Implementasi Reccurent Neural Network Untuk Memprediksi Harga Saham

Jurnal Teknologi dan Sistem Komputer

View Publication Info
 
 
Field Value
 
Title Implementasi Reccurent Neural Network Untuk Memprediksi Harga Saham
 
Creator Harlianto, Didi
Rachardi, Andris
Rusdah, Deandra Aulia
Safitri, Egi
Sudarsono, Ely
Bustamam, Alhadi
 
Subject long short term memory; recurrent neural network; stock prices; time series; harga saham; runtun waktu
 
Description Saham adalah instrumen investasi dengan harga yang sangat fluktuatif. Harga saham dalam kurun waktu tertentu membentuk suatu data runtun waktu. Saat ini, salah satu metode yang cukup populer untuk menangani data runtun adalah Recurrent Neural Network (RNN). Tulisan ini membahas penerapan RNN di masa yang akan datang dalam memprediksi harga saham berdasarkan data harga saham beberapa tahun ke belakang. Tetapi RNN standar memiliki kelemahan yaitu terjadinya kondisi vanishing gradient. Oleh karena itu, arsitektur Long Short Term Memory (LSTM) digunakan pada RNN untuk mengatasi masalah tersebut. Sebagai pembanding, ditampilkan pula hasil prediksi dengan menggunakan model RNN standar. Hasilnya, RNN dengan arsitektur LSTM dapat dengan baik memprediksi harga saham dibandingkan RNN standar yang direfleksikan oleh nilai Mean Absolute Error (MAE) antar kedua model.
 
Publisher Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro
 
Date 2021-04-30
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion

 
Identifier https://jtsiskom.undip.ac.id/index.php/jtsiskom/article/view/13898
10.14710/jtsiskom.2021.13898
 
Source Jurnal Teknologi dan Sistem Komputer; 2021: Publication In-Press
Jurnal Teknologi dan Sistem Komputer; 2021: Publication In-Press
2338-0403
 
Language id
 
Rights Copyright (c) 2021 Jurnal Teknologi dan Sistem Komputer
http://creativecommons.org/licenses/by-sa/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library