MODEL HYBRID GARCH DAN MULTI LAYER PERCEPTRON NEURAL NETWORK (GARCH-MLPNN) UNTUK PREDIKSI INDEKS HARGA SAHAM GABUNGAN DI BURSA EFEK INDONESIA

ARETA SABILA, Prof. Dr. rer. nat. Dedi Rosadi, S.Si, M.Sc.

2021 | Skripsi | S1 STATISTIKA

Kemajuan pasar modal menggambarkan tingginya investasi yang ditanamkan para investor dan tingginya modal yang dapat digunakan untuk pertumbuhan perekonomian di negara tersebut. Penting untuk mengetahui indeks harga saham karena investor akan mendapat gambaran performa harga saham pada emiten-emiten yang dimilikinya. Untuk dapat memperoleh gambaran kondisi pasar kedepan maka perlu mengetahui indeks harga saham yang akan datang melalui peramalan. Teknologi sistem jaringan syaraf tiruan dengan algoritma Backpropagation telah diimplementasikan dalam berbagai aplikasi terutama dalam hal peramalan. Pengujian menggunakan hybrid GARCH-ANN dilakukan untuk mendapatkan hasil ramalan yang diharapkan dapat meningkatkan akurasi dari peramalan harga penutupan saham harian. Hasil dari metode ini menunjukkan bahwa model yang diusulkan memberikan hasil prediksi harga penutupan saham harian menjadi lebih akurat dari model GARCH individu. Dalam kasus ini, nilai Means Square Error (MSE) untuk GARCH(1,2) model volatilitas sebesar 33,96395x10-5 dan hybrid GARCH-ANN model volatilitas adalah sebesar 4,011141x10-6.

Capital market describes its investors�s high investment and its high capital which can be used for the economic growth of a country. Stock price performance will be unknown from the issuers that the investor own, therefore it is necessary for them to understand the stock price index. Predicting the future stock price index to get a better overview of future market conditions is done through forecasting. The use of artificial neural network system using backpropagation algorithm has been implemented for various methods of forecasting, one of which is GARCH-ANN. As an attempt to obtain an increased accuracy in forecasting daily closing stock prices, an examination using GARCH-ANN hybrid is carried out. The results of this method indicates that the proposed model provides a more accurate prediction of daily stock prices than the individual GARCH model. It is found that the value of Means Squared Error (MSE) for GARCH volatility model is 33,96395x10-5 and hybrid GARCH-ANN volatility model is 4,011141x10-6

Kata Kunci : Jaringan Syaraf Tiruan, Runtun Waktu, GARCH, Algoritma Backpropagation, Neural Network, Time Series, GARCH, Backpropagation