24.04.5002
005.7 - Data in Computer Systems
Karya Ilmiah - Skripsi (S1) - Reference
Data Science
85 kali
<br /> <meta charset="utf-8" /> <p dir="ltr"><b id="docs-internal-guid-3c3e4540-7fff-d7d3-2cce-bae68f779db5">Prediksi harga saham merupakan tantangan signifikan dalam dunia keuangan karena sifat pasar yang dinamis dan kompleks. Penelitian ini bertujuan untuk memprediksi harga saham dengan menggunakan model Long Short-Term Memory (LSTM), yang efektif dalam menangkap pola sekuensial pada data historis dan fundamental. LSTM dipilih karena kemampuannya untuk memodelkan ketergantungan jangka panjang, yang penting dalam prediksi harga saham. Evaluasi dilakukan dengan membandingkan kinerja model LSTM pada data historis dan kombinasi data historis dengan data fundamental. Hasil penelitian menunjukkan bahwa meskipun model LSTM berhasil menangkap pola pada data training, model tersebut mengalami overfitting yang signifikan pada data testing. Penambahan data fundamental tidak secara signifikan meningkatkan akurasi prediksi pada fase testing. Kesimpulannya, meskipun LSTM membantu dalam menangkap pola kompleks dari data historis dan fundamental, penelitian ini menekankan pentingnya eksplorasi lebih lanjut terhadap metode lain untuk mengatasi overfitting dan meningkatkan kinerja prediksi saham pada data testing.</b></p>
Tersedia 1 dari total 1 Koleksi
Nama | NAUFAL ABDURRAHMAN BURHANI |
Jenis | Perorangan |
Penyunting | Deni Saepudin, Didit Adytia |
Penerjemah |
Nama | Universitas Telkom, S1 Informatika |
Kota | Bandung |
Tahun | 2024 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |