eprintid: 53223
rev_number: 38
eprint_status: archive
userid: 22840
dir: disk0/00/05/32/23
datestamp: 2025-07-31 08:30:30
lastmod: 2025-07-31 08:30:30
status_changed: 2025-07-31 08:30:30
type: thesis
metadata_visibility: show
contact_email: 3337210048@untirta.ac.id
creators_name: Anindita Sahara, Zahrani
creators_id: 3337210048
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Praptodiyono, Supriyanto
contributors_name: Rahman, Arief
contributors_id: 197605082003121002
contributors_id: 199304202024061001
corp_creators: Fakultas Teknik Universitas Sultan Ageng Tirtayasa
title: IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY DALAM PEMBELAJARAN MESIN UNTUK MEMPREDIKSI HARGA SAHAM PT ASTRA INTERNASIONAL TBK
ispublished: pub
subjects: QA75
subjects: T1
divisions: TKI
full_text_status: public
keywords: Long Short-Term Memory, Machine learning, MAPE, Prediksi saham, PT Astra International Tbk
abstract: 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.
date: 2025
date_type: published
pages: 67
institution: Fakultas Teknik Universitas Sultan Ageng Tirtayasa
department: Teknik Informatika
thesis_type: sarjana
thesis_name: sarjana
official_url: https://untirta.ac.id/
referencetext: [1]	Kontan.co.id, “Tren Investasi Digital Naik, 67% Masyarakat Indonesia Berencana Investasi Tahun Depan,” https://investasi.kontan.co.id/news/tren-investasi-digital-naik-67-masyarakat-indonesia-berencana-investasi-tahun-depan.
[2]	Kustodian Sentral Efek Indonesia (KSEI), “Statistik Pasar Modal Indonesia,” https://www.ksei.co.id/files/Statistik_Publik_September_2024_final.pdf.
[3]	P. Triya, N. Suarna, and N. D. Nuris, “Penerapan Machine Learning dalam Melakukan Prediksi Harga Saham PT Bank Mandiri (Persero) Tbk dengan Algoritma Linear Regression,” 2024.
[4]	N. Abdurrahman Burhani, D. Saepudin, and D. Adytia, “Prediksi Return Saham Berdasarkan Data Histori dan Data Fundamental Menggunakan LSTM.”
[5]	A. Rosyd, A. Irma Purnamasari, and I. Ali, “Penerapan Metode Long Short Term Memory (LSTM) dalam Memprediksi Harga Saham PT Bank Central Asia,” 2024.
[6]	D. K. H. Putra, “Sekolah Tinggi Teknologi Terpadu Nurul Fikri Analisis Perbandingan Model Prediksi Harga Saham melalui Pendekatan Long-Short Term Memory (LSTM) Dan Autoregressive Integrated Moving Average (ARIMA) (Studi Kasus,” 2024.
[7]	J. P. Lai, Y. M. Chang, C. H. Chen, and P. F. Pai, “A survey of machine learning models in renewable energy predictions,” Sep. 01, 2020, MDPI AG. doi: 10.3390/app10175975.
[8]	R. Julian and M. R. Pribadi, “Peramalan Harga Saham Pertambangan Pada Bursa Efek Indonesia (BEI) Menggunakan Long Short Term Memory (LSTM),” Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 3, 2021, [Online]. Available: http://jurnal.mdp.ac.id
[9]	G. Budiprasetyo, M. Hani’ah, and D. Z. Aflah, “Prediksi Harga Saham Syariah Menggunakan Algoritma Long Short-Term Memory (LSTM),” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 8, no. 3, pp. 164–172, Jan. 2023, doi: 10.25077/teknosi.v8i3.2022.164-172.
[10]	K. Kwanda, D. E. Herwindiati, M. D. Lauro, and K. K. C. Id, “Perbandingan LSTM dan Bidirectional LSTM pada Sistem Prediksi Harga Saham Berbasis Website,” R2J, vol. 7, no. 1, 2024, doi: 10.38035/rrj.v7i1. 
