(0721) 8030188    [email protected]   

All of ITERA Repository
Titles

EVALUASI KOMPARATIF FUNGSI AKTIVASI PADA MODEL LSTM MENGGUNAKAN DATA RETURN SAHAM SEKTOR PERBANKAN DI INDONESIA


View/Open

Author
BEZALEL, SAMUEL MANIK

Date Published
26 Oct 2026

Advisor
Martin Clinton Tosima Manullang, S.T., M.T., Ph.D.,

Subject
Teknik Informatika

Publisher


Prediksi pergerakan saham merupakan permasalahan deret waktu yang kompleks karena data pasar memiliki karakteristik non-linear, volatil, dan memiliki ketergantungan antarperiode. Penelitian ini bertujuan menganalisis performa dan ketangguhan fungsi aktivasi pada model Long Short-Term Memory (LSTM) untuk prediksi saham sektor perbankan di Indonesia. Data yang digunakan merupakan data harian BBNI, BBCA, BMRI, BBRI, dan BBTN periode 2016–2026. Model menggunakan fitur Open, High, Low, Volume, Devidends, dan suku bunga dengan sliding window 31 hari untuk memprediksi simple return satu hari berikutnya. Prediksi return selanjutnya direkonstruksi menjadi estimasi harga penutupan. Enam fungsi aktivasi yang dibandingkan adalah Tanh, Mish, Swish, ReLU, LeakyReLU, dan TanhLU. Eksperimen dilakukan dalam tiga tahap, yaitu komparasi fungsi aktivasi menggunakan tiga random seed, pengujian sensitivitas hyperparameter menggunakan pendekatan one-factor-at-a-time (OFAT), serta evaluasi akhir MinMax Scaler dan Robust Scaler pada testing set. Hasil tahap pertama menunjukkan Swish memperoleh rata-rata RMSE return validasi terendah sebesar 0.015774, diikuti Mish sebesar 0.015777. Pada pengujian sensitivitas, seluruh perubahan RMSE kedua fungsi aktivasi terhadap kondisi baseline berada di bawah 0.2%. Evaluasi akhir menunjukkan bahwa Swish dengan MinMax Scaler menghasilkan RMSE return terendah sebesar 0.021821 dan RMSE harga sebesar Rp98.23, sedangkan Mish dengan MinMax Scaler menghasilkan MAE return terendah sebesar 0.015600 dan MAPE harga sebesar 1.5574%. Namun, nilai R 2 tertinggi hanya 0.005602 dan directional accuracy berada pada kisaran 44–48%, sehingga kemampuan model dalam menjelaskan variasi dan arah return masih terbatas. Berdasarkan RMSE sebagai metrik utama, Swish menunjukkan performa terbaik, sedangkan Mish tetap menjadi alternatif yang kompetitif.

URI
https://repo.itera.ac.id/depan/submission/SB2610250008

Keyword