Perbandingan Prediksi Saham BTPN Dengan BBRI Menggunakan LSTM(Long Short Term-Memory)
DOI:
https://doi.org/10.36815/submit.v4i2.3360Keywords:
BBRI, BTPN, LSTMAbstract
Salah satu opsi yang banyak diminati investor adalah saham perbankan. Rephrase.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 memori jangka pendek panjang (LSTMs) dalam memprediksi harga saham di sektor perbankan. Data yang digunakan adalah data harga penutupan harian perbankan pada tanggal 16 April 2001 sampai dengan tanggal 30 September 2022. Tahap eksplorasi meliputi (1) entri data untuk memperoleh data harga penutupan dan (2) praproses data untuk mencari nilai data yang hilang. (3) Pemisahan data yaitu pemisahan data menjadi data latih dan data uji dengan perbandingan 80:×20.(4) Normalisasi data.Artinya, mengubah data ke skala yang sama. (5) Rekonstruksi data untuk mengubah data ke dalam format array. (6) Gunakan data pelatihan untuk melatih model yang terdiri dari dua lapisan LSTM dan satu lapisan. (7) Uji model pada data uji menggunakan MAE dan evaluasi hasil prediksinya. Berdasarkan hasil penelitian, nilai uji MAE BTPN sebesar 0,014443 dan nilai uji MAE BBRI 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
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
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
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
