NABILA, Diva (2025) Optimasi Quantum Particle Swarm Untuk Meningkatkan Akurasi Cascade Forward Neural Network Dalam Prediksi Harga Saham. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (97kB)
	Text 3. Halaman Pengesahan 1.pdf Download (160kB)
	Text 4. Halaman Pengesahan 2.pdf Download (144kB)
	Text 5. Kata Pengantar.pdf Download (93kB)
	Text 6. Abstrak.pdf Download (111kB)
	Text 7. Abstract.pdf Download (110kB)
	Text 8. Daftar Isi.pdf Download (56kB)
	Text 12. BAB I.pdf Download (122kB)

Abstract

Minat masyarakat terhadap investasi saham terus meningkat meskipun kinerja Indeks Harga Saham Gabungan (IHSG) pada 2024 mengalami penurunan sebesar 0,22% year to date (ytd). Salah satu emiten potensial adalah PT XL Axiata Tbk (EXCL.JK), yang mencatat laba bersih Rp1,3 triliun pada kuartal III
2024 dengan prospek positif dari merger dengan Smartfren. Penelitian ini
bertujuan
mengoptimasi Cascade Forward Neural Network (CFNN)
menggunakan Quantum Particle Swarm Optimization (QPSO) untuk memprediksi
harga saham harian PT XL Axiata Tbk. CFNN dipilih karena kemampuannya
menangkap pola kompleks dalam data, sementara QPSO efektif mengatasi
keterbatasan backpropagation dalam mencari solusi optimal secara global. Data
penelitian meliputi 501 harga penutupan saham harian dari 1 Oktober 2022 hingga
31 Oktober 2024, diperoleh dari finance.yahoo.com. Proses pengolahan data
mencakup cleaning, normalisasi, dan analisis Partial Autocorrelation Function
(PACF) untuk menentukan lag signifikan. Model CFNN menggunakan fungsi
aktivasi RELu pada hidden layer dan linear pada output layer. Optimasi dilakukan
menggunakan QPSO dengan 10 partikel, parameter α = 0,5, dan rentang update
bobot dari -0,3 hingga 0,3. Evaluasi model didasarkan pada nilai Mean Absolute
Percentage Error (MAPE). Hasil menunjukkan bahwa CFNN awal menghasilkan
MAPE testing sebesar 0,80%, yang menurun signifikan menjadi 0,13% setelah
dioptimasi menggunakan QPSO. Penelitian ini membuktikan bahwa QPSO dapat
meningkatkan akurasi prediksi harga saham menggunakan CFNN secara
signifikan, memberikan manfaat dalam pengambilan keputusan investasi, serta
memperkaya literatur mengenai penerapan kecerdasan buatan di bidang keuangan.
Kata Kunci: Cascade Forward Neural Network, Quantum Particle Swarm
Optimization, Prediksi Harga Saham, Partial Autocorrelation Function (PACF),
Mean Absolute Percentage Error (MAPE), Optimasi Model.

Actions (login required)

View Item