Tugas Akhir Skripsi (15210060)

• HAEKAL RIZKY
• 2026

---

Perkembangan pasar modal yang semakin dinamis dan fluktuatif menuntut adanya metode prediksi harga saham yang akurat dan adaptif. Harga saham bersifat non-linear dan dipengaruhi oleh berbagai faktor, sehingga metode konvensional sering kali kurang optimal. Oleh karena itu, penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Regression (SVR) dan Long Short-Term Memory (LSTM) dalam memprediksi harga penutupan saham PT Asuransi Multi Artha Guna Tbk (AMAG.JK). Data yang digunakan dalam penelitian ini merupakan data historis harga saham AMAG.JK yang diperoleh dari Bursa Efek Indonesia. Proses penelitian meliputi tahap pengumpulan data, pra-pemrosesan data, pembentukan model SVR dan LSTM, serta evaluasi kinerja model menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa kedua algoritma mampu melakukan prediksi harga saham dengan baik. Namun, model LSTM memberikan performa yang lebih unggul dibandingkan SVR, ditunjukkan dengan tingkat kesalahan yang lebih rendah. Model LSTM menghasilkan nilai MAPE rata-rata sebesar 1,36% pada data uji eksternal, yang mengindikasikan kemampuan generalisasi dan akurasi prediksi yang sangat baik. Dengan demikian, dapat disimpulkan bahwa algoritma LSTM lebih efektif digunakan untuk prediksi harga saham AMAG.JK dibandingkan dengan SVR. Meskipun model mencatatkan tingkat kesalahan yang rendah, analisis lebih lanjut menunjukkan bahwa prediktor ini bersifat lagging dan 'kalah cepat' merespons fluktuasi pasar intraday, serta rentan terhadap anomali akibat sentimen fundamental yang tidak terdeteksi oleh variabel teknikal.

 

• Prediksi Saham
• Support Vector Regression
• Long Short-Term Memory
• Machine Learning
• AMAG.JK

https://repository.bsi.ac.id/repo/82414/Tugas-Akhir-Skripsi-(15210060)
File full-text dikunci.