Analisis Dan Prediksi Harga Saham Pt Bank Mandiri (Persero) Tbk Menggunakan Algoritma Autoregressive Integrated Moving Average (Arima) Dan Long Short-Term Memory (Lstm)

Rifqi, Muhammad Naufal (2025) Analisis Dan Prediksi Harga Saham Pt Bank Mandiri (Persero) Tbk Menggunakan Algoritma Autoregressive Integrated Moving Average (Arima) Dan Long Short-Term Memory (Lstm). Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (568kB)
	Text BAB 2.pdf Download (876kB)
	Text BAB 3.pdf Download (774kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (467kB)
	Text LAMPIRAN.pdf Download (913kB)

Abstract

rediksi harga saham merupakan aspek krusial dalam dunia investasi karena fluktuasi harga yang tinggi dapat mempengaruhi keputusan investor. Oleh karena itu, diperlukan model prediksi yang akurat untuk membantu investor dalam mengambil keputusan yang lebih baik. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja dua model prediksi, yaitu Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM), dalam memprediksi harga saham PT Bank Mandiri (Persero) Tbk (BMRI). Data yang digunakan dalam penelitian ini diperoleh dari Yahoo Finance, mencakup harga saham harian BMRI. Data kemudian diproses melalui tahap preprocessing, termasuk normalisasi, uji stasioneritas, dan pembagian dataset menjadi data latih dan data uji. Model ARIMA dipilih berdasarkan analisis Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), sedangkan model LSTM dibangun menggunakan arsitektur jaringan saraf tiruan dengan dua lapisan LSTM dan dropout untuk mencegah overfitting. Evaluasi performa model dilakukan menggunakan Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model LSTM memiliki performa lebih baik dibandingkan ARIMA, dengan nilai kesalahan prediksi yang lebih rendah pada semua metrik evaluasi. Temuan ini mengindikasikan bahwa model berbasis deep learning seperti LSTM lebih unggul dalam menangani data harga saham yang kompleks dan non-linier dibandingkan model statistik tradisional seperti ARIMA. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan metode prediksi harga saham yang lebih akurat serta menjadi referensi bagi investor dalam pengambilan keputusan investasi.

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > H Social Sciences (General) H Social Sciences > HD Industries. Land use. Labor > HD28 Management. Industrial Management H Social Sciences > HF Commerce
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	- Abdurrahman -
Date Deposited:	18 Jul 2025 03:01
Last Modified:	18 Jul 2025 03:01
URI:	http://repository.unas.ac.id/id/eprint/13789

Actions (login required)

View Item