Skripsi

Penerapan generalized regression neural network (grnn) untuk peramalan harga penutupan saham (close price) (studi kasus : PT. Indofood Sukses Makmur, TBK) / Chrissya Kharra

Abstrak
Peramalan data dapat memberi keuntungan dalam hal bisnis atau aktivitas lainnya karena dapat menghemat waktu dalam perencanaan penjadwalan dan lain sebagainya. Generalized Reggression Neural Network (GRNN) merupakan salah satu model peramalan data yang konsep intinya yaitu regresi kernel. GRNN memiliki kelebihan dalam peramalan karena proses yang cepat dan arsitektur yang baku dimana jumlah unit pattern layer sesuai jumlah data input. Peramalan harga penutupan saham adalah hal yang penting dalam perdagangan saham di bursa efek untuk memberikan referensi kapan saham seharusnya dijual atau dibeli. Penelitian ini bertujuan untuk mengetahui berapa besar nilai keakuratan model GRNN dalam meramalkan harga penutupan saham PT. Indofood Sukses Makmur Tbk dilihat dari nilai Mean Squared Eror (MSE) yang dihasilkan. Untuk mengetahui nilai peramalan harga penutupan saham tiga periode yang akan datang akan dilakukan analisis jaringan dilakukan dengan melatih 124 data. Dari analisis jaringan didapatkan nilai parameter yang optimal yaitu 0 06. Simulasi jaringan dilakukan dengan menguji 30 data harga penutupan saham dan didapatkan MSE sebesar 0 0057615. Hasil peramalan didapatkan nilai harga penutupan saham untuk tiga periode dan dapat disimpulakan bahwa GRNN cukup baik dalam meramalkan harga penutupan saham karena nilai MSE nya yang relatif kecil.

Informasi Detail

DDC

-

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2023.

Deskripsi Fisik

x, 14 lembar : ilus.

Bahasa

Indonesia

No Reg

1404/RS/23

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. ANALISIS REGRESI
2. REGRESSION ANALYSIS

Pembimbing

1. Dr. Susiswo, M.si

Lampiran Berkas