digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

COVER Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 1 Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 2 Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 3 Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 4 Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 5 Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

PUSTAKA Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

Ekonofisika merupakan ilmu yang menerapkan konsep dan metode yang pada awalnya dikembangkan oleh fisikawan untuk dapat memecahkan permasalahan ekonomi. Salah satu aplikasi dari ekonofisika adalah pemodelan pergerakan harga saham. Penelitian ini memanfaatkan model Bidirectional Gated Recurrent Unit (BiGRU) yang terinspirasi dari konsep fisika, seperti hukum kekekalan momentum dan hukum kekekalan energi. Pada model Bi-GRU, terdapat hyperparameter dan fungsi aktivasi yang dapat diatur agar menghasilkan model yang lebih optimal. Tujuan penelitian ini adalah menentukan efek variasi jenis dan nilai hyperparameter, serta menentukan fungsi aktivasi yang memberikan kinerja model Bi-GRU terbaik dalam memprediksi harga saham agensi entertainment k-pop. Penelitian dilakukan dengan memvariasikan tiga hyperparameter, yaitu epoch, learning rate, dan batch size. Setelah itu, pemodelan dilakukan dengan memvariasikan tiga fungsi aktivasi, yaitu fungsi sigmoid, fungsi tanh, dan fungsi ReLu. Pada hasil penelitian, didapatkan bahwa nilai epoch terlalu besar menyebabkan model menjadi overfitting, sedangkan nilai epoch terlalu kecil menyebabkan model menjadi underfitting. Nilai learning rate terlalu besar menyebabkan model melakukan overshooting, sedangkan nilai learning rate terlalu kecil menyebabkan model terlalu lambat menuju solusi optimal. Nilai batch size terlalu besar menyebabkan proses komputasi menjadi lambat, sedangkan nilai batch size terlalu kecil menyebabkan model menjadi overfitting