Perbandingan Algoritma LSTM dan SVR untuk Prediksi pada saham PT. TELKOM INDONESIA

Ariwibowo, Adi (2026) Perbandingan Algoritma LSTM dan SVR untuk Prediksi pada saham PT. TELKOM INDONESIA. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (789kB)
	PDF BAB_I.pdf Download (430kB)
	PDF BAB_II.pdf Download (540kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (535kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (4MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (380kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (351kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (5MB)
	Archive (ZIP) 00000041920_2521_LembarPengesahan.pdf Restricted to Registered users only Download (27kB)

Abstract

Dalam era perkembangan teknologi informasi yang pesat, penggunaan algoritma kecerdasan buatan untuk memprediksi pergerakan harga saham semakin menjadi perhatian utama. Penelitian ini bertujuan untuk membandingkan performa algoritma Long Short-Term Memory (LSTM) dan Support Vector Regression (SVR) dalam memprediksi harga saham PT Telkom Indonesia Tbk (TLKM). LSTM, sebagai bagian dari jaringan saraf tiruan, unggul dalam memproses data deret waktu dengan mempertimbangkan hubungan jangka panjang antar data, sedangkan SVR, algoritma berbasis fungsi kernel, dikenal efektif dalam mengolah data non- linear meskipun dalam skala kecil. Data historis yang digunakan mencakup harga penutupan saham. Kinerja kedua algoritma dievaluasi berdasarkan metrik kesalahan prediksi Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan Root Mean Squared Error (RMSE). Hasil penelitian ini menunjukkan bahwa model LSTM terbukti superior dalam menekan tingkat galat dengan mencatatkan nilai MAE sebesar Rp57,46 dan RMSE sebesar Rp71,70, dibandingkan model SVR yang menghasilkan MAE sebesar Rp123,81 dan RMSE sebesar Rp139,91. Penelitian ini diharapkan dapat memberikan wawasan yang signifikan bagi investor dalam mengambil keputusan investasi yang lebih akurat dan strategis, serta menjadi referensi untuk pengembangan model prediksi harga saham di masa depan.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Ariwibowo, Adi (00000041920)
Contributors:	Desanti, Ririn Ikana
Keywords:	Prediksi Harga Saham, LSTM, SVR, Telkom Indonesia (TLKM), Data Deret Waktu
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:	05 Aug 2026 11:57
URI:	https://kc.umn.ac.id/id/eprint/49293

Actions (login required)

View Item