MODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK
TRIANA ENDANG
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Model Peramalan Harga Saham Dengan Jaringan Syaraf Tiruan Propagasi Balik adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Bogor, Mei 2008 Triana Endang NRP G651060174
ABSTRACT TRIANA ENDANG. Stock Price Forecasting Model Using Backpropagation Artificial Neural Network. Under direction of AGUS BUONO and AZIZ KUSTIYO. It is a challenging task to predict the movement direction of financial markets such as stock market, in order to provide valuable information for investors’ decision making. Thus, various kinds of forecasting methods have been developed by many researchers and business professionals. Of the various forecasting models, the artificial neural networks, especially backpropagation neural network has proven to give good accuracy in forecasting time series data including stock price. This study used backpropagation neural network to model stock price forecasting of PT Bumi Resources closing price. Many forecasting models which combined 4 types of input (closing price, increasing/decreasing percentage, first differencing, and index number), 2 types of data length choosing methods and 6 different hidden neurons, were formed. Among these models, the best one is the one which uses increasing/decreasing percentage as the input types and the percentage of 1 to 44 previous days as data length. It could give the accuracy of Mean Absolute Error (MAE) Rp 214.92, Root Mean Square Error (RMSE) Rp 278.03 and Mean Absolute Percentage Error (MAPE) 3.518%, which are good for forecasting purposes. Key Words : stock price, time series, forecasting model, backpropagation neural network
RINGKASAN TRIANA ENDANG. Model Peramalan Harga Saham Dengan Jaringan Syaraf Tiruan Propagasi Balik. Dibimbing oleh AGUS BUONO dan AZIZ KUSTIYO. Ekspektasi atau motivasi setiap investor yang bertransaksi di pasar modal, khususnya saham, adalah mendapatkan keuntungan. Namun saham memiliki karakteristik high risk-high return, artinya saham memungkinkan investor mendapatkan keuntungan (capital gain) dalam jumlah besar dalam waktu singkat, tetapi saham juga dapat membuat investor mengalami kerugian besar dalam waktu singkat. Untuk itu investor membutuhkan alat prediksi yang dapat membantunya dalam mengambil keputusan investasi pembelian saham. Data harga saham merupakan data deret waktu. Kenyataan mengenai harga saham dan hasil yang cukup baik dari penelitian – penelitian mengenai peramalan data deret waktu dengan jaringan syaraf tiruan propagasi balik, mendorong peneliti untuk melakukan peramalan harga saham dengan bantuan jaringan syaraf tiruan propagasi balik (JSTPB). Dalam membangun model JSTPB untuk peramalan harga saham, harus ditentukan jenis data masukan dan rentang periode data yang optimum untuk peramalan serta arsitektur JSTPB yang paling cocok untuk peramalan harga saham terkait dengan jenis data masukan. Jenis data yang dikaji pada penelitian ini meliputi harga penutupan saham, persentase kenaikan/penurunan harga saham, harga saham yang telah dilakukan first differencing, dan harga saham yang telah diubah menjadi angka indeks. Sebelum dibuat model peramalan, terlebih dahulu dilakukan eksplorasi terhadap otokorelasi harga saham untuk menentukan periode yang akan digunakan sebagai masukan bagi JSTPB. Data harga saham yang digunakan pada penelitian ini adalah harga saham penutupan PT Bumi Resources (BUMI) periode 2005 hingga 17 April 2008, yaitu sebanyak 786 data. 716 data dijadikan sebagai data pelatihan, sedangkan 70 data dijadikan data pengujian. Model peramalan yang dibuat dengan menggunakan 4 jenis data masukan tersebut dapat melakukan peramalan dengan akurasi yang baik. Namun model peramalan yang menggunakan data persentase kenaikan/penurunan dan first differencing lebih baik daripada yang menggunakan data harga penutupan dan angka indeks sebagai masukan. Model peramalan terbaik yang dihasilkan penelitian ini adalah model dengan menggunakan data masukan persentase kenaikan/penurunan harga penutupan dengan panjang masukan 1 sampai 44 hari sebelumnya dan 5 neuron tersembunyi. , dengan akurasi peramalan Mean Absolute Error (MAE) Rp 214.92, Root Mean Square Error (RMSE) Rp 278.03 dan Mean Absolute Percentage Error (MAPE) 3.518%. Dari model terbaik tersebut dibuat program aplikasi untuk memudahkan investor dalam melakukan peramalan harga penutupan saham. Model peramalan yang dibuat pada penelitian ini hanya untuk satu periode ke depan, maka untuk penelitian selanjutnya bisa dikembangkan model peramalan yang dapat melakukan peramalan beberapa periode ke depan sehingga dapat digunakan oleh investor untuk pengambilan keputusan investasi saham jangka panjang. Hasil peramalan pada penelitian ini belum dibandingkan dengan metode peramalan lainnya, maka untuk lebih meyakinkan investor akan kelebihan model peramalan yang dibuat pada penelitian ini, ada baiknya dilakukan perbandingan dengan metode peramalan lainnya.
