Perpustakaan Digital ITB

Ekonofisika merupakan salah satu cabang dari sistem kompleks di mana permasalahan dalam bidang ekonomi diselesaikan dengan prinsip dan metode yang ada pada fisika. Salah satu penerapannya adalah menganalisis prediksi perubahan harga saham di pasar modal. Saham merupakan salah satu instrumen ekonomi yang paling sering diperjualbelikan di pasar modal dengan tujuan investasi. Salah satu metode yang dapat digunakan dalam memprediksi harga saham adalah Wavelet Neural Network (WNN). Metode WNN ini merupakan gabungan dari metode wavelet dengan artificial neural network. Pada metode ini wavelet digunakan untuk melakukan denoise pada data saham sebelum dimodelkan menggunakan neural network. Penelitian ini menggunakan wavelet Daubechies orde 2 level dekomposisi 2 dan 3, kemudian jenis neural network yang digunakan adalah Long-Short Term Memory (LSTM) yang merupakan jenis dari Recurrent Neural Network (RNN). Penelitian ini bertujuan untuk mengetahui pengaruh Covid-19 pada saham sektoral di Indonesia. Data yang digunakan adalah data saham sektoral periode Maret 2018 – Juli 2020 yang dibagi menjadi data latih, data uji, dan data prediksi. Data latih dan data uji menggunakan data sebelum kasus Covid-19 muncul di Indonesia yaitu periode Maret 2018 – Februari 2020. Data prediksi yang digunakan adalah periode Maret 2020 – Juli 2020 setelah kasus Covid-19 Muncul di Indonesia. Hasil prediksi menggunakan hasil denoise wavelet Daubechies orde 2 level dekomposisi 2 memberikan nilai akurasi paling besar pada sektor perdagangan, jasa, dan investasi sebesar 98,26% dan akurasi paling kecil adalah 96,45% pada sektor keuangan. Pada hasil prediksi menggunakan hasil denoise wavelet Daubechies orde 2 level dekomposisi 3 memberikan nilai akurasi terbesar 98,13% pada sektor perdagangan, jasa, dan investasi dan akurasi paling kecil 96,15% pada sektor Keuangan.