Rahmasari, Ghita Aisha (2025) Metode CNN-LSTM dengan Optimasi Grey Wolf Optimization (GWO) untuk Memprediksi Indeks Harga Saham Gabungan. Undergraduate thesis, Universitas Diponegoro.

	Text File 1 Pendahuluan_Ghita Aisha Rahmasari - Ghita Aisha.pdf Download (529kB)
	Text File 2 Isi_Ghita Aisha Rahmasari - Ghita Aisha.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text File 3 Daftar Pustaka_Ghita Aisha Rahmasari - Ghita Aisha.pdf Download (212kB)

Abstract

Prediksi deret waktu memiliki peranan penting di bidang keuangan untuk membantu investor mengambil keputusan dan meminimalkan risiko. Penelitian ini mengembangkan model prediksi Indeks Harga Saham Gabungan (IHSG) dengan kombinasi model Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) yang menggabungkan fitur spasial dan dependensi temporal. Model dioptimasi menggunakan Grey Wolf Optimization (GWO) untuk melakukan eksplorasi dan eksploitasi ruang pencarian sehingga mampu menemukan kombinasi hyperparameter terbaik. Penelitian menggunakan data historis saham IHSG dari Yahoo Finance yang diproses melalui tahap inisialisasi, preprocessing, pelatihan, pengujian, dan evaluasi model dengan metrik error. Hasil penelitian menunjukkan penerapan GWO pada CNN-LSTM menghasilkan RMSE sebesar 83.017 dan MAPE sebesar 0,93% yang lebih kecil dibandingkan dengan CNN-LSTM tanpa GWO yang menghasilkan RMSE sebesar 113.342 dan MAPE sebesar 1,26%. Optimasi GWO pada CNN-LSTM menghasilkan prediksi yang lebih akurat dibandingkan tanpa optimasi. Hal ini menunjukkan bahwa penggunaan GWO pada CNN-LSTM merupakan pendekatan yang efektif dalam pemodelan deret waktu prediksi pergerakan indeks saham.

Actions (login required)

View Item