Machine Learning (Stock Prediction using Artificial Neural Networks) Mursalim P Universitas Dian Nuswantoro 2019.

Presentasi berjudul: "Machine Learning (Stock Prediction using Artificial Neural Networks) Mursalim P Universitas Dian Nuswantoro 2019."— Transcript presentasi:

1 Machine Learning (Stock Prediction using Artificial Neural Networks) Mursalim P31.2018.02098 Salimbyan.nugroho@gmail.com Universitas Dian Nuswantoro 2019

2 LIST PRESENTASI Judul Ringkasan Pendahuluan Tujuan Dataset yang digunakan Metode yang digunakan Hasil Kesimpulan

3 JUDUL Stock Prediction Using Artificial Neural Networks

4 RINGKASAN Artificial Neural Network untuk memprediksi index stok pasar Penerapan fungsi aktivasi sepanjang ada pilihan untuk crossvalidation Dataset yang digunakan adalah Nifty stock index dataset Capaian akurasi hingga 96% pada dataset tersebut.

5 TUJUAN Membuat model Artificial Neural Network (ANN) untuk memprediksi index stok pasar Menerapkan Backpropagation Learning Algoritm untuk meminimalkan fungsi kesalahan (error) Mengupdate bobot sampai dengan terpenuhinya epoh (iterasi) yang ditetapkan

6 DATASET YANG DIGUNAKAN Nifty dataset Nifty dataset adalah indeks pasar saham branchmark India untuk pasar ekuitas. 50 indeks akuntasi saham yang terverifikasi dengan baik untuk 22 sector ekonomi Dataset tersebut dapat di unduh melalui url: https://www.kaggle.com/ramamet4/nse-stocks- databasehttps://www.kaggle.com/ramamet4/nse-stocks- database Nifty dataset terdiri dari 7 attribute yaitu: index, date, time, open, high, low, close period of 2016/01/01 to 2017/12

7 METODE Artificial Neural Network Secara keseluruhan U1,U2,Uj,UN sebagai inputan W1, W2, WN digunakan sebagai bobot

8 METODE

9 MODEL

10 HASIL Atrribut (open, Low, Hight, Close) Output (Close) Data training (60%) Data Testing (40%)

11 HASIL

12

13

14

15

16

17 KESIMPULAN Model dapat di jalankan untuk prediksi

18 KRITIK & SARAN Kurang komprehensif dalam menentukan masalah Pada ringkasan belum bisa mendeskripsikan secara jelas tentang paper ini

19 DATA PRE PROCESSING Nifty Sense data 60% training 40% testing

20

21

22