ABSTRAK Marshanda Tiana Sarjito
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Marshanda Tiana Sarjito
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 1 Marshanda Tiana Sarjito
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 2 Marshanda Tiana Sarjito
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 3 Marshanda Tiana Sarjito
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 4 Marshanda Tiana Sarjito
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 5 Marshanda Tiana Sarjito
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Marshanda Tiana Sarjito
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Ekonofisika merupakan interdisiplin ilmu yang memanfaatkan fisika dalam
menyelesaikan fenomena ekonomi. Salah satu fokus dari ekonofisika sendiri adalah
pembahasan mengenai pasar saham. Melakukan prediksi untuk pasar saham
merupakan hal yang sangat penting dilakukan karena dapat memberikan keputusan
finansial kepada investor. Banyak pendekatan yang telah dilakukan dalam
melakukan prediksi harga saham seperti model statistika, machine learning, dan
deep learning. Hanya saja dengan penggunaan data dengan dimensi yang tinggi
seperti harga saham memungkinkan adanya pengurangan kinerja komputasi
sehingga diusulkan model deep learning yaitu Restricted Boltzmann Machine
(RBM) sebagai feature extracting. Tujuan dari penelitian ini adalah menganalisis
pengaruh RBM dalam prediksi tren harga saham dan membandingkan Gaussian
RBM dengan Bernoulli RBM. Penelitian ini dilakukan dengan menambahkan RBM
dalam prediksi tren harga saham yang dilakukan untuk tiga harga saham yaitu ASII,
BMRI, dan TLKM dengan menggunakan Support Vector Machine (SVM),
Random Forest, Naïve-Bayes Classifier, dan Multi Layer Perceptrons Classifier.
Hasil dari prediksi yang dilakukan berupa nilai akurasi yang dievaluasi
menggunakan evaluasi matriks. Dari penelitian ini, didapatkan kesimpulan bahwa
penggunaan RBM memberikan pengaruh pada nilai akurasi yang dihasilkan dan
penggunaan Bernoulli RBM lebih baik daripada Gaussian RBM. Meskipun begitu,
ada beberapa data saham dan model klasifikasi prediksi yang tidak menunjukkan
adanya pengaruh dari RBM. Hal ini dapat disebabkan oleh banyak faktor seperti
karakteristik data, pemilihan model klasifikasi, dan pemilihan hyperparameter
RBM.