Perbandingan Metode Artificial Neural Networks dan Fuzzy Logic dalam Memprediksi Harga Saham Sektor Teknologi dan Infrastruktur

Abstract

Fluktuasi harga saham yang tinggi pada sektor teknologi dan infrastruktur di Indonesia pada tahun 2025 membutuhkan metode prediksi yang akurat untuk membantu keputusan investasi. Penelitian ini membandingkan efektivitas metode Artificial Neural Networks (ANN) dan Fuzzy Logic dalam memprediksi pergerakan harga saham pada dua sektor strategis tersebut. Data historis harga saham dan faktor makroekonomi dari Januari 2022 hingga Maret 2025 digunakan dengan kombinasi metode kuantitatif dan analisis komparatif untuk mengevaluasi akurasi, kecepatan pemrosesan, dan kemampuan adaptasi dari kedua metode. Hasil penelitian menunjukkan bahwa model ANN dengan arsitektur Multilayer Perceptron (MLP) memberikan akurasi prediksi yang lebih tinggi (93,7%) dibandingkan dengan model Fuzzy Logic (89,3%), terutama dalam kondisi volatilitas pasar yang tinggi. Namun, model Fuzzy Logic menunjukkan keunggulan dalam interpretabilitas hasil dan waktu pemrosesan yang lebih cepat (105 ms vs. 120 ms). Studi ini memberikan dasar empiris bagi investor dan analis keuangan dalam memilih metode prediksi yang sesuai dengan kebutuhan spesifik mereka di tengah transformasi digital dan pembangunan infrastruktur yang pesat di Indonesia.