PERBANDINGAN FUNGSI AKTIVASI LINEAR, ReLU, SIGMOID, DAN TANSIG PADA ELM UNTUK PERAMALAN HARGA SAHAM

Sri Mulyani (Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta)
Rokhana Dwi Bekti (Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta)
Noviana Pratiwi (Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta)

Jurnal Statistika Industri dan Komputasi
Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi

PT. Bank Central Asia Tbk (BBCA.JK) sebagai emiten sektor perbankan masih menempati posisi pertama sebagai emiten dengan kapitalisasi terbesar, dan saham teraktif di BEI. Berinvestasi di pasar saham mengikuti prinsip “high risk, high return, low risk, low return”. Itu sebabnya investor harus mencermati harga saham di masa depan. Salah satu cara memprediksi harga saham adalah dengan menggunakan metode Extreme Learning Machine (ELM). Hal ini melibatkan pemilihan dan pengaturan fungsi aktivasi yang memperkenalkan non-linearitas, memungkinkan jaringan saraf memodelkan hubungan kompleks antara input dan output. Hasil pengujian menunjukkan ELM optimal untuk memprediksi harga saham BBCA menggunakan fungsi aktivasi Sigmoid, inisialisasi bobot Uniform Positive, arsitektur jaringan yang terdiri dari 5 neuron input layer, 14 neuron hidden layer, dan 1 output layer. MAPE yang diperoleh sebesar 3.374546 < 10%, menunjukkan bahwa model dapat digeneralisasikan dengan baik, dengan rata-rata kecepatan pembelajaran sebesar 0.000343442 detik.