Prediksi Harga Saham Syariah Menggunakan Algoritma Long Short-Term Memory (LSTM)

Prediksi Harga Saham Syariah Menggunakan Algoritma Long Short-Term Memory (LSTM)

Prediksi harga saham, Saham syariah, Machine Learning, Deep Learning, LSTM

Semakin pesatnya perkembangan pasar saham di Indonesia membuat semakin banyak investor yang bergabung di bursa saham. Indonesia pada tahun 2011 meluncurkan saham syariah dimana harga saham syariah dapat mengalami kenaikan dan penurunan. Hal ini tentunya harus diwaspadai oleh investor, agar investor tidak mengalami kerugian dalam jual-beli saham. Untuk itu, prediksi harga sahan menjadi salah satu upaya untuk menentukan nilai dari suatu saham di masa kedepannya. Pada penelitian ini, prediksi saham dilakukan dengan menggunakan metode Long Short-Term Memory dalam memprediksi harga saham. Dilakukan uji coba dengan menggunakan beberapa parameter pada layers, epoch dan time step untuk mendapatkan model prediksi yang optimal. Arsitektur dari LSTM yang digunakan pada penelitian ini menggunakan multiple layer LSTM dengan empat dan delapan layer yang masing-masing layer memiliki 96 neurons. Terdapat satu Dense layer yang berfungsi mengubah output dari layer sebelumnya menjadi nilai hasil prediksi. Hasil eksperimen menunjukkan bahwa Long Short-Term Memory dapat digunakan untuk melakukan prediksi harga saham dengan akurat, jumlah layer mempengaruhi MAPE yang dihasilkan. LSTM dengan jumlah layer 8 memiliki performa yang lebih baik. Pada PT Aneka Tambang Tbk didapatkan model terbaik dengan nilai MAPE sebesar 2,64. Untuk emiten Erajaya Swasembada Tbk didapatkan nilai MAPE sebesar 2,24. Untuk Kalbe Farma didapatkan nilai MAPE sebesar 1,51. Untuk Semen Indonesia didapatkan nilai MAPE sebesar 1,83. Sedangkan pada Wijaya Karya didapatkan nilai MAPE sebesar 2,66

Gunawan Budiprasetyo a, Mamluatul Hani’ah b*, Darin Zahira Aflah

https://teknosi.fti.unand.ac.id/index.php/teknosi/issue/view/22

Politeknik Negeri Malang

21 Januari 2023

Fajar bagus W

PDF

Indonesia

Text