Implementasi Algoritma Long Short-Term Memory untuk Prediksi Harga Saham Sektor Infrastruktur Indeks LQ45

Maximilliano, Carlos (2023) Implementasi Algoritma Long Short-Term Memory untuk Prediksi Harga Saham Sektor Infrastruktur Indeks LQ45. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (216kB) | Preview
Preview	PDF BAB_I.pdf Download (212kB) | Preview
Preview	PDF BAB_II.pdf Download (558kB) | Preview
Preview	PDF BAB_III.pdf Download (468kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (203kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (461kB)

Abstract

Pasar modal memiliki peranan penting dalam perekonomian negara sebagai tempat perdagangan produk keuangan jangka panjang. Saham merupakan salah satu efek pada pasar modal yang digemari oleh investor karena memiliki potensi keuntungan yang tinggi. Dalam meminimalisir risiko saham, digunakan analisis fundamental dan teknikal dalam pemilihan saham. Seiring perkembanga teknologi, penggunaan analisis teknikal dengan menggunakan algoritma long short-term memory (LSTM), semakin umum digunakan. Indeks LQ45, yang terdiri dari 45 saham dengan likuiditas dan kapitalisasi tinggi, menjadi perhatian para investor. Sektor infrastruktur merupakan salah satu sektor yang masuk dalam indeks LQ45 dan diminati investor dikarenakan prospeknya yang positif, pertumbuhannya terus berkembang dan didukung oleh pemerintah. Sektor infrastruktur indeks LQ45 terdiri dari saham "TLKM.JK", "EXCL.JK", "TBIG.JK", dan "TOWR.JK". Oleh karena itu diimplementasikan algoritma LSTM dalam memprediksi harga saham sektor infrastruktur indeks LQ45 untuk memberikan keuntungan kompetitif bagi investor saham. Berdasarkan hasil implementasi pada 36 kombinasi parameter pada masing-masing saham, didapatkan masing-masing model dapat melakukan peramalan yang sangat akurat dengan nilai MAPE dibawah 10%. Diantara model-model tersebut, model saham TLKM.JK menghasilkan akurasi yang paling baik dengan nilai MAPE 1.43% dan RMSE 78.16031 yang dibentuk dengan menggunakan kombinasi jumlah neuron sebanyak 64 neuron pada hidden layer pertama dan kedua, batch size sebesar 32, dan dropout rate sebesar 0.2.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis teknikal, Indeks saham LQ45, Long Short-term Memory, Pembelajaran mesin, 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++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	21 Jun 2023 09:48
Last Modified:	18 Aug 2023 07:47
URI:	https://kc.umn.ac.id/id/eprint/25435

Actions (login required)

View Item