PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA DATA RETURN INDEKS HARGA SAHAM EURO 50 - Diponegoro University | Institutional Repository (UNDIP-IR) Rezzy Eko Caraka
PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN)
PADA DATA RETURN INDEKS HARGA SAHAM EURO 50
SKRIPSI
Disusun Oleh :
REZZY EKO CARAKA
240 102 111 400 85
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN)
PADA DATA RETURN INDEKS HARGA SAHAM EURO 50
Di
n
oleh :
REZZY EKO CARAKA
240 102 111 400 85
Skripsi
Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Statistika
pada Jurusan Statistika Fakultas Sains dan Matematika Undip
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
i
l
d
u
: Pemodelan General Regression Neural Network (GRNN) pada Data
Return Indeks Harga Saham Euro 50
Nama : Rezzy Eko Caraka
NIM
: 24010211140085
Telah diujikan pada sidang Tugas Akhir tanggal 03 Maret 2015 dan dinyatakan
lulus pada tanggal 06 Maret 2015.
Semarang, Maret 2015
Mengetahui,
Ketua Jurusan Statistika
Panitia Penguji Ujian Tugas Akhir
Dra. Dwi Ispriyanti, M.Si
Triastuti Wuryandari, S.Si, M.Si
Ketua,
FSM UNDIP
NIP. 195709141986032001
NIP. 197109061998032001
i
l
d
u
:
"&&) +
D (
. ! #, 5 !(
2015
! "#!$$% &'! &()!*
"('! , *$ - !# . /
&
:
&,5
: 24010211140085
(
E'! 01
"223 E* 4 ! *
6 / %'7%* + $% # 6'# $
A*/%! ( ## 03 5 !( 2015.
im
g,
n
b
Pembimbing II
- $8% Yasin, S.Si, M.Si
NIP. 198212172006041003
Alan Prahutama, S.Si, M.Si
NIP. 1988042120140401002
i
;?@A?B@A
B CDEFGH IJDKLEHKDM NOEEIKDPQ
BCOEEIKDPQ RSTUVUVR7
B WHKOJQ XSYZ[\[R]Y ^VYR7YZ[
B _]R]`T]R] XSYa]b]R]Y
cSYa]b]R]Y X]d] e]^R[ ^S` K
B cSYa]b]R]Y X]d] e]^R[ ^S Kf1
B cSYa]b]R]Y X]d] e]^R[ R`^
B g]R] RT]Y\hVTb]\7
B i7\]]Y j_klj e]^R[ ^S`R
B m[Ya\7 ][RV^VTSn]\7
B oS^RVT R]TaSR
B pVUVR 7YX[R ^S`7 X]d] YVdS ^S`q
B oS^RVT V[RX[R q]T7Ya]Y
B c]T]bSRST mPrDQs IvHJIsH
B c]T]bSRST IOKPJHsJHNNDvH
B tXST]RVT b[Yd[T uvIMwNLDxK PFHJIKPJy
=
( )
,
,
,
,
p
gz{
hu6}Z}~y
[ | ]
B |]T]^ bSRT7^
B m[Ya\7 dSY\7R]\ XTVU]U7n7R]\ ^VYR7Y[
B |[bn] XVn] Z]Ya d77R[Ya
B c]T]bSRST NEPPKLDQs
B ]Ta] ]T]X]Y d]T7 V[RX[R Z USTd]\]T^]Y Y7n]7 6
B gST]q]R DxxHJHQMDQs
677
( )
v
m¡ ¢ ¡
£ ¤
¥
¦ ¤
§ ¨©
®¯°®± ²®³´µ±®¶
·¸¹¸º¸»
¼½¾¿ÀÁ½Â Ã. ĸŸ ·¸ÆǸ ȸɸº ʸ» ËÌÍÎÏÐ Ñ»ÊÒÓÔ ÕÖÆ× ØÙ ÚÒÆ«×ÊÒ
Û Ü¸»Ö¸Æ« ÛÙÝÞ Ô¸ºß¸« ÊһǸ» Ûà á׬ҺâÒÆ ÛÙÝÞããããããããããããããããããããããããã
¼½¾¿ÀÁ½Â ä. ÚÒ»Ò»ÅÖ¸» Ñ»ßÖŠʸ» å¸ÆÇÒŠܸƫ»Ç¸» ããããããããããããããããããããããããããããããããããããããããããã
¼½¾¿ÀÁ½Â ç. èéêÍéÐë ÚÆ×ÇƸº ÚÒº×ÊÒ¹¸» ìíáá ããããããããããããããããããããããããããããããããããããããããããããã
¼½¾¿ÀÁ½Â î. èéêÍéÐë ÚÆ×ÇƸº ÚÒƸº¸¹¸» ìíáá ãããããããããããããããããããããããããããããããããããããããããããããã
¼½¾¿ÀÁ½Â ï. ðÎÍñÎÍ ÚÆ×ÇƸº òÏóéÐéÐë ʸ» òÌêÍéÐë ìíáá ãããããããããããããããããããããããããããã
ª«¬
Þà
Þæ
ØÙ
ØÛ
Øô
ö÷ö ø
ùúûü÷ýþÿþ÷û
ÿ ö
t y
t
t
t
t t
u
y u
t
t
t
. !
