Analisis Prediksi Harga Saham Bank Central Asia Pasca Stock Split Menggunakan Backpropagation Neural Network dengan Algoritma Inisialisasi Nguyen-Widrow
Abstract
Saham adalah dokumen yang menandakan kepemilikan sebagian dari suatu perusahaan. Harga saham memiliki volatilitas yang tinggi sehingga investor bisa mendapatkan keuntungan atau kerugian besar dalam waktu singkat. Oleh karena itu investor memerlukan prediksi sebagai acuan. Penelitian ini bertujuan untuk memprediksi harga penutupan saham PT. Bank Central Asia pasca stock split dengan menggunakan model arsitektur jaringan terbaik Backpropagation Neural Network agar dapat menjadi pertimbangan bagi investor sebelum melakukan transaksi jual-beli saham. Inisialisasi bobot dan bias awal menggunakan algoritma Nguyen-Widrow dengan fungsi aktivasi sigmoid biner. Prediksi harga penutupan saham menggunakan 7 variabel input (harga pembukaan, harga tertinggi, harga terendah, volume transaksi, inflasi, suku bunga, dan kurs rupiah) dan satu variabel target yaitu harga penutupan saham. Percobaan dilakukan menggunakan 24 kombinasi arsitektur jaringan yang berbeda, dengan variasi parameter yang digunakan yaitu persentase dataset training dan testing 80:20 dan 70:30, maksimal epoch sebesar 1000, neuron hidden sebanyak 5, 10, 15, dan 20, serta learning rate sebesar 0,01; 0,1; 0,5. Prediksi harga penutupan saham menghasilkan konfigurasi terbaik yaitu arsitektur jaringan 7-20-1. Arsitektur jaringan tersebut mampu menghasilkan prediksi yang sangat akurat untuk penutupan harga saham BBCA pasca stock split dengan nilai MAPE pada saat pelatihan sebesar 3,7568% dan pada proses pengujian sebesar 7,7012%.