Optimalisasi Model Prediksi Harga Saham Sektor Infrastruktur dengan Algoritma Hibrida CNN-LSTM

Putri Safa, Rieva (2024) Optimalisasi Model Prediksi Harga Saham Sektor Infrastruktur dengan Algoritma Hibrida CNN-LSTM. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (614kB)
	PDF BAB_II.pdf Download (866kB)
	PDF BAB_III.pdf Download (787kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (5MB)
	PDF BAB_V.pdf Download (360kB)
	PDF DAFTAR_PUSTAKA.pdf Download (368kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (3MB)

Abstract

Tren peningkatan investasi saham di Indonesia menekankan pada saham infrastruktur, sektor pasar modal terpopuler kedua. Analisis saham yang komprehensif diperlukan karena investasi saham dapat menghasilkan untung dan rugi. Oleh karena itu, investor memerlukan pendekatan analitis yang lebih maju untuk menemukan kemungkinan investasi terbaik dan tren pasar. Untuk penyetelan hyperparameter dan optimasi model prediksi harga saham, Grid Search, XGBoost, dan CNN-LSTM hybrid digunakan. Kerangka kerja CRISP- DM dan Python digunakan untuk menganalisis harga saham dari empat bisnis infrastruktur Indonesia. Hasil menunjukkan bahwa model hybrid CNN-LSTM yang menggunakan parameter Grid Search dari kedua model tunggal mengoptimalkan kinerja model tunggal CNN dan LSTM dalam memprediksi empat harga saham infrastruktur, yaitu EXCL.JK, JSMR.JK, TLKM.JK, dan FREN.JK. Pada 3 dari 4 kode saham, model CNN-LSTM memiliki performa terbaik terutama pada EXCL.JK dengan RMSE 0.009199, MSE 8.463e-05, MAE 0.0066978, dan MAPE 0.026313. Model hibrida CNN-LSTM lebih cocok dengan hasil aktual dan antisipasi. Namun, XGBoost mengoptimalkan model tetapi tidak signifikan. Studi ini menemukan bahwa model hybrid CNN-LSTM efektif dalam memprediksi harga saham sektor infrastruktur Indonesia, dengan nilai error yang lebih rendah dibandingkan model tunggal LSTM dan CNN. Model hybrid mengoptimalkan satu model untuk prediksi harga saham yang lebih akurat. Hasil ini menunjukkan bahwa pembelajaran mendalam, khususnya model hibrida, meningkatkan prediksi harga saham.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	CNN-LSTM, Deep Learning, Grid Search, Prediksi Harga Saham, XGBoost
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	12 Nov 2024 11:29
Last Modified:	12 Nov 2024 11:29
URI:	https://kc.umn.ac.id/id/eprint/34671

Actions (login required)

View Item