{
      "date": "2026-02-02",
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31804",
      "creators": [
        {
          "nim": "23.55.2540",
          "name": {
            "family": "Setyaji",
            "honourific": null,
            "lineage": null,
            "given": "Gigih"
          }
        }
      ],
      "date_type": "published",
      "keywords": "covid-19, saham vaksin, long short-term memory, optuna, prediksi\r\nharga saham, vaccine stock,  stock price\r\nprediction.",
      "department": "Pascasarjana Magister Informatika",
      "metadata_visibility": "show",
      "title": "KORELASI KASUS HARIAN COVID-19 DAN PERGERAKAN\r\nSAHAM PERUSAHAAN VAKSIN DI PASAR GLOBAL \r\nMENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM)",
      "rev_number": 7,
      "lastmod": "2026-06-30 03:11:36",
      "abstract": "Studi  ini  menganalisis  keterkaitan  antara  data  kasus  harian  \r\nCOVID-19 dan  dinamika  harga  saham  perusahaan vaksin dengan fokus pada\r\nAstraZeneca (AZN). Prediksi harga saham dilakukan melalui penerapan metode\r\nLong Short-Term Memory (LSTM) yang memanfaatkan data historis COVID-19\r\nuntuk mendeteksi pola pergerakan harga di tengah situasi krisis kesehatan global.\r\nAkurasi  model  ditingkatkan  melalui  proses  optimasi  hyperparameter \r\nmenggunakan  kerangka  kerja  Optuna.  Hasil  penelitian menunjukkan bahwa \r\npenurunan  jumlah  kasus  COVID-19  cenderung  diikuti  dengan  tren kenaikan\r\nharga  saham  AstraZeneca, menunjukkan   adanya   keterkaitan   erat   antara \r\nkondisi   kesehatan   masyarakat   dan   respon   pasar  modal.   Evaluasi  model\r\nmenunjukkan bahwa LSTM yang dioptimasi dengan Optuna memiliki performa\r\nprediksi yang lebih baik dibandingkan LSTM baseline,  dengan  peningkatan \r\nnilai  koefisien  determinasi  (R²)  dari  0,88  menjadi  0,95.  Peningkatan  ini \r\nmembuktikan  bahwa pendekatan optimasi hyperparameter mampu meningkatkan\r\nkemampuan model dalam memahami pola data deret waktu yang kompleks. \r\nDengan  hasil  tersebut,  model  ini  diharapkan  dapat  dimanfaatkan  sebagai \r\nacuan  bagi  investor,  analis  keuangan, maupun pembuat kebijakan dalam\r\nmemproyeksikan pergerakan harga saham di sektor kesehatan pada masa pandemi\r\natau situasi darurat serupa di masa depan. Penelitian ini juga memberikan\r\nkontribusi praktis bagi pengembangan teknologi prediksi berbasis kecerdasan\r\nbuatan, khususnya dalam mengintegrasikan metode LSTM dengan proses tuning\r\notomatis yang efisien. Temuan ini dapat menjadi dasar bagi riset lanjutan yang\r\nberfokus pada pengembangan metode hybrid atau penerapan mekanisme attention\r\nuntuk meningkatkan akurasi prediksi pasar modal di masa mendatang.",
      "eprint_status": "archive",
      "ispublished": "pub",
      "thesis_type": "masters",
      "type": "thesis",
      "userid": 12,
      "contributors": [
        {
          "name": {
            "honourific": null,
            "family": "-",
            "lineage": null,
            "given": "Kusrini"
          }
        }
      ],
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "divisions": [
        "PJJ"
      ],
      "full_text_status": "public",
      "dir": "disk0\/00\/03\/18\/04",
      "documents": [
          {
            "format": "text",
            "main": "23.55.2540 - Gigih Setyaji.pdf",
            "rev_number": 2,
            "mime_type": "application\/pdf",
            "pos": 1,
            "eprintid": 31804,
            "formatdesc": "THESIS",
            "content": "published",
            "language": "id",
            "files": [
                {
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131593",
                  "fileid": 1131593,
                  "filesize": 13574531,
                  "objectid": 319587,
                  "hash": "9cc39599871791186f2ff8ff774dde44",
                  "datasetid": "document",
                  "mime_type": "application\/pdf",
                  "mtime": "2026-06-30 03:07:34",
                  "filename": "23.55.2540 - Gigih Setyaji.pdf",
                  "hash_type": "MD5"
                }
            ],
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319587",
            "security": "public",
            "docid": 319587,
            "placement": 1
          }
      ],
      "status_changed": "2026-06-30 03:11:36",
      "institution": "Universitas AMIKOM Yogyakarta",
      "eprintid": 31804,
      "thesis_name": "tesis",
      "datestamp": "2026-06-30 03:11:36",
      "subjects": [
        "000.000.000A"
      ]
    }