Contoh Proposal

PERANGKAT LUNAK UNTUK MEMPREDIKSI HARGA SAHAM DENGAN MEGGUNAKAN MODEL JARINGAN SARAF TIRUAN (Studi kasus di Bursa Saham Jakarta) PROPOSAL SKRIPSI Oleh : NAMA MAHASISWA NIM PROGRAM STUDI S1 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA 2011 .

pada tanggal Pembimbing Usulan 1.LEMBAR PENGESAHAN PERANGKAT LUNAK UNTUK MEMPREDIKSI HARGA SAHAM DENGAN MENGGUNAKAN MODEL JARINGAN SARAF TIRUAN (Studi kasus di Bursa Saham Jakarta) PROPOSAL SKRIPSI OLEH : Nama Mahasiswa NIM Telah disetujui dan disahkan sebagai proposal di Bandung. 2. .

Cara pandang pertama mempercayai bahwa tidak ada investor yang dapat memperoleh keuntungan perdagangan di atas rata-rata yang didasarkan pada informasi terdahulu dan informasi sekarang. Masalah prediksi dalam pasar saham telah menjadi topik penelitian yang sangat banyak dibahas pada tahun belakangan ini. Cara pandang ketiga tergolong pada analisis teknikal (technical analysis) yang mengasumsikan bahwa pasar saham bergerak mengikuti suatu trend tertentu dan trend ini dapat ditangkap dan digunakan untuk melakukan prediksi. Jaringan saraf tiruan adalah suatu teknik yang menggabungkan analisis fundamental dan analisis teknikal. politik dan bahkan psikologi. dan faktor-faktor ini saling berinteraksi satu dengan lainnya dalam suatu cara yang sangat kompleks. medis dan . Jaringan saraf tiruan didasarkan pada sistem pemrosesan informasi yang struktur dan fungsinya dimotivasi oleh proses kognitif (cognitive process) dan struktur organisasi dari sistem saraf-biologi (neuro-biological systems) [4]. Cara pandang kedua tergolong pada analisis fundamental (fundamental analysis) yang melihat lebih mendalam pada kondisi finansial dan hasil suatu operasi dari perusahaan tertentu dan prilaku yang mendasari saham gabungannya. rekayasa. Jaringan saraf tiruan merupakan model nonlinear yang dapat melakukan pelatihan (training) untuk memetakan nilai masa lalu dan nilai sekarang dari data time-series dan mampu untuk meng-ekstrak struktur tersembunyi dan keterhubungan yang membangun data.BAB I PENDAHULUAN 1. Secara umum terdapat tiga cara pandang berbeda yang didasarkan pada kemampuan untuk mendapatkan keuntungan dari equity market. Teori-teori yang mendasari cara pandang ini adalah Random Walk Hypothesis dan Efficient Market Hypothesis [5]. Oleh sebab itu.1 Latar Belakang Masalah Pasar saham merupakan pasar yang dipengaruhi oleh banyak faktor seperti ekonomi. Teknik statistika konvensional untuk memprediksi pasar saham sudah banyak dilakukan dalam analisis fundamental maupun analisis teknikal dan hasil yang diperoleh menunjukkan adanya batasan dalam penerapannya yang diakibatkan nonlinearitas pada himpunan data [1]. secara umum sangatlah sulit untuk memprediksi pergerakan dari pasar saham. Penerapan jaringan saraf tiruan muncul pada banyak bidang seperti komputer sains.

sedangkan dalam penelitian Kutsurelis [8].3 % dan penurunan harga saham mencapai keakuratan 88. Jika kita memiliki data harian dari suatu periode tertentu. Penelitian ini merupakan penelitian lanjutan yang didasarkan pada penelitian yang sudah dilakukan [3].2 Identifikasi Masalah Prediksi harga saham adalah suatu hal yang melibatkan interakasi yang sangat kompleks antara keadaan pasar yang tidak stabil dan faktor proses acak yang tidak diketahui. contohnya X t (t = 1. Selanjutnya perumusan masalah dapat dirumuskan dalam pertanyaan sebagai berikut : .2. Sedangkan penelitian di Indonesia telah dilakukan oleh Budi Bambang DP.. Hal ini dimaksudkan untuk melihat konsistensi dari jaringan saraf tiruan dalam memprediksi harga saham dari berbagai perusahaan.diagnosa kriminal.) harga saham untuk periode selanjutnya (t + h ) maka dapat diprediksi (waktu yang digunakan dapat berupa perjam. mingguan. Pada penelitian ini. 1. Data dari harga saham dapat ditentukan oleh data time series.3. diperoleh hasil prediksi mengenai kenaikan harga saham mencapai keakuratan 93. bulanan atau tahunan). Dalam penggunaan jaringan saraf tiruan. et. Hasil penelitian menunjukkan suatu hasil prediksi yang cukup akurat pada dua perusahaan tersebut. Dalam penelitian yang dilakukan oleh Sitte [13]. menunjukkan bahwa penggunaan jaringan saraf tiruan untuk memprediksi S&P500 tidak berhasil.al [3] yang melakukan prediksi pasar saham di Indonesia. Dalam penerapan jaringan saraf tiruan untuk memprediksi pasar saham telah banyak dilakukan. Perluasan yang dilakukan adalah dalam hal jumlah perusahaan yang dilibatkan. Berdasarkan hal di atas. harian. investigasi biologi dan penelitian ekonomi.. di sini penulis tertarik untuk memperluas penggunaan jaringan saraf tiruan dalam memprediksi pasar saham dengan membangun suatu perangkat lunak. pemilihan input data untuk jaringan mempunyai peranan penting agar diperoleh hasil prediksi yang baik.07 %. mereka hanya mengambil dua perusahaan yaitu Semen Gresik (SMGR) dan Gudang Garam (GGRM)..

Untuk menganalisis adanya perbedaan hasil prediksi harga saham dari setiap perusahaan jika menggunakan arsitektur jaringan yang sama. 4. 1. Untuk menganalisis penyebab adanya perbedaan arsitektur jaringan dalam memprediksi harga saham. 5. Untuk menganalisis keunggulan dari arsitektur jaringan dalam memprediksi harga saham dengan perangkat lunak yang dibangun. Untuk mengidentifikasi variabel input sebelum dimasukkan ke dalam jaringan.1 Maksud dan Tujuan Berdasarkan permasalahan yang diteliti. maka maksud dari penulisan tugas akhir ini adalah untuk mengaplikasikan model Jaringan Syaraf tiruan dalam memprediksi harga saham Sedangkan tujuan yang akan dicapai dalam penelitian ini adalah : 1.1 Metodologi Penelitian . Bagaimana cara membuat perangkat lunak untuk prediksi harga saham dari setiap perusahaan dengan menggunakan arsitektur jaringan syaraf tiruan? 2. 3. Untuk menganalisis pengaruh penambahan variabel input dalam keakuratan prediksi jaringan saraf tiruan dengan perangkat lunak yang dibuat. 2. 6. Untuk menganalisis arsitektur jaringan yang dibangun sehingga mendapatkan arsitektur jaringan yang baik. Variabel input apa saja yang akan dimasukkan ke dalam jaringan ? 1.1.

Teknik pengumpulan data dengan mengadakan tanya jawab secara langsung yang ada kaitannya dengan topik yang diambil. dimulai dengan menetapkan berbagai kebutuhan dari semua elemen yang diperlukan sistem dan mengalokasikannya kedalam pembentukan perangkat lunak. Interview. paper dan bacaanbacaan yang ada kaitannya dengan judul penelitian. Pengumpulan data dengan cara mengumpulkan literatur. Tahap pengumpulan data Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut : a. Observasi. Studi Literatur. yang meliputi beberapa proses diantaranya: a. c. Teknik analisis data dalam pembuatan perangkat lunak menggunakan paradigma perangkat lunak secara waterfall. Tahap pembuatan perangkat lunak. System / Information Engineering Merupakan bagian dari sistem yang terbesar dalam pengerjaan suatu proyek. b.Metodologi yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut : 1. b. jurnal. Teknik pengumpulan data dengan mengadakan penelitian dan peninjauan langsung terhadap permasalahan yang diambil. Analisis . 2.

