Novdian, Mohamad Restu Zikri (2025) IMPLEMENTASI MODEL DEEP LEARNING DALAM MEMPREDIKSI HARGA SAHAM MENGGUNAKAN ALGORITMA GATED RECURRENT UNIT (GRU) (Studi Kasus Pada Perusahaan yang Terdaftar di IDXBUMN20 Tahun 2025). S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.

	Text (Fulltext) Mohamad Restu Zikri Novdian_3337210007_Fulltext.pdf Restricted to Registered users only Download (10MB) | Request a copy
	Text (Bab 1) Mohamad Restu Zikri Novdian_3337210007_01.pdf Restricted to Registered users only Download (877kB) | Request a copy
	Text (Bab 2) Mohamad Restu Zikri Novdian_3337210007_02.pdf Restricted to Registered users only Download (661kB) | Request a copy
	Text (Bab 3) Mohamad Restu Zikri Novdian_3337210007_03.pdf Restricted to Registered users only Download (428kB) | Request a copy
	Text (Bab 4) Mohamad Restu Zikri Novdian_3337210007_04.pdf Restricted to Registered users only Download (4MB) | Request a copy
	Text (Bab 5) Mohamad Restu Zikri Novdian_3337210007_05.pdf Restricted to Registered users only Download (197kB) | Request a copy
	Text (Daftar Pustaka) Mohamad Restu Zikri Novdian_3337210007_Ref.pdf Restricted to Registered users only Download (220kB) | Request a copy
	Text (Lampiran) Mohamad Restu Zikri Novdian_3337210007_Lamp.pdf Restricted to Registered users only Download (4MB) | Request a copy
	Text (Cek Plagiasi) Mohamad Restu Zikri Novdian_3337210007_CP.pdf Restricted to Registered users only Download (32MB) | Request a copy

Abstract

Penelitian ini dilatarbelakangi oleh pentingnya prediksi harga saham yang akurat dalam dunia investasi. Pergerakan harga saham yang fluktuatif sering kali dipengaruhi oleh faktor-faktor seperti kinerja perusahaan, suku bunga, dan tingkat inflasi. Permasalahan dalam penelitian ini adalah bagaimana mengimplementasikan algoritma Gated Recurrent Unit (GRU) untuk memprediksi harga saham pada perusahaan yang terdaftar di indeks IDXBUMN20 dengan menggunakan data historis harga saham (open, close, low, high, volume), volatilitas harian, dan sentimen pasar yang diambil dari berita CNBC dianalisis menggunakan model VADER (Valence Aware Dictionary and sEntiment Reasoner). Penelitian ini menggunakan pendekatan kuantitatif dengan metode eksperimen. Tujuan penelitian ini adalah mengimplementasikan model deep learning untuk memprediksi harga saham menggunakan algoritma GRU dan menganalisis kontribusi masing-masing fitur terhadap performa model. Evaluasi model dilakukan menggunakan metrik Root Mean Square Error (RMSE) Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model GRU memberikan akurasi prediksi yang baik, ditunjukkan oleh nilai MAPE yang berada pada kisaran 0,82% hingga 2,73%, RMSE Rp 6.95-Rp 129.29, MAE Rp 4.92 – Rp 102.58. Hasil analisis Feature Ablation Study menunjukkan bahwa fitur data historis dan volatilitas pasar berpengaruh dalam peningkatan akurasi prediksi, dibandingkan dengan fitur sentimen yang dapat dipertimbangkan penggunaan selanjutnya. Kesimpulan dari penelitian ini adalah algoritma GRU efektif digunakan dalam prediksi harga saham perusahaan yang terdaftar di indeks IDXBUMN20.

Actions (login required)

View Item