IMPLEMENTASI METODE BACKPROPAGATION NEURAL NETWORK PADA PREDIKSI INDEKS HARGA SAHAM BANK RAKYAT INDONESIA

Joshua, Sabam Parraitan Tanjung (2024) IMPLEMENTASI METODE BACKPROPAGATION NEURAL NETWORK PADA PREDIKSI INDEKS HARGA SAHAM BANK RAKYAT INDONESIA. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

[img]
Preview
File PDF
ABSTRAK - Joshua Sabam Parraitan Tanjung.pdf

Download (44Kb) | Preview
[img] File PDF
SKRIPSI FULL - Joshua Sabam Parraitan Tanjung.pdf
Restricted to Hanya staf

Download (1410Kb) | Minta salinan
[img]
Preview
File PDF
SKRIPSI TANPA PEMBAHASAN - Joshua Sabam Parraitan Tanjung.pdf

Download (1123Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Nilai saham Bank Rakyat Indonesia merupakan salah satu saham dengan nilai jual yang stabil. Penelitian ini bertujuan untuk menentukan model backpropagation neural network paling sesuai dan memperoleh arsitektur jaringan terbaik dalam memprediksi harga indeks saham Bank Rakyat Indonesia. Model ini dilatih dengan menggunakan data historis dan dievaluasi dengan menggunakan berbagai metrik performa, seperti Mean Absolute Percentage Error (MAPE), Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE). Sehingga didapatkan model terbaik berupa MSE 0.000086 dan MAPE 1.42071% pada fungsi aktivasi tanh dengan 3 input , 3 hidden layers dan 1 output dengan data pelatihan 80% (755 data) dan data uji 20% (189 data). Kata Kunci : jaringan saraf tiruan, backpropagation, prediksi, saham bank rakyat Indonesia Bank Rakyat Indonesia's stock shares exhibit a stable market value. This research aims to determine the most appropriate backpropagation neural network model and obtain the best network architecture in predicting the price of the Bank Rakyat Indonesia stock index. Historical data is employed for the model's training, and its performance is appraised through the application of various metrics, including Mean Absolute Perentage Error (MAPE), Mean Square Error (MSE), and Mean Absolute Percentage Error (MAPE). The best model was identified as MSE 0.000086 and MAPE 1.42071% in the tanh activation function, with 3 inputs, 3 hidden layers, and 1 output with 80% training data (755 data) and 20% test data (189 data). Keywords : artificial neural network, backpropagation, prediction, stock price of bank rakyat indonesi

Jenis Karya Akhir: Skripsi
Subyek: 500 ilmu pengetahuan alam dan matematika
500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika
Pengguna Deposit: . . Yulianti
Date Deposited: 09 Sep 2025 01:51
Terakhir diubah: 09 Sep 2025 01:51
URI: http://digilib.unila.ac.id/id/eprint/90354

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir