Institutional Repository | Satya Wacana Christian University: Perbandingan Kinerja Algoritma Propagasi Mundur dan Fungsi Basis Radial dalam Proses Peramalan Tren Investasi Saham T1 612006039 BAB V

BAB V
KESIMPULAN DAN SARAN

Pada bab ini berisi kesimpulan serta saran untuk penelitian selanjutnya.

5.1. Kesimpulan
Kesimpulan yang didapat berdasarkan hasil penelitian antara lain:
1. Pada pengujian 20 perusahaan, algoritma Propagasi Mundur melakukan pelatihan
jauh lebih lama daripada algoritma Fungsi Basis Radial. Jaringan Propagasi Mundur
memiliki rata-rata waktu pelatihan 87 menit tiap perusahaan. Sedangkan jaringan
Fungsi Basis Radial memiliki rata-rata waktu pelatihan 6 menit.
2. MSE yang dicapai pada pada jaringan Propagasi Mundur dapat lebih mendekati
target error (0,001) daripada Fungsi Basis Radial.
3. Perubahan MSE pada jaringan Propagasi Mundur adalah stabil dan akan mengalami
konvergen. Sedangkan perubahan MSE pada jaringan Fungsi Basis Radial adalah
tidak stabil di mana nilai MSE akan naik lagi pada suatu saat.
4. Pemilihan laju pelatihan yang tepat akan mempengaruhi hasil peramalan. Algoritma
Propagasi Mundur memiliki tingkat perbaikan bobot yang lambat sehingga
pemilihan laju pelatihan tidak perlu terlalu kecil. Sedangkan algoritma Fungsi Basis
Radial melakukan perbaikan bobot yang sangat cepat (sangat sensitif) sehingga
pemilihan laju pelatihan sebaiknya kecil. Pemilihan laju pelatihan yang baik dan

optimal pada jaringan Propagasi Mundur adalah antara 0,1 - 1 . Sedangkan untuk
jaringan Fungsi Basis Radial adalah 0,001 - 0,0001.
5. Tingkat keakuratan peramalan dari kedua algoritma menghasilkan peramalan yang
cukup baik terbukti dalam beberapa kasus persentase keakuratan mencapai 100%.
Ralat rata-rata jaringan Propagasi Mundur adalah 2,2181% dan untuk Fungsi Basis
Radial adalah 3,06961%.
6. Pada kasus-kasus tertentu (semisal fluktuasi yang besar) kedua jaringan kesulitan
mempelajari pola masukan sehingga menghasilkan peramalan yang jauh dari nilai
aktual. Namun dengan iterasi pelatihan yang lebih banyak, jaringan Propagasi
Mundur lebih akurat dalam melakukan peramalan dibanding jaringan Fungsi Basis
Radial. Hal ini dapat dilihat pada kasus perusahaan Gudang Garam dan Siantar Top.

93

7. JST dan Regresi Polinomial tidak dapat menyimpulkan secara langsung faktorfaktor apa saja yang mempengaruhi fluktuasi saham. Ini dikarenakan analisis
teknikal saham lebih mempelajari pendekatan psikologi investor terhadap faktorfaktor luar. Sehingga yang dilakukan oleh JST adalah pendekatan terhadap faktor
psikologi dari investor. Untuk melihat pengaruh faktor luar terhadap saham, dapat
dilakukan pendekatan Regresi Polinomial. Dengan melihat orde persamaan Regresi
Polinomial dapat disimpulkan pengaruh faktor luar terhadap fluktuasi data masukan.

5.2. Saran
Saran untuk pengembangan skripsi kedepannya antara lain:
1. Penggunaan penggabungan metode JST dan Fuzzy pada peramalan.
2. Pemilihan parameter dan pola pelatihan yang lebih bervariasi pada JST sehingga
menghasilkan peramalan yang lebih baik. Semisal pemilihan parameter keluaran
yaitu harga tertinggi dan harga terendah.

94