Hendrianto, Wendy (2023) PREDIKSI HARGA SAHAM MENGGUNAKAN METODE LONG SHORT TERM MEMORY (LSTM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (700kB) |
|
Text (BAB I)
BAB I.pdf Download (118kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (482kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (156kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (364kB) |
|
Text (BAB V)
BAB V.pdf Download (44kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (75kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code 18.11.2056 Wendy Hendrianto.rar Restricted to Repository staff only Download (291kB) |
|
Text (PUBLIKASI)
Publikasi 18.12.2056 Wendy Hendrianto.pdf Restricted to Repository staff only Download (467kB) |
Abstract
Memprediksi harga pasar saham memiliki banyak faktor yang menjadikannya sulit untuk di prediksi, dengan menggunakan Long Short Term Memory yang merupakan algoritma deep learning yang dapat digunakan untuk forecasting atau meramalkan diharapkan dapat menjawab masalah yang banyak dihadapi para investor yang turut andil didalam bidang investasi saham. Penelitian yang dilakukan menggunakan Long Short Term Memory menunjukkan hasil kinerja dan akurasi yang sangat baik untuk setiap fitur yang dipilih dan mampu lebih unggul dari algoritma forecasting peneliti terdahulu.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Forecasting, Long Short Term Memory, Deep Learning, Prediksi Harga Saham. | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 05 Apr 2023 03:51 | ||
| Last Modified: | 28 Jul 2023 03:10 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/18244 |
Actions (login required)
 |
View Item |