PENERAPAN METODE ARTIFICIAL NEURAL NETWORK (ANN), LONG SHORT-TERM MEMORY (LSTM) DAN AUTOREGRESIF INTEGRATED MOVING AVERAGE (ARIMA) UNTUK MEMPREDIKSI HARGA SAHAM BLUECHIP DALAM MENGOPTIMALKAN STRATEGI INVESTASI PADA SAHAM - Dalam bentuk buku karya ilmiah
YUSRIL SALEH

Informasi Umum

Kode

25.05.549

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Thesis (S2) - Reference

Subjek

Machine Learning

Dilihat

54 kali

Informasi Lainnya

Abstraksi

<p><i>Penelitian ini melakukan analisis komparatif terhadap peramalan harga saham lima perusahaan blue-chip yang terdaftar di Bursa Efek Indonesia (BEI), yaitu: BBCA.JK, BBRI.JK, TLKM.JK, ASII.JK, dan UNVR.JK. Data yang digunakan berupa harga penutupan harian dari Januari 2004 hingga April 2025, yang dibagi menjadi 80% data pelatihan, 10% validasi, dan 10% pengujian. Tiga model prediktif diterapkan: Autoregressive Integrated Moving Average (ARIMA), Artificial Neural Network (ANN), dan Long Short-Term Memory (LSTM), yang masing-masing dievaluasi menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Peramalan juga diperluas hingga periode Mei hingga Agustus 2025. Hasil penelitian menunjukkan bahwa LSTM secara konsisten mengungguli ARIMA dan ANN dalam semua metrik evaluasi di kelima saham, menunjukkan kemampuannya dalam menangkap pola non-linier dan dependensi jangka panjang. ANN memberikan kinerja yang stabil pada saham dengan volatilitas sedang, sedangkan ARIMA masih relevan untuk data yang linier dan stasioner. Temuan ini menyarankan bahwa model deep learning, khususnya LSTM, lebih sesuai untuk peramalan keuangan di pasar negara berkembang yang bersifat dinamis dan volatil seperti Indonesia.</i></p>

• KBI7M2 - IDE DAN PELUANG BISNIS
• KBI7K2 - INOVASI DIGITAL
• KBI6F3 - STRATEGI KEUANGAN PERUSAHAAN
• KBI7N2 - STRATEGI MENYAKINKAN INVESTOR
• KBI6K6 - THESIS/PROJECT

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook