PEMODELAN HARGA SAHAM MENGGUNAKAN METODE LONG SHORT TERM MEMORY

Jannatun Khustia Lubis; Iqbal Kharisudin

doi:10.15294/ujm.v11i2.59758

Abdillah, M. F. P., Zukhronah, E., & Respatiwulan. (2021). Peramalan Harga Saham PT . Bank Central Asia Tbk Menggunakan Metode Auto Regresive Integrated Moving Average ( ARIMA ). Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) 2021, 110–117.
Brownlee, J. (2017). Long Short-Term Memory Networks With Python (1.0, Vol. 1). Machine Learning Mastery.
Hanke, J. E., & Wichern, D. (2014). Business Forecasting (9th ed.). Harlow: Pearson Education Limited.
Jamil, M. S., & Akbar, S. (2017). Taxi Passenger Hotspot Prediction using Automatic ARIMA Model. 2017 3rd International Conference on Science in Information Technology (ICSITech), 23–28.
Jarque, C. M., & Bera, A. K. (1987). A Test for Normality of Observations and Regression Residuals. International Statistical Review, 55(2), 163–172.
Korstanje, J. (2021). Advanced Forecasting with Python: With State-of-the-Art-Models Including LSTMs, Facebook’s Prophet, and Amazon’s DeepAR. In Advanced Forecasting with Python.
Sethia, A., & Raut, P. (2018). Application of LSTM, GRU and ICA for stock price prediction. Information and Communication Technology for Intelligent Systems, 2, 479–487.
Wei, W. W. S. (2006). Time Series Analysis Univariate and Multivariate Methods (2nd ed.). New York: Pearson Education.
Winata, W. (2018). Prakira Suhu Udara Rata-Rata Kota-Kota Besar Dunia Menggunakan Metode Long Short-Term Memory. Skripsi. Medan: Program Sarjana Universitas Sumatra Utara.

Abstract viewed - 229 times
PDF downloaded - 130 times

Affiliations

Jannatun Khustia Lubis
Universitas Negeri Semarang

Iqbal Kharisudin
Universitas Negeri Semarang

Content Top

PEMODELAN HARGA SAHAM MENGGUNAKAN METODE LONG SHORT TERM MEMORY

Jannatun Khustia Lubis ,
Iqbal Kharisudin

Vol 11 No 2 (2022)

DOI 10.15294/ujm.v11i2.59758

Submitted: Aug 26, 2022

Published: Jul 7, 2023

Abstract

Penelitian ini bertujuan untuk mengetahui peramalan harga saham PT XL Axiata Tbk, PT Indosat Tbk, dan PT Telkom Indonesia Tbk menggunakan Long Short Term Memory (LSTM) dan Automatic ARIMA (auto ARIMA) melalui program python. Data harga penutupan saham mulai tanggal 01 Januari 2015 sampai 31 Desember 2020 dibagi menjadi dua, yaitu 80% data training dan 20% data testing. Data diproses menggunakan masing-masing metode secara terpisah. Tahapan penelitian pada metode LSTM yaitu, data preprocessing, build model, model selection, dan peramalan. Paramater fokus pada metode LSTM yaitu jumlah epoch dan jumlah neuron. Tahapan penelitian pada metode auto ARIMA yaitu, data preparation, build model, dan peramalan. Setelah kedua data diramalkan, data dibandingkan dengan metriks akurasi MSE dan RMSE. Pada penelitian ini, disimpulkan bahwa metode auto ARIMA lebih baik dibandingkan dengan metode LSTM untuk meramalkan saham PT XL Axiata Tbk dan PT Telkom Indonesia Tbk, serta metode LSTM lebih baik dibandingkan dengan metode auto ARIMA untuk meramalkan saham PT Indosat Tbk.