PENERAPAN DATA MINING DALAM PREDIKSI HARGA SAHAM DI INDONESIA MENGGUNAKAN ALGORITMA LSTM

• TOMI PRASETYO
• 2024

---

Prediksi harga saham yang akurat merupakan tantangan besar bagi pelaku pasar modal Indonesia, mengingat volatilitas dan kompleksitas pasar saham. Model prediksi konvensional seringkali memiliki keterbatasan dalam menangkap pola non-linear dan faktor spesifik di pasar modal Indonesia. Penelitian ini bertujuan untuk mengembangkan model prediksi harga saham yang akurat dan handal menggunakan data mining dan algoritma Long Short-Term Memory (LSTM), guna membantu investor dalam pengambilan keputusan investasi yang optimal di pasar modal Indonesia. Penelitian ini menggunakan pendekatan kuantitatif dengan mengumpulkan data historis harga saham PT. AKR Corporindo Tbk dari tahun 2005 hingga 2024. Data tersebut diolah melalui tahapan preprocessing, normalisasi, dan pembagian menjadi data latih dan data uji. Model LSTM dibangun dan dioptimasi menggunakan teknik hyperparameter tuning dengan framework Optuna. Hasil penelitian menunjukkan bahwa model LSTM yang dioptimasi dengan hyperparameter tuning menghasilkan akurasi prediksi yang tinggi, dengan nilai MAPE sebesar 0,019% pada data uji, mengindikasikan akurasi prediksi mencapai 99,981%. Faktor yang paling berpengaruh terhadap prediksi harga saham AKRA adalah harga penutupan pada periode sebelumnya, menunjukkan ketergantungan temporal yang kuat. Hasil penelitian ini menunjukkan potensi besar penerapan algoritma LSTM dalam prediksi harga saham di pasar modal Indonesia.

• Prediksi harga saham
• LSTM (Long Short-Term Memory)
• Pasar modal Indonesia

https://repository.bsi.ac.id/repo/51722/PENERAPAN-DATA-MINING-DALAM-PREDIKSI-HARGA--SAHAM-DI-INDONESIA-MENGGUNAKAN--ALGORITMA-LSTM
Anda dapat membaca file tugas akhir ini di repository.