IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) UNTUK PREDIKSI HARGA SAHAM DALAM UPAYA MENINGKATKAN AKURASI PENGAMBILAN KEPUTUSAN INVESTASI DI PASAR MODAL

Algufron, Ahmad Fachry (2025) IMPLEMENTASI ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) UNTUK PREDIKSI HARGA SAHAM DALAM UPAYA MENINGKATKAN AKURASI PENGAMBILAN KEPUTUSAN INVESTASI DI PASAR MODAL. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (966kB)
	Text (BAB I) BAB I.pdf Download (175kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (731kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (209kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (78kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (343kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.4401.zip Restricted to Repository staff only Download (609kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (796kB)

Abstract

Investasi saham sangat populer di Indonesia dengan peningkatan jumlah investor yang terus meningkat setiap tahunnya. Investasi memiliki resiko yang tinggi akibat fluktuasi harga. oleh karena itu, prediksi harga saham yang akurat sangat penting untuk mempermudah analisis pengambilan keputusan investasi yang baik. ARIMA dan LSTM adalah dua algoritma machine learning yang sering digunakan untuk prediksi Harga saham. ARIMA baik dalam menangani pola linear akan tetapi tidak mampu dalam menangani pola non-linear, sedangkan LSTM unggul dalam memahami pola non-linar yang kompleks. Dengan memahami kelemahan dari masing-masing algoritma, pendekatan Hybrid yang menggabungkan kedua algoritma diharapkan mampu meningkatkan akurasi prediksi Harga saham dibandingkan penggunaan algoritma secara individu. Evaluasi model dilakukan menggunakan RMSE, MSE, dan MAE menunjukan bahwa model ARIMA memberikan akurasi yang sedikit lebih unggul dengan RMSE 0.0388 MSE 0.0015 dan MAE 0.0332 dibandingkan dengan Hybrid ARIMA LSTM dengan RMSE 0.2062 MSE 0.0425 dan MAE 0.2048. Dominasi pola linear dalam data historis memungkinkan ARIMA lebih akurat, tetapi model hybrid masih berpotensi lebih baik jika pola non-linear dalam data lebih kuat.

Actions (login required)

View Item