Latar Belakang Masalah Implementasi Algoritma Learning Vector Quantization dan Weighted Product Dalam Memilih Perusahaan Tempat Berinvestasi

BAB 1 PENDAHULUAN

1.1 Latar Belakang Masalah

Menurut Pernyataan Standart Akutansi Keuangan No.13 2004, par 03, Investasi adalah suatu aktiva yang digunakan perusahaan untuk pertumbuhan kekayaan accretion of wealth melalui distribusi hasil investasi seperti bunga, royalti, deviden, dan uang sewa, untuk apresiasi nilai investasi, atau untuk manfaat lain bagi perusahaan yang berinvestasi seperti manfaat yang diperoleh melalui hubungan perdagangan, persediaan, dan aktiva tetap bukan merupakan investasi. Investasi yang akan dibahas pada penelitian ini di khususkan pada investasi dalam bentuk saham yang dilakukan di pasar modal. Pasar modal merupakan tempat yang mempertemukan penjual dan pembeli modal atau dana. Yang dimaksud sebagai penjual disini adalah perusahaan yang mencatatkan saham perusahaan yang mereka miliki untuk dapat juga dimiliki oleh publik. Untuk dapat memiliki saham dari suatu perusahaan, maka pembeli investor harus membayarkan sejumlah dana yang telah ditentukan sesuai dengan harga perlembar saham perusahaan yang ingin mereka beli. Sebagai investor tentunya mengharapkan untuk bisa memperoleh tambahan atau keuntungan dari apa yang telah dia berikan kepada perusahaan tempat dia menanamkan modal. Untuk itu dibutuhkan ketelitian bagi seorang investor dalam menentukan perusahaan yang tepat untuk dijadikan tempat penanaman modal mereka. Tujuannya adalah agar para investor tidak salah menempatkan modalnya. Jika investor salah memilih, akibat yang mungkin terjadi adalah kerugian. Kerugian yang dimaksud disini adalah jika perusahaan tidak menghasilkan keuntungan yang baik, maka investor tidak akan mendapatkan deviden pembagian keuntungan perusahaan kepada pemegang saham. Kemungkinan buruk lain adalah, jika prestasi perusahaan tidak membaik, maka harga jual saham perushaaan akan turun. Sehingga investor mungkin akan mengalami kerugian jika investor menjual kembali saham yang telah dibelinya Pertiwi, 2012. Universitas Sumatera Utara Orang yang biasanya menjadi perantara antara pembeli dengan penjual saham dinamakan pialang broker. Pialang bekerja dengan menganalisis perusahaan- perusahaan, tujuannya adalah agar dapat menjamin dan meyakinkan kelayakan perusahaan kepada pembeli saham. Namun, dengan memakai jasa pialang dana yang dikeluarkan juga akan semakin banyak karena harus membayar biaya pialang. Untuk itu, seorang investor yang tidak ingin atau tidak mempunyai dana lebih untuk membayar jasa pialang harus memiliki kemampuan untuk menganalisis suatu perusahaan, agar tidak terjadi kerugian dalam penanaman modal Fahmi, 2006. Dalam ilmu komputer, terdapat beberapa cabang ilmu yang mempelajari bagaimana cara memecahkan masalah seperti : algoritma dan struktur data, arsitektur perangkat keras dan lunak, rekayasa perangkat lunak, kecerdasan buatan dan robotik, interaksi manusia dengan komputer, organisasi komputer, bahasa pemrograman, sistem operasi dan jaringan komputer, database dan sistem retrival informasi, grafika komputer, ilmu komputasi, dan bio informatika. Jaringan syaraf tiruan merupakan cabang ilmu dari bidang ilmu kecerdasan buatan yang merupakan alat pemecahan masalah. Ada banyak teknik algoritma jaringan syaraf tiruan yang tersedia, seperti : Teknik Perceptron, Teknik Propagasi Balik Back Propagation, Jaringan Learning Vektor Quantization LVQ, Jaringan Kohonen, Algoritma Jaringan Fractal, Algoritma Jaringan Cyclic, dan lain sebagainya Siang, 2006. LVQ merupakan suatu metode untuk melakukan pelatihan terhadap lapisan- lapisan kompetitif yang terwarisi. Lapisan kompetitif akan belajar secara otomatis untuk melakukan klasifikasi terhadap vektor input yang diberikan. Cara kerja algoritma LVQ adalah dengan setiap neuron akan dicarikan jarak antara suatu vektor input ke bobot yang bersangkutan. Apabila beberapa vektor input memiliki jarak yang sangat berdekatan, maka vektor-vektor input tersebut akan dikelompokkan dalam kelas yang sama. Dengan bantuan komputer yang bisa dengan tepat dan cepat di program untuk membantu pekerjaan manusia, seperti mendukung manusia dalam mengambil keputusan. Ada beberapa metode pendukung keputusan yang biasa dipakai dalam pemrograman komputer, seperti : Analytical Hierarcy Process AHP, Simple Addictive Weighting SAW, Weighted Product, Simple Multi Attribute Rating Universitas Sumatera Utara Technique SMART, Profile Matching, dan lain sebagainya. Metode weighted product adalah salah satu bagian dari metode Multi Atribut Decision Making MADM, yaitu proses pengambilan keputusan terhadap sebuah masalah yang memiliki beberapa atribut penting untuk dipertimbangkan. Cara kerja metode Weighted Product adalah dengan mengalikan seluruh atribut bagi sebuah alternatif dengan bobot sebagai perangkat positif untuk atribut manfaat, dan bobot berfungsi sebagai pangkat negatif pada atribut biaya. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif Anggreni, 2013. Dengan mengkombinasikan kedua metode ini dalam pemrograman komputer, maka dapat dihasilkan program yang mampu mendukung keputusan investor dalam menetukan perusahaan yang baik dan layak sebagai tempat berinvestasi. LVQ digunakan untuk mengelompokkan kelas berdasarkan naik atau tidaknya saham perusahaan di masa mendatang. Sedangkan WP digunakan untuk mendukung keputusan investor, dengan memproses kriteria-kriteria yang disyaratkan investor untuk memilih alternatif perusahaan yang ada.

1.2 Rumusan Masalah Rumusan masalah yang akan dibahas dalam penelitian ini adalah :