Optimasi Pemilihan Saham Bagi Investor Pemula dengan Menggunakan Algoritma ARIMA dan LSTM

Prawira Yarchie, Milson (2024) Optimasi Pemilihan Saham Bagi Investor Pemula dengan Menggunakan Algoritma ARIMA dan LSTM. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (210kB)
	PDF BAB_I.pdf Download (136kB)
	PDF BAB_II.pdf Download (349kB)
	PDF BAB_III.pdf Download (113kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (852kB)
	PDF BAB_V.pdf Download (86kB)
	PDF DAFTAR_PUSTAKA.pdf Download (119kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (196kB)

Abstract

Saat ini investasi sudah sangat terkenal di kalangan masyarakat terutama kaum milenial. Di Indonesia sendiri, jumlah investor terus meningkat pesat setiap tahunnya yang didominasi oleh generasi muda. Pergerakan saham bersifat fluktuatif yang artinya tidak menentu sehingga diperlukam analisis terlebih dahulu sebelum investor membeli saham pada suatu perusahaan. Pengaruh media sosial memberikan peranan penting bagi investor dalam membeli saham dengan melihat kesan positif atau negatif. Investasi modern zaman sekarang telah memanfaatkan berbagai teknologi dalam menjalankan prosesnya. Perkembangan teknologi yang sering dimanfaatkan dalam investasi saham adalah penggunaan machine learning untuk prediksi harga saham. Beberapa algoritma yang cocok digunakan untuk prediksi harga saham adalah ARIMA dan LSTM. Analisis prediksi harga saham juga menggunakan dua indikator, yaitu Moving Average (MA) dan Relative Strength Index (RSI) untuk membantu investor dalam menentukan nilai pada harga saham tersebut. Tujuan dari penelitian adalah untuk mengetahui hasil nilai harga suatu saham yang dianalisis dan akurasi algoritma dalam prediksi harga saham. Metode yang digunakan dalam penelitian adalah CRISP-DM yang terdiri dari berbagai tahapan seperti business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Hasil yang didapatkan dari prediksi harga saham menunjukkan bahwa harga saham cenderung mengalami kenaikan dan akurasi eror pada algoritma LSTM dan ARIMA juga rendah sehingga cocok untuk digunakan dalam prediksi saham.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Harga, Investor, Prediksi, Saham
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	10 Nov 2024 11:05
Last Modified:	10 Nov 2024 11:05
URI:	https://kc.umn.ac.id/id/eprint/34068

Actions (login required)

View Item