Pada proyek akhir ini akan dibuat aplikasi untuk peramalan harga saham menggunakan RNN – BPTT. Dalam pemodelan proyek akhir ini yang menjadi data inputan adalah Close Price saham di Bursa Efek Indonesia (BEI). Kemudian dari data Close Price saham – saham ini akan dilakukan peramalan time series dengan algoritma jaringan recurrent neural network yakni algoritma BPTT dimana arsitektur jaringan yang digunakan adalah Jordan’s RNN.
Backpropagation Through Time (BPTT) merupakan suatu algoritma pelatihan yang cukup populer untuk recurrent neural network. Pada recurrent neural network terdapat beberapa feedback loop di dalam koneksi graphnya. Konsep utama dari BPTT adalah membentangkan jaringan ke dalam waktu dengan meletakkan salinan yang sama dari recurrent neural network dan mengatur kembali koneksi jaringan untuk mendapatkan koneksi antara salinan selanjutnya.
Untuk menghasilkan peramalan yang akurat, parameter yang ada dalam RNN akan diuji seperti learning rate, jumlah neuron dan banyaknya data.
Dengan dibuatnya proyek akhir ini diharapkan dapat membantu investor untuk memprediksikan fluktuasi harga saham sehingga mereka mampu menentukan kebijaksanaan investasi kedepannya dengan hasil yang cukup baik.
Kata kunci : Peramalan Time Series, Close Price, Recurrent Neural Network, Backpropagation Through Time
