat memperoleh keuntungan perdagangan di atas rata-rata yang didasarkan pada informasi terdahulu dan informasi sekarang. Teori-teori yang mendasari cara pandang ini adalah Random Walk Hypothesis dan Efficient Market Hypothesis [5]. Cara pandang kedua tergolong pada analisis fundamental (fundamental analysis) yang melihat lebih mendalam pada kondisi finansial dan hasil suatu operasi dari perusahaan tertentu dan prilaku yang mendasari saham gabungannya. Cara pandang ketiga tergolong pada analisis teknikal (technical analysis) yang mengasumsikan bahwa pasar saham bergerak mengikuti suatu trend tertentu dan trend ini dapat ditangkap dan digunakan untuk melakukan prediksi. Teknik statistika konvensional untuk memprediksi pasar saham sudah banyak dilakukan dalam analisis fundamental maupun analisis teknikal dan hasil yang diperoleh menunjukkan adanya batasan dalam penerapannya yang diakibatkan nonlinearitas pada himpunan data [1]. Jaringan saraf tiruan adalah suatu teknik yang menggabungkan analisis fundamental dan analisis teknikal. Jaringan saraf tiruan merupakan model nonlinear yang dapat melakukan pelatihan (training) untuk memetakan nilai masa lalu dan nilai sekarang dari data time-series dan mampu untuk meng-ekstrak struktur tersembunyi dan keterhubungan yang membangun data. Jaringan saraf tiruan didasarkan pada sistem pemrosesan informasi yang struktur dan fungsinya dimotivasi oleh proses kognitif (cognitive process) dan struktur organisasi dari sistem saraf-biologi (neuro-biological systems) [4]. Penerapan jaringan saraf tiruan muncul pada banyak bidang seperti komputer sains, rekayasa, medis dan

diagnosa kriminal, investigasi biologi dan penelitian ekonomi. Dalam penerapan jaringan saraf tiruan untuk memprediksi pasar saham telah banyak dilakukan. Dalam penelitian yang dilakukan oleh Sitte [13], menunjukkan bahwa penggunaan jaringan saraf tiruan untuk memprediksi S&P500 tidak berhasil, sedangkan dalam penelitian Kutsurelis [8], diperoleh hasil prediksi mengenai kenaikan harga saham mencapai keakuratan 93.3 % dan penurunan harga saham mencapai keakuratan 88.07 %. Sedangkan penelitian di Indonesia telah dilakukan oleh Budi Bambang DP, et.al [3] yang melakukan prediksi pasar saham di Indonesia. Pada penelitian ini, mereka hanya mengambil dua perusahaan yaitu Semen Gresik (SMGR) dan Gudang Garam (GGRM). Hasil penelitian menunjukkan suatu hasil prediksi yang cukup akurat pada dua perusahaan tersebut. Berdasarkan hal di atas, di sini penulis tertarik untuk memperluas penggunaan jaringan saraf tiruan dalam memprediksi pasar saham dengan membangun suatu perangkat lunak. Penelitian ini merupakan penelitian lanjutan yang didasarkan pada penelitian yang sudah dilakukan [3]. Perluasan yang dilakukan adalah dalam hal jumlah perusahaan yang dilibatkan. Hal ini dimaksudkan untuk melihat konsistensi dari jaringan saraf tiruan dalam memprediksi harga saham dari berbagai perusahaan.

1.2 Identifikasi Masalah Prediksi harga saham adalah suatu hal yang melibatkan interakasi yang sangat kompleks antara keadaan pasar yang tidak stabil dan faktor proses acak yang tidak diketahui. Data dari harga saham dapat ditentukan oleh data time series. Jika kita

memiliki data harian dari suatu periode tertentu, contohnya

  • X t

maka

(t = 1,2,3,

...

)

harga saham untuk periode selanjutnya

(t + h)

dapat diprediksi (waktu yang digunakan

dapat berupa perjam, harian, mingguan, bulanan atau tahunan). Dalam penggunaan jaringan saraf tiruan, pemilihan input data untuk jaringan mempunyai peranan penting agar diperoleh hasil prediksi yang baik. Selanjutnya perumusan masalah dapat dirumuskan dalam pertanyaan sebagai berikut :

  • 1. Bagaimana cara membuat perangkat lunak untuk prediksi harga saham dari setiap perusahaan dengan menggunakan arsitektur jaringan syaraf tiruan?

  • 2. Variabel input apa saja yang akan dimasukkan ke dalam jaringan ?

1.1 Maksud dan Tujuan

Berdasarkan permasalahan yang diteliti, maka maksud dari penulisan tugas akhir ini adalah untuk mengaplikasikan model Jaringan Syaraf tiruan dalam memprediksi harga saham Sedangkan tujuan yang akan dicapai dalam penelitian ini adalah :

  • 1. Untuk mengidentifikasi variabel input sebelum dimasukkan ke dalam jaringan.

  • 2. Untuk menganalisis arsitektur jaringan yang dibangun sehingga mendapatkan arsitektur jaringan yang baik.

  • 3. Untuk menganalisis adanya perbedaan hasil prediksi harga saham dari setiap perusahaan jika menggunakan arsitektur jaringan yang sama.

  • 4. Untuk menganalisis penyebab adanya perbedaan arsitektur jaringan dalam memprediksi harga saham.

  • 5. Untuk menganalisis keunggulan dari arsitektur jaringan dalam memprediksi harga saham dengan perangkat lunak yang dibangun.

  • 6. Untuk menganalisis pengaruh penambahan variabel input dalam keakuratan prediksi jaringan saraf tiruan dengan perangkat lunak yang dibuat.

1.1 Metodologi Penelitian

Metodologi yang digunakan dalam penulisan tugas akhir ini adalah sebagai

berikut :

  • 1. Tahap pengumpulan data Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai

berikut :

  • a. Studi Literatur.

Pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper dan bacaan-

bacaan yang ada kaitannya dengan judul penelitian.

  • b. Observasi.

Teknik pengumpulan data dengan mengadakan penelitian dan peninjauan langsung

terhadap permasalahan yang diambil.

  • c. Interview.

Teknik pengumpulan data dengan mengadakan tanya jawab secara langsung yang ada

kaitannya dengan topik yang diambil.

  • 2. Tahap pembuatan perangkat lunak. Teknik analisis data dalam pembuatan perangkat lunak menggunakan paradigma

perangkat lunak secara waterfall, yang meliputi beberapa proses diantaranya:

  • a. System / Information Engineering Merupakan bagian dari sistem yang terbesar dalam pengerjaan suatu proyek, dimulai dengan menetapkan berbagai kebutuhan dari semua elemen yang diperlukan sistem dan mengalokasikannya kedalam pembentukan perangkat lunak.

  • b. Analisis

Merupakan tahap menganalisis hal-hal yang diperlukan dalam pelaksanaan proyek

pembuatan perangkat lunak.

  • c. Design Tahap penerjemahan dari data yang dianalisis kedalam bentuk yang mudah dimengerti oleh user.

  • d. Coding Tahap penerjemahan data atau pemecahan masalah yang telah dirancang keadalam bahasa pemrograman tertentu.

  • e. Pengujian Merupakan tahap pengujian terhadap perangkat lunak yang dibangun.

f.

Maintenance

Tahap akhir dimana suatu perangkat lunak yang sudah selesai dapat mengalami

perubahan–perubahan atau penambahan sesuai dengan permintaan user.

  • 1.1 Batasan Masalah Penelitian yang telah banyak dilakukan dalam memprediksi harga saham

menyebabkan adanya perbedaan di dalam penggunaan jaringan saraf tiruan. Dalam penelitian ini, penulis membatasi masalah sebagai berikut :

  • 1. Data yang diambil sebagai input jaringan didasarkan pada penelitian yang telah dilakukan oleh Trippi, et .al [12] sebanyak tiga variabel input dan penelitian yang dilkukan oleh Budi Bambang DP, et.al [3] sebanyak 5 variabel input.

  • 2. Sumber data berasal dari Bursa Saham Jakarta

  • 3. Algoritma pembelajaran yang digunakan adalah backpropagation.

  • 1.1 Sistematika Penulisan

Sistematika penulisan proposal penelitian ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan tugas akhir ini adalah sebagai berikut :

BAB I PENDAHULUAN Menguraikan tentang latar belakang permasalahan, mencoba merumuskan inti permasalahan yang dihadapi, menentukan tujuan dan kegunaan penelitian, yang kemudian diikuti dengan pembatasan masalah, asumsi, serta sistematika penulisan. BAB II. LANDASAN TEORI Membahas berbagai konsep dasar dan teori-teori yang berkaitan dengan topik penelitian yang dilakukan dan hal-hal yang berguna dalam proses analisis permasalahan serta tinjauan terhadap penelitian-penelitian serupa yang telah pernah dilakukan sebelumnya termasuk sintesisnya. BAB III. ANALISIS MASALAH Menganalisis masalah dari model penelitian untuk memperlihatkan keterkaitan antar variabel yang diteliti serta model matematis untuk analisisnya. BAB IV. PERANCANGAN DAN IMPLEMENTASI Merupakan tahapan yang dilakukan dalam penelitian secara garis besar sejak dari tahap persiapan sampai penarikan kesimpulan, metode dan kaidah yang diterapkan dalam penelitian. Termasuk menentukan variabel penelitian, identifikasi data yang diperlukan dan cara pengumpulannya, penentuan sampel penelitian dan teknik pengambilannya, serta metode/teknik analisis yang akan dipergunakan dan perangkat lunak yang akan dibangun jika ada. BAB V. KESIMPULAN DAN SARAN Berisi kesimpulan dan saran yang sudah diperoleh dari hasil penulisan tugas akhir.

1.2 Jadwal Kegiatan

No Tahap Februari Maret April Mei Juni I II III IV I II III IV I
No
Tahap
Februari
Maret
April
Mei
Juni
I
II III
IV
I
II III
IV
I
II III
IV
I
II III
IV
I
II III
IV
Pengumpulan
1
Referensi
2
PembuatanProposal
Pengumpulan
3
Proposal
4
Perbaikan Proposal
5
Masa Bimbingan I
6
Laporan Kemajuan I
7
Masa Bimbingan II
8
Laporan Kemajuan II
9
Masa Bimbingan III
10
Laporan Kemajuan III
11
Persiapan Seminar

1.3 Gambaran Sistem

Jelaskan sistem yang akan kembangkan, dapat menggunakan ilustrasi berupa deskripsi sistem, diagram-diagram, alur sistem dsb, yang menurut anda dapat membantu menjelaskan maksud dan tujuan pengembangan sistem tersebut.

1.9 Daftar Pustaka

[1]

A.N. Refenes, A. Zapranis and G.Francis, Stock performance modeling using neural networks : a comparative study with regression models, Neural Network 5 (1994) 961-970.

[2]

B. Tak, a New Method for Forecasting stock Prices using Artificial Neural Network and Wavelet Theory, Doctor's Thesis, University of Pennsylvania,

1995.

[3]

Budi Bambang, et. al, Indonesia stock market prediction (SMGR/GGRM) using time series (feedforward) neural network

[4]

C. Stergiou, What is Neural Network?, SURPRISE 96 journal, vol1, Imperial College, 1996.

[5]

E.E. Peters, Chaos and order in the capitalmarkets : A new view of cycles, prices, and market volatility, John Wiley & Sons Inc, 1991.