Gambar 3.1 Flowchart proses ARIMA
3.4.2 Metode Jaringan Syaraf Tiruan
Langkah-langkah peramalan harga saham dengan metode Jaringan Syaraf Tiruan JST adalah sebagai berikut.
1. Tahap pelatihan
Tahap pelatihan ini merupakan proses pengenalan pola-pola data yang telah dinormalisasi dengan tujuan untuk mendapatkan nilai bobot-bobot yang dapat
memetakan antara data input dengan data target yang diinginkan. Bobot tersebut diubah tiap satu putaran dan dilakukan berulang kali sampai mencapai batas
pelatihan. Pada tahap ini, besarnya parameter-parameter yang diberikan secara manual, sehingga didapat jaringan dengan tingkat pengenalan yang optimal.
Parameter-parameter tersebut meliputi jumlah maksimum iterasi, besarnya laju pembelajaran, besarnya kinerja tujuan goal, dan jumlah neuron pada lapisan
tersembunyi. Hasil dari tahap pelatihan yaitu berupa pembaruan bobot jaringan yang nantinya akan digunakan dalam tahap pengujian jaringan.
Simpan error A
Model ARIMA Peramalan
Selesai Hasil peramalan
2. Tahap pengujian
Jaringan yang sudah dilatih pada tahap pelatihan dengan parameter-parameter tertentu, nilai bobot-bobot yang diperoleh digunakan untuk mengolah data
masukan sehingga menghasilkan keluaran yang sesuai. Hal ini digunakan untuk mengetahui apakah jaringan dapat bekerja dengan baik dalam meramalkan pola
data yang telah dilatihkan dengan tingkat kesalahan yang kecil. 3.
Peramalan dengan jaringan syaraf tiruan Jaringan dengan tingkat pengenalan yang paling baik dalam proses pengujian
dapat digunakan untuk proses meramalkan data pada masa yang akan datang. Tujuan peramalan dalam penelitian ini yaitu memperkirakan harga saham untuk
tiga periode ke depan. Data historis dari saham diumpankan ke dalam jaringan syaraf tiruan yang telah disimpan dan diolah dengan bobot dan bias tertentu,
sehingga didapatkan harga saham hasil simulasi. Harga saham hasil simulasi ini yang disebut hasil ramalan harga saham menggunakan jaringan syaraf tiruan.
Diagram alur penggunaan metode Jaringan Syaraf Tiruan JST ditunjukkan oleh Gambar 3.2.
B Inisialisasi parameter JST
maks epoch, learning rate, goal, neuron hidden Mulai
Input data
Epoch = 0
Gambar 3.2 Flowchart proses jaringan syaraf tiruan
3.4.3 Metode Hibrid ARIMA-JST
Kategori