PERBANDINGAN APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN METODE OPTIMAL BRAIN DAMAGE DAN ARCH - GARCH UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN (IHSG)

Abstract

Dalam tugas akhir ini dibahas mengenai perbandingan aplikasi jaringan syaraf tiruan backpropagation metode Optimal Brain Damage dan ARCH-GARCH untuk memprediksi nilai harian Indeks Harga Saham Gabungan dalam bentuk Mean Square Error (MSE). Optimal Brain Damage merupakan metode tentang proses penyederhanaan arsitektur jaringan syaraf tiruan menuju kondisi optimal melalui penghapusan bobot/link yang mempunyai pengaruh minimum terhadap perubahan residual. Arsitektur NN yang digunakan adalah Backpropagation (BP) dengan metode pembelajaran Levenberg Marquardt. Pada model analisis runtun waktu, model yang mengasumsikan bahwa variansi residual tidak konstan adalah model Autoregressive Conditional Heteroscedasticity (ARCH) - Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Model ini memperlakukan variansi dari residual sebagai proses Autoregressive (AR). Keberadaan proses ARCH dapat diuji dengan Lagrange Multiplier atau FAK residual kuadrat. Dari analisis dan pembahasan diperoleh kesimpulan bahwa Indeks Harga Saham Gabungan mempunyai model mean: Karena pengujian kuadrat residual ditemukan kasus heterokedastisitas, maka dilakukan pemodelan terhadap varian errornya sehingga diperoleh model GARCH(1,1) sebagai berikut: Sedangkan pruning OBD untuk hidden node 1 sampai 10, lebih cocok digunakan pada arsitektur NN dengan hidden node 3. Hal ini ditandai dengan nilai MSE yang paling kecil. Dari hasil prediksi nilai harian Indeks Harga Saham Gabungan (IHSG) tanggal 6-20 Januari 2009 dapat diketahui nilai MSEJST adalah 218.9089 sedangkan MSEGARCH(1,1) sebesar 378.5213 sehingga dapat disimpulkan bahwa jaringan syaraf tiruan backpropagation metode Optimal Brain Damage memiliki performa prediksi lebih baik dibandingkan metode GARCH (1,1).