ABSTRAK Ariel Graham
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Ariel Graham
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 1 Ariel Graham
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 2 Ariel Graham
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 3 Ariel Graham
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 4 Ariel Graham
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 5 Ariel Graham
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Ariel Graham
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Ekonofisika merupakan bidang interdisiplin ilmu yang melibatkan fisika pada pe-
nyelesaian sistem ekonomi. Salah satu fokus dari ekonofisika adalah analisis pasar
keuangan. Prediksi pasar keuangan merupakan hal yang sangat krusial dalam pengam-
bilan keputusan finansial bagi investor. Pendekatan prediksi pasar keuangan, seperti
model statistika, mesin pembelajaran, dan metode deep learning. Namun, kompleksi-
tas dan dimensi data pasar keuangan yang tinggi memberatkan kinerja model. Maka
dari itu, diusulkan model mesin pembelajaran, yaitu Restricted Boltzmann Machine
(RBM) untuk feature extracting. Tujuan dari penelitian ini adalah melakukan analisis
pengaruh hyperparameter RBM dalam melakukan prediksi tren harga saham dan mem-
bandingkan Gaussian-Bernoulli RBM dengan Bernoulli RBM. Penelitian ini dilakukan
dengan melibatkan RBM dalam prediksi tren harga saham yang dilakukan untuk empat
harga saham dalam sektor batu bara, yaitu PTBA, ITMG, KKGI, dan BUMI meng-
gunakan SVM, Random Forest, Multi-Layer Perceptron, dan LSTM. Hasil prediksi
berupa nilai akurasi, presisi, dan negative predictive value dievaluasi menggunakan
evaluasi matriks. Performa model klasifikasi ditinjau berdasarkan kurva receiver ope-
rating characteristic dan luas di bawah kurvanya. Penelitian ini menyimpulan penggu-
naan optimasi hyperparameter RBM memengaruhi nilai akurasi yang dihasilkan dan
penggunaan Bernoulli RBM memberikan hasil yang lebih baik dibandingkan dengan
Gaussian-Bernoulli RBM. Meskipun demikian, beberapa data saham dan model klasi-
fikasi tidak menunjukkan pengaruh penggunaan hyperparameter yang dioptimasi. Hal
ini disebabkan oleh beberapa faktor, seperti karakteristik data, opsi hyperparameter
dalam pencarian fine-tuning, dan pemilihan parameter yang dioptimasi.