Sentimen Analisis Prediksi Harga Saham PGAS dengan Pendekatan Deep Learning LSTM XGBOOST Hybrid

Martheen W Jonash, Benz (2025) Sentimen Analisis Prediksi Harga Saham PGAS dengan Pendekatan Deep Learning LSTM XGBOOST Hybrid. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (285kB)
	PDF BAB_II.pdf Download (456kB)
	PDF BAB_III.pdf Download (358kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (694kB)
	PDF BAB_V.pdf Download (190kB)
	PDF DAFTAR_PUSTAKA.pdf Download (190kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (225kB)
	Archive (ZIP) CREATION_FILE.zip Download (6MB)

Abstract

Pada era digital saat ini, fluktuasi harga saham tidak hanya dipengaruhi oleh laporan keuangan atau analisis teknikal, tetapi juga oleh sentimen publik yang berkembang di media sosial. PGAS, sebagai salah satu perusahaan energi utama di Indonesia, kerap menjadi sorotan terkait isu-isu seperti subsidi gas hingga pembangunan proyek infrastruktur, yang pada akhirnya turut mempengaruhi persepsi investor. Penelitian ini bertujuan mengintegrasikan sentimen media sosial ke dalam model prediksi harga saham untuk meningkatkan relevansi dan akurasi prediksi. Model prediksi yang digunakan adalah gabungan antara algoritma Long Short-Term Memory (LSTM) untuk menangkap pola historis harga saham, dengan algoritma Extreme Gradient Boosting (XGBoost) yang digunakan untuk memproses faktor eksternal berupa sentimen dari Twitter. Data sentimen diperoleh melalui proses scraping terhadap tweet dalam rentang waktu 2020 hingga 2025, kemudian dianalisis menggunakan metode VADER (Valence Aware Dictionary and sEntiment Reasoner). Hasil menunjukkan bahwa penggunaan model hybrid (LSTM-XGBoost) secara signifikan meningkatkan kinerja prediksi dibandingkan model LSTM tunggal, dengan peningkatan nilai R² dari 0,78 menjadi 0,82 serta pengurangan tingkat error. Temuan ini mengindikasikan bahwa integrasi sentimen media sosial dapat memberikan dampak positif dalam prediksi pergerakan harga saham serta mengukuhkan potensi sentimen publik sebagai indikator yang kuat dalam pengambilan keputusan investasi.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Martheen W Jonash, Benz (00000059822)
Contributors:	Wella, Wella
Keywords:	LSTM, PGAS, Prediksi, Sentimen Analisis, XGBoost
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	09 Sep 2025 07:35
URI:	https://kc.umn.ac.id/id/eprint/40322

Actions (login required)

View Item