PERAMALAN HARGA SAHAM MENGGUNAKAN INTEGRASI EMPIRICAL MODE DECOMPOSITION DAN JARINGAN SYARAF TIRUAN

Sri Herawati

Abstract


Peramalan harga saham sangat diperlukan investor maupun pelaku bisnis sebelum memutuskan investasi
saham. Namun fluktuasi harga saham ini cenderung dinamik, nonlinear, nonparametrik dan tanpa tren
data. Salah satu model peramalan yang dapat digunakan untuk mengakomodasi fluktuasi harga saham
dengan menggunakan empirical mode decomposition dan Jaringan Syaraf Tiruan. Empirical mode
decomposition menguraikan serangkaian waktu menjadi sejumlah modus intrinsik independen yang
dinamakan intrinsic mode functions dan residu. Kemudian, hasil dekomposisi empirical mode
decomposition dilatih dan diuji menggunakan feedforward neural network. Data hasil pengujian
feedforward neural network untuk masing-masing intrinsic mode functions dan residu dijadikan masukan
untuk adaptive linear neural network. Sehingga hasil keluaran adaptive linear neural network berisi data
peramalan harga saham yang akan datang. Uji coba model peramalan ini menggunakan data harian harga
saham. Data harian dimulai dari 3 Januari 2011 sampai dengan 30 Juli 2013. Berdasarkan hasil uji coba,
peramalan harga saham menggunakan integrasi empirical mode decomposition dan jaringan syaraf tiruan
menghasilkan peramalan yang akurat.

 


Keywords


Peramalan Harga Saham, empirical mode decomposition, feedforward neural network.

References


Moein, M.A., Dehghan, H.D., Entezari,

S., [2012], “Evaluating the Employment

of Technical Indicators in Predicting

Stock Price Index Variations Using

Artificial Neural Network (Case Study:

Tehran Stock Exchange)”, International

Journal of Business and Management,

Vol 7, No.15.

Gharoie, R. A., Yahyazadehfar, M.,

Hassan, P., [2010], “The Comparison of

Methods Artificial Neural Network with

Linear Regression Using Specific

Variables for Prediction Stock Price in

Tehran Stock Exchange”, International

Journal of Computer Science and

Information Security, Vol.7, No.2.

Huang, N.E., Shen, Z., Long, S.R.

, “The Empirical Mode

Decomposition and the Hilbert

Spectrum for Nonlinear and

Nonstationary Time Series Analysis”,

Process of the Royal Society of London,

A 454, 903–995.

Barlas, Y. [1989]. “Multiple Tests For

Validation Of System Dynamics Type

Of Simulation Models”, European

Journal of Operational Research, 42,

-87.

Kaastra, I., Boyd, M. [1996], “Designing

a Neural Network for Forecasting

Financial and Economic Time Series”,

Neurocomputing 10, Hal. 215 – 236.

Siang, J.,J. [2009], Jaringan Syaraf

Tiruan dan Pemrogramannya

Menggunakan Matlab, Andi

Yogyakarta.

Baily,D. And Thompson, D.M., [1990].

“Developing Neural Network

Application”, AI Expert, 33-41.

Salchenberger, L.M., Mine, C.E., and

Lash, N.A., [1992], “Neural Network :

A New Tool for Predicting Thrift

Failures”, Decision Sciences, 23, 899916.


Refbacks

  • There are currently no refbacks.