IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY PADA DATASET INDEKS HARGA SAHAM GABUNGAN
ABSTRAK
IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY PADA DATASET INDEKS HARGA SAHAM GABUNGAN
Mila Oktaviani
Pasar modal Indonesia, yang diwakili oleh Bursa Efek Indonesia (BEI), memainkan peran utama dalam menggerakkan ekonomi dan meningkatkan kesejahteraan negara. BEI menyediakan layanan perdagangan dan informasi transparan, memfasilitasi kegiatan investasi masyarakat. Indeks Harga Saham Gabungan menjadi indikator utama kinerja pasar modal yang memengaruhi keputusan investor. Analisis teliti diperlukan dalam pembelian saham untuk memaksimalkan keuntungan, mempertimbangkan faktor seperti struktur modal dan ukuran perusahaan. Penelitian ini meneliti penggunaan algoritma Long Short-Term Memory untuk memprediksi IHSG, memanfaatkan kemampuan LSTM dalam menyimpan informasi jangka panjang dan mengatasi masalah vanishing gradient. Studi ini mencoba variasi model LSTM, termasuk Single Layer dan Multiple Layer, dengan pembobotan manual. Hasil penelitian menunjukkan kesuksesan dalam meramalkan IHSG, dengan nilai RMSE dan MAE yang rendah, terutama pada pembobotan 75 dengan penggunaan multiple layer. Implementasi LSTM pada IHSG diharapkan dapat membantu pengambilan keputusan investasi oleh investor, dengan memberikan ramalan yang akurat. Penelitian ini juga memberikan kontribusi untuk penelitian selanjutnya dalam meningkatkan penggunaan hyperparameter untuk meramalkan harga saham dengan lebih baik.
Kata Kunci : Pasar Modal Indonesia, Investor, Indeks Harga Saham Gabungan, Long Short-Term Memory
URI
https://repo.itera.ac.id/depan/submission/SB2404220004
Keyword
Long Short-Term Memory