BINTANG ADITYA NUGROHO, - (2026) PENERAPAN MODEL DEEP LEARNING PADA PERGERAKAN INDEKS HARGA SAHAM GABUNGAN. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text (BAB GABUNGAN) TUGAS AKHIR BINTANG tanpa bab 4 - Bintang Aditya.pdf - Published Version Download (10MB) | Preview
	Text (BAB HASIL) BAB 4 TUGAS AKHIR BINTANG - Bintang Aditya.pdf - Published Version Restricted to Repository staff only Download (3MB)
Preview	Text (PERNYATAAN PUBLIKASI) surat pernyataan 2 bintang - Bintang Aditya.pdf - Published Version Download (420kB) | Preview

Abstract

Indeks Harga Saham Gabungan (IHSG) merupakan indikator utama pasar modal Indonesia yang pergerakannya dipengaruhi oleh berbagai faktor fundamental, sentimen pasar, dan kondisi makroekonomi global, sehingga menyulitkan proses prediksi secara akurat. Penelitian ini bertujuan untuk menerapkan dan membandingkan kinerja tiga model deep learning, yaitu Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), dan Neural Basis Expansion Analysis for Time Series (N-BEATS), dalam menganalisis pergerakan IHSG berdasarkan data historis harga sebagai pendekatan analisis teknikal. Pengujian dilakukan melalui tiga skenario data, yaitu periode lengkap 1991–2025, periode tanpa pandemi COVID-19, serta periode khusus pandemi COVID-19. Evaluasi kinerja model menggunakan metrik Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE), disertai analisis visual terhadap hasil prediksi dan proses pelatihan. Hasil penelitian menunjukkan bahwa GRU memiliki performa paling konsisten dan adaptif pada berbagai kondisi pasar, N-BEATS unggul dalam menangkap tren jangka panjang pada data historis yang panjang, sementara LSTM menunjukkan stabilitas yang baik namun kurang responsif terhadap perubahan harga yang cepat. Penelitian ini menegaskan bahwa model deep learning lebih tepat digunakan sebagai alat analisis teknikal berbasis data historis, bukan sebagai alat prediksi pasti pergerakan IHSG.

Actions (login required)

View Item