%A Gilang Gemilang Sejati
%L universitasamikomyogyakarta33058
%D 2026
%I Universitas AMIKOM Yogyakarta
%T PREDIKSI HARGA SAHAM PT GUDANG GARAM TBK
MENGGUNAKAN VARIASI ARSITEKTUR LSTM-GRU
DENGAN OPTIMASI HYPERPARAMETER
%X Pasar saham merupakan instrumen investasi dengan tingkat volatilitas
tinggi sehingga pergerakan harga sulit diprediksi secara akurat, khususnya pada
saham PT Gudang Garam Tbk (GGRM) yang mengalami fluktuasi signifikan dan
penurunan kinerja dalam beberapa tahun terakhir. Kondisi ini menimbulkan
ketidakpastian dalam pengambilan keputusan investasi, sehingga diperlukan
metode prediksi yang mampu menangkap pola kompleks pada data deret waktu.
Penelitian ini bertujuan untuk menganalisis peningkatan performa kinerja model
Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU) dengan
pendekatan model Hybrid LSTM–GRU dengan optimasi Hyperparameter
menggunakan metode Grid Search dalam memprediksi harga saham GGRM.
Tahapan penelitian meliputi pengumpulan data historis periode 2015–2025,
Preprocessing data (pembersihan data, penambahan indikator teknikal,
normalisasi, dan pembentukan sliding window), pembangunan dan pelatihan
model, serta evaluasi menggunakan metrik MAE, RMSE, MAPE dan koefisien
determinasi (R2). Hasil penelitian menunjukkan bahwa model Hybrid LSTM–GRU
yang dioptimasi menggunakan Grid Search mampu memberikan performa prediksi
yang baik. Penelitian ini diharapkan dapat memberikan kontribusi dalam
pengembangan model prediksi harga saham berbasis deep learning, khususnya
dalam meningkatkan performa model melalui pendekatan Hybrid dan optimasi
Hyperparameter, serta sebagai alat bantu dalam pengambilan keputusan investasi.
%K Prediksi Saham, LSTM, GRU, Hybrid, Grid Search, Stock Prediction.