Implementasi Algoritma Feedforward Neural Network untuk Klasifikasi Pola Candlestick pada Chart Saham

Eurica Karmelia, Meilona (2021) Implementasi Algoritma Feedforward Neural Network untuk Klasifikasi Pola Candlestick pada Chart Saham. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (563kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (81kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (99kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (378kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (75kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Investasi pada pasar modal dapat membantu meningkatkan pertumbuhan ekonomi negara. Tentunya dalam melakukan investasi, dibutuhkan teknikal analisis terhadap kondisi saham pada saat itu. Salah satu teknikal analisis yang dapat dilakukan adalah dengan melihat data historis dari sebuah saham. Candlestick chart dapat merangkum data historis yang berisikan data harga Open, High, Low, Close dalam sebuah chart. Kumpulan dari beberapa candlestick akan membentuk sebuah pola yang dapat membantu investor untuk melihat pergerakan saham apakah tren akan naik atau turun. Banyaknya pola candlestick serta penentuan pola candlestick secara manual dapat memakan waktu dan tenaga. Feedforward neural network (FNN) merupakan salah satu algoritma yang dapat melakukan pemetaan terhadap input dan output. Penelitian ini bertujuan untuk mengimplementasikan FNN untuk melakukan klasifikasi pola candlestick. Hasil uji coba menunjukkan bahwa nilai akurasi yang dihasilkan setiap model tidak menjamin apakah seluruh pola dapat dikenali dengan baik dikarenakan dataset yang tidak seimbang dan tidak mudah untuk dilakukan proses klasifikasi. Pengujian dengan data asli memiliki akurasi di atas 85% pada setiap saham, namun nilai rata-rata F1-score berada di bawah 45%. Uji coba dengan menggunakan random undersampling dan oversampling SMOTE, menyebabkan nilai akurasi menurun, nilai terendah pada saham PTBA yaitu 59% serta nilai rata-rata F1-score yang meningkat, namun hanya bertambah kurang dari 15%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Feedforward Neural Network, OHLC Price, Pola Candlestick, Saham
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	06 Oct 2022 03:11
Last Modified:	30 Jun 2023 05:33
URI:	https://kc.umn.ac.id/id/eprint/17999

Actions (login required)

View Item