PRAMUDITHA, Galuh Ajeng (2024) Implementasi Jaringan Neural Bidirectional Long Short-Term Memory dengan Metode Optimasi NADAM untuk Prediksi Pergerakan Harga Saham PT. Unilever. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (79kB)
	Text 3. Halaman Pengesahan 1.pdf Download (184kB)
	Text 4. Halaman Pengesahan 2.pdf Download (121kB)
	Text 5. Kata Pengantar.pdf Download (109kB)
	Text 6. Abstrak.pdf Download (104kB)
	Text 7. Abstract.pdf Download (107kB)
	Text 8. Daftar Isi.pdf Download (69kB)
	Text 12. Bab 1 Pendahuluan.pdf Download (60kB)
	Text 17. Daftar Pustaka.pdf Download (182kB)

Abstract

Pasar modal memainkan peran penting dalam perekonomian sebagai salah
satu sarana investasi yang mempengaruhi pertumbuhan dan perkembangan jangka
panjang suatu negara. Meningkatnya keterlibatan investor saham, terutama generasi
muda, memerlukan perlindungan melalui pemahaman literasi keuangan yang kuat.
Metode yang digunakan dalam prediksi saham dalam penelitian ini adalah
Bidirectional Long Short-Term Memory (Bi-LSTM), dengan target peramalan PT
Unilever (UNVR). LSTM, variasi dari RNN, memberikan solusi untuk mengatasi
masalah exploding gradient saat memprediksi urutan data yang panjang. Model
Bidirectional LSTM yang berkinerja terbaik dalam penelitian ini mencapai nilai
MAPE sebesar 2,2712%. Ini dicapai dengan pembagian data pelatihan dan
pengujian sebesar 80%:20%, bersama dengan hyperparameter termasuk 50 hidden
states, 150 epochs, 4 batch size, dan optimasi NADAM.
Kata Kunci : Saham, Bidirectional Long Short – Term Memory, Reccurent Neural
Network , NADAM optimizer

Actions (login required)

View Item