Perbandingan Performa Model Convolutional Neural Network–Bidirectional Long Short‑Term Memory (CNN‑BiLSTM) untuk Prediksi Harga Saham Tesla Menggunakan Data Historis dan Kombinasi dengan Sentimen X
Pergerakan harga saham dapat dipengaruhi oleh berbagai faktor, termasuk sentimen pasar yang tercermin melalui opini publik di media sosial. Model prediksi harga saham Tesla menggunakan arsitektur CNN-BiLSTM dikembangkan dengan memanfaatkan data historis dan analisis sentimen dari platform X (Twitter). Eksperimen dilakukan dengan membandingkan kinerja model menggunakan dua jenis input, yaitu tanpa data sentimen dan dengan tambahan data sentimen, untuk memprediksi harga Open dan Adjusted Close saham Tesla. Hasil menunjukkan konfigurasi optimal pada variasi ke-64, menggunakan dua lapisan Conv1D (256 dan 128 filter), dua lapisan Bidirectional LSTM (512 dan 256 unit), dropout 0,2 dan 0,3, serta optimizer Adam. Model dengan tambahan variabel sentimen menghasilkan prediksi lebih akurat, dengan nilai MAPE untuk harga Open sebesar 2,38% dibandingkan 2,94% pada model tanpa sentimen (lebih baik 0,56%), dan MAPE untuk Adjusted Close sebesar 3,17% dibandingkan 3,28% pada model tanpa sentimen (lebih baik 0,11%). Temuan ini mengonfirmasi bahwa analisis sentimen X memberikan informasi tambahan untuk meningkatkan akurasi prediksi harga saham.
URI
https://repo.itera.ac.id/depan/submission/SB2507220059
Keyword
CNN-BiLSTM Prediksi Harga Saham Analisis Sentimen Media Sosial Tesla