Penerapan Metode Fuzzy Backpropagation Neural Network dalam Peramalan Saham PT. Bank Rakyat Indonesia (Persero) Tbk. (IDX: BBRI)

Abstrak

Fuzzy Backpropagation Neural Network (FBPNN) merupakan metode prediksi yang dikembangkan dari jaringan saraf tiruan dengan menggunakan algoritma backpropagation, di mana data masukan dan keluaran dinyatakan sebagai derajat keanggotaan fuzzy. Proses pembentukan model FBPNN mencakup tiga tahap utama, yaitu fuzzifikasi, pelatihan jaringan saraf tiruan, serta defuzzifikasi. Pada tahap defuzzifikasi, digunakan metode Smallest of Maximum (SOM) untuk menentukan nilai terkecil di antara anggota dengan derajat keanggotaan tertinggi. Penelitian ini menerapkan FBPNN dalam memprediksi harga penutupan mingguan saham PT Bank Rakyat Indonesia (Persero) Tbk. (IDX: BBRI). Data penelitian dibagi menjadi dua bagian, yaitu 90% untuk training dan 10% untuk testing. Hasil penelitian menunjukkan bahwa arsitektur jaringan terbaik adalah 20–4–2 dengan nilai Root Mean Square Error (RMSE) sebesar 728,5308 pada data training dan 178,2089 pada data testing. Nilai Mean Absolute Percentage Error (MAPE) tercatat 10,3620% (kategori baik) pada training dan 3,9189% (kategori sangat baik) pada testing. Model yang dihasilkan kemudian dipakai untuk meramalkan lima periode berikutnya, yang memperlihatkan kecenderungan kenaikan harga saham.

Identifier

• DOI: https://doi.org/10.29303/jm.v7i4.10026
• OpenAlex: https://openalex.org/W7116885505