MODEL PREDIKSI RENTET WAKTU NEURAL NETWORK BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK PREDIKSI HARGA SAHAM

Abstract

Penelitian ini dimulai dari sulitnaya para pialang saham untuk memprediksi stok harga saham. Stok merupakan indikator tren pasar, profitabilitas, benchmark benchmark kerja, serta penentuan strategi pasif dan produk derivatif. Informasi penjualan data saham lama sangat membantu dalam prediksi, semakin besar data dari masa lalu semakin besar ketepatan yang didapat. Namun, ukuran data juga mempengaruhi kinerja algoritma yang digunakan. Yang dilakukan dalam penelitian ini bagaimana Neural Network (NN) dengan Particle Swarm Optimization (PSO) yang digunakan untuk melakukan pemilihan fitur dataset saham yang digunakan. Eksperimen yang dilakukan pada percobaan pertama dilakukan dataset pelatihan dengan NN, dan pada percobaan kedua dengan dataset pelatihan akan dibuat PSO-NN untuk pemilihan fitur. Hasil atribut bobot PSO-NN dalam bentuk dataset, atribut dengan bobot tertinggi adalah atribut yang paling berpengaruh dalam latihan. Dataset baru dengan seleksi fitur kemudian melakukan latihan lagi. Dengan menggunakan NN, hasil percobaan yang dilakukan training cycle Neural Network  500, 3 Hidden layer, Momentum 0 dan Learning rate 0,2 mendapatkan 0,466 rmse. Sedangkan hasil percobaan NN dengan seleksi fitur PSO atau PSO-NN 0,373 rmse mendapatkan hasil. Penelitian yang berbasis PSO-NN ini mampu memprediksi secara lebih akurat.