PERBANDINGAN METODE NAÏVE BAYES DAN BAYESIAN REGULARIZATION NEURAL NETWORK (BRNN) UNTUK KLASIFIKASI SINYAL PALSU PADA INDIKATOR STOCHASTIC OSCILLATOR (Studi Kasus: Saham PT Bank Rakyat Indonesia (Persero) Tbk Periode Januari 2017 – Agustus 2019)

Abstract

Keputusan untuk membeli atau menjual saham merupakan kunci utama untuk memperoleh keuntungan dalam trading dan investasi. Salah satu indikator yang dapat digunakan dalam menentukan momentum untuk membeli atau menjual saham adalah Stochastic Oscillator. Sebagai indikator yang sensitif terhadap pergerakan harga saham, Stochastic Oscillator sering mengeluarkan sinyal palsu yang mengakibatkan kerugian dalam transaksi. Terdapat 9 atribut yang diduga dapat mengidentifikasi apakah suatu sinyal yang keluar dari indikator Stochastic Oscillator merupakan sinyal palsu atau tidak. Tujuan dari penelitian ini adalah melakukan klasifikasi atau deteksi sinyal dengan metode Naïve Bayes dan Bayesian Regularization Neural Network (BRNN), dan kemudian membandingkan tingkat akurasi hasil klasifikasi antara kedua metode. Hasil dari penelitian ini menunjukkan bahwa hanya terdapat 6 atribut yang dapat digunakan untuk mengidentifikasi apakah suatu sinyal yang keluar merupakan sinyal palsu atau tidak, yaitu kondisi IHSG, kondisi high price, kondisi low price, kondisi close price, posisi %K, dan posisi %D, serta tingkat akurasi dari metode Naïve Bayes adalah sebesar 76,92%, sedangkan akurasi dari metode BRNN adalah sebesar 80,77%. Dapat disimpulkan bahwa dalam penelitian ini, metode BRNN lebih baik dibandingkan dengan metode Naïve Bayes untuk mendeteksi sinyal palsu yang keluar dari indikator Stochastic Oscillator.

Kata kunci: Stochastic Oscillator, Sinyal Palsu, Klasifikasi, Naïve Bayes, BRNN, Akurasi