Analisis Perbandingan Model ARIMA dan LSTM untuk Prediksi Pergerakan Saham BBCA Berdasarkan Data Historis

Elvanli, Thomas (2026) Analisis Perbandingan Model ARIMA dan LSTM untuk Prediksi Pergerakan Saham BBCA Berdasarkan Data Historis. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (210kB)
	PDF BAB_II.pdf Download (279kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (731kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (804kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (203kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (209kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (744kB)
	Archive (ZIP) 00000067064_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Prediksi pergerakan harga saham merupakan tantangan yang kompleks karena sifat pasar modal yang dinamis, non-stasioner. Perbandingan Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM) dalam meramal harga saham PT Bank Central Asia Tbk (BBCA) dilakukan dalam penelitian ini untuk dapat memahami kinerja model yang lebih baik dalam mengenali pola pergerakan saham BBCA, dengan CRISP-DM sebagai kerangka penelitian. Data saham BBCA dilakukan analisis eksplorasi dengan Exploratory Data Analysis sebelum diproses untuk dilakukan pemodelan. Evaluasi performa dilakukan menggunakan metrik Root Mean Square Error (RMSE), Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa ARIMA mampu menangkap pola linear pada data dan lebih unggul dalam prediksi jangka pendek, sedangkan LSTM lebih unggul dalam menangkap pola non-linear serta fluktuasi harga yang kompleks sehingga lebih unggul dan stabil dalam prediksi jangka panjang.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Elvanli, Thomas (00000067064)
Contributors:	Christian Chandra, Joko (0324118302)
Keywords:	ARIMA, LSTM, peramalan saham,time series
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	15 Jul 2026 07:57
URI:	https://kc.umn.ac.id/id/eprint/47541

Actions (login required)

View Item