Prosiding SeNTIK STI&K, Vol 3 (2019)

Font Size:  Small  Medium  Large

Prediksi Harga Saham Di Indonesia Menggunakan Algoritma Long Short-Term Memory

Adib Arfan, Lussiana Lussiana

Abstract


Saham adalah hak yang dimiliki seseorang terhadap perusahaan dikarenakan penyerahan modal baik itu sebagian maupun keseluruhan. Para investor melakukan investasi saham dan berupaya untuk mendapatkan hasil secara maksimal, akan tetapi banyak investor masih ragu dengan risiko dalam berinvestasi. Telah banyak dikembangkan metode untuk memperkirakan harga saham yang akan datang namun masih memiliki keterbatasan diantaranya adalah ketergantungan jangka panjang.Pada tahun 1997 mulai dikembangkan model baru yang bekerja untuk menangani masalah ketergantungan jangka panjang dan dikenal dengan Long Short-Term memory (LSTM). Tujuan penelitian yang ingin dicapai adalah menghasilkan model peramalan harga saham yang lebih efektif dan memberikan hasil yang akurat. Tahapan yang dilakukan terdiri dari pengumpulan data, preprocessing data, pembagian data, perancangan LSTM, training LSTM dan melakukan pengujian.Paremeter yang digunakan untuk melakukan prediksi harga saham dengan LSTM adalah data yang digunakan, hidden layer, neuron, epoch dan batch size. Pengujian tersebut mendapatkan hasil terbaik menggunakan data latih 2014-2016 dan data uji 2017- 2019 yaitu dengan menggunakan parameter 2 hidden layer, 125 neuron, 10 epoch, 200 batch size dengan hasil waktu training 18.2s dengan hasil MSE sebesar 0.0015. Berdasarkan hasil pengujian, LTSM mampu memprediksi harga saham pada tahun 2017-2019 dengan performa yang baik dan tingkat kesalahan yang relatif kecil, sedangkan pengujian menggunakan metode Support Vector Regression (SVR) hanya mampu memprediksi 30 hari ke depan. Dengan demikian dapat disimpulkan bahwa LSTM mampu menanggulangi ketergantungan jangka panjang dan mampu memprediksi harga saham dengan hasil yang akurat.

Full Text: PDF