%0 Thesis
%9 S1 - Sarjana
%A Qolbu, Pijar Pahlawan
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2025
%F universitasamikomyogyakarta:31438
%I Universitas AMIKOM Yogyakarta
%K Prediksi Saham, LSTM, CNN, Deep Learning, CNN-LSTM
%T PENERAPAN CONVOLUTIONAL LAYER PADA ALGORITMA LONG SHORT TERM MEMORY UNTUK PREDIKSI HARGA SAHAM
%U https://eprints.amikom.ac.id/id/eprint/31438/
%X Prediksi harga saham merupakan sebuah tantangan yang kompleks karena  karakteristik datanya yang fluktuatif dan sulit diprediksi. Penelitian ini bertujuan  untuk merekomendasikan sebuah model kombinasi CNN-LSTM untuk prediksi   harga saham yang lebih akurat dengan menerapkan convolutional layer pada   algoritma Long Short-Term Memory (LSTM). Data yang digunakan dalam  penelitian ini adalah data harga penutupan harian saham PT Bank Rakyat Indonesia  (BBRI) yang dikumpulkan dari tanggal 2 Januari 2020 hingga 30 Desember 2024.  Proses penelitian meliputi pembersihan data, normalisasi, pembagian data,  pelatihan model, dan evaluasi. Dalam tahap evaluasi, performa model CNN-LSTM   dibandingkan dengan model ARIMA dan LSTM yang dilihat berdasarkan metrik   RMSE dan MAPE. Hasil menunjukkan bahwa model CNN-LSTM memberikan   performa terbaik dengan nilai RMSE sebesar 71,02 dan MAPE 1,18%, lebih baik   jika dibandingkan LSTM (RMSE 72,69 dan MAPE 1,27%) maupun ARIMA   (RMSE 73,35 dan MAPE 1,29%). Hasil ini membuktikan bahwa penambahan   convolutional layer pada LSTM sccara cfektif meningkatkan akurasi dan stabilitas  prediksi harga saham.