Text
Implementation of First Passage Time Method as a Warning System to Measure the Probability of Default in Bond
Saham merupakan salah satu instrumen investasi yang diperdagangkan di pasar
modal. Harga saham memiliki peran penting dalam menentukan keputusan investor
dalam membeli atau menjual saham. Jika harga saham cenderung mengalami
penurunan, hal ini dapat menyebabkan investor enggan berinvestasi. Kemampuan
untuk memprediksi harga saham di masa mendatang menjadi krusial karena dapat
memberikan keuntungan bagi para investor. Salah satu metode yang digunakan
untuk memprediksi harga saham adalah metode Gated Recurrent Unit (GRU).
Metode ini merupakan pendekatan yang efektif dalam meramalkan data, mampu
mengatasi masalah gradien pada RNN, dan efisien dalam proses pelatihan. Dalam
menerapkan algoritma GRU, terdapat hyperparameter yang memiliki peran penting
dalam pemodelan, seperti jumlah unit, ukuran batch, jumlah lapisan (layer), tingkat
pembelajaran (learning rate), dan jumlah epoch. Pada penelitian ini kinerja model
GRU dievaluasi menggunakan metrik Mean Absolute Percentage Error (MAPE).
Hasil evaluasi metrik MAPE yang diperoleh untuk setiap emiten menunjukkan
variasi nilai, sebagai contoh untuk emiten BBRI 0,9275%, BBCA 0,7768%, BMRI
1,4809%, TLKM 0,9267%, dan ASII 1,1546%. Hasil MAPE yang kurang dari 10%,
mengindikasikan tingkat akurasi peramalan yang tinggi.
Kata Kunci: Saham, Prediksi Harga Saham, Gated Recurrent
Unit, Hyperparameter, Mean Absolute Percentage Error.
1142E2024 | 1142 E 2024 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain