%0 Thesis
%9 S1
%A Anindita Sahara, Zahrani
%A Fakultas Teknik Universitas Sultan Ageng Tirtayasa,
%B Teknik Informatika
%D 2025
%F eprintuntirta:53223
%I Fakultas Teknik Universitas Sultan Ageng Tirtayasa
%K Long Short-Term Memory, Machine learning, MAPE, Prediksi saham, PT Astra International Tbk
%P 67
%T IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY DALAM PEMBELAJARAN MESIN UNTUK MEMPREDIKSI HARGA SAHAM PT ASTRA INTERNASIONAL TBK
%U https://eprints.untirta.ac.id/53223/
%X Penelitian ini bertujuan untuk membangun model prediksi dengan menerapkan algoritma Long Short Term-Memory (LSTM) dalam memprediksi harga saham PT Astra Internasional Tbk (ASII.JK). Penelitian menggunakan data historis harga saham ASII.JK selama 5 tahun sejak 31 Oktober 2019 hingga 31 Oktober 2024. Model LSTM dibangun dengan konfigurasi optimal yang terdiri dari dua layer (150 dan 100 unit), dense layer (50 unit), batch size 32, epoch 400, dropout 0.1, dan learning rate 0.001. Model dievaluasi menggunakan tiga metrik evaluasi berupa Mean Absolute Percentage Error (MAPE), Root Mean Square Error (RMSE), dan Mean Absolute Error (MAE). Hasilnya menunjukkan performa yang baik dengan nilai MAPE sebesar 1,42%, RMSE sebesar 94.16, dan MAE sebesar 70.26. Untuk melihat sejauh mana model mampu memprediksi data yang belum pernah dilihatnya, dilakukan prediksi nyata pada saham ASII.JK selama 7 hari setelah tanggal 31 Oktober 2024. Hasilnya menunjukkan bahwa model cukup efektif dalam memprediksi harga saham ASII.JK dengan tingkat kesalahan rendah. Ditunjukkan dengan nilai MAPE sebesar 1.31%, RMSE 72.36, dan MAE 66.06. Dari hasil tersebut, model terbukti mampu mengikuti arah tren harga saham dan memberikan proyeksi yang cukup akurat, juga berpotensi menjadi alat bantu yang efektif dalam mendukung pengambilan keputusan investasi saham.