PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA DATA RETURN INDEKS HARGA SAHAM EURO 50

Rezzy Eko Caraka, Hasbi Yasin, Alan Prahutama

Abstract


General Regression Neural Network (GRNN) merupakan salah satu model jaringan radial basis yang digunakan untuk pendekatan suatu fungsi. Model GRNN termasuk model jaringan syaraf tiruan dengan solusi yang cepat, karena tidak diperlukan iterasi yang besar pada estimasi bobot-bobotnya. Model ini memiliki arsitektur jaringan yang baku, dimana jumlah unit pada pattern layer sesuai dengan jumlah data input. Salah satu aplikasi GRNN adalah untuk memprediksi nilai return saham dari indeks Euro 50 CFD (Contract For Difference). Indeks Euro 50 CFD (Contract For Difference) digunakan sebagai patokan harga saham dari 50 perusahaan terbesar di zona Eropa. Para investor melakukan investasi di saham indeks Euro 50 CFD (Contract For Difference) dengan harapan mendapatkan kembali keuntungan yang sesuai dengan apa yang telah di investasikannya. Dengan menggunakan model GRNN diperoleh bahwa nilai RMSE dan R2 untuk data training sebesar 0,00095 dan 99,19%. Untuk data testing diperoleh nilai RMSE dan R2 sebesar 0,00725 dan 98,46%. Berdasarkan nilai prediksi return saham dua belas hari ke depan diperoleh kerugian tertinggi atau capital loss pada 15 Desember 2014 sebesar 5,583188% dan profit tertinggi atau capital gain pada tanggal 10 Desember 2014 sebesar 2,267641%

 

Kata Kunci: GRNN, Jaringan Syaraf Tiruan, Return Saham, Indeks Euro 50, Kerugian Tertinggi, Profit Tertinggi, Prediksi


Keywords


GRNN; Jaringan Syaraf Tiruan; Return Saham; Indeks Euro 50; Kerugian Tertinggi; Profit Tertinggi; Prediksi

Full Text:

PDF

Refbacks

  • There are currently no refbacks.


Copyright (c)




Creative Commons License
Jurnal Gaussian by Departemen Statistika Undip is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Flag Counter