EPrints Universitas Amikom YogyakartaKORELASI KASUS HARIAN COVID-19 DAN PERGERAKAN SAHAM PERUSAHAAN VAKSIN DI PASAR GLOBAL MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM)GigihSetyajiauthorStudi ini menganalisis keterkaitan antara data kasus harian COVID-19 dan dinamika harga saham perusahaan vaksin dengan fokus pada AstraZeneca (AZN). Prediksi harga saham dilakukan melalui penerapan metode Long Short-Term Memory (LSTM) yang memanfaatkan data historis COVID-19 untuk mendeteksi pola pergerakan harga di tengah situasi krisis kesehatan global. Akurasi model ditingkatkan melalui proses optimasi hyperparameter menggunakan kerangka kerja Optuna. Hasil penelitian menunjukkan bahwa penurunan jumlah kasus COVID-19 cenderung diikuti dengan tren kenaikan harga saham AstraZeneca, menunjukkan adanya keterkaitan erat antara kondisi kesehatan masyarakat dan respon pasar modal. Evaluasi model menunjukkan bahwa LSTM yang dioptimasi dengan Optuna memiliki performa prediksi yang lebih baik dibandingkan LSTM baseline, dengan peningkatan nilai koefisien determinasi (R²) dari 0,88 menjadi 0,95. Peningkatan ini membuktikan bahwa pendekatan optimasi hyperparameter mampu meningkatkan kemampuan model dalam memahami pola data deret waktu yang kompleks. Dengan hasil tersebut, model ini diharapkan dapat dimanfaatkan sebagai acuan bagi investor, analis keuangan, maupun pembuat kebijakan dalam memproyeksikan pergerakan harga saham di sektor kesehatan pada masa pandemi atau situasi darurat serupa di masa depan. Penelitian ini juga memberikan kontribusi praktis bagi pengembangan teknologi prediksi berbasis kecerdasan buatan, khususnya dalam mengintegrasikan metode LSTM dengan proses tuning otomatis yang efisien. Temuan ini dapat menjadi dasar bagi riset lanjutan yang berfokus pada pengembangan metode hybrid atau penerapan mekanisme attention untuk meningkatkan akurasi prediksi pasar modal di masa mendatang.000 Ilmu komputer, informasi dan pekerjaan umum2026-02-02Universitas AMIKOM Yogyakarta;Pascasarjana Magister InformatikaThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.