Analisis prediksi data harga saham menggunakan metode long short-term memory

DETAIL KOLEKSI

Analisis prediksi data harga saham menggunakan metode long short-term memory

Oleh : Shabrina Irsyadyahwati

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2023

Pembimbing 1 : Syaifudin

Pembimbing 2 : Syandra Sari

Subyek : Neural networks (Computer science)

Kata Kunci : stocks,forecasting, LSTM.

Status Posting : Published

Status : Tidak Lengkap

File Repositori

No.	Nama File	Hal.	Link
1.	2023_TA_SSI_065001800023_Halaman-Judul.pdf
2.	2023_TA_SSI_065001800023_Lembar-Pengesahan.pdf
3.	2023_TA_SSI_065001800023_BAB-1_Pendahuluan.pdf
4.	2023_TA_SSI_065001800023_BAB-2_Analisa-nHask.pdf
5.	2023_TA_SSI_065001800023_BAB-3_Metodologi-Penelitian.pdf
6.	2023_TA_SSI_065001800023_BAB-4_Analisis-dan-Pembahasan.pdf
7.	2023_TA_SSI_065001800023_BAB-5_Kesimpulan.pdf
8.	2023_TA_SSI_065001800023_Daftar-Pustaka.pdf

Abstrak
Abstract

I Investasi saham memberikan keuntungan yang menarik bagi investor melalui pembayaran dividen dan capital gain. Namun, harga saham yang berfluktuatif dapat membuat investor ragu dalam membuat keputusan investasi. Prediksi harga saham menjadi topik menarik bagi peneliti dan praktisi keuangan. Hasil prediksi harga saham yang akurat sangat penting untuk membantu investor dalam membuat keputusan investasi yang bijak dan mengurangi risiko kerugian finansial. Metode analisis fundamental atau teknikal sering digunakan oleh investor untuk menentukan waktu dan harga yang tepat dalam membeli atau menjual saham mereka. Metode prediksi harga saham seperti LSTM (Long Short Term Memory) digunakan dalam penelitian ini untuk membandingkan hasil yang lebih akurat dalam memprediksi pergerakan harga saham. Perbandingan dilakukan dengan menggunakan beberapa parameter dalam penelitian yaitu batch size dengan nilai 5 dan epochs 50. Dari percobaan tersebut didapatkan nilai RMSE untuk emiten saham UNVR.JK sebesar 389.803 dan MAPE sebesar 6.7%, sedangkan nilai RMSE untuk emiten saham ICBP.JK sebesar 1246.339 dan nilai MAPE sebesar 10%, dan nilai terkecil yang didapat yaitu untuk emiten saham MASB.JK dengan nilai RMSE sebesar 135.596 dan nilai MAPE SEBESAR 2.8%. Maka menghasilkan bahwa performa model prediksi termasuk akurat

S Stock investments provide attractive returns for investors through dividend payments and capital gains. However, fluctuating stock prices can make investors hesitate in making investment decisions. Stock price prediction is an interesting topic for researchers and financial practitioners. Accurate stock price prediction results are essential to help investors make wise investment decisions and reduce the risk of financial loss. Fundamental or technical analysis methods are often used by investors to determine the right time and price to buy or sell their stocks. Stock price prediction methods such as LSTM (Long Short Term Memory) are used in this study to compare the results that are more accurate in predicting stock price movements. The comparison was carried out using several parameters in the study, namely batch size with a value of 5 and 50 epochs. From the experiment, the RMSE value for UNVR.JK stock issuers was 389,803 and MAPE of 6.7%, while the RMSE value for ICBP.JK stock issuers was 1246,339 and a MAPE value of 10%, and the smallest value obtained was for MASB.JK stock issuers with an RMSE value of 135,596 and a MAPE value of 2.8%. So it results that the performance of the prediction model is accurate.