PERAMALAN HARGA SAHAM MENGGUNAKAN INTEGRASI EMPIRICAL MODE DECOMPOSITION DAN JARINGAN SYARAF TIRUAN
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
Full Text:
PDF (Bahasa Indonesia)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.