Kata kunci : harga saham, data deret waktu, model peramalan, jaringan syaraf tiruan propagasi balik
@ Hak Cipta milik IPB, tahun 2008 Hak cipta dilindungi Undang-undang 1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah b. Pengutipan tidak merugikan kepentingan yang wajar IPB 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB
MODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK
TRIANA ENDANG
Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Departemen Ilmu Komputer
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008
Judul Tesis Nama NRP
: Model Peramalan Harga Saham Dengan Jaringan Syaraf Tiruan Propagasi Balik : Triana Endang : G651060174
Disetujui Komisi Pembimbing
Aziz Kustiyo, S.Si., M.Kom. Anggota
Ir. Agus Buono, M.Si., M.Kom. Ketua
Diketahui
Ketua Program Studi Ilmu Komputer
Dr. Sugi Guritman
Tanggal Ujian : 27 Mei 2008
Dekan Sekolah Pascasarjana
Prof. Dr. Ir. Khairil A. Notodiputro, M.S.
Tanggal Lulus :
Penguji Luar Komisi pada Ujian Tesis : Irman Hermadi, S.Kom., M.S.
PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala petunjuk dan lindungan-Nya sehingga tesis dengan judul Model Peramalan Harga Saham Dengan Jaringan Syaraf Tiruan Propagasi Balik ini dapat diselesaikan dengan baik. Terima kasih penulis ucapkan kepada Bapak Ir. Agus Buono, M.Si.,M.Kom. dan Bapak Aziz Kustiyo, S.Si., M.Kom. selaku komisi pembimbing, serta pihak – pihak yang telah mendukung terselesaikannya tesis ini. Ucapan terima kasih yang tak terhingga penulis berikan kepada suami dan putra tercinta, serta ayah dan ibu, atas segala pengorbanan, doa dan kasih sayangnya sehingga penulis dapat menyelesaikan studi. Maka untuk merekalah tesis ini penulis persembahkan. Semoga karya ilmiah ini dapat bermanfaat bagi kemajuan ilmu pengetahuan dan teknologi di masa mendatang.
Bogor, Mei 2008
Triana Endang
RIWAYAT HIDUP Penulis dilahirkan di Bandung pada tahun 1975 dari ayah Drs. Vinsensius Surjana, dan ibu Agustina Remita Kakisina. Penulis merupakan putri ketiga dari lima bersaudara. Tahun 1993 penulis lulus dari SMA Negeri 1 Bogor dan pada tahun 2003 melanjutkan pendidikannya di jurusan Akuntansi Sekolah Tinggi Ilmu Ekonomi Kesatuan Bogor. Gelar sarjana akuntansi diperoleh penulis pada tahun 2005. Penulis telah menikah dan dikaruniai seorang putra. Penulis berkarir di bidang akuntansi dan keuangan di beberapa perusahaan swasta.
DAFTAR ISI Halaman DAFTAR TABEL ................................................................................................... xii DAFTAR GAMBAR ............................................................................................ xiiii DAFTAR LAMPIRAN ............................................................................................ xv BAB I PENDAHULUAN ........................................................................................ 1 1.1 Latar Belakang ..................................................................................... 1 1.2 Tujuan .................................................................................................. 2 1.3 Masalah ............................................................................................... 2 1.4 Ruang Lingkup ..................................................................................... 2 1.5 Manfaat ................................................................................................ 3
BAB II TINJAUAN PUSTAKA ............................................................................... 4 2.1 Saham ................................................................................................. 4 2.2 Data deret waktu ................................................................................ 10 2.2.1 Analisa data deret waktu .......................................................... 10 2.2.2 Pengukuran akurasi peramalan ................................................ 13 2.2.3 Data deret waktu harga saham ................................................. 14 2.3 Jaringan syaraf tiruan ........................................................................ 14 2.3.1 Fungsi aktivasi .......................................................................... 16 2.3.2 Fungsi pelatihan ....................................................................... 17 2.3.3 Metode propagasi balik ............................................................. 20 2.4 Peramalan data deret waktu dengan jaringan syaraf tiruan .............. 25
BAB III METODOLOGI PENELITIAN .................................................................. 28 3.1 Kerangka pemikiran ........................................................................... 28 3.2 Prosedur penelitian ............................................................................ 29 3.3 Pengumpulan data............................................................................. 30 3.4 Perangkat lunak yang digunakan ...................................................... 30
BAB IV HASIL DAN PEMBAHASAN .................................................................. 31 4.1 Pemilihan emiten ............................................................................... 31 4.2 Penentuan model masukan dan hasil pengujian ............................... 33 4.2.1 Harga Penutupan...................................................................... 33
x
4.2.2 Persentase kenaikan/penurunan harga penutupan .................. 37 4.2.3 First differencing ....................................................................... 41 4.2.4 Angka indeks ............................................................................ 45 4.3 Model terbaik ..................................................................................... 48 4.4 Program aplikasi ................................................................................ 50
BAB V KESIMPULAN DAN SARAN ................................................................... 52 5.1 Kesimpulan ........................................................................................ 52 5.2 Saran ................................................................................................. 53
