Rancang Bangun Website Prediksi Harga Saham Menggunakan Framework Flask dan Algoritma LSTM

Bagastio, Kefas (2023) Rancang Bangun Website Prediksi Harga Saham Menggunakan Framework Flask dan Algoritma LSTM. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (532kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (298kB) | Preview
Preview	PDF BAB_I.pdf Download (376kB) | Preview
Preview	PDF BAB_II.pdf Download (544kB) | Preview
Preview	PDF BAB_III.pdf Download (296kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (213kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (3MB)

Abstract

Saham merupakan sebuah surat berharga yang bersifat kepemilikan. Investasi saham di Indonesia semakin berkembang sejak 5 tahun terakhir. Investasi saham memiliki resiko kerugian. Para pemegang saham harus mengamati saham yang akan dibeli dengan mengandalkan analisis pola saham dari hari sebelumnya, tetapi pola harga saham sulit diprediksi dan berubah-ubah. Oleh sebab itu diperlukan sebuah metode yang dapat mempermudah proses analisis pola saham. Meskipun sudah ada beberapa website yang memiliki konsep prediksi harga saham, namun belum ada yang memanfaatkan algoritma deep learning. Penelitian ini bertujuan untuk mengembangkan website prediksi harga saham menggunakan algoritma deep learning untuk membantu user dalam memprediksi harga saham dengan memanfaatkan algoritma Long short-term memory (LSTM). Penelitian ini memiliki fokus pada lima bank dengan market cap tertinggi di Indonesia yaitu saham Bank Central Asia, Bank Rakyat Indonesia, Bank Mandiri, Bank Negara Indonesia, dan Bank Syariah Indonesia. Website pada penelitian ini dibangun dengan metode prototyping menggunakan framework Flask dan algoritma LSTM. Flask digunakan untuk menerapkan model deep learning ke dalam sebuah website karena fleksibilitasnya yang tinggi dan cocok untuk proyek penelitian skala kecil, memungkinkan penentuan fungsionalitas dengan mudah dan cocok untuk penelitian ini, sedangkan algoritma LSTM digunakan karena memiliki kemampuan dalam menangkap ketergantungan jangka panjang pada data dengan kompleksitas tinggi. Penelitian ini menghasilkan website prediksi harga saham menggunakan framework flask dan algoritma LSTM, dimana Hasil prediksi ditampilkan melalui website yang telah dibangun. Model LSTM untuk masing ­ masing saham memiliki Mean Absolute Percentage Error (MAPE) kurang dari 10%, yang mengindikasikan bahwa model tingkat akurasi "Highly accurate" berdasarkan penilaian skala akurasi MAPE.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Flask, Long short-term memory, Prediksi, Saham, website
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.6 Internet, Cloud Computing, Website, LAN, Email 300 Social Sciences > 330 Economics > 332 Financial Economics (Shares, Investment)
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	05 Jul 2023 10:02
Last Modified:	07 Jul 2023 01:09
URI:	https://kc.umn.ac.id/id/eprint/25709

Actions (login required)

View Item