Wibowo, Tri Busono (2026) Kombinasi Algoritma Genetika dan Jaringan Saraf Tiruan untuk Peramalan Indeks Harga Saham Gabungan. Undergraduate thesis, Universitas Diponegoro.

	Text File 1_Tri Busono Wibowo - Tri Busono Wibowo.pdf Download (969kB)
	Text File 2_Tri Busono Wibowo - Tri Busono Wibowo.pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text Daftar Pustaka_Skripi_Tri Busono Wibowo - Tri Busono Wibowo.pdf Download (166kB)

Abstract

Peramalan Indeks Harga Saham Gabungan (IHSG) dibutuhkan untuk
memperkecil risiko kerugian dalam berinvestasi di pasar modal Indonesia. Metode
peramalan konvensional seperti ARIMA dan exponential smoothing kurang efektif
dalam menangani karakteristik data IHSG yang bersifat non-linier, non-stasioner,
dan memiliki volatilitas tinggi. Jaringan saraf tiruan feedforward dengan optimizer
ADAM dapat menangkap pola non-linier namun memiliki keterbatasan dalam hal
inisialisasi bobot acak yang berisiko terjebak pada minimum lokal. Algoritma
genetika merupakan metode optimasi evolusioner yang dapat mengatasi masalah
tersebut melalui kemampuan eksplorasi global untuk menemukan bobot optimal.
Pada penelitian ini, peramalan IHSG dilakukan menggunakan kombinasi algoritma
genetika dan jaringan saraf tiruan feedforward dengan tiga pendekatan: ADAM
sebagai baseline, GANN (Genetic Algorithm Neural Network), dan GADAM
(kombinasi GANN dengan optimizer ADAM). Hasil peramalan menunjukkan
bahwa model GANN menghasilkan nilai Root Mean Square Error (RMSE), Mean
Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE) yang lebih
kecil dibandingkan dengan model ADAM. Model GADAM juga menunjukkan
performa yang sangat baik, membuktikan bahwa kombinasi algoritma genetika dan
jaringan saraf tiruan dapat meningkatkan akurasi peramalan IHSG secara
signifikan.

Kata kunci: ADAM, GANN, GADAM, Deret Waktu, Optimasi Global, Inisialisasi
Bobot

Actions (login required)

View Item