JULIANDI KURNIANSYAH, - (2025) IMPLEMENTASI MODEL LONG SHORT TERM MEMORY (LSTM) DALAM PREDIKSI HARGA SAHAM. Bulletin of Information Technology (BIT), 5 (2). pp. 79-86. ISSN 2722-0524 (Online)

Preview	Text (JURNAL ARTIKEL) Bebas Pustaka Juliandi Kurniansyah 12150111445 - JULIANDI KURNIANSYAH TEKNIK INFORMATIKA.pdf - Published Version Download (4MB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI MAHASISWA) Serah Simpan Karya - JULIANDI KURNIANSYAH TEKNIK INFORMATIKA.pdf - Published Version Download (464kB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI DOSEN) Form persetujuan publikasi - JULIANDI KURNIANSYAH TEKNIK INFORMATIKA.pdf - Published Version Download (757kB) | Preview

Abstract

Investasi di pasar saham semakin diminati meskipun fluktuasi harga saham sering kali sulit diprediksi. Model prediksi saham yang akurat dapat membantu investor dalam pengambilan keputusan. Penelitian ini menerapkan model Long Short-Term Memory (LSTM) untuk melakukan peramalan harga saham BBCA berdasarkan data historis harian dari 1 Januari 2015 hingga 1 Januari 2025. Data diambil dari Yahoo Finance dan hanya menggunakan variabel penutupan (close). Proses penelitian diantaranya pra-pemrosesan data, normalisasi Min-Max, pemodelan LSTM dengan variasi timesteps (30, 60, 90 hari), serta evaluasi hasil prediksi. Model LSTM dibangun dengan dua lapisan LSTM, lapisan dropout, dan lapisan dense, serta dilatih menggunakan fungsi loss mean_squared_error dan optimizer Adam. Hasil evaluasi menunjukkan bahwa konfigurasi model dengan timesteps 60 hari mencapai performa optimal dengan nilai RMSE 114.17, MAPE dengan persentase 0.96%, dan R-Squared 0.98, yang mengindikasikan prediksi model sangat akurat dan andal. Penelitian ini menunjukkan bahwa LSTM merupakan model yang efektif untuk prediksi harga saham berdasarkan data deret waktu.

Actions (login required)

View Item