et . f. Sumber data berasal dari Bursa Saham Jakarta 3. Design Tahap penerjemahan dari data yang dianalisis kedalam bentuk yang mudah dimengerti oleh user. e.Merupakan tahap menganalisis hal-hal yang diperlukan dalam pelaksanaan proyek pembuatan perangkat lunak. Algoritma pembelajaran yang digunakan adalah backpropagation. et. d. c.al [12] sebanyak tiga variabel input dan penelitian yang dilkukan oleh Budi Bambang DP. 1. 1. Maintenance Tahap akhir dimana suatu perangkat lunak yang sudah selesai dapat mengalami perubahan–perubahan atau penambahan sesuai dengan permintaan user.1 Batasan Masalah Penelitian yang telah banyak dilakukan dalam memprediksi harga saham menyebabkan adanya perbedaan di dalam penggunaan jaringan saraf tiruan. Dalam penelitian ini. Data yang diambil sebagai input jaringan didasarkan pada penelitian yang telah dilakukan oleh Trippi. Coding Tahap penerjemahan data atau pemecahan masalah yang telah dirancang keadalam bahasa pemrograman tertentu. penulis membatasi masalah sebagai berikut : 1. Pengujian Merupakan tahap pengujian terhadap perangkat lunak yang dibangun.al [3] sebanyak 5 variabel input.1 Sistematika Penulisan . 2.

Sistematika penulisan tugas akhir ini adalah sebagai berikut : BAB I PENDAHULUAN Menguraikan tentang latar belakang permasalahan. metode dan kaidah yang diterapkan dalam penelitian. BAB IV. BAB II.Sistematika penulisan proposal penelitian ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. mencoba merumuskan inti permasalahan yang dihadapi. 1. Termasuk menentukan variabel penelitian. BAB V. PERANCANGAN DAN IMPLEMENTASI Merupakan tahapan yang dilakukan dalam penelitian secara garis besar sejak dari tahap persiapan sampai penarikan kesimpulan. asumsi. identifikasi data yang diperlukan dan cara pengumpulannya. BAB III.2 Jadwal Kegiatan . menentukan tujuan dan kegunaan penelitian. penentuan sampel penelitian dan teknik pengambilannya. yang kemudian diikuti dengan pembatasan masalah. serta sistematika penulisan. serta metode/teknik analisis yang akan dipergunakan dan perangkat lunak yang akan dibangun jika ada. LANDASAN TEORI Membahas berbagai konsep dasar dan teori-teori yang berkaitan dengan topik penelitian yang dilakukan dan hal-hal yang berguna dalam proses analisis permasalahan serta tinjauan terhadap penelitian-penelitian serupa yang telah pernah dilakukan sebelumnya termasuk sintesisnya. ANALISIS MASALAH Menganalisis masalah dari model penelitian untuk memperlihatkan keterkaitan antar variabel yang diteliti serta model matematis untuk analisisnya. KESIMPULAN DAN SARAN Berisi kesimpulan dan saran yang sudah diperoleh dari hasil penulisan tugas akhir.

N. yang menurut anda dapat membantu menjelaskan maksud dan tujuan pengembangan sistem tersebut.E. A. 1995. [2] [3] [4] [5] . B.Francis. Neural Network 5 (1994) 961-970. 1991. alur sistem dsb. Stergiou. Peters. John Wiley & Sons Inc. 1996. al. SURPRISE 96 journal. Tak. Indonesia stock market prediction (SMGR/GGRM) using time series (feedforward) neural network C. Imperial College. Budi Bambang. Refenes.9 Daftar Pustaka [1] A. Stock performance modeling using neural networks : a comparative study with regression models. Doctor's Thesis. diagram-diagram. University of Pennsylvania. Chaos and order in the capitalmarkets : A new view of cycles. E.3 Gambaran Sistem Jelaskan sistem yang akan kembangkan. prices. What is Neural Network?. 1. et.No Tahap I Pengumpulan Referensi PembuatanProposal Pengumpulan Proposal Perbaikan Proposal Masa Bimbingan I Laporan Kemajuan I Masa Bimbingan II Laporan Kemajuan II Masa Bimbingan III Laporan Kemajuan III Persiapan Seminar Februari II III IV I Maret II III IV I April II III IV I II Mei III IV I Juni II III IV 1 2 3 4 5 6 7 8 9 10 11 1. Zapranis and G. dapat menggunakan ilustrasi berupa deskripsi sistem. a New Method for Forecasting stock Prices using Artificial Neural Network and Wavelet Theory. vol1. and market volatility.

Sign up to vote on this title
UsefulNot useful