"
u
y "
u
t
u
# $%&'
t
50
t
z E . #
( E t
t
t
y
)*+%&, tu
y
u
t
-
t
y
. t
&*+%&,
y
tu
t
t t
t - -
t. /
t
0u 123#
24
u
&*+%&,
y
t t
t
t
&*+%&,
tu
- "
t
15 y20024.
õ
6
t
2
789:8 ;878< 8=8> :78;@A=8> BCDEFCG HCEI 8y>: J?;89 KLA8.
MCDEFCG HCEI
:8> >@A8@ K?>PL8A8> ;878< .
Q?98 8O8A87 ;L8tu=?:@88t > N@>:
t?98utY8>88> O8> K?>:8 =?KLNL;8>Z [O8>8y ?t >::8>: w
8=Nu
8>N898 ;8utuK?9@;@t\8 O?>:8> K?9@;t@\8 8y>: t?9P8O@ O88t >: Y8>88>Z D8A8< ;@tL8;@ t?9;?JLN K?98 N@>: O8A8< K?9?>Y8>88> 8y>: ?]?=N@] ;?98t ?]@;@?>Z
Q? ?A@t@8> 8y@tu8;K?= w
?< 8y>: O@8 t@>:=8t
=?8=L98t8> K?98Z Q?>::L>88> L7@ 8;L8=8>Z `?>O8A8 8y>: O@78O8K@ O8A8< :8> =?8Y8=8>>8y. a8A
@>@ O@;?J8J=8> K8O8 =8;L; O88t ]@>8>;@8A O8> =?L8>:8> ;@^>8A 8y>: O@K8=8@ O8A8< ::L>8=8> fTCG
RjjX O8K8t O@K8=8@
;?J8:8@ 8At?9>8t@ ] O8A8< @; jj
J?9O8;89=8> 89;@t?=NL9>8y 8y@tu
EsIHGT GCkTr ITur
CG
urr I
ITgtwhi V Tr BTIF
.
Tur
CG ITgtwhi
ITgtwhi V lmGEt GCkTr ITur
CG
3
nop qrqrsptp uvorw xx oypz{pspzpy popwp|
}~~ ~~ ~
~ Gxx ~ ~ ~ L~ ~t Qzation
opz Feed Forward Neural Networks FFxx. pop uuzpy General Regression
Neural Network Gxx urstppz pwp| ptuuvorw psyzpz spoypw qpy pyz
rsyz oyzppz z{ trzorptpz ptu zy. rz et.al 2000 urzrspzpz
qp|p opps opsy vtrspy Gxx r psp rrzypw oyoppspz tpop trvsy srsry zvz
wyzyrps rszrw oyupzp rytupy opsy zywp y |psptpz v{t{ oytrz{ pz vwr| |yutzpz
yzt{¡yzt{zpy. ¢ wr| psrzp ytutrzrwyyt trstpsy z{ uruvorwpz
opz urspupwpz
yzor |psp p|pu Esv 50 orzpz General Regression Neural Network Gxx.
£¤¥¤
¦§¨©ª©«¬ ®¬«¬¯¬°
Brsoppspz spypz wptps qrwppz rt srq{ uppwp| pyz ppz oyqp|p opwpu
trzwypz yzy popwp| qppyupzp urzzppz General Regression Neural Network
Gxx z{ urutsroyy return yzor |psp p|pu Esv 50 CFD Contract For
Difference ruoypz urzrz{pz capital gain pyz ppz oy|popty vwr| yz±rvt s
tpop pt pz p{utrsrt z{u
£¤²¤
.
