Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Statistika dan Aplikasinya
Andrew Nilsen
Institut Teknologi Bandung
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Social Sciences Other

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

Found 2 Documents
Search

 1 
Perbandingan Model RNN, Model LSTM, dan Model GRU dalam Memprediksi Harga Saham-Saham LQ45 Andrew Nilsen
Jurnal Statistika dan Aplikasinya Vol 6 No 1 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06113

Abstract

Harga saham selalu mengalami fluktuasi, dapat naik dan dapat turun. Ketidakpastian tersebut dapat menyebabkan kerugian, jika salah dalam memprediksi arah pergerakan harga saham. Prediksi arah pergerakan harga saham yang lebih akurat dapat mengurangi risiko kerugian. Pada penelitian ini, prediksi arah pergerakan harga saham menggunakan faktor yang mempengaruhi arah pergerakan saham itu sendiri, yaitu harga saham sebagai variabel prediktor. Pada penelitian ini dilakukan perbandingan antara model Recurrent Neural Network (RNN), model Long Short-Term Memory (LSTM), dan model Gated Recurrent Unit (GRU) dalam memprediksi harga saham. Data harga saham yang digunakan pada penelitian ini adalah data harga saham-saham yang terdaftar di indeks LQ45. Performa model-model yang digunakan dievaluasi dengan Root Mean Squared Error, Mean Squared Error, dan Mean Absolute Error. Pada penelitian digunakan hyperparameter yang sama untuk semua model yaitu {epoch = 200, batch size = 32, dan units = 24}. Dari rata-rata RMSE, rata-rata MSE, dan MAE yang dihasilkan dari 3 model yang digunakan, disimpulkan bahwa model GRU memiliki akurasi yang lebih baik dari model Recurrent Neural Network (RNN) dan model Long Short-Term Memory (LSTM).
Pemodelan Peluang Transisi Rantai Markov dengan Simulasi Monte Carlo Berdasarkan Multinoulli Distribution untuk Memprediksi Harga Indeks Saham Vieri Koerniawan; Andrew Nilsen; Febrina Puspa Sari; Muhammad Yahya Ayyasy; Sapto Wahyu Indratno
Jurnal Statistika dan Aplikasinya Vol 6 No 2 (2022): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.06213

Abstract

Harga saham selalu berfluktuasi dari waktu ke waktu sehingga sulit untuk diprediksi. Prediksi terhadap fluktuasi harga saham memberikan dampak yang signifikan bagi perusahaan, investor maupun pemegang saham dalam mengambil keputusan terbaik untuk pilihan investasi yang memberikan profit maksimal. Beberapa negara mempunyai indeks saham yang secara umum menjadi ukuran untuk mengetahui pergerakan harga saham sahamnya. Indeks saham LQ45 dan IHSG dari Indonesia, S&P 500 milik Amerika Serikat, Nikkei 225 dari Jepang, serta Shenzhen dari China merupakan beberapa contoh indeks saham yang memiliki valuasi terbesar di dunia. Pemodelan peluang transisi rantai Markov adalah salah satu cara untuk memprediksi indeks harga saham. Pemodelan menggunakan rantai Markov ini efektif untuk dilakukan karena kemampuannya dalam memprediksi dengan model yang sederhana dibandingkan dengan model lainnya. Selanjutnya, digunakan metode Monte Carlo untuk memodelkan peluang transisi rantai Markov berdasarkan bangkitan nilai dari distribusi Multinoulli untuk memprediksi keadaan dan harga penutupan indeks saham untuk waktu yang akan datang. Disimpulkan bahwa dari kedua model antara rantai Markov dan regresi linear yang diterapkan pada data indeks saham IHSG, LQ45, Nikkei 225, Shenzhen, dan S&P 500, diperoleh bahwa model rantai Markov adalah yang paling memiliki keakuratan paling baik berdasarkan ukuran Mean Absolute Percent Error (MAPE).
Co-Authors Febrina Puspa Sari Muhammad Yahya Ayyasy Sapto Wahyu Indratno Vieri Koerniawan