Pendekatan Algoritma Deep Learning Menggunakan Long Short-Term Memory untuk Peramalan Deret Waktu pada Harga Saham PT Pembangunan Jaya Ancol Tbk

Shafira, Deitra Afilia and Dwi Ayu Lusia,, S.Si., M.Si, (2022) Pendekatan Algoritma Deep Learning Menggunakan Long Short-Term Memory untuk Peramalan Deret Waktu pada Harga Saham PT Pembangunan Jaya Ancol Tbk. Sarjana thesis, Universitas Brawijaya.

Abstract

Peramalan merupakan metode untuk memproyeksikan nilai di masa yang akan datang berdasarkan nilai periode lalu. Metode LSTM ialah salah satu metode peramalan yang melibatkan multi jaringan saraf tiruan untuk memproses data berurutan atau runtun waktu yang bersifat nonlinier. Oleh karenanya, LSTM mampu menangani data pada harga saham yang cenderung fluktuatif. PT Pembangunan Jaya Ancol Tbk (PJAA) menjadi subjek penelitian karena memiliki harga saham dengan tren meningkat pada tahun 2022, dibandingkan dengan perusahaan saham lainnya. Penelitian ini memiliki tujuan untuk mengetahui banyak lapisan dan unit penyusun model LSTM terbaik berdasarkan RMSE, serta menentukan ramalan harga penutupan, pembukaan, terendah, dan tertinggi saham PJAA pada 220 periode ke depan. Partisi data latih dan data uji secara berurutan sebesar 95% dan 5% dari dataset. Hasil penelitian menunjukkan bahwa konfigurasi model terbaik tersusun atas 2 lapisan tersembunyi, dengan 6 neuron pada lapisan tersembunyi pertama dan 5 neuron pada lapisan tersembunyi kedua. Model tersebut memiliki RMSE pada data uji sebesar 63,329, sedangkan hasil ramalan harga saham PJAA sejak 1 November 2022 hingga 6 September 2023 cenderung meningkat. Selama rentang periode tersebut, harga saham PJAA diramalkan mencapai harga terendah sebesar 698,284 rupiah, sedangkan harga tertinggi sebesar 757,373 rupiah.

English Abstract

Forecasting is a method to project the next period’s value based on its past. LSTM method is one of forecasting analysis that involves multilayer neural network to process the nonlinearity of sequences or time series data. Hence, LSTM is capable in handling the stock price, which is fluctuative. PT Pembangunan Jaya Ancol Tbk, as a research subject, has an increasing tendency of stock price throughout 2022, compared with other companies. This research aims to determine the number of hidden layers and their neurons that composed the best model based on the RMSE value and to forecast the PJAA’s closing, opening, lowest, and highest stock price in 220 periods of time ahead. Data splitting was conducted on this research, where 95% portion of dataset for the train data and 5% of the rest for the test data. The result of this study shows that the configuration of the best LSTM model is composed by 2 hidden layers. There are 6 neurons in the first hidden layer, while 5 neurons in the second hidden layer. The model has value of 63,329 in RMSE of test data with the PJAA’s stock prices forecasting results in an increasing tendency since November 1, 2022 to September 6, 2023. During those periods, the lowest of PJAA’s stock price hit 698.284 rupiahs, whereas the highest one reached 757.373 rupiahs.

Item Type:	Thesis (Sarjana)
Identification Number:	052209
Uncontrolled Keywords:	LSTM, Peramalan, PJAA, Saham, Forecasting, LSTM, PJAA, Stock.
Subjects:	500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	PKN 03 UB
Date Deposited:	08 Jun 2023 02:29
Last Modified:	08 Jun 2023 02:29
URI:	http://repository.ub.ac.id/id/eprint/201142

Text (DALAM MASA EMBARGO) Deitra Afilia Shafira.pdf Restricted to Registered users only until 31 December 2024. Download (3MB)

Actions (login required)

View Item