[11]	A. Arfan and L. ETP, “Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia,” PETIR, vol. 13, no. 1, pp. 33–43, Mar. 2020, doi: 10.33322/petir.v13i1.858.
[12]	Zakiyatul Miskiyah, Arif Zunaidi, Sodiq Almustofa, and Mahrus Suhardi, “Kebijakan Fiskal dalam Perspektif Ekonomi Makro Islam,” Istithmar : JurnalStudi Ekonomi Syariah, vol. 6, no. 1, pp. 69–83, Jun. 2022, doi: 10.30762/istithmar.v6i1.33.
[13]	Kontan.co.id, “Cermati Rekomendasi Saham Astra International (ASII) yang Cetak Kinerja Stabil,” https://investasi.kontan.co.id/news/cermati-rekomendasi-saham-astra-international-asii-yang-cetak-kinerja-stabil?utm_source=chatgpt.com#google_vignette.
[14]	Trading View, “Astra Internasional,” https://id.tradingview.com/symbols/IDX-ASII/?
[15]	Bisnis.com, “Prospek Cerah Saham Astra (ASII) saat Suku Bunga Murah 2025,” https://market.bisnis.com/read/20241126/189/1819053/prospek-cerah-saham-astra-asii-saat-suku-bunga-murah-2025.
[16]	M. Zulfani, A. Dapadeda, A. Jaya Yogyakarta, J. Babarsari No, K. Sleman, and D. Istimewa Yogyakarta, “Prediksi Harga Saham Menggunakan Algoritma Neural Network,” vol. 18, no. 1, 2024, doi: 10.47111/JTI.
[17]	R. Ernayani et al., “Literature Review: Prospects of Increasing Interest Rates on Firm Value and Stock Returns / Literature Review: Prospek Peningkatan Suku Bunga terhadap Nilai Perusahaan dan Return Saham”.
[18]	S. la Tansa Mashiro Rangkasbitung, “The Asia Pacific Journal of Management Studies Faktor-Faktor yang Mempengaruhi Harga Saham: Peran Kinerja Perusahaan Makanan dan Minuman di Indonesia”.
[19]	Dr. R. Doshi, Dr. K. K. Hiran, R. K. Jain, and Dr. K. Lakhwani, Machine Learning, First. India: BPB Publications, 2022.
[20]	B. Mahesh, “Machine Learning Algorithms - A Review,” International Journal of Science and Research (IJSR), vol. 9, no. 1, pp. 381–386, Jan. 2020, doi: 10.21275/art20203995.
[21]	I. H. Sarker, “Machine Learning: Algorithms, Real-World Applications and Research Directions,” May 01, 2021, Springer. doi: 10.1007/s42979-021-00592-x.
[22]	R. Dwi, W. Santosa, M. Arif Bijaksana, and A. Romadhony, “Implementasi Algoritma Long Short-Term Memory (LSTM) untuk Mendeteksi Penggunaan Kalimat Abusive Pada Teks Bahasa Indonesia.”
[23]	M. Rizvi and M. Mahdi, “Stock Prediction Web-App based on Python-Streamlit Using Data Analysis and Machine Learning,” International Research Journal of Modernization in Engineering Technology and Science, Sep. 2023, doi: 10.56726/irjmets43978.
[24]	J. Unpingco, Python programming for data analysis. Springer International Publishing, 2021. doi: 10.1007/978-3-030-68952-0.
[25]	M. Shantal, Z. Othman, and A. A. Bakar, “A Novel Approach for Data Feature Weighting Using Correlation Coefficients and Min–Max Normalization,” Symmetry (Basel), vol. 15, no. 12, Dec. 2023, doi: 10.3390/sym15122185.
[26]	B. Deepa and K. Ramesh, “Epileptic seizure detection using deep learning through min max scaler normalization,” Int J Health Sci (Qassim), pp. 10981–10996, May 2022, doi: 10.53730/ijhs.v6ns1.7801.
