Catatan penting : Jika pembaca benar-benar awam tentang apa itu Python, silakan klik artikel saya ini. Jika pembaca belum tahu cara menginstall library Keras versi GPU untuk deep learning, silakan klik artikel saya ini. Tanpa Keras GPU, proses komputasi akan berjalan sangat lambat.
Setelah sebelumnya saya bahas teori tentang Recurrent Neural Networks (RNN), kali ini saya akan berbagi tentang aplikasinya. Kita sudah memahami sebelumnya, bahwa kita akan menggunakan arsitektur LSTM (Long short-term memory) sebagai tambahan dari rancangan RNN.
Jika pembaca belum membaca artikel saya tentang LSTM melalui link di atas, akan kesulitan mengikuti materi di halaman ini. Jadi sangat saya rekomendasikan pembaca untuk benar-benar memahami apa itu LSTM.
Sekarang kita akan mencoba memprediksi trend sebuah saham. Kita pilih saham yang terkenal yaitu saham milik Facebook. Kita ambil data saham dari sejak Facebook go plublic sampai sekarang, jadi bisa dipastikan datanya sangat besar.
Silakan pembaca download dulu dataset nya di link 1 dan link 2.
Bagaimana mendapatkan data saham ini? Cukup akses situs summary finansial dari Yahoo di link ini. Pembaca juga bisa mengatur sendiri saham apa yang akan diprediksi dan rentang waktunya. Yang menarik adalah history dari pergerakan saham bisa kita simpan (download) di komputer.
Jika pembaca ingin mengunduh dan menggunakan saham lain, silakan saja. Dengan demikian, pembaca bisa berlatih untuk mencoba berbagai macam jenis saham perusahaan. Menariknya, tidak hanya saham yang bisa diprediksi, bahkan harga komoditas lain juga bisa. Intinya datanya harus berbentuk time-series.
Untuk melanjutkan membaca, silakan klik tombol lanjut ke halaman selanjutnya di bawah ini
Pages: 1 2
Assalamualaikum mohon maaf, saya ingin menanyakan LSTM itu apa ya, dan fungsinya untuk apa.? terima kasih.
Wa’alaikumsalam. Pembahasan tentang LSTM ada di bagian teori RNN. Cukup klik saja link teori RNN di artikel ini.
Terimakasih Pak, untuk Konten ini “Di kesempatan selanjutnya saya akan berbagi bagaimana caranya memprediksi nilai saham beberapa hari ke depan.” Kapan pak hehehe saya tunggu.
Ditunggu saja, pantau terus situs saya ya ?
Siap pak terimakssih ilmunya bermanfaat banget. diharapkan secepatnya karena akan hausnya ilmu. hehehehe..
.
Ditunggu kelanjutannya pak. Soalnya sudah mulai upgrade PC biar bisa ngikutin materi dengan nyaman.. Sudah tidak sabar..
Assalamualaikum,
maaf saya mau tanya. Kalau saya coba pakai data lain yang selain data dari Bapak, dalam penampakan grafik visualnya diawal waktu curva harga prediksi pasti menjulang tinggi (dimulai dari harga yang tinggi sekali) tapi semakin ke kanan semakin normal. Boleh tau kira-kira itu terjadi karena apa ya pak?
Terimakasih sebelumnya,
Waalaikumsalam,
Saya tidak tahu pasti karena tidak memiliki datanya. Silakan gunakan data lain apakah memiliki pola yang sama atau tidak.
Di metode (artikel) ini kita hanya pakai 1 variabel saja, jadi masih banyak faktor berpengaruh lain yang belum kita masukkan.
assalamualaikum, pak mau bertanya.
apakah nilai sliding window harus sebesar itu ya? semisal menggunakan sliding window kisaran 7 hari saja apakah itu nanti mempengaruhi hasil secara signifikan?
Wa’alaikumsalam. Silakan saja dicoba-coba sendiri. Dalam deep learning tidak ada batasan.
Silakan berkreasi dan bandingkan hasilnya satu dengan yang lainnya.
Semoga menjawab.
Assalamualaikum mohon maaf pak, bukannya library keras sudah ada di R sejak 2017 yaa, tolong buat tutorialnya untuk prediksi saham di R yaa pak. Terimakasih banyak
Wa’alaikumsalam. Bisa langsung dicoba saja sekalian sambil latihan menggunakan Keras di R ?
selamat malam pak mohon izin bertanya untuk prediksi saham pada tahun atau bulan berikutnya bagaimana
Halo, saya sedang sibuk sekali dengan administrasi disertasi. Jadi website ini akan jarang diupdate selama beberapa waktu ke depan.
Pak MB Herlambang, mohon dibuatkan tutorial python tensorflow untuk prediksi karakter berikutnya pada kata hello, contoh input “h”, output “e”.
Supaya lebih paham ttg perhitungan RNN pak
Terimakasih banyak
Assalamu’alaikum, mohon maaf saya ingin bertanya. Untuk penjelasan yang di highlight orange:
“Jadi X_train sebagai data ke 0 (baris ke 1) digunakan untuk memprediksi y_train sebagai data ke 59 (baris ke 60).”
Apakah yang dimaksud tersebut sama dengan lag-time dalam prediksi?
Karena data yang digunakan adalah data historis, maka untuk dapat memprediksi “x” hari kedepan diperlukan data training sejak H – “x“. Jika kita hanya ingin memprediksi 7 hari kedepan, maka nilai 60 diganti dengan 7. Apakah demikian? Mohon pencerahannya Pak. Terimakasih..
artikel terkait deep learning sangat bermanfaat. Teknologi modern terus berkembang di era digital, memberikan banyak manfaat yang menggabungkan Virtual Reality dan Augmented Reality, menghadirkan inovasi interaktif yang luar biasa bagi masyarakat.