Prediksi Saham BBNI dan BBRI Menggunakan LSTM (Long Short Term Memory)
DOI:
https://doi.org/10.36815/submit.v4i2.3332Keywords:
prediksi saham, BBNI, BBRI, LSTMAbstract
Salah satu opsi yang banyak diminati investor adalah saham-saham di sektor perbankan. Pergerakan harga saham berubah dengan cepat. Oleh karena itu, perlu dilakukan prediksi harga saham untuk meminimalkan risiko kerugian. Tujuan dari penelitian ini adalah untuk menguji kinerja, model long short-term memory (LSTM) dalam memprediksi harga saham di sektor perbankan. Data yang digunakan adalah data harian penutupan harga saham sektor perbankan pada tanggal 16 April 2001 sampai dengan tanggal 30 September 2022. Tahap eksplorasi meliputi (1) input data untuk memperoleh data harga saham penutupan, dan (2) preprocessing data untuk memeriksa nilai data yang hilang. (3) Pembagian data, yaitu data dibagi menjadi data latih dan data uji dengan perbandingan 80:×20. (4) normalisasi data, yaitu mengubah data ke skala yang sama; (5) Rekonstruksi data untuk mengubah data ke dalam format urutan. (6) Melatih model yang terdiri dari dua lapisan LSTM dan satu lapisan menggunakan data pelatihan. (7) Uji model pada data uji menggunakan MAE dan evaluasi hasil prediksinya. Hasil penelitian menunjukkan bahwa Nilai uji MAE BBNI sebesar 0,014984, dan BBRI dengan Nilai uji MAE sebesar 0,014066.
References
I NYOMAN, C.J., dan DHORIVA, U.W., 2024. Prediksi harga saham pada sektor Perbankan menggunakan Algoritma Long Short-Term Memory. vol 1, no. 2,. 2024 https://journal.student.uny.ac.id/ojs/index.php/jssd/article/view/19475
Mahfuzh, M., & Yuliantari, R. (2022). Analisis Penerapan Artificial Neural Network Algoritma Propagasi Balik untuk Meramalkan Harga Saham pada Bursa Efek Indonesia. Journal of Applied Electrical Engineering, 6(1), 1-3. https://doi.org/10.30871/jaee.v6i1.3814
ADIL, M., MHAMED, H., 2020. Stock Market Prediction Using LSTM Recurrent Neural Network, vol 170, p. 1168-1173, 2020. https://doi.org/10.1016/j.procs.2020.03.049
JOKO, R, dan CHRISTINA, E.P., 2020. Prediksi harga saham harian closing price PT. BNI Tbk. dengan model Autoregressive Integrated Movibg Average [artikel] https://publikasi.kocenin.com/index.php/pakar/article/view/100 [Diakses Juni 2024]
SUCI, A.T., 2022. Analisis perbandingan kinerja model Arima, LSTM dan GRU pada Stock Price Forecasting. [skripsi]https://repository.uinjkt.ac.id/dspace/bitstream/123456789/68556/1/SUCI%20AMALIA%20TUSSIFAH-FST.pdf
Wiranda, L., & Sadikin, M. (2020). PENERAPAN LONG SHORT TERM MEMORY PADA DATA TIME SERIES UNTUK MEMPREDIKSI PENJUALAN PRODUK PT. METISKA FARMA. Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI, 8(3), 184–196. https://doi.org/10.23887/janapati.v8i3.19139
