Komparasi Metode Forecasting Elm dan Mlp Pada Harga Saham Penutupan Inco.JK dan INTP.JK

Abstract

Meningkatnya kesadaran berinvestasi dan kenaikan investor sebanyak 33% yang tercatat pada KSEI, menimbulkan adanya kecenderungan pengambilan keputusan saham yang agresif dan irasional. Seorang investor dapat mengamati pergerakan harga saham dengan menganalisis fundamental perusahaan, namun dibalik itu analisis teknikal juga tidak kalah baik dalam membaca pergerakan harga saham di masa yang akan datang. investor perlu mengetahui proyeksi pergerakan harga saham kedepan dengan harapan dapat menimalisir kerugian. Algoritma Extreme Learning Machine dan MultiLayer Perceptron digunakan pada penelitian ini untuk mengetahui algoritma mana yang paling sesuai dalam memproyeksikan pergerakan harga saham di masa yang akan datang. Perbandingan algoritma ini menggunakan harga saham dua perusahaan sektor basic materials berdasarkan nilai EPS, ROE dan profitabilitas tertinggi dari saham-saham yang tergabung dalam indeks LQ45, IDXQuality30, dan IDX-Basic. Kedua metode tersebut dibandingkan untuk melihat metode yang lebih baik dalam melakukan peramalan harga saham yang diukur dengan nilai Mean Absolute Percentage Error (MAPE). Berdasarkan hasil penelitian, metode Extreme Learning Machine mengungguli metode MultiLayer perceptron dengan tingkat kesalahan mean absolute percetage error (MAPE) yang lebih rendah.