Perbandingan Metode Extreme Learning Machine dan Multilayer Percepton Dalam Peramalan Saham Nippon Paint (Studi Kasus : Harga Penutupan Saham Bulanan Nippon Paint dari Tahun 2016 - 2021)

Abstract

Kegiatan investasi merupakan salah satu pilihan alternatif dalam mendapatkan keuntungan dengan cara yang cukup efektif, saham (stock) merupakan salah satu jenis investasi yang paling sering ditawarkan oleh perusahaan dan yang paling banyak diminati oleh para investor. Saham sendiri mempunyai daya tarik yang mampu memberikan keuntungan yang tinggi dengan tingkat risiko tertentu. Saham adalah tanda penyertaan modal seseorang atau pihak (badan usaha) dalam suatu perusahaan yang berbentuk Perseroan Terbatas (PT). Banyak pilihan investasi saham yang bisa dipilih salah satunya adalah saham milik perusahaan manufaktur produk cat Jepang, dapat dilihat dari data historis harga saham Nippon Paint memang menjanjikan untuk berinvestasi. Maka dari itu penelitian ini melakukan peramalan nilai harga penutupan saham Nippon Paint dengan menggunakan data periode Januari 2016 - Oktober 2021 menggunakan metode Multilayer Perceptron (MLP) dan Extreme Learning Machine (ELM). Yang dimana diantara kedua metode tersebut akan dipilih metode terbaik berdasarkan nilai MAPE yang terkecil. Penelitian ini menggunakan variabel closing price saham bulanan Nippon Paint dengan total data 70 bulan. Dari hasil penelitian ini ialah diperoleh nilai akurasi hasil peramalan terkecil dengan metode Multilayer Perceptron dengan nilai MAPE sebesar 4,46% yang menunjukan bahwa metode Multilayer Perceptron (MLP) lebih baik digunakan dalam peramalan nilai harga penutupan saham Nippon Paint.