Search for collections on EPrints Repository UNTIRTA

IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY DALAM PEMBELAJARAN MESIN UNTUK MEMPREDIKSI HARGA SAHAM PT ASTRA INTERNASIONAL TBK

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.

[img] Text (Fulltext)
Zahrani Anindita Sahara_3337210048_Fulltext.pdf - Published Version

Download (2MB)
[img] Text (Bab 1)
Zahrani Anindita Sahara_3337210048_01.pdf - Published Version

Download (1MB)
[img] Text (Bab 2)
Zahrani Anindita Sahara_3337210048_02.pdf - Published Version

Download (679kB)
[img] Text (Bab 3)
Zahrani Anindita Sahara_3337210048_03.pdf - Published Version

Download (452kB)
[img] Text (Bab 4)
Zahrani Anindita Sahara_3337210048_04.pdf - Published Version

Download (934kB)
[img] Text (Bab 5)
Zahrani Anindita Sahara_3337210048_05.pdf - Published Version

Download (248kB)
[img] Text (Daftar Referensi)
Zahrani Anindita Sahara_3337210048_Ref.pdf - Published Version

Download (240kB)
[img] Text (Daftar Lampiran)
Zahrani Anindita Sahara_3337210048_Lamp.pdf - Published Version

Download (437kB)
[img] Text (Cek Plagiasi)
Zahrani Anindita Sahara_3337210048_CP.pdf - Published Version

Download (9MB)
Official URL: https://untirta.ac.id/

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.

Item Type: Thesis (S1)
Contributors:
ContributionContributorsNIP/NIM
Thesis advisorPraptodiyono, Supriyanto197605082003121002
Thesis advisorRahman, Arief199304202024061001
Uncontrolled Keywords: Long Short-Term Memory, Machine learning, MAPE, Prediksi saham, PT Astra International Tbk
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
T Technology > T Technology (General)
Divisions: 03-Fakultas Teknik > 55201-Jurusan Teknik Informatika
Depositing User: Zahrani Anindita Sahara
Date Deposited: 31 Jul 2025 08:30
Last Modified: 31 Jul 2025 08:30
URI: http://eprints.untirta.ac.id/id/eprint/53223

Actions (login required)

View Item View Item