KLASTERISASI PERFORMANSI SAHAM DENGAN RECURRENT NEURAL NETWORK DAN ARTIFICIAL ALGAE ALGORITHM

Minimnya pemahaman dan pengalaman pada investasi di pasar saham dapat merugikan investor terutama investor pemula sehingga hal ini menjadi alasan perlu dilakukan analisis saham. Pengelompokan saham berdasarkan performansinya dapat membantu investor memilih saham yang sesuai untuk karakter investor. Literatur mengenai seleksi saham, metode berbasis analisis cluster biasanya digunakan untuk mengelompokkan dan menentukan saham yang terbaik untuk investasi namun, hasil performansi yang dihasilkan tidak dapat merefleksikan nilai aktual dari saham karena situasi pasar biasanya mencakup nilai ekstrem yang tidak pasti. Menyelesaikan permasalahan tersebut, maka perlu dilakukan analisis cluster terhadap variabel lainnya yaitu nilai indeks Treynor rasio (Treynor Index). Pada penelitian ini, akan menggunakan metode Recurrent Neural Networks (RNN) dan Artificial Algae Algorithm (AAA). Hasil dari penelitian ini adalah sebuah aplikasi yang dapat digunakan untuk melakukan proses klasterisasi performansi saham. Berdasarkan hasil pengujian yang dilakukan, diperoleh informasi bahwa akurasi dari hasil klasterisasi saham adalah sebesar 52.8721%.