DAFTAR ISI
ABSTRAK i
ABSTRACT iii
DAFTAR ISI iv
DAFTAR TABEL viii
DAFTAR GAMBAR ix
BAB I PENDAHULUAN 1
1.1. Latar Belakang 1
1.2. Perumusan Masalah
2 1.3.
Batasan Masalah 3
1.4. Tujuan Penelitian
3 1.5.
Manfaat Penelitian 4
BAB II TINJAUAN PUSTAKA 5
2.1. Neural Network 5
2.2. Pelatihan Jaringan Syaraf Tiruan 7
2.3. Backpropagation 8
2.4. Model Pembelajaran Accelerated Learning 10
2.5. Jaringan Saraf Tiruan untuk Prediksi 11
2.6. Saham 11
2.6.1. Pengertian Saham 11
2.6.2. Jenis Saham 11
2.7. Teknik Peramalan Harga Saham 15
2.7.1. Analisis Fundamental 15
2.7.2. Analisis Teknikal 17
2.8. Penelitian Terkait 17
Universita Sumatera Utara
BAB III METODE PENELITIAN 19
3.1. Pendahuluan 19
3.2. Pengumpulan Data 19
3.3. Analisis Sistem 20
3.4. Pemilihan Variabel Input 21
3.5. Pemilihan Variabel Output 21
3.6. Normalisasi Data 22
3.7. Arsitektur Jaringan Saraf Tiruan 23
3.8. Training 24
3.9. Perhitungan Error 27
3.10. Testing 27
BAB IV PEMBAHASAN DAN HASIL PENELITIAN 31
4.1. Lingkungan Implementasi 31
4.2. Pengumpulan dan Pengolahan Data 32
4.3. Pencarian Arsitektur Jaringan Terbaik 32
4.3.1. Variasi Jumlah Neuron dan Hidden Layer 33
4.3.2. Pengolahan Data dengan Menggunakan Resilient Backpropagation
34 4.4. Algoritma dalam MATLAB
35
4.4.1. Membersihkan Jendela Command 35
4.4.2. Mengambil Data yang Ada 35
4.4.3. Menentukan matriks Input dan Matriks Target T 36
4.4.4. Membagi data menjadi data Pelatihan training 37
4.4.5. Lakukan Iterasi untuk Membandingkan Nilai MSE Terkecil dan Pengaturan Penentuan Formula.
37 4.4.6. Menentukan Jumlah Maksimal Epoch
38 4.4.7. Menggeser nilai goal MSE dan menentukan nilai
pembelajaranα 4.4.8. Menentukan Nilai Pembelajaran Learning Rate dan
Momentum 38
Universita Sumatera Utara
4.4.9. Menentukan Rasio Untuk Menaikkan Nilai Pembelajaran dan untuk Menurunkan Nilai Pembelajaran Learning Rate
39 4.4.10. Melakukan Pelatihan Resilient Backpropagation dan
Simulasikan Hasil Pelatihan 40
4.4.11. Menghitung MSE antara Target dan Output 40
4.4.12. Melakukan Prediksi untuk hari ke-261 sd 290 41
4.4.13. Hitung MSE dari Hasil Testing 41
4.4.14. Running Program 42
4.5. Pengolahan Data dengan Pemrograman MATLAB 42
4.5.1. Peramalan Data Harga Pembuka Open dengan Resilient Backpropagation Neural Network dengan Jumlah Hidden Layer
Sebanyak 2 43
4.5.2. Peramalan Data Harga Tertinggi High dengan Resilient Backpropagation Neural Network dengan Jumlah Hidden Layer
Sebanyak 2 44
4.5.3. Peramalan Data Harga Terendah Low dengan Resilient Backpropagation Neural Network dengan Jumlah Hidden Layer
Sebanyak 2 45
4.5.4. Peramalan Data Harga Penutup Close dengan Resilient Backpropagation Neural Network dengan Jumlah Hidden Layer
Sebanyak 2 46
4.6. Hasil Peramalan 47
4.7. Hasil Peramalan Harga Saham Menggunakan Metode Resilient Backpropagation dengan Jumlah Hidden Layer 2
47
BAB V KESIMPULAN DAN SARAN 53