Rancang Bangun Aplikasi Prediksi Saham Menggunakan Long Short-Term Memory Recurrent Neural Network

Johan, Kevin (2019) Rancang Bangun Aplikasi Prediksi Saham Menggunakan Long Short-Term Memory Recurrent Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (781kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (717kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Saham merupakan sebuah surat berharga atau selembaran kertas yang berisikan sebagai bukti penyertaan atau kepemilikan suatu perusahaan. Dalam melakukan jual beli saham, informasi harga saham sangatlah penting bagi para investor karena pembelian saham biasanya akan dilakukan pada saat saham berada pada titik terendahnya dan penjualan saham akan dilakukan pada saat titik tertingginya. Fokus dari penelitaian ini adalah menggunakan algoritma Long Short Term Memory untuk memprediksi saham pada perusahaan otomotif. Algoritma Long Short Term Memory sudah sering digunakan pada aplikasi prediksi seperti pada Analisis dan Implementasi Long Short Term Memory Neural Network untuk Prediksi Harga Bitcoin. Penelitian ini dilakukan dengan menggunakan lima data saham otomotif yang datanya diambil dari Yahoo Finace. Dalam penelitian dilakukan eksperimen terkait dengan pengaruh jumlah hidden layer dan epoch terhadap akurasi prediksi saham. Dari hasil uji coba yang didapat, semakin banyak penggunaan hidden layer dan epoch maka hasil akurasi semakin bagus, sehingga mendapatkan kisaran hasil akurasi dari 97% hingga 99%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	LSTM, Prediksi, Saham
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.5 Application / Software
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Dec 2019 03:16
Last Modified:	09 Aug 2023 00:32
URI:	https://kc.umn.ac.id/id/eprint/10999

Actions (login required)

View Item