Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika dan Elektro (JURTIE)
Maulida, Rezeki
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Teknik Informatika dan Elektro (JURTIE)

 1 
Perbandingan Metode K-Nearest Neighbor (K-NN) Dan Neural Network (NN) Dalam Prediksi Saham PT. Telkom Indonesia Tbk (TLKM) Maulida, Rezeki; Septima, Richashanty; Syahputra, Hendri
Jurnal Teknik Informatika dan Elektro Vol 5 No 1 (2023): Januari : Jurnal Teknik Elektro dan Informatika
Publisher : Universitas Gajah Putih

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55542/jurtie.v5i1.449

Abstract

Prediksi harga saham PT. Telkom Indonesia, Tbk., perlu dilakukan untuk mengetahui apakah harga saham akan mengalami kenaikan, tetap atau mengalami penurunan dalam waktu mendatang. Dimana secara umum disebabkan karena penawaran lebih kecil dari permintaan akan mengakibatkan harga saham naik demikian sebaliknya apabila permintaan lebih kecil dari penawaran, maka mengakibatkan harga saham turun Prediksi atau peramalan harga saham dapat dilakukan melalui teknik regresi, klasifikasi dan klasterisasi. Dalam hal ini penulis akan membandingkan dua metode dalam teknik klasifikasi yaitu metode k-nearest neighbor (K-NN) dan neural network (NN), untuk mengetahui metode manakah yang lebih akurat dengan komposisi simulasi data latih dan uji yang sama menggunakan tools RapidMiner versi 5. Kemudian untuk menevaluasi kinerja masing-masing metode agar didapatkan manakah metode yang terbaik penulis menggunakan metode Root Mean Square Error (RMSE). Adapun hasil pengujian prediksi harga saham PT. Telkom Indonesia, Tbk., dengan komposisi dataset 90:10 diperoleh nilai RMSE 482.9358 dengan jumlah k=3 untuk metode k-NN dan nilai RMSE 70.07695 dengan jumlah input layer= 5 (1 bias layer), hidden layer= 5 (1 bias layer), dan 1 output layer untuk metode NN. Sehingga berdasarkan hasil pengujian pada data testing, maka metode NN merupakan metode yang lebih akurat.
Co-Authors Septima, Richashanty Syahputra, Hendri