Pemodelan Time Series Data Saham LQ45 dengan Algoritma LSTM, RNN, dan Arima

Abstract

Perkembangan teknologi merubah cara manusia untuk melakukan kegiatan. Termasuk, dalam hal berinvestasi. Untuk memilih saham dalam berinvestasi dibutuhkan strategi dan analisis yang baik, analisis yang sering dipakai adalah peramalan deret waktu. Peramalan deret waktu disini dilakukan dengan memilih saham yang terdaftar pada Liquid 45 (LQ45) yang dikeluarkan oleh Bursa Efek Indonesia (BEI) dan mengambilnya menjadi dataset melalui finance.yahoo.com, kemudian memodelkannya menggunakan metode tradisional Autoregressive Integrated Moving Average (ARIMA) serta metode modern yang populer seperti Long-Short Term Memory (LSTM), Convolutional Neural Network-Long-Short Term Memory (CNN-LSTM), dan Convolutional Long-Short Term Memory (ConvLSTM).Tujuan penelitian ini adalah untuk membandingkan metode Arima dengan metode LSTM, CNN-LSTM, dan ConvLSTM dalam meramalkan data saham.