Implementasi Algoritma Long Short-Term Memory dengan Komparasi Activation dan Optimizer terhadap Prediksi Harga Saham Transportasi

Brordus Bayu Nova Pramudya, Willi (2023) Implementasi Algoritma Long Short-Term Memory dengan Komparasi Activation dan Optimizer terhadap Prediksi Harga Saham Transportasi. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (583kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (302kB) | Preview
Preview	PDF BAB_I.pdf Download (322kB) | Preview
Preview	PDF BAB_II.pdf Download (795kB) | Preview
Preview	PDF BAB_III.pdf Download (675kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (8MB)
Preview	PDF BAB_V.pdf Download (158kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Pertumbuhan inflasi terjadi di beberapa negara internasional maupun Indonesia. Hal ini menyebabkan nilai mata uang naik dan mempengaruhi daya beli saham bagi para investor. Saham yang terdampak dengan adanya pertumbuhan inflasi terjadi di berbagai sektor khususnya transportasi. Hal ini memerlukan upaya prediksi dini untuk dilakukan agar para investor dapat melakukan keputusan dalam melakukan investasi sehingga tidak terjadi kerugian. Salah satu solusi yang akan dilakukan yaitu menggunakan teknik data mining menggunakan pendekatan deep learning yaitu Long Short- Term Memory (LSTM) menggunakan komparasi parameter activation dan optimizer. Parameter activation yang digunakan diantaranya linear, relu, sigmoid, dan tanh. Sedangkan optimizer yang digunakan diantaranya adam, adagrad, nadam, rmsprop, adadelta, SGD, dan adamax dengan elapsed time serta statistical test. Penelitian ini menggunakan framework CRISP- DM dengan bahasa pemrograman Python dan bantuan tools dari Visual Studio Code serta bertujuan untuk melakukan prediksi terhadap harga saham transportasi di Indonesia. Hasil penelitian menunjukkan nilai evaluasi metrik terbaik dari MAE sebesar 0.0092918, MAPE sebesar 0.06422, MSE sebesar 0.00021230, R-Squared sebesar 96%, RMSE sebesar 0.01457 serta shapiro- wilk test pada T-Statistic sebesar 0.7102 dan P-Value sebesar 4.716007 dengan elapsed time sebesar 104.35 menit pada relu activation dan nadam optimizer. Prediksi dari masing-masing saham transportasi menunjukkan saham Temas (TMAS.JK) mengalami kenaikkan secara signifikan dari bulan April-Oktober 2023 daripada saham lainnya. Selain itu, sistem informasi berbasis web dengan menggunakan streamlit dan framework dari agile software development dalam mengembangkan permodelan LSTM.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Activation, Data Mining, Long Short-Term Memory, Optimizer, Saham Transportasi
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 > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	07 Jul 2023 09:48
Last Modified:	10 Jul 2023 00:51
URI:	https://kc.umn.ac.id/id/eprint/25869

Actions (login required)

View Item