Text

Implementasi Long Short-Term Memory dengan Teknik Penghalusan Data Exponentially Weighted Moving Average dan Sliding Window dalam Prediksi Harga Saham BBRI, BMRI, dan ISAT

---

Indeks harga saham memiliki peran yang sangat penting dalam menggambarkan pergerakan
harga saham dan kondisi pasar. Hal ini juga menjadi tolak ukur kinerja pasar modal dan
produk investasi. Di Indonesia, terdapat beberapa saham yang berasal dari sektor yang
berbeda, seperti PT Bank Rakyat Indonesia (Persero) Tbk, PT Bank Mandiri (Persero), dan
PT Indosat Tbk. Akan tetapi, investor saham masih menggunakan sinyal pribadi untuk
mengambil keputusan karena kompleksitas dalam menganalisis informasi akuntansi.
Penelitian mengenai prediksi harga saham menggunakan machine learning seringkali hanya
menggunakan satu teknik penghalusan data yaitu sliding window, sehingga menghasilkan
hasil prediksi yang kurang tepat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis
tingkat ketepatan algoritma LSTM dalam meramalkan harga saham, serta mengkaji
pengaruh teknik penghalusan data EWMA dan Sliding Window dalam membentuk model
yang optimal. Data harian sekunder yang diperoleh dari yahoofinance.com dalam rentang
tanggal 23 Maret 2018 hingga 21 Maret 2023 digunakan dalam penelitian ini. Dalam
pelatihan model, beberapa nilai teknik penghalusan data EWMA dan Sliding Window diuji
untuk menentukan variabel kunci dalam memprediksi harga saham 1 hari ke depan. Evaluasi
menggunakan metode SMAPE (Symmetric Mean Absolute Percentage Error) digunakan
untuk mengukur tingkat ketepatan prediksi. Hasil penelitian menunjukkan bahwa model
dengan sliding window bernilai 1, nilai lambda EWMA 0,7, dan tanpa Attention Mechanism
memberikan nilai SMAPE terbaik sebesar 4,0376. Hal ini menunjukkan bahwa penggunaan
teknik penghalusan data EWMA dan Sliding Window dapat menggantikan Attention
Mechanism dalam melakukan prediksi. Penemuan ini memberikan kontribusi penting dalam
memahami dan memprediksi harga saham, serta memberikan wawasan bagi investor dan
pelaku pasar.
Kata Kunci: Prediksi Saham, Long Short-Term Memory, Penghalusan Data, Exponentially
Weighted Moving Average, Sliding Window, Pembelajaran Mesin

---

Ketersediaan

1216F2023

1216 F 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1216 F 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Adinda Rosman

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar