PEMODELAN GENERAL REGRESSION NEURAL NETWORK (GRNN) PADA DATA RETURN INDEKS HARGA SAHAM EURO 50

ABSTRAK

General Regression Neural Network (GRNN) merupakan salah satu model jaringan radial basis yang digunakan untuk pendekatan suatu fungsi. Model GRNN termasuk model jaringan syaraf tiruan dengan solusi yang cepat, karena tidak diperlukan iterasi yang besar pada estimasi bobot-bobotnya. Model ini memiliki arsitektur jaringan yang baku, dimana jumlah unit pada pattern layer sesuai dengan jumlah data input. Salah satu aplikasi GRNN adalah untuk memprediksi nilai return saham dari indeks Euro 50 CFD (Contract For Difference). Indeks Euro 50 CFD (Contract For Difference) digunakan sebagai patokan harga saham dari 50 perusahaan terbesar di zona Eropa. Para investor melakukan investasi di saham indeks Euro 50 CFD (Contract For Difference) dengan harapan mendapatkan kembali keuntungan yang sesuai dengan apa yang telah di investasikannya. Dengan menggunakan model GRNN diperoleh bahwa nilai RMSE dan R² untuk data training sebesar 0,00095 dan 99,19%. Untuk data testing diperoleh nilai RMSE dan R² sebesar 0,00725 dan 98,46%. Berdasarkan nilai prediksi return saham dua belas hari ke depan diperoleh kerugian tertinggi atau capital loss pada 15 Desember 2014 sebesar 5,583188% dan profit tertinggi atau capital gain pada tanggal 10 Desember 2014 sebesar 2,267641%

Kata Kunci: GRNN, Jaringan Syaraf Tiruan, Return Saham, Indeks Euro 50, Kerugian Tertinggi, Profit Tertinggi, Prediksi

1. PENDAHULUAN

Meningkatnya kebutuhan perencanaan dalam aktivitas bisnis dan ekonomi, mengakibatkan prediksi terhadap kondisi mendatang secara akurat semakin diperlukan. Dalam bidang ekonomi harga saham merupakan acuan penting yang perlu diperhatikan oleh para investor sebelum melakukan investasi. Harga saham mengalami fluktuasi baik berupa kenaikan maupun penurunan sehingga dengan harga saham yang berfluktuasi memberikan peluang kepada para investor untuk mengalami keuntungan maupun kerugian.Indeks Euro digunakan sebagai patokan harga saham dari 50 perusahaan terbesar di zona Eropa. Indeks ini mencakup bank-bank Eropa terkemuka, perusahaan petroleum, perusahaan telekomunikasi dan elektronik, industri mobil dan lainnya

Return atau pengembalian adalah keuntungan yang diperoleh perusahaan, individu dan investasi dari hasil kebijakan investasi yang dilakukan. Penggunaan data return saham dalam bidang ekonomi memberikan keuntungan yaitu peningkatan dan penurunan harga saham tersebut akan terlihat jelas jika diamati. Jika model deret waktu (ARIMA) digunakan untuk memodelkan return saham, maka akan menghasilkan ragam sisaan yang tidak konstan, sebagai akibat dari karakteristik return saham itu sendiri dengan jumlah frekuensi tinggi (Tsay, 2002). Semakin tinggi harga saham akan menghasilkan capital gain yang besar pula. Capital gain merupakan selisih antara pembelian saham dengan nilai penjualan saham.

Peramalan adalah suatu kegiatan memperkirakan apa yang terjadi pada masa yang akan datang berdasarkan nilai sekarang dan masa lalu dari suatu peubah (Makridakis, 1999). Peramalan merupakan suatu unsur yang sangat penting terutama dalam perencanaan dan pengambilan keputusan. Adanya tenggang waktu antara suatu peristiwa dengan peristiwa yang terjadi mendatang merupakan alasan utama bagi peramalan dan perencanaan. Dalam situasi tersebut peramalan merupakan alat yang penting dalam perencanaan yang efektif serta efisien.

Pemilihan metode dalam peramalan tergantung pada beberapa aspek penelitian yaitu aspek waktu, pola data, tipe model sistem yang diamati, dan tingkat keakuratan peramalan. Penggunaan metode tersebut dalam peramalan harus memenuhi asumsi-asumsi yang digunakan. Kendala yang dihadapi dalam melakukan peramalan terhadap data saham adalah data yang berubah dengan keacakannya. Hal ini disebabkan pada kasus data finansial dan keuangan memiliki fluktuasi yang sangat besar dan tidak tetap. Sehingga model ARIMA kurang bagus untuk memodelkan data saham yang fluktuatif.

Selain metode peramalan konvensional yang dipakai dalam melakukan peramalan, metode peramalan menggunakan Neural Network (NN) dapat dipakai sebagai alternatif dalam melakukan peramalan. Secara umum  terdapat tiga jenis NN berdasarkan arsitekturnya yaitu single layer neural network, multi layer neural network, recurrent neural network.

Ada beberapa model NN diantaranya adalah General Regression Neural Network (GRNN), Kohonen Neural Network, Learning Vector Quantization (LVQ), dan Feed Forward Neural Networks (FFNN). Pada umumnya, General Regression Neural Network (GRNN), merupakan salah satu model jaringan radial basis yang sering digunakan untuk pendekatan suatu fungsi. Leung, et.al (2000) menerangkan bahwa dasar dari operasi GRNN secara esensial didasarkan pada teori regresi non liniear (kernel) dimana estimasi dari nilai harapan output ditentukan oleh himpunan input-inputnya. Oleh karena itu peneliti tertarik untuk memodelkan dan meramalkan indeks harga saham Euro 50 dengan General Regression Neural Network (GRNN).

Untuk lebih lengkap bisa download di Jurnal Gaussian