Implementasi Deep Learning Memprediksi Harga Saham Idx30 Menggunakan Algoritma Long-Short Terms Memory (Lstm)

Abstract

Peramalan harga saham merupakan aspek penting dalam pengambilan keputusan investasi di pasar saham, khususnya untuk indeks IDX30 yang mencakup 30 saham unggulan di Bursa Efek Indonesia. Untuk meningkatkan akurasi dalam prediksi harga saham, penelitian ini bertujuan untuk mengembangkan model deep learning menggunakan algoritma Long-Short Term Memory (LSTM). Algoritma LSTM dipilih karena kemampuannya dalam memproses data berurutan dan menangani ketergantungan jangka panjang, yang merupakan karakteristik utama dalam data harga saham. Model LSTM dilatih dengan data historis harga saham IDX30 dan dievaluasi menggunakan metrik seperti Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil dari penelitian ini menunjukkan bahwa model LSTM dapat memberikan prediksi harga saham yang lebih akurat dibandingkan dengan metode tradisional, sehingga menawarkan alat yang lebih efektif untuk analisis dan pengambilan keputusan investasi. Penelitian ini diharapkan dapat memberikan kontribusi signifikan terhadap pengembangan teknik prediksi harga saham yang lebih andal dan tepat.