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:	https://repository.unas.ac.id/id/eprint/13789

Actions (login required)

View Item