PREDIKSI HARGA SAHAM PERBANKAN DI INDONESIA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)

Eko Putra, Niansyah (2024) PREDIKSI HARGA SAHAM PERBANKAN DI INDONESIA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (211kB)
	Text BAB II.pdf Restricted to Registered users only Download (456kB)
	Text BAB III .pdf Restricted to Registered users only Download (309kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Download (169kB)
	Text DAFTAR PUSTAKA.pdf Download (235kB)

Abstract

Peningkatan nilai saham dan minat yang tumbuh dari generasi milenial terhadap investasi, khususnya di sektor perbankan, telah mendorong kebutuhan untuk prediksi harga saham yang tepat. Penelitian ini menyelidiki penerapan model Long Short-Term Memory (LSTM) dalam memprediksi harga penutupan saham PT Bank Central Asia Tbk, PT Bank Rakyat Indonesia Tbk, PT Bank Mandiri Tbk, PT Bank Negara Indonesia Tbk, PT Bank MEGA Tbk, PT Bank Tabungan Negara Tbk. Model LSTM lapisan tunggal dikembangkan menggunakan 81 kombinasi parameter yang berbeda seperti neuron, timestep, epochs, batch size, optimizer, dan learning rate. Kinerja setiap model dibandingkan menggunakan metrik evaluasi Root Mean Square Error (RMSE) dan Mean Absolute Percent Error (MAPE). Hasil eksperimen menunjukkan bahwa model LSTM lapisan tunggal dengan 100 neuron dapat memberikan hasil yang lebih baik dan akurasi prediksi yang lebih tinggi dibandingkan dengan model LSTM lapisan tunggal dengan 50 atau 200 neuron.

Actions (login required)

View Item