Analisa Prediksi Harga Saham Menggunakan Neural Network Dan Net Foreign Flow
Abstract views: 654
,
PDF downloads: 629
Abstract
Saham merupakan bukti kepemilikan sebuah perusahaan, dengan memiliki saham berarti menjadi bukti bahwa kita menjadi pemilik perusahaan yang sahamnya kita miliki. Saham juga merupakan salah satu bentuk invetasi yang banyak diminati oleh masyarakat. Keuntungan memiliki saham adalah saham tersebut dapat diperdagangkan (jual dan beli) sehingga kita mendapatkan keuntungan (capital gain) dan deviden (jika saat pembagian deviden kita masih memiliki saham tersebut). Ketepatan waktu membeli, harga beli, waktu penjualan saham dan harga jual adalah faktor terpenting untuk memutuskan pembelian dan penjualan saham sehingga akan didapatkan hasil keuntungan (capital gain) di dalam berinvestasi di bursa saham. Dengan menggunakan algortima Neural Network untuk memprediksi harga saham dan varibel net foreign flow untuk mendapatkan hasil prediksi harga saham yang tepat dan dapat digunakan untuk berinvetasi. Data yang digunakan adalah data harian saham bank BCA (BBCA) periode 28 Maret 2022 sampai dengan 27 Maret 2023. Data diproses dengan menggunakan perangkat lunak RapidMiner dan didapatkan hasil prediksi harga saham dengan varibel net foreign flow memiliki hasil evalusi RMSE paling kecil yaitu 41.119 bila dibandingkan dengan hasil evalusi dengan menggunakan data varibel-variabel lainnya (data harga saham penutupan, volume). Dengan hasil RMSE yang kecil maka prediksi harga saham menggunakan net foreign flow berarti net foreign flow mempunyai pengaruh yang baik untuk memprediksi harga saham dan dapat digunakan sebagai alat (tools) untuk memprediksi harga saham.
Kata Kunci — prediksi harga saham, neural network, net foreign flow dan RMSE
References
“Saham,” Bursa Efek Indonesia, 2022. [online]. Available: https://www.idx.co.id/id/produk/saham [Accessed: 28 Apr. 2023]
R. Maulana, D.Kumalasari, "Analisis Dan Perbanding analgoritma data Mining dalam Prediksi Harga Saham GGRM," Jurnal Informatika Kaputama (JIK), vol. 3, no. 1, pp 22-28, 2019.
R. D. Siregar, Y.A. Zuhdhi, "Prediksi Gerak Nilai Saham BMRI.JK Dengan Metode Artificial Neural Network." Prosiding Annual Research Seminar, vol. 4, no. 1, 2018.
I. Fadilah, "BEI Tutup Kode Domisili Investor Mulai 27 Juni 2022," Detik Finance, 2022. [online]. Available: https://finance.detik.com/bursa-dan-valas/d-6143965/bei-tutup-kode-domisili-investor-mulai-27-juni-2022. [Accessed: 28 Apr. 2023]
J. J. Pangaribuan, M. Lestari, “Perbandingan Metode Moving Average (MA) Dan Neural Network Yang Berbasis Algoritma Backpropagation Dalam Prediksi Harga Saham,” Journal Information System Development (ISD), vol. 5, no. 1, pp 26-34, 2020.
Y. P. Sugandhi, B. Warsito, A. R. Hakim, “Prediksi Harga Saham Harian Menggunakan Cascade Forward Neural Network(CFNN) dengan Particle Swarm Optimization(PSO),” Statistika, vol. 19, no. 2, pp 71-82, 2019.
S. Kusumadewi, Artificial Intellegent (Teknik dan Aplikasinya), Yogyakarta : Penerbit Graha Ilmu, 2003.
S. Awal, “Mengenal Indikator Foreign Flow: Pengertian, Fungsi, Dan Cara Menggunakan,” Stockbit.com, 2022. [online]. Available: https://snips.stockbit.com/investasi/foreign-flow . [Accessed: 28 Apr. 2023]
Zulfan, R. U. Al Hashfi, W. W. Ary, “Interaksi dan Hubungan Kausalitas antara Net Foreign Flow dan Return Saham Syariah (Studi Empiris Saham Syariah Jakarta Islamic Index Periode 2012-2018),” Jurnal Manajemen dan Keuangan, vol. 10, no. 2, pp 253-279, 2021.
D.T Saputro, W. P. Sucihermayanti, “Penerapan Klasterisasi Menggunakan K-Means untuk Menentukan Tingkat Kesehatan Bayi dan Balita di Kabupaten Bengkulu Utara,” Jurnal Buana Informatika, vol. 12, no. 2, pp 146-155, 2021.
“Ringkasan Saham.” Idx.co.id, 2022. [online]. Available: https://www.idx.co.id/id/data-pasar/ringkasan-perdagangan/ringkasan-saham . [Accessed: 29 Apr. 2023].
Suyanto, Data Mining Untuk Klasifikasi dan Klasterisasi Data, Bandung: Penerbit Informatika, 2019.
Copyright (c) 2023 Daniel Saputro, Daniel Swanjaya
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
1. Copyright on any article is retained by the author(s).
2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
