ABSTRAK Masalah utama yang dimiliki seorang investor adalah dengan adanya fluktuasi harga saham yang dinamis dan selalu berubah setiap hari. Perubahan tersebut dapat membuat seorang investor kebingungan dalam memilih saham mana yang harus dibeli dan saham yang harus dijual. Sektor Telekomunikasi salah satunya yang persaingannya sangat tinggi seperti XL axiata, Indosat, Telkomsel, dan Smartfren. Dengan adanya prediksi harga saham menggunakan metode Neural Network Algoritma Backpropagation dengan momentum. Data dari harga saham dapat ditentukan berdasarkan runtunan waktu (time series). Dengan algoritma ini, jaringan-jaringan dapat dilatih dengan menggunakan data harga saham dari situasi sebelumnya, sehingga dapat membantu para investor pengambilan keputusan periode berikutnya.Berdasarkan hasil peramalan harga saham menggunakan Backpropagation momentum dengan autokorelasi ARIMA menghasilkan nilai rata-rata akurasi sebesar 98%, dengan MSE terkecil 0.02 dan MAPE 0.59. Selisih error yang dihasilkan jaringan menggunakan autokorelasi lebih akurat dibandingkan peramalan tanpa menggunakan autokorelasi, MAPE yang dihasilkan sebesar 0.14%


Deskripsi Lain

Abstact The main problem that an investor has with the fluctuation of stock prices are dynamic and always changing every day. Such changes can make an investor confused in choosing which shares to buy and which shares to sell. Telecommunication sector one of which is very high competition such as XL axiata, Indosat, Telkomsel, and Smartfren. With the stock price prediction using Neural Network Algorithm Backpropagation method with momentum. Data from stock prices can be determined based on time series. With this algorithm, the networks can be trained using stock price data from the previous situation, so it can help the investors decision-making next period. Based on the results of stock price forecasting using Backpropagation momentum with ARIMA autocorrelation yields an average value of accuracy of 98%, with Smallest MSE 0.02 and MAPE 0.59. Difference error generated network using autocorrelation is more accurate than forecasting without using autocorrelation, MAPE generated equal to 0.14%

• PERAMALAN HARGA SAHAM MENGGUNAKAN ALGORITMA BACKPROPAGATION MOMENTUM DENGAN AUTOKORELASI ARIMA