View/Open

Author
MICHAEL, ABEDNEGO

Date Published
11 May 2026

Advisor
Luluk Muthoharoh, S.Si., M.Si.,
Christyan Tamaro Nadeak, S.Si., M.Si.,

Subject
Sains Data

Publisher

Saham merupakan salah satu instrumen keuangan yang banyak digunakan dalam investasi jangka panjang. Pergerakan harga saham dipengaruhi oleh berbagai faktor ekonomi, sosial, dan politik. Pada awal tahun 2020, pandemi COVID-19 memberikan dampak signifikan terhadap pasar saham global dan domestik, termasuk indeks S&P 500 dan Indeks Harga Saham Gabungan (IHSG), sehingga diperlukan model peramalan yang mampu menangani kondisi pasar yang berfluktuasi. Penelitian ini bertujuan untuk menentukan kombinasi hyperparameter terbaik pada model hibrida Long Short-Term Memory-Gated Recurrent Unit (LSTM-GRU) menggunakan data S&P 500, serta mengevaluasi performa model tersebut ketika diterapkan pada data IHSG. Penelitian dilakukan melalui pengujian hyperparameter berupa panjang lookback, dropout, dan jumlah unit pada model. Hasil penelitian menunjukkan bahwa konfigurasi hyperparameter terbaik terdiri atas lookback 30, dropout 0,3, serta arsitektur model dengan dua layer LSTM masing-masing 128 dan 256 unit, diikuti dua layer GRU masing-masing 128 dan 256 unit. Pada tahap penetapan model terbaik menggunakan data uji S&P 500, model LSTM-GRU dengan konfigurasi tersebut menghasilkan nilai Mean Squared Error (MSE) sebesar 2.097,05 dan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,95%. Setelah diterapkan pada data uji IHSG, model LSTM-GRU menghasilkan nilai MSE sebesar 2.048,11 dan nilai MAPE sebesar 0,52%. Hasil tersebut menunjukkan bahwa model LSTM-GRU memiliki performa yang sangat baik dalam meramalkan IHSG selama periode pengamatan yang mencakup fase awal pandemi COVID-19.

URI
https://repo.itera.ac.id/depan/submission/SB2605260068

Keyword
IHSG LSTM-GRU Pandemi COVID-19 Peramalan Saham S&P 500