PERAMALAN RUNTUN WAKTU MENGGUNAKAN NEURAL NETWORK DENGAN METODE PEMBELAJARAN GENETIC ALGORITHM PADA INDEKS HARGA SAHAM GABUNGAN

Abstract

Peramalan runtun waktu yang akurat merupakan hal penting dalam bidang bisnis, penelitian, dan penerapan sistem rekayasa, yang membantu dalam pengambilan keputusan. Terdapat model linier dan non-linear yang berbeda, beberapa peneliti telah menunjukkan bahwa Neural Networks dan Algoritma Genetika membentuk model non-linear yang terbaik untuk peramalan pada setiap runtun waktu. Model ini lebih umum dan fleksibel untuk pemodelan dan analisis, dan memberikan hasil yang lebih akurat daripada metode tradisional. Seperti halnya arahan tersebut, proyek kami terutama difokuskan pada pengembangan model peramalan menggunakan algoritma genetik. Algoritma genetik adalah salah satu metode pendekatan untuk menentukan optimum global yang didasarkan pada Teori Darwin, dan salah satu algoritma pencarian yang bertujuan untuk menemukan solusi dari suatu masalah, baik dengan satu variabel atau multivariabel. Algoritma genetik tidak memerlukan asumsi matematika dalam menyelesaikan proses optimasi dan dapat diterapkan untuk beberapa jenis fungsi objektif dengan beberapa fungsi pembatas baik berbentuk linear atau non-linear, dan juga metode pencarian yang lebih optimal tanpa memperbesar ruang solusi. Skripsi ini memberikan pengantar singkat mengenai Jaringan Syaraf Tiruan dan Algoritma Genetika diikuti dengan penjelasan tentang algoritma dasar yang digunakan. Skripsi ini juga menyajikan Model Neural Networks Autoregressive dengan pelatihan optimasi algoritma genetika guna prediksi Indeks Harga Saham Gabungan. Kata Kunci: Jaringan Syaraf Tiruan, Algoritma Genetik, Peramalan Runtun Waktu, Indeks Harga Saham Gabungan