¦§ª³¬´¬«¬ ®¬«¬¯¬°
Bptppz uppwp| opwpu trzwypz yzy popwp| rqppy qrsy{µ
1. ¶rqppy ±psypqrw yzt{ popwp| optp return p|pu (
,
,·,
)
oyupzp vsors opsy t oytrz{pz rqrwuzpy. Dpwpu |pw yz y ¸rtvor
n¹¸n Bvº¡»rzyz oyzppz z{ urzortryzpy.
4
2. D¼¼t ¼y½¾ ¼¿¼½ ÀÁ¾Â½¼¿¼½ À¼Ã¼Ä
ÅƽÂÃÁǼ½ Á½Á ¼À¼Ã¼È À¼t¼ ȼɾ¼ ǼȼÄ
ȼÉÁ¼½ Á½ÀÆ¿Ç EÂÉÊ 50 CFD ËÌÍÎÏÐÑÒÏ ÓÍÐ ÔÕÖÖ×Ð×ÎÒ×Ø ÅÆÉÁÊÀÆ 02 Ù¼½Â¼ÉÁ
2013 ǼÄżÁ Àƽ¾¼½ 2Ú ÛÊÜÆÄÝÆÉ 2014.
Þßàß
áâãâäå æçåçèéêéäå
ëÂì¼½ ÅƽÆÃÁtÁ¼½ Á½Á ¼À¼Ã¼Èí
1. îÆÄݼt ÄÊÀÆà À¼½ ÄÆɼļÿ¼½ À¼t¼ É ×ÏïÐÎ Á½ÀÆ¿Ç È¼É¾¼ Ç¼È¼Ä È¼ÉÁ¼½
EÂÉÊ ðñ òFD ËÌÍÎÏÐÑÒÏ ÓÍÐ ÔÕÖÖ×Ð×ÎÒ×Ø.
2. îƽ¾ÈÁt½¾ ÒÑóÕÏÑô õÑÕÎ À¼ÉÁ Á½ÀÆ¿Ç È¼É¾¼ Ç¼È¼Ä È¼ÉÁ¼½ EÂÉÊ 50 CFD
ËÌÍÎÏÐÑÒÏ ÓÍÐ ÔÕÖÖ×Ð×ÎÒ×Ø
PADA DATA RETURN INDEKS HARGA SAHAM EURO 50
SKRIPSI
Disusun Oleh :
REZZY EKO CARAKA
240 102 111 400 85
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN)
PADA DATA RETURN INDEKS HARGA SAHAM EURO 50
Di
n
oleh :
REZZY EKO CARAKA
240 102 111 400 85
Skripsi
Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Statistika
pada Jurusan Statistika Fakultas Sains dan Matematika Undip
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
i
l
d
u
: Pemodelan General Regression Neural Network (GRNN) pada Data
Return Indeks Harga Saham Euro 50
Nama : Rezzy Eko Caraka
NIM
: 24010211140085
Telah diujikan pada sidang Tugas Akhir tanggal 03 Maret 2015 dan dinyatakan
lulus pada tanggal 06 Maret 2015.
Semarang, Maret 2015
Mengetahui,
Ketua Jurusan Statistika
Panitia Penguji Ujian Tugas Akhir
Dra. Dwi Ispriyanti, M.Si
Triastuti Wuryandari, S.Si, M.Si
Ketua,
FSM UNDIP
NIP. 195709141986032001
NIP. 197109061998032001
i
l
d
u
:
"&&) +
D (
. ! #, 5 !(
2015
! "#!$$% &'! &()!*
"('! , *$ - !# . /
&
:
&,5
: 24010211140085
(
E'! 01
"223 E* 4 ! *
6 / %'7%* + $% # 6'# $
A*/%! ( ## 03 5 !( 2015.
