Analisis Harga Saham Apple Dengan Long Short-Term Memory Dan Sentimen Berita Vader

Mukti, Albie Frazza (2025) Analisis Harga Saham Apple Dengan Long Short-Term Memory Dan Sentimen Berita Vader. Bachelor thesis, Universitas Nasional.

	Text COVER_ALBIE FRAZZA MUKTI_INFORMATIKA.pdf Download (578kB)
	Text BAB 1_Albie Frazza Mukti_217064516093.pdf Download (254kB)
	Text BAB 2_Albie Frazza Mukti_217064516093.pdf Download (436kB)
	Text BAB 3_Albie Frazza Mukti_217064516093.pdf Download (290kB)
	Text BAB 4_Albie Frazza Mukti_217064516093.pdf Download (868kB)
	Text BAB 5_Albie Frazza Mukti_217064516093.pdf Download (140kB)
	Text LAMPIRAN-ALBIE-FRAZZA-MUKTI-INFORMATIKA.pdf Download (4MB)

Abstract

Investasi di pasar saham merupakan salah satu cara yang banyak digunakan investor
untuk mendapatkan keuntungan. Namun, flutuasi harga saham yang tinggi
membuat prediksi pergerakan harga menjadi tantangan. Oleh karena itu, prediksi
harga saham menjadi aspek penting dalam pengambilan keputusan investasi,
terutama dengan volatilitas pasar yang tinggi. Model Long Short-Term Memory
digunakan untuk menganalisis pola harga saham berdasarkan harga historis, namun
faktor eksternal seperti sentimen berita juga dapat berpengaruh pada hasil prediksi
harga saham. Penelitian ini membandingkan dua model Long Short-Term Memory
untuk memprediksi harga saham Apple Inc. (AAPL). Model pertama menggunakan
adjusted close price dan compound score dari analisis sentimen berita VADER
sebagai input, sedangkan model kedua hanya menggunakan adjusted close price
sebagai input untuk prediksi harga saham. Evaluasi model dilakukan menggunakan
Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute
Percentage Error (MAPE), serta selisih rata-rata hasil prediksi terhadap harga asli.
Hasil penelitian menunjukkan bahwa model pertama memiliki kinerja lebih baik
dengan MSE sebesar 14,96, RMSE sebesar 3,86, dan MAPE sebesar 1,78% lebih
rendah dibandingkan model kedua yang memiliki MSE sebesar 28,04, RMSE
sebesar 5,29, dan MAPE sebesar 2,43%. Selain itu, selisih rata-rata antara hasil
prediksi dan harga asli pada model pertama lebih kecil dibandingkan model kedua,
menunjukkan bahwa integrasi sentimen berita membantu meningkatkan akurasi
prediksi. Penelitian ini membuktikan bahwa menggabungkan data harga saham
historis dengan sentimen berita dapat meningkatkan kinerja model prediksi berbasis
Long Short-Term Memory.

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > HD Industries. Land use. Labor H Social Sciences > HG Finance
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Users 30 not found.
Date Deposited:	17 Jul 2025 07:37
Last Modified:	17 Jul 2025 07:37
URI:	https://repository.unas.ac.id/id/eprint/13781

Actions (login required)

View Item