PREDIKSI HARGA SAHAM BERDASARKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DALAM KONDISI VOLATILITAS YANG BERAGAM

Priyambodo, Bagas (2026) PREDIKSI HARGA SAHAM BERDASARKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DALAM KONDISI VOLATILITAS YANG BERAGAM. Diploma thesis, Universitas Nasional.

	Text Cover.pdf Download (3MB)
	Text BAB 1.pdf Download (436kB)
	Text BAB 2.pdf Download (668kB)
	Text BAB 3.pdf Download (549kB)
	Text BAB 4.pdf Download (2MB)
	Text BAB 5.pdf Download (428kB)
	Text Lampiran.pdf Download (1MB)

Abstract

Penelitian ini membahas perkiraan pergerakan harga saham harian
ix

menggunakan model Long Short-Term Memory (LSTM) pada tiga emiten BEI
(Bursa Efek Indonesia) dengan tingkat volatilitas berbeda, yaitu TLKM (rendah),
BBCA (sedang), dan ANTM (tinggi). Data yang digunakan merupakan data historis
dari Investing.com periode Oktober 2015–Oktober 2025 dalam format CSV. Proses
penelitian mengikuti rangkaian proses CRISP-DM, dari pemahaman tujuan bisnis
hingga deployment. Model dibangun dengan pendekatan multivariat menggunakan
fitur Price (harga penutupan) dan Vol. (volume), serta memprediksi satu langkah ke
depan (H+1). Eksperimen dilakukan pada 36 konfigurasi yang merupakan
kombinasi dari variasi normalisasi (local/global), window size (7, 30, 60), serta
skema split (80:10:10 dan 70:15:15). Evaluasi performa menggunakan metrik
RMSE, MAE, dan MAPE. Hasil penelitian memperlihatkan bahwa konfigurasi
terbaik menghasilkan MAPE 1,37% pada BBCA, 1,82% pada TLKM, dan 3,09%
pada ANTM. Secara umum, performa model dipengaruhi oleh volatilitas: saham
dengan volatilitas rendah hingga sedang cenderung menghasilkan error lebih kecil,
sedangkan pada volatilitas tinggi (ANTM) model lebih sulit saat terjadi lonjakan
ekstrem sehingga deviasi prediksi lebih besar.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Vira Desintha Larasati
Date Deposited:	12 May 2026 02:42
Last Modified:	12 May 2026 02:42
URI:	https://repository.unas.ac.id/id/eprint/15902

Actions (login required)

View Item