im
g,
n
b
Pembimbing II
- $8% Yasin, S.Si, M.Si
NIP. 198212172006041003
Alan Prahutama, S.Si, M.Si
NIP. 1988042120140401002
i
;?@A?B@A
B CDEFGH IJDKLEHKDM NOEEIKDPQ
BCOEEIKDPQ RSTUVUVR7
B WHKOJQ XSYZ[\[R]Y ^VYR7YZ[
B _]R]`T]R] XSYa]b]R]Y
cSYa]b]R]Y X]d] e]^R[ ^S` K
B cSYa]b]R]Y X]d] e]^R[ ^S Kf1
B cSYa]b]R]Y X]d] e]^R[ R`^
B g]R] RT]Y\hVTb]\7
B i7\]]Y j_klj e]^R[ ^S`R
B m[Ya\7 ][RV^VTSn]\7
B oS^RVT R]TaSR
B pVUVR 7YX[R ^S`7 X]d] YVdS ^S`q
B oS^RVT V[RX[R q]T7Ya]Y
B c]T]bSRST mPrDQs IvHJIsH
B c]T]bSRST IOKPJHsJHNNDvH
B tXST]RVT b[Yd[T uvIMwNLDxK PFHJIKPJy
=
( )
,
,
,
,
p
gz{
hu6}Z}~y
[ | ]
B |]T]^ bSRT7^
B m[Ya\7 dSY\7R]\ XTVU]U7n7R]\ ^VYR7Y[
B |[bn] XVn] Z]Ya d77R[Ya
B c]T]bSRST NEPPKLDQs
B ]Ta] ]T]X]Y d]T7 V[RX[R Z USTd]\]T^]Y Y7n]7 6
B gST]q]R DxxHJHQMDQs
677
( )
v
m¡ ¢ ¡
£ ¤
¥
¦ ¤
§ ¨©
®¯°®± ²®³´µ±®¶
·¸¹¸º¸»
¼½¾¿ÀÁ½Â Ã. ĸŸ ·¸ÆǸ ȸɸº ʸ» ËÌÍÎÏÐ Ñ»ÊÒÓÔ ÕÖÆ× ØÙ ÚÒÆ«×ÊÒ
Û Ü¸»Ö¸Æ« ÛÙÝÞ Ô¸ºß¸« ÊһǸ» Ûà á׬ҺâÒÆ ÛÙÝÞããããããããããããããããããããããããã
¼½¾¿ÀÁ½Â ä. ÚÒ»Ò»ÅÖ¸» Ñ»ßÖŠʸ» å¸ÆÇÒŠܸƫ»Ç¸» ããããããããããããããããããããããããããããããããããããããããããã
¼½¾¿ÀÁ½Â ç. èéêÍéÐë ÚÆ×ÇƸº ÚÒº×ÊÒ¹¸» ìíáá ããããããããããããããããããããããããããããããããããããããããããããã
¼½¾¿ÀÁ½Â î. èéêÍéÐë ÚÆ×ÇƸº ÚÒƸº¸¹¸» ìíáá ãããããããããããããããããããããããããããããããããããããããããããããã
¼½¾¿ÀÁ½Â ï. ðÎÍñÎÍ ÚÆ×ÇƸº òÏóéÐéÐë ʸ» òÌêÍéÐë ìíáá ãããããããããããããããããããããããããããã
ª«¬
Þà
Þæ
ØÙ
ØÛ
Øô
ö÷ö ø
ùúûü÷ýþÿþ÷û
ÿ ö
t y
t
t
t
t t
u
y u
t
t
t
. !
"
u
y "
u
t
u
# $%&'
t
50
t
z E . #
( E t
t
t
y
)*+%&, tu
y
u
t
-
t
y
. t
&*+%&,
y
tu
t
t t
t - -
t. /
t
0u 123#
24
u
&*+%&,
y
t t
t
t
&*+%&,
tu
- "
t
15 y20024.
õ
6
t
2
789:8 ;878< 8=8> :78;@A=8> BCDEFCG HCEI 8y>: J?;89 KLA8.
MCDEFCG HCEI
:8> >@A8@ K?>PL8A8> ;878< .
Q?98 8O8A87 ;L8tu=?:@88t > N@>:
t?98utY8>88> O8> K?>:8 =?KLNL;8>Z [O8>8y ?t >::8>: w
8=Nu
8>N898 ;8utuK?9@;@t\8 O?>:8> K?9@;t@\8 8y>: t?9P8O@ O88t >: Y8>88>Z D8A8< ;@tL8;@ t?9;?JLN K?98 N@>: O8A8< K?9?>Y8>88> 8y>: ?]?=N@] ;?98t ?]@;@?>Z
Q? ?A@t@8> 8y@tu8;K?= w
?< 8y>: O@8 t@>:=8t
=?8=L98t8> K?98Z Q?>::L>88> L7@ 8;L8=8>Z `?>O8A8 8y>: O@78O8K@ O8A8< :8> =?8Y8=8>>8y. a8A
@>@ O@;?J8J=8> K8O8 =8;L; O88t ]@>8>;@8A O8> =?L8>:8> ;@^>8A 8y>: O@K8=8@ O8A8< ::L>8=8> fTCG
RjjX O8K8t O@K8=8@
;?J8:8@ 8At?9>8t@ ] O8A8< @; jj
J?9O8;89=8> 89;@t?=NL9>8y 8y@tu
EsIHGT GCkTr ITur
CG
urr I
ITgtwhi V Tr BTIF
.
Tur
CG ITgtwhi
ITgtwhi V lmGEt GCkTr ITur
CG
3
nop qrqrsptp uvorw xx oypz{pspzpy popwp|
}~~ ~~ ~
~ Gxx ~ ~ ~ L~ ~t Qzation
opz Feed Forward Neural Networks FFxx. pop uuzpy General Regression
Neural Network Gxx urstppz pwp| ptuuvorw psyzpz spoypw qpy pyz
rsyz oyzppz z{ trzorptpz ptu zy. rz et.al 2000 urzrspzpz
qp|p opps opsy vtrspy Gxx r psp rrzypw oyoppspz tpop trvsy srsry zvz
wyzyrps rszrw oyupzp rytupy opsy zywp y |psptpz v{t{ oytrz{ pz vwr| |yutzpz
yzt{¡yzt{zpy. ¢ wr| psrzp ytutrzrwyyt trstpsy z{ uruvorwpz
opz urspupwpz
yzor |psp p|pu Esv 50 orzpz General Regression Neural Network Gxx.
£¤¥¤
¦§¨©ª©«¬ ®¬«¬¯¬°
Brsoppspz spypz wptps qrwppz rt srq{ uppwp| pyz ppz oyqp|p opwpu
trzwypz yzy popwp| qppyupzp urzzppz General Regression Neural Network
Gxx z{ urutsroyy return yzor |psp p|pu Esv 50 CFD Contract For
Difference ruoypz urzrz{pz capital gain pyz ppz oy|popty vwr| yz±rvt s
tpop pt pz p{utrsrt z{u
£¤²¤
.
¦§ª³¬´¬«¬ ®¬«¬¯¬°
Bptppz uppwp| opwpu trzwypz yzy popwp| rqppy qrsy{µ
1. ¶rqppy ±psypqrw yzt{ popwp| optp return p|pu (
,
,·,
)
oyupzp vsors opsy t oytrz{pz rqrwuzpy. Dpwpu |pw yz y ¸rtvor
n¹¸n Bvº¡»rzyz oyzppz z{ urzortryzpy.
4
2. D¼¼t ¼y½¾ ¼¿¼½ ÀÁ¾Â½¼¿¼½ À¼Ã¼Ä
ÅƽÂÃÁǼ½ Á½Á ¼À¼Ã¼È À¼t¼ ȼɾ¼ ǼȼÄ
ȼÉÁ¼½ Á½ÀÆ¿Ç EÂÉÊ 50 CFD ËÌÍÎÏÐÑÒÏ ÓÍÐ ÔÕÖÖ×Ð×ÎÒ×Ø ÅÆÉÁÊÀÆ 02 Ù¼½Â¼ÉÁ
2013 ǼÄżÁ Àƽ¾¼½ 2Ú ÛÊÜÆÄÝÆÉ 2014.
Þßàß
áâãâäå æçåçèéêéäå
ëÂì¼½ ÅƽÆÃÁtÁ¼½ Á½Á ¼À¼Ã¼Èí
1. îÆÄݼt ÄÊÀÆà À¼½ ÄÆɼļÿ¼½ À¼t¼ É ×ÏïÐÎ Á½ÀÆ¿Ç È¼É¾¼ Ç¼È¼Ä È¼ÉÁ¼½
EÂÉÊ ðñ òFD ËÌÍÎÏÐÑÒÏ ÓÍÐ ÔÕÖÖ×Ð×ÎÒ×Ø.
2. îƽ¾ÈÁt½¾ ÒÑóÕÏÑô õÑÕÎ À¼ÉÁ Á½ÀÆ¿Ç È¼É¾¼ Ç¼È¼Ä È¼ÉÁ¼½ EÂÉÊ 50 CFD
ËÌÍÎÏÐÑÒÏ ÓÍÐ ÔÕÖÖ×Ð×ÎÒ×Ø