Penerapan Metode Extreme Learning Machine (ELM) Dalam Memprediksi Indeks Harga Saham Gabungan (IHSG) Di Indonesia

Pasar saham merupakan salah satu bidang yang terus menarik perhatian para investoran peneliti dibidang keuangan. Penelitian ini mengeksplorasi penerapan metode Extreme learning machine (ELM) untuk memprediksi Indeks Harga Saham Gabungan (IHSG) di Indonesia. ELM dikenal karena kemampuannya dalam pembelajaran cepat dengan arsitektur jaringan syarat-syarat minimal. Dalam penelitian ini digunakan tiga jenis fungsi aktivasi yaitu Sigmoid, ReLU, dan Tanh yang diaplikasikan pada ELM untuk membandingan kinerja prediksi IHSG. Data bulanan IHSG digunakan dalam pelatihan dan pengujin model. Langkah-langkah prapemrosesan data, seperti pembagian data menjadi data Training dan Testing, diterapkan sebelum memasukkan data ke dalam model. Peforma model dievaluasi menggunakan Root Mean Square Error (RMSE) dan dibandingkan untuk setiap fungsi aktivasi. Hasil penelitian menunjukan bahwa masing-masing fungsi aktivasi memiliki pengaruh yang berbeda terhadap kinerja prediksi IHSG. Pada penelitian ini fungsi aktivasi ReLU yang menunujukan performah terbaik dalam memprediksi IHSG dibandingkan dengan fungsi aktivasi lainnya, dengan tingkat kesalahan kuadrat rata-rata berakar (RMSE) sebesar 1 x 10-16. Hasill ini menunjukan bahwa performa prediksi model dalam memperkirakan nilai aktual sangat baik.

Kata Kunci: ELM, IHSG, Fungsi Aktivasi, Prediksi