Perbandingan Performa Model Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM) Dalam Prediksi Harga Saham ADARO
Harga saham merupakan indikator penting bagi investor dalam menilai kinerja perusahaan serta potensi keuntungan investasi. Penelitian ini bertujuan untuk membandingkan performa model Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM) dalam memprediksi harga penutupan saham PT Adaro Energy Indonesia, Tbk (ADRO.JK). Data yang digunakan berupa data sekunder dari Yahoo Finance dengan rentang waktu 1 Januari 2018 hingga 31 Oktober 2024. Proses penelitian mencakup preprocessing data, normalisasi, pembentukan data time series, pelatihan model, dan pengujian model. Evaluasi dilakukan menggunakan metrik Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model LSTM dengan kombinasi hyperparameter terbaik (rasio data 70:30, learning rate 0,01, 50 neuron, batch size 128, dan 100 epoch) menghasilkan nilai RMSE sebesar 58,12 dan MAPE sebesar 1,37%, lebih baik dibandingkan model RNN dengan kombinasi hyperparameter terbaik (rasio data 70:30, learning rate 0,0001, 50 neuron, batch size 32, dan 150 epoch), yang menghasilkan nilai RMSE sebesar 58,88 dan MAPE sebesar 1,39%. Hasil ini menunjukkan bahwa model LSTM lebih unggul dalam menangkap pola data kompleks dan hubungan temporal jangka panjang dibandingkan RNN, meskipun memerlukan waktu komputasi yang lebih tinggi.
URI
https://repo.itera.ac.id/depan/submission/SB2505270002
Keyword
Prediksi harga saham Recurrent Neural Network Long Short-Term Memory RMSE MAPE Time Series