PENERAPAN DEEP LEARNING DALAM PREDIKSI HARGA SAHAM PT. XYZ UNTUK MENINGKATKAN AKURASI PERAMALAN

Nabilla, Nabilla (2025) PENERAPAN DEEP LEARNING DALAM PREDIKSI HARGA SAHAM PT. XYZ UNTUK MENINGKATKAN AKURASI PERAMALAN. Bachelor thesis, Universitas Nasional.

	Text 1. Cover.pdf Download (612kB)
	Text 2. BAB I.pdf Download (186kB)
	Text 3. BAB II.pdf Download (348kB)
	Text 4. BAB III.pdf Download (375kB)
	Text 5. BAB IV.pdf Download (971kB)
	Text 6. BAB V.pdf Download (158kB)
	Text 7. Lampiran.pdf Download (264kB)

Abstract

Prediksi harga saham merupakan aspek penting dalam pasar keuangan karena dapat
membantu investor membuat keputusan yang tepat dan mengurangi risiko.
Penelitian ini menerapkan model Recurrent Neural Network (RNN) untuk
memprediksi harga saham PT. XYZ menggunakan data historis. Model RNN, yang
dikenal mampu memproses data berurutan, dioptimalkan menggunakan algoritma
Adaptive Moment Estimation (Adam) untuk meningkatkan akurasi prediksi.
Penelitian ini mencakup pengumpulan data dari Januari 2015 hingga Desember
2023, pra-pemrosesan data melalui normalisasi menggunakan MinMaxScaler, serta
evaluasi model menggunakan metrik Mean Absolute Error (MAE) dan Mean
Squared Error (MSE).
Hasil penelitian menunjukkan bahwa model RNN mampu memprediksi harga
saham dengan tingkat kesalahan yang rendah, yaitu 0,000161 (MSE) dan 0,009024
(MAE) pada data uji. Namun, model ini memiliki keterbatasan dalam memprediksi
fluktuasi harga ekstrem dan tren jangka panjang. Penelitian di masa depan dapat
mengeksplorasi arsitektur yang lebih kompleks seperti Long Short-Term Memory
(LSTM) atau Gated Recurrent Unit (GRU) serta memasukkan faktor eksternal
seperti indikator ekonomi dan sentimen pasar untuk meningkatkan performa
prediksi. Penelitian ini berkontribusi pada pengembangan aplikasi deep learning
dalam peramalan keuangan, memberikan wawasan bagi investor dan analis
keuangan dalam pengambilan keputusan strategis.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Users 30 not found.
Date Deposited:	19 Jun 2025 07:33
Last Modified:	19 Jun 2025 07:33
URI:	https://repository.unas.ac.id/id/eprint/13036

Actions (login required)

View Item