BAB 3 METODOLOGI PENELITIAN
Pada bab ini akan dibahas mengenai cara kerja algoritma yang digunakan dan proses yang akan dibangun untuk melakukan perhitungan prediksi harga
saham.
3.1 Data
Data yang digunakan dalam penelitian ini adalah harga saham penutupan harian dari tahun 2011 hingga tahun 2014 untuk saham-saham berikut :
1. Indeks Harga Saham Gabungan Indonesia
2. Saham Bank BCA
3. Saham Astra Argo Lestari Tbk
4. Saham Gudang Garam
Seluruh data
saham yang
digunakan diambil
dari website
finance.yahoo.com kemudian diunduh dan disimpan ke dalam format Excel dengan menghilangkan harga pembukaan, harga tertinggi, dan harga terendah tiap
harinya sehingga siap digunakan. Data tersebut akan diambil dan akan dibagi ke dalam data yang digunakan
untuk pelatihan dan pengujian dalam jaringan syaraf tiruan. Untuk input dari data pelatihan akan dilakukan fuzzifikasi harga saham ke dalam nilai kabur dan target
keluaran akan dinormalisasi. Pada saat melakukan pengujian data input juga akan difuzzifikasi sebelum masuk ke dalam arsitektur jaringan syaraf tiruan.
3.2. Metode Penelitian 3.2.1. Algoritma dan Langkah Penelitian
Pada penelitian ini algoritma yang akan digunakan untuk memprediksi harga saham adalah algoritma jaringan syaraf tiruan dan logika kabur.
Algoritma jaringan syaraf tiruan yang akan digunakan adalah propagasi balik, sedangkan logika kabur akan digunakan untuk mengubah harga saham
menjadi nilai kabur dengan menggunakan perhitungan kurva-S. Langkah penelitian yang akan dilakukan untuk melakukan prediksi
terhadap harga saham adalah sebagai berikut : 1.
Memilih Data Saham yang akan digunakan. 2.
Menentukan tanggal yang harga sahamnya akan diprediksi melalui pengujian sistem.
3. Menentukan data input pelatihan, target pelatihan, data input
pengujian. 4.
Data input pelatihan diubah ke dalam nilai kabur dengan perhitungan kurva-S
5. Target pelatihan diubah ke dalam nilai normalisasi.
6. Data pelatihan dimasukkan ke dalam arsitektur jaringan syaraf
tiruan propagasi balik untuk dilakukan pelatihan terhadap input pelatihan dan target pelatihan.
7. Data input pengujian diubah ke dalam nilai kabur dengan
perhitungan kurva-S. 8.
Data pengujian dimasukkan ke dalam arsitektur jaringan syaraf tiruan propagasi balik.
9. Hasil output dari pengujian akan didapat dan nilai didenormalisasi
sehingga akan didapat nilai hasil prediksi harga saham pada tanggal yang telah ditentukan di awal.
3.2.2. Arsitektur Jaringan
Berikut ini adalah arsitektur jaringan awal yang akan digunakan untuk melakukan pengujian terhadap system prediksi harga saham yang dibangun :
Gambar 3.1 Arsitektur Jaringan yang Dibangun
Arsitektur jaringan awal yang akan digunakan dimulai dengan adanya input 50 data yang akan dimasukkan ke dalam proses fuzzyfikasi dengan
menggunakan kurva-S untuk mendapatkan nilai kabur. Nilai kabur yang 50 Data Input
50 Data Nilai Kabur 50 Neuron
Fuzzyfikasi Kurva-S
Fungsi Transfer Logsig OUTPUT
dihasilkan akan dimasukkan ke dalam tahap pelatihan dengan jumlah neuron 50 dan fungsi transfer logsig yang akan menghasilkan 1 nilai output.
3.3. Pengujian Sistem
Dalam penelitian ini dilakukan evaluasi terhadap hasil pengujian dengan cara membandingkan nilai output hasil dari pengujian di dalam sistem dengan
nilai nyata harga saham yang sudah ada. Sehingga sistem juga akan dapat membaca nilai nyata harga saham dari tanggal yang sudah ditentukan dan
menghitung selisih nilai dengan output hasil pengujian. Dari selisih nilai tersebut akan didapat persentase akurasi dari sistem yang ada.
3.4. Diagram Blok
Gambar 3.2 Diagram Proses
Pada proses yang akan dilakukan pada pengujian data yang diinput akan diubah ke dalam bentuk kabur dengan melalui proses fuzzyfikasi. Nilai kabur
yang didapat akan dimasukkan ke dalam proses backpropagation untuk mendapatkan nilai output yang tentunya masih dalam bentuk kabur. Output kabur
INPUT DATA FUZZYFIKASI
BACKPROPAGATION
DENORMALISASI OUTPUT
yang dihasilkan akan diubah ke dalam nilai normal melalui proses denormalisasi sehingga menghasilkan nilai saham sebagai output akhir.
BAB 4 IMPLEMENTASI DAN ANALISIS HASIL
Pada bab ini berisikan tentang implementasi dari algoritma yang sudah digunakan serta analisa terhadap hasil prediksi keluaran sistem.
4.1 Implementasi Sistem
Gambar 4.1 Tampilan Sistem
4.2 Pengujian
Pada saat melakukan implementasi sistem dilakukan pula beberapa kali pengujian untuk mendapatkan hasil yang paling optimal dimulai dari menguji dan
merubah jaringan, delay data, hingga jumlah data train. Semua ini dilakukan untuk mengetahui kombinasi yang terbaik dari sistem yang dibangun.