Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Progresif: Jurnal Ilmiah Komputer Prosiding University Research Colloquium
Saifuddin Saifuddin
Universitas Teknologi Yogyakarta
Humanities Computer Science & IT Control & Systems Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Prosiding University Research Colloquium

 1 
Prediksi Data Historis Saham PT.Bank Rakyat Indonesia Tbk (BBRI) Menggunakan Model Algoritma Artificial Neural Network Saifuddin Saifuddin; Arief Hermawan
Prosiding University Research Colloquium Proceeding of The 10th University Research Colloquium 2019: Bidang Sosial Ekonomi dan Psikologi
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (533.883 KB)

Abstract

Dalam beberapa tahun ini perkembangan ekonomi Indonesiamengalami fluktuasi dikarenakan ada beberapa kondisi tertentusehingga mengakibatkan mengakibatkan pergerakan kenaikan danpenurunan indeks saham yang tercatat di BEI terutama pada sahamPT.Bank Rakyat Indonesia Tbk (BBRI )yang mengalamiketidakstabilan. Salah satu hal yang dilakukan untuk membantu parainvestor agar mereka tidak salah dalam pengambilan keputusan,dalam penelitian ini adalah melakukan peramalan pergerakan hargasaham pada PT.Bank Rakyat Indonesia Tbk (BBRI) karena saham inidianggap sebagai saham yang paling aktif diperdagangkan padaBursa Efek Indonesia. Pada penelitian ini dalam peramalan sahammenerapkan algoritma Artificial Neural Network untuk memprediksiharga saham BBRI. Dengan menggunakan empat atribut yaitu nilaiopen, high, low sebagai predictor dan close sebagai class, penelitianini berfokus pada penentuan Root Mean Squared Error (RMSE)dengan mengoptimalkan nilai-nilai parameter. Denganmengoptimalkan nilai-nilai parameter dan pemilihan ukuran hiddenlayer memberikan hasil yang lebih baik, terbukti dengan hasilakurasi, RMSE masing-masing sebagai berikut : 0.266 +/- 0.000
Co-Authors Agus Rakhmadi Mido E.I.H. Ujianto