NUGROHO, Rahadian Fajar (2024) Penerapan Metode Long Short Term Memory dan Gated Recurrent Unit untuk Memprediksi Indeks Harga Saham Gabungan. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (3MB)
	Text 2. Halaman Pengesahan.pdf Download (248kB)
	Text 3. Kata Pengantar.pdf Download (3MB)
	Text 4. Abstrak.pdf Download (3MB)
	Text 5. Abstract.pdf Download (3MB)
	Text 6. Daftar Isi.pdf Download (3MB)
	Text 9. Bab 1.pdf Download (3MB)
	Text 14. Daftar Pustaka.pdf Download (3MB)

Abstract

Investasi saham telah menjadi pilihan populer di Indonesia, terbukti dengan peningkatan
signifikan jumlah investor ritel. Namun, keputusan investasi yang kurang bijak, terutama
oleh investor pemula yang cenderung mengikuti tren tanpa analisis secara matang, dapat
mengakibatkan kerugian yang signifikan. Oleh karena itu, memanfaatkan prediksi indeks
harga saham gabungan untuk merancang strategi portofolio dapat menjadi dasar
pengambilan keputusan investasi yang matang. Penelitian terdahulu tentang prediksi indeks
harga saham gabungan (IHSG) seringkali hanya menggunakan fitur dasar yaitu harga
pembukaan (open), harga penutupan (close), harga tertinggi (high), harga terendah (low),
dan volume dengan data harian, sehingga tidak mengeksplorasi lebih lanjut fitur-fitur yang
dapat berpengaruh pada prediksi saham. Oleh karena itu, penelitian ini akan membahas
penerapan metode Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU)
dalam memprediksi IHSG dengan memperkenalkan fitur kurs, yaitu nilai tukar rupiah
terhadap dolar. Data historis yang digunakan dalam penelitian ini diperoleh dari
https://finance.yahoo.com/ dengan rentang tanggal 1 Januari 2013 hingga 31 Desember
2022. Proses pencarian hyperparameter untuk mendapatkan kombinasi hyperparameter
terbaik pada pelatihan data akan menggunakan metode grid search dan bayesian
optimization. Hasil penelitian menunjukkan bahwa kurs memberikan pengaruh positif
terhadap kedua model dengan hasil rata-rata pengujian dari metode GRU dengan kurs
memiliki R2 Score 0,958113 dan GRU tanpa kurs memiliki nilai R2 Score 0.937033
sedangkan pada metode LSTM dengan kurs memiliki nilai R2 Score 0.925400 dan LSTM
tanpa kurs memiliki nilai R2 Score 0.921825.
Kata kunci : Deep Learning, Gated Recurrent Unit, Investasi, Kurs Rupiah Dollar, Long
Short Term Memory

Actions (login required)

View Item