4.1 Antarmuka Menu Home Sistem 4.2 Antarmuka Pelatihan LVQ
4.3 Antarmuka Pengujian LVQ Setelah Dikenali
4.4. Proses Perangkingan Alternatif Dengan WP
4.5 Antarmuka Help 4.6 Antarmuka Hasil Pelatihan LVQ
4.7 Tampilan Sebelum Prediksi Nilai Saham Dengan Metode LVQ 4.8. Tampilan Setelah Prediksi Nilai Saham Dengan Metode LVQ
4.9. Pembobotan untuk proses WP 4.10 Hasil Proses Perangkingan WP
52 52
55 56
59 60
62 62
64 65
Universitas Sumatera Utara
ABSTRAK
Seorang investor, dalam memilih perusahaan tempat berinvesatasi harus berhati-hati agar tidak rugi. Dengan memanfaatkan Jaringan Syaraf Tiruan dan Sistem Pendukung
Keputusan maka pemilihan ini dapat dilakukan dengan tepat. Dengan menggunakan algoritma Learning Vector Quantization LVQ, data laporan keuangan perusahaan
akan dijadikan sebagai pola masukan. Dimana masukan tersebut akan dilatih untuk diprediksi nilainya dimasa mendatang, dan hasil pelatihannya dibandingkan dengan
target yang sudah ditetapkan. Hasil pelatihan d
ibagi menjadi “Nilai Saham Naik” dan “Nilai Saham Turun.” Terdapat 34 sampel perusahaan dengan masing-masing 11
parameter penentu prediksi nilai saham. Epoch maksimal 1000, dan goal performance 0,0001. Masukan diuji, yang masuk kedalam kelas Nilai Saham Naik akan menjadi
alternatif yang baik untuk dijadikan tempat berinvestasi. Dengan inputan tersebut, metode Weighted Product WP dapat mengurutkan rangking terbaik perushaan
sebagai tempat berinvestasi. Terdapat 4 kriteria dalam pemilihan perusahaan sebagai tempat berinvestasi, yaitu : Harga Saham, Dividen, Resiko, dan Jangka Investasi.
Berdasarkan bobot prioritas investor terhadap kriteria tersebut maka akan dihasilkan urutan alternatif yang sesuai. Hasil dari prediksi menggunakan LVQ memiliki
ketepatan 100, tepat dalam artian bahwa prediksi nilai naik atau turunnya nilai saham sesuai dengan nilai saham aktual yang tercantum pada laporan keuangan. Dan
presentase ketepatan dalam perangkingan alternatif perusahaan menggunakan WP adalah 100, ketepatan terlihat dari output daftar perusahaan yang sesuai dengan
keinginan investor, yaitu yang memiliki nilai kriteria sesuai prioritas. Katakunci: Jaringan Syaraf Tiruan, Sistem Pendukung Keputusan, Prediksi
Nilai Saham, Perangkingan Alternatif,
Learning Vector Quantization, Weighted Product.
Universitas Sumatera Utara
Implementation of Learning Vector Quantization and Weighted Product Algorithm On Choosing Company To Do Investment
ABSTRACT
As an Investor, selecting company to do investment, must be done it carefully, to avoid loss. This may be achieved with the means with Neural Network and Decision
support System, it can be done appropriately. With the use of Learning vector Quantization LVQ, financial report of company is used as input pattern. These
inputs will used for training to get prediction of its value in the future. The training
result will be divided by “Value of the Stock Increases” and “Value of The Stock decrease”. There are 34 companies as a sample and each has 11 symptoms. With a
maximum of 1000 epoch, and 0,0001 of performance goals parameters. The input were tested, and each input which was in the class of “The Value of the Stock
Increases” was classified as best alternatives for investment. Weighted Product organized the ranking of those alternatives. There are 4 criteria on choosing a
company to do investment, which are: stock prices, dividend, risk, and invest period.
The outputs of this process are the ranks of the alternatives based on investor‟s weight priority of the criteria. Based on the results, prediction using LVQ have 100
accuracy, accuracy meaning that the prediction of stock value increase or decrease corresponded to the actual stock value which was reported in financial reports. And
the percentage of accuracy on ranking the alternatives using WP is 100, the accuracy can be seen from the output of the system, which output are the list of
companies ranked based on the criteria.
Keywords: Neural Networks, Decision Support System, Prediction of Stock Value, Ranking the Alternatives, Learning Vector Quantization, Weighted Product.
Universitas Sumatera Utara
BAB 1 PENDAHULUAN
1.1 Latar Belakang Masalah
Kategori