[27]	P. K. Choudhary, N. Innan, M. Shafique, and R. Singh, “HQNN-FSP: A Hybrid Classical-Quantum Neural Network for Regression-Based Financial Stock Market Prediction,” Mar. 2025, [Online]. Available: http://arxiv.org/abs/2503.15403
[28]	S. F. Thiel, “Usage of Wastewater Data as an Early Indicator for Hospitalization Forecasting in Pandemic Situations,” 2024.
[29]	A. Novia Rahma, I. Suryani, and Y. Sari, “Penerapan Logika Fuzzy dalam Menentukan Jumlah Peserta BPJS Kesehatan Menggunakan Fuzzy Inference System Sugeno,” vol. 1, no. 3, p. 2020, 2020, doi: 10.46306/lb.v1i3.
[30]	A. T. Nurani, A. Setiawan, and B. Susanto, “Perbandingan Kinerja Regresi Decision Tree dan Regresi Linear Berganda untuk Prediksi BMI pada Dataset Asthma,” Jurnal Sains dan Edukasi Sains, vol. 6, no. 1, pp. 34–43, May 2023, doi: 10.24246/juses.v6i1p34-43.
[31]	A. P. Meriani and A. Rahmatulloh, “Perbandingan Gated Recurrent Unit (GRU) dan Algoritma Long Short Term Memory (LSTM) Linear Regression dalam Prediksi Harga Emas Menggunakan Model Time Series,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 1, Jan. 2024, doi: 10.23960/jitet.v12i1.3808.
[32]	S. Adsure, D. Jaisawaal, A. Shetty, D. Shinde, S. Mane, and A. Kulkarni, “Stock Market Prediction Using Machine Learning,” IJARCCE, vol. 12, no. 4, Apr. 2023, doi: 10.17148/IJARCCE.2023.124208.
[33]	R. N. Silalahi and M. Muljono, “Perbandingan Kinerja Metode Linear Regression, LSTM dan GRU Untuk Prediksi Harga Penutupan Saham Coco-Cola,” Komputika : Jurnal Sistem Komputer, vol. 13, no. 2, pp. 201–211, Oct. 2024, doi: 10.34010/komputika.v13i2.12265.
[34]	U. Javed et al., “Exploratory data analysis based short‐term electrical load forecasting: A comprehensive analysis,” Energies (Basel), vol. 14, no. 17, Sep. 2021, doi: 10.3390/en14175510.
[35]	A. Kumar, A. Thomas, N. K. Todi, O. Olemmyan, S. Tripathi, and V. Arora, “Comprehensive Prediction of Stock Prices Using Time Series, Statistical, Machine Learning, and Deep Learning Models,” 2022.
citation:   Anindita Sahara, Zahrani  (2025) IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY DALAM PEMBELAJARAN MESIN UNTUK MEMPREDIKSI HARGA SAHAM PT ASTRA INTERNASIONAL TBK.  S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.   
document_url: https://eprints.untirta.ac.id/53223/19/Zahrani%20Anindita%20Sahara_3337210048_Fulltext.pdf
document_url: https://eprints.untirta.ac.id/53223/20/Zahrani%20Anindita%20Sahara_3337210048_01.pdf
document_url: https://eprints.untirta.ac.id/53223/3/Zahrani%20Anindita%20Sahara_3337210048_02.pdf
document_url: https://eprints.untirta.ac.id/53223/4/Zahrani%20Anindita%20Sahara_3337210048_03.pdf
document_url: https://eprints.untirta.ac.id/53223/5/Zahrani%20Anindita%20Sahara_3337210048_04.pdf
document_url: https://eprints.untirta.ac.id/53223/6/Zahrani%20Anindita%20Sahara_3337210048_05.pdf
document_url: https://eprints.untirta.ac.id/53223/7/Zahrani%20Anindita%20Sahara_3337210048_Ref.pdf
document_url: https://eprints.untirta.ac.id/53223/8/Zahrani%20Anindita%20Sahara_3337210048_Lamp.pdf
document_url: https://eprints.untirta.ac.id/53223/9/Zahrani%20Anindita%20Sahara_3337210048_CP.pdf