Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Frontiers

ANALISIS GRANGER CAUSALITY DAN APLIKASI PADA SAHAM-SAHAM ANGGOTA LQ 45 Regar, Vivian Eleonora; Sumarauw, Sylvia Jane A
FRONTIERS: JURNAL SAINS DAN TEKNOLOGI Vol 2, No 1 (2019): APRIL 2019
Publisher : Universitas Negeri Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (267.141 KB)

Abstract

Penelitian ini membahas tentang uji Granger Causality untuk melihat pengaruh satu saham terhadap saham lainnya khususnya yang tercatat pada Indeks LQ 45 di Bursa Efek Indonesia. Oleh karena untuk melihat pengaruh masa lalu pada kondisi sekarang sehingga data yang digunakan adalah data time series. Penelitian ini menggunakan data saham harian periode satu tahun. Metode yang digunakan adalah kuantitatif dengan model Vector Autoregressive (VAR). Hasil penelitian menunjukkan bahwa pada anggota sektor perbankan, properti dan group astra, anggota kelompok saling granger cause satu dengan yang lain. Saham sektor perbankan  granger cause saham properti dan sebaliknya terkecuali ELTY tidak granger cause BDMN. Saham perbankan granger cause saham group Astra dan sebaliknya. Saham property granger cause saham group astra tapi tidak semua sebaliknya yaitu ASII dan UNTR tidak  granger cause ELTY. Hal ini membawa efek kepada investor untuk lebih selektif dalam membangun portofolio saham sehingga bisa lebih meminimalkan resiko.
ALGORITMA PELATIHAN LEVENBERG-MARQUARDT BACKPROPAGATION ARTIFICIAL NEURAL NETWORK UNTUK DATA TIME SERIES Sumarauw, Sylvia Jane Annatje
FRONTIERS: JURNAL SAINS DAN TEKNOLOGI Vol 1, No 2 (2018): Agustus 2018
Publisher : Universitas Negeri Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1405.669 KB)

Abstract

Algoritma Levenberg-Marquardt merupakan salah satu algoritma backpropagation Artificial Neural Network yang dikembangkan sendiri oleh Kenneth Levenberg dan Donald Marquardt, memberikan solusi numerik untuk masalah meminimalkan fungsi non-linear. Algoritma inimemadukan metode steepest descent dan algoritma Gauss-Newton. yaitu kecepatan algoritma Gauss-Newton dan stabilitas metode steepest descent. Ide dasar dari algoritma LevenbergMarquardt adalah melakukan proses pelatihan gabungan. Pada sekitar area dengan kelengkungan yang kompleks, algoritma Levenberg-Marquardt beralih ke algoritma steepest descent, sampai kelengkungannya tepat untuk membuat pendekatan kuadrat dan pendekatannyamenggunakan algoritma Gauss-Newton, yang dapat mempercepat konvergensi secara signifikan. Dalam menerapkan algoritma Levenberg-Marquardt untuk pelatihan neural network, harus menyelesaikan dua masalah yaitu menghitung matriks Jacobian, dan bagaimana mengatur proses pelatihan iteratif untuk memperbarui bobot. Algoritma Levenberg-Marquardt memecahkan permasalahan yang ada di kedua metode gradient descent dan metode GaussNewton untuk pelatihan neural-netwok, dengan kombinasi dari dua algoritma maka algoritma ini dianggap sebagai salah satu algoritma pelatihan yang paling efisien.Kata Kunci: Levenberg-Marquardt Backpropagation, Artificial Neural Network