DAFTAR PUSTAKA ............................................................................................ 54
xi
DAFTAR TABEL Halaman 1 Kombinasi berbagai model peramalan yang dibuat ....................................... 30 2 Masukan dan dimensi matriks pelatihan dan pengujian harga penutupan..... 34 3 Nilai galat minimum model harga penutupan ................................................. 35 4 Masukan dan dimensi matriks pelatihan dan pengujian persentase kenaikan/penurunan ....................................................................................... 37 5 Nilai galat minimum model persentase kenaikan/penurunan ......................... 38 6 Masukan dan dimensi matriks pelatihan dan pengujian first differencing ...... 41 7 Nilai galat minimum model first differencing ................................................... 43 8 Masukan dan dimensi matriks pelatihan dan pengujian angka indeks........... 46 9 Nilai galat minimum model angka indeks ....................................................... 47 10 Jumlah model peramalan yang dibuat dan MAPE minimum setiap jenis model ........................................................................................................... 49 11 Perbandingan akurasi peramalan model terbaik berbagai jenis masukan ..... 50
xii
DAFTAR GAMBAR Halaman 1 Koefisien otokorelasi untuk suatu deret waktu nonstasioner......................... 12 2 Koefisien otokorelasi first differences deret waktu nonstasioner .................... 13 3 Neuron dengan satu masukan ....................................................................... 15 4 Fungsi aktivasi hard limit ................................................................................ 16 5 Fungsi aktivasi linear ...................................................................................... 16 6 Fungsi aktivasi log-sigmoid ............................................................................ 17 7 Fungsi aktivasi hyperbolic tangent sigmoid .................................................... 17 8 Arsitektur propagasi balik ............................................................................... 21 9 Kerangka Pemikiran ....................................................................................... 28 10 Fluktuasi harga saham PT Bumi Resources .................................................. 31 11 Fungsi otokorelasi harga penutupan .............................................................. 33 12 Arsitektur jaringan paling sederhana .............................................................. 34 13 Arsitektur jaringan paling rumit untuk data harga penutupan ......................... 35 14 Mean absolute error berbagai hidden neuron model harga penutupan ......... 36 15 Hasil prediksi data pengujian harga penutupan ............................................. 36 16 Fungsi otokorelasi persentase kenaikan/penurunan ...................................... 38 17 Arsitektur jaringan paling rumit untuk data persentase kenaikan/penurunan . 39 18 Arsitektur jaringan persentase kenaikan/penurunan dengan masukan hanya pada lag signifikan .......................................................................................... 39 19 Mean absolute error berbagai hidden neuron model persentase kenaikan/ penurunan ...................................................................................................... 40 20 Hasil prediksi data pengujian persentase kenaikan/penurunan ..................... 40 21 Fungsi otokorelasi first differencing ................................................................ 42 22 Arsitektur jaringan paling rumit untuk data first differencing ........................... 42 23 Arsitektur jaringan first differencing dengan masukan hanya pada lag signifikan ........................................................................................................ 43 24 Mean absolute error berbagai hidden neuron model first differencing ........... 44 25 Hasil prediksi data pengujian first differencing ............................................... 44 26 Fungsi otokorelasi angka indeks .................................................................... 45 27 Arsitektur jaringan paling rumit untuk data angka indeks ............................... 46 28 Arsitektur jaringan angka indeks dengan masukan hanya pada lag signifikan ......................................................................................................... 47
xiii
29 Mean absolute error berbagai hidden neuron model angka indeks ............... 47 30 Hasil prediksi data pengujian angka indeks ................................................... 48 31 Perbandingan mean absolute error berbagai jenis masukan ......................... 49 32 Program aplikasi peramalan harga penutupan............................................... 51
xiv
DAFTAR LAMPIRAN Halaman 1
Algoritma standar jaringan syaraf tiruan propagasi dengan fungsi aktivasi sigmoid biner ................................................................................................. 57
2 Otokorelasi harga penutupan ......................................................................... 59 3 Mean absolute error hasil pengujian harga penutupan .................................. 61 4 Otokorelasi persentase kenaikan/penurunan ................................................. 63 5 Mean absolute error hasil pengujian persentase kenaikan/penurunan .......... 65 6 Otokorelasi first differencing ........................................................................... 67 7 Mean absolute error hasil pengujian first differencing .................................... 69 8 Otokorelasi angka indeks ............................................................................... 71 9 Mean absolute error hasil pengujian angka indeks ........................................ 73
xv
