PREDIKSI HARGA PENUTUPAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) BERBASIS DATA HISTORIS

• MUHAMMAD FARHAN FADHILA
• 2025

---

Fluktuasi harga saham yang dinamis menjadikan prediksi pergerakan pasar sebagai tantangan signifikan dalam analisis keuangan. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model Long Short-Term Memory (LSTM) guna memprediksi harga penutupan harian Indeks Harga Saham Gabungan (IHSG) dengan memanfaatkan data historis dari tahun 2005 hingga 2025. Metodologi yang digunakan mencakup prapemrosesan data secara sistematis, termasuk normalisasi dan pembentukan input deret waktu, serta penerapan arsitektur LSTM dua lapis. Kinerja model dievaluasi melalui dua pendekatan yaitu pengujian eksperimental pada data uji dan validasi praktis pada skenario prediksi jangka pendek. Hasil eksperimental menunjukkan akurasi yang sangat tinggi dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 0.69% pada data uji. Konsistensi kinerja ini diperkuat oleh validasi praktis, yang menghasilkan MAPE Keseluruhan sebesar 0.34%, membuktikan kapabilitas model dalam memprediksi data yang belum pernah dilihat sebelumnya. Dengan demikian, hipotesis bahwa model LSTM dapat menghasilkan akurasi prediksi yang signifikan (MAPE<10%) diterima. Secara keseluruhan, model LSTM yang dikembangkan terbukti sangat efektif dan valid, menjadikannya alat yang cukup tepat untuk mendukung keputusan investasi di pasar saham.

• Long Short-Term Memory (LSTM)
• Prediksi Harga Saham
• Indeks Harga Saham Gabungan (IHSG)
• Deret Waktu

https://repository.bsi.ac.id/repo/75300/PREDIKSI-HARGA-PENUTUPAN-INDEKS-HARGA-SAHAM-GABUNGAN-(IHSG)-MENGGUNAKAN-ALGORITMA-LONG-SHORT-TERM-MEMORY-(LSTM)-BERBASIS-DATA-HISTORIS
Anda dapat membaca file tugas akhir ini di repository.