Text

Prediksi Harga Saham PT ANTAM Menggunakan Metode Recurrent Neural Network dengan Dropout Regularization

---

Pesatnya digitalisasi di masa pandemi telah membawa berkah tersendiri pada
dunia investasi di Indonesia. Jumlah investor saham per 24 Juni 2022 bertambah
15,6% dari tahun sebelumnya. Perkembangan teknologi dan kebutuhan yang
semakin tinggi membuat saham-saham emiten pertambangan banyak diminati
investor. Emiten ini salah satunya adalah PT Aneka Tambang tbk atau disebut
ANTAM. Pada tahun 2016, ANTAM dinobatkan jadi emiten terbaik. Untuk
meminimalkan resiko kerugian dalam investasi, diperlukan perhatian yang jeli
terhadap pergerakan saham. Model Recurrent Neural Network (RNN) digunakan
pada prediksi harga saham PT ANTAM dengan menggunakan harga penutupan
(close price) saham. Pembagian proporsi data dibagi menjadi 80% data training
dan 20% dan testing. Data diuji menggunakan dua macam arsitektur RNN, yaitu
tanpa menggunakan dropout dan menggunakan dropout. Hyperparameter yang
ditentukan yaitu sample sebanyak 588 data, batch size sebanyak 1, timesteps
sebanyak 50, unit hidden neuron sebanyak 50, epochs sebanyak 50, dan dropout
sebesar 20%. Model terbaik yang diperoleh dalam penelitian ini yaitu arsitektur
RNN menggunakan dropout dengan nilai Mean Squared Error (MSE) data testing
sebesar 3039,64. Model tersebut digunakan untuk memprediksi harga penutupan
saham PT ANTAM. Prediksi dilakukan pada data testing. Berdasarkan hasil
prediksi, nilai Mean Absolute Percentage Error (MAPE) yang diperoleh sebesar
2,12%. Nilai MAPE kurang dari 10%, sehingga model memiliki akurasi
peramalan yang tinggi.
Kata Kunci: Prediksi, Saham, ANTAM, Recurrent Neural Network, Dropout
Regularization

---

Ketersediaan

1191 E 2024

1191 E 2024

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1191 E 2024

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar