ABSTRAK
Pasar saham merupakansalah satu hal yang paling menarik bagi investor. Dengan
mengetahui harga saham investor dapat merencanakan strategi yang tepat untuk mendapatkan
keuntungan. Akan tetapi, harga saham bersifat fluktuatif atau berubah-ubah dikarenakan
faktor-faktor tertentu. Kondisi pergerakan harga saham diharapkan dapat diprediksi secara
akurat oleh investor. Investor dapat melakukan prediksi dengan melakukan analisa histori dan
trend harga saham pada periode sebelumnya. Pada penelitian ini telah dirancang sebuah sistem
prediksi harga saham secara komputasional menggunakan metode Back Propagation Neural
Network (BPNN). Metode BPNN merupakan metode prediksi yang didasarkan pada sebagian
kecil sistem syaraf manusia. Metode BPNN merupakan metode yang mampu menangani data
yang bersifat non-linier dan time series. Sehingga metode BPNN ini cocok diterapkan pada
data harga saham yang juga memiliki sifat time seriesdan non-linier. Data harga saham diambil
dari data saham perusahaan yang tergabung dalam indeks LQ45 danuji coba pada penelitian ini
dilakukan secara harian (short term). Dari percobaan yang telah dilakukan prediksi harga
saham menggunakan metode BPNN memiliki presisi yang baik akan tetapi akurasi yang
didapatkan kurang baik. Hal ini terbukti dengan hasil NRMSE yang didapatkan minimal
sebesar 0.22 dan akurasi terbaik sebesar 62.18.
ABSTRACT
The stock market is one of the most attractive to investors. By knowing stock prices,
the investors can plan their strategy to get much advantage from it. Unfortunately, stock
pricesare fluctuated which caused by many factors.To get the price advantage, the
investorshould be able to predict the movement of the stock prices accurately. Investors can
use history data and the previous trend of stock prices. In this research, a system have
beencreated to predict stock price using BPNN method BPNN. BPNN is a prediction method
based on a neural system. BPNN can handle non-linear and time-series data also. Therefore
this method can be implemented on stock price data,since a stock price is non-linear time
series.The research data have been taken from LQ45 index and this research conducted on a
daily basis (short term). From the experiments have been carried out applying with BPNN
method in the prediction of stock prices has good precision but the accuration is not better as
evidenced by a minimal result of NRMSE is 0.22 and the best accuration is 62.18.
132
Vol 3, No 3 Desember 2013
133
Rio Bayu Afrianto dkk, Prediksi Pergerakan Harga Saham ...
satunya adalah harus termasuk dalam Prediksi yang dilakukan terhadap data
60 besar perusahaan dengan ini bersifat
kapitalisasi perusahaan paling tinggi.
Tabel 1Data harga saham salah satu perusahaan LQ45
date ticker Name open high low close volume
12/3/2012 UNVR Unilever 26000 26400 26000 26200 1029500
12/4/2012 UNVR Unilever 26000 26250 25850 26250 1731500
12/5/2012 UNVR Unilever 26200 26200 25900 26000 1510500
12/6/2012 UNVR Unilever 25900 26100 25900 26000 2007500
12/7/2012 UNVR Unilever 25900 26250 25850 26250 2404500
12/10/2012 UNVR Unilever 26200 26200 25850 25950 1697500
12/11/2012 UNVR Unilever 25950 26100 25850 25950 1998000
12/12/2012 UNVR Unilever 25800 25800 22750 23150 17149000
12/13/2012 UNVR Unilever 22500 22500 20200 20350 38786500
12/14/2012 UNVR Unilever 20250 22350 20100 22200 31320500
12/17/2012 UNVR Unilever 22200 22400 21600 21800 5378500
12/18/2012 UNVR Unilever 22000 22000 21150 21600 4717000
134
Vol 3, No 3 Desember 2013
Momentum
Stochastic K%
Stochastic D%
135
Rio Bayu Afrianto dkk, Prediksi Pergerakan Harga Saham ...
136
Vol 3, No 3 Desember 2013
Tabel 5Parameter Terbaik untuk Tiap Perusahaan dengan jumlah node pada hidden layer = 11
Perusahaan epochs learning rate momentum rmse nrmse Akurasi
ASII 100 0.01 0.05 198.49 0.11 47.90
BBCA 500 0.01 0.01 157.97 0.07 41.18
BBNI 500 0.01 0.05 70.33 0.17 42.02
BMRI 100 0.01 0.01 222.43 0.11 57.98
GGRM 1000 0.01 0.01 1903.55 0.11 62.18
JSMR 1000 0.01 0.01 101.69 0.22 37.81
KLBF 100 0.01 0.05 64.47 0.16 47.06
PGAS 1000 0.01 0.01 166.72 0.13 47.06
SMGR 1000 0.01 0.01 330.34 0.07 60.50
UNVR 1000 0.01 0.01 754.09 0.09 47.90
LQ45 500 0.01 0.01 10.48 0.13 46.2
epoch. Pada penelitian ini jumlah 4. HASIL UJI COBA
neuron ditentukan sebanyak jumlah
indikator ditambah satu, tiga nilai Pada penelitian ini akan
untuk learning rate, tiga nilai untuk digunakan data harga saham dari
epoch, dan tiga nilai untuk momentum. sepuluh perusahaan Indonesia yang
Nilai-nilai parameter BPNN ini dapat tergabung dalam indek LQ45 dan
dilihat pada Tabel 3. juga data harga saham juga
gabungan indek LQ45. Uji coba ini
dilakukan secara perhari (short-
term).
137
Rio Bayu Afrianto dkk, Prediksi Pergerakan Harga Saham ...
(a) (b)
(c) (d)
(e) (f)
Gambar 2 Hasil uji coba prediksi harga saham perusahaan (a) Atra Internatioanl (b) Bank
BCA (c) Bank BNI (d) Bank Mandiri (e) Gudang Garam (f) Jasa Marga. Garis
biru menunjukkan harga aktual, Garis merah menunjukkan harga prediksi.
138
Vol 3, No 3 Desember 2013
(a) (b)
(a) (b)
(c)
Gambar 3Hasil uji coba prediksi harga saham perusahaan (a) Kalbe Farma (b) Perusahaan Gas
Negara (c) Semen Indonesia (d) Unilever (e) Indeks LQ45. Garis biru menunjukkan
harga aktual, Garis merah menunjukkan harga prediksi.
139
Rio Bayu Afrianto dkk, Prediksi Pergerakan Harga Saham ...
140
Vol 3, No 3 Desember 2013
6. DAFTAR PUSTAKA
141