PERAMALAN DATA SAHAM EMITEN UNVR MENGGUNAKAN METODE HIBRID SINGULAR SPECTRUM ANALYSISI (SSA)- AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)- ARTIFICIAL NEURAL NETWORK (ANN)

FRIDZ, MERDATYAS GUMAY and Sigit, Nugroho and Jose, Rizal (2023) PERAMALAN DATA SAHAM EMITEN UNVR MENGGUNAKAN METODE HIBRID SINGULAR SPECTRUM ANALYSISI (SSA)- AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)- ARTIFICIAL NEURAL NETWORK (ANN). Masters thesis, Fakultas Matematika dan Ilmu pengetahuan Alam.

Archive (Thesis) TESIS Fridz Final - scan ttd - zoa fridz.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (2MB)

Abstract

Pemodelan menggunakan data Time Series berkembang seiring dengan semakin banyaknya fenomena dan keadaan data series yang diamati. Berbagai model dengan ketahanan tertentu telah diujicobakan dengan harapan menghasilkan model yang semakin akurat dan reliabel. ARIMA unggul dalam pemodelan liner dan ANN unggul dalam pemodelan nonlinear, namun baik ARIMA maupun ANN bukan model universal yang cocok untuk semua keadaan. SSA adalah alat Time Series yang adaptif terhadap data, yang dapat dikembangkan sebagai algoritma yang layak untuk mengintegrasikan model stokastik dan AI, sehingga secara efektif memanfaatkan keunggulan kedua model ini. Model SSA-ARIMA-ANN terintegrasi diusulkan untuk memodelkan data harga saham emiten UNVR. Model terbaik dari SSA, ARIMA, ANN, serta hibrid ARIMA-ANN dan SSA-ARIMA-ANN yang terbentuk dapat dibandingkan untuk dilihat. Hasil yang didapatkan adalah untuk ARIMA (1,1,2), ANN (5-3-3-1), hibrid ARIMA (1,1,2)-ANN (5-3-1-1), hibrid SSA (L=4)-ARIMA (3,1,1)-ANN (5-4-3-1) model dengan hasil terbaik berdasarkan MAPE dan MASE adalah hibrid SSA (L=4)-ARIMA (3,1,1)-ANN (5-4-3-1). Kata Kunci: Saham, ARIMA, ANN, ANN Backpropogation, SSA, Hybrid, ARIMA-ANN, SSA-ARIMA-ANN.

Actions (login required)

View Item