PREDIKSI HARGA SAHAM MENGGUNAKAN METODE LONG SHORT TERM MEMORY
Keywords:
Saham, Prediksi Saham, Telkom Indonesia, Long Short Term MemoryAbstract
Saham adalah hak yang diperoleh seseorang terhadap perseroan dengan memindahkan modal seluruhnya atau sebagian. Tingkat perubahan stok sangat signifikan dan sangat cepat karena bisa berubah dalam hitungan detik. Saham naik turun, sehingga membuat prediksi harga saham yang akurat diperlukan untuk meyakinkan investor untuk berinvestasi. Penelitian ini melakukan implementasi algoritma Long Short Term Memory untuk memprediksi harga saham PT Telkom Indonesia dengan menggunakan data historis saham, suku bunga, inflasi dan nilai tukar Rupiah periode 2011-2021. Dari hasil pengujian menggunakan algoritma Long Short Term Memory diperoleh nilai MSE 0,024 dan RMSE 0,025 untuk train score serta MSE 0,029 dan RMSE 0,0169 untuk test score.
References
Aldi, M. W. P., Jondri, J., & Aditsania, A. (2018). Analisis dan Implementasi Long Short Term Memory Neural Network untuk Prediksi Harga Bitcoin. eProceