TY  - THES
TI  - PENERAPAN CONVOLUTIONAL LAYER PADA ALGORITMA LONG SHORT TERM MEMORY UNTUK PREDIKSI HARGA SAHAM
ID  - universitasamikomyogyakarta31438
PB  - Universitas AMIKOM Yogyakarta
Y1  - 2025/07/29/
AV  - restricted
KW  - Prediksi Saham
KW  -  LSTM
KW  -  CNN
KW  -  Deep Learning
KW  -  CNN-LSTM
A1  - Qolbu, Pijar Pahlawan
UR  - https://eprints.amikom.ac.id/id/eprint/31438/
N2  - 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.
M1  - bachelor
ER  -