BAB I PENDAHULUAN
1.1
Latar Belakang Saham adalah satuan nilai atau pembukuan dalam berbagai instrumen finansial yang mengacu pada bagian kepemilikan sebuah perusahaan. Pasar yang menyediakan tempat jual beli saham dinamakan bursa saham. Akan sangat membantu apabila kita dapat memprediksi indeks harga saham untuk masa mendatang. Saham adalah surat berharga yang menunjukkan kepemilikan seorang investor didalam suatu perusahaan, artinya apabila seorang investor membeli suatu saham berarti ia menyertakan modal pada perusahaan tersebut sebanyak jumlah saham yang dibeli[1]. Indeks harga saham merupakan indikator yang menggambarkan pergerakan harga saham dalam suatu periode. Dengan membaca indeks ini, kita dapat mengetahui tren yang sedang terjadi di pasar, apakah sedang naik, turun, atau stabil sehingga investor dapat menentukan kapan untuk menjual, menahan atau membeli saham. Tugas akhir ini dikerjakan untuk dapat mempelajari dan memprediksi indeks harga saham di Bursa Efek Indonesia menggunakan metode gabungan Self Organizing Map (SOM) dan Genetic Programming (GP) atau (SOM-GP) yang diharapkan dapat memberi wawasan baru dan dapat membantu para investor untuk dapat memilih untuk membeli saham dan dapat memberikan keuntungan baik dalam ilmu pengetahuan maupun finansial. Self Organizing Map (SOM) pertama sekali dikenalkan oleh Kohonen[3]. Self Organizing Map (SOM) adalah jenis dari algoritma Jaringan Saraf Tiruan dimana proses kerjanya meniru cara kerja otak manusia. Self Organizing Map (SOM) adalah salah satu metode yang bertujuan untuk mengelompokkan data. Clustering adalah aktifitas pengelompokkan berita tanpa supervisi ke dalam clusters. Self Organizing Map (SOM)
umumnya digambarkan dalam dua layer, yaitu layer input dan layer output dan adanya nilai bobot pada tiap masukan. Genetic Programming (GP) fokus pada salah satu tujuan utama ilmu komputer, yaitu automatic programming. Tujuan dari automatic programming adalah membuat suatu program secara otomatis yang membuat komputer sanggup menyelesaikan masalah. Pada tahun 1959, Arthur Samuel menyatakan bahwa tujuan automatic programming adalah bagaimana komputer dapat dibuat mampu mengerjakan hal-hal yang perlu dikerjakan tanpa diberitahu secara pasti bagaimana cara mengerjakannya. Genetic Programming adalah suatu algoritma berlandaskan Evolutionary Computation yang menggunakan representasi pohon (tree) atau graph. GP diperkenalkan pertama kali oleh J. Koza[2] pada era 1990-an di Amreika Serikat. Biasanya Genetic Programming (GP) digunakan untuk machine learning, yaitu untuk prediksi, klasifikasi, dan sebagainya. Ciri khusus GP adalah membutuhkan ukuran populasi yang besar hingga ribuan individu. Dalam satu populasi, kromosom-kromosom bisa memiliki panjang yang berbeda-beda karena kromosom anak yang dihasilkan bisa lebih panjang atau lebih pendek daripada orangtuanya. Untuk menghasilkan anak, Genetic Programming (GP) bisa menggunakan proses rekombinasi dan mutasi dengan probabilitas tertentu. Hasil dari Genetic Programming adalah individu terbaik yang dipresentasikan dalam sebuah fungsi dalam tree atau graph
(buku Dari Buku
Evolutionary Computing Suyanto ST MSC). Pada penelitian ini digunakan metode ChihMing Hsu untuk memprediksi indeks harga saham di Indonesia menggunakan gabungan Self Organizing Map dan Genetic Programming (SOM-GP). Chih-Ming Hsu[4] yang pertama sekali mengenalkan bagaimana memprediksi harga saham menggunakan gabungan Self Organizing Map (SOM) dan Genetic Pogramming (GP). Menurut Chih-Ming Hsu, proses Gabungan dengan Self Organizing Map dan Genetic Programming dibagi kedalam 3 tahap. Pada tahap pertama, adalah proses clustering data menggunakan Self Organizing Map. Hasil dari tahap ini adalah beberapa cluster (kelompok) data. Pada tahap yang kedua, adalah proses membangun model prediksi menggunakan algoritma Genetic Programming (GP). Pada tahap ini hasil dari cluster data pada tahap pertama dibagi lagi menjadi data training, data testing dan
data validation. Kemudian dari data training dan data testing tersebut akan dihasilkan model-model Genetic Programming (GP). Pada tahap ketiga, adalah proses memilih model yang terbaik dari tiap model-model Genetic Programming yang dihasilkan sebelumnya. Hasil akhir dari proses gabungan ini adalah model-model terbaik Genetic Programming yang mempresentasikan prediski indeks harga saham, yang kemudian akan dibandingkan dengan harga saham yang asli. 1.2
Perumusan Masalah Berdasarkan latar belakang, rumusan masalah pada Tugas Akhir ini adalah : 1. Bagimana menerapkan gabungan SOM-GP dalam memprediksi indeks harga saham? 2. Bagimana akurasi prediksi indeks harga saham dengan metode gabungan SOM-GP? 3. Bagaimana perbandingan error prediksi indeks harga saham dengan metode SOM-GP dan metode GP saja?
1.3
Tujuan Penelitian Tujuan dalam penulisan Tugas Akhir ini adalah sebagai berikut : 1. Menerapkan metode gabungan SOM-GP untuk memprediksi indeks harga saham. 2. Menghitung akurasi prediksi indeks harga saham menggunakan metode Self Organizing Map dan Genetic Programming. 3. Membandingkan hasil error prediksi indeks harga saham menggunakan metode Self Organizing Map – Genetic Programming (SOM-GP) dengan hanya menggunakan Genetic Programming (GP).
1.4
Batasan masalah Adapun batasan masalah pada permasalah ini adalah : 1. Data yang digunakan adalah indeks harga saham di Bursa Efek Indonesia (BEI) yaitu Indeks Harga Saham Gabungan (IHSG) dalam jangka waktu 5 tahun. 2. Metode yang digunakan adalah gabungan Self Organizing Map (SOM) dan Genetic Programming (GP) atau (SOM-GP). 3. Faktor eksternal dianggap tidak berpengaruh dalam penelitian ini.
1.5
Metodologi Pemecahan Masalah 1. Studi Literatur Mencari informasi dari berbagai referensi seperti jurnal nasional maupun jurnal internasional, makalah penelitian, buku literatur, sitius-situs internet, atau sumber pendukung lainnya yang berkaitan mengenai teori dasar, permasalahan, dan penyelesaian dalam menganalisis metode SOM, GP, dan gabungan SOM-GP. 2. Pengumpulan Data Pada tahap ini, akan dikumpulkan data indeks harga saham yang akan digunakan sebagai acuan untuk memprediksi indeks harga saham dalam kurun waktu 5 tahun sebelumnya. 3.Analisis dan Implementasi Penyelesaian Permasalahan Pada tahap ini, dilakukan analisis dan pembangunan gabungan SOM-GP untuk diterapkan pada kasus prediksi indeks harga saham. 4. Penyelesaian Masalah Pada tahap ini akan dilakukan simulasi data ke dalam model dan pengujian terhadap hasil perhitungan
dari metode SOM-GP untuk mendapatkan sebuah hasil
prediksi indeks harga saham. 5. Penyusunan Laporan Tugas Akhir Menyimpulkan hasil dari pengujian dan analisis yang telah dilakukan dan mendokumentasikannya ke dalam laporan berupa laporan Tugas Akhir. 1.6
Sistematika Penulisan Tugas Akhir ini dibagi dalam beberapa topik bahasan yang disusun secara sistematis sebagai berikut: BAB I
PENDAHULUAN Pada bab ini dijelaskan tentang latar belakang, perumusan masalah, tujuan
penulisan, batasan masalah, hipotesis, metode penyelesaian dan sistematika penulisan. BAB II
DASAR TEORI
Pada bab ini menjelaskan tentang teori-teori pendukung khususnya mengenai teori yang berkaitan dengan saham, penjelasan mengenai SOM, GP, gabungan SOM-GP dan teori-teori lain yang mendukung penjelasan pada BAB III. BAB III
PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini dijelaskan tentang proses perancangan sistem serta
menjelaskan mengenai langkah-langkah untuk memprediksi indeks harga saham dengan SOM-GP. BAB IV
PENGUJIAN SISTEM DAN ANALISIS HASIL Pada bab ini dijelaskan tentang analisis mengenai hasil dari perancangan
system serta implementasi SOM-GP untuk memprediksi indeks harga saham. BAB V
PENUTUP Pada bab ini dijelaskan kesimpulan dari hasil prediksi yang telah
dihasilkan dan pemberian saran dan juga koreksi terhadap pengembangan sistem yang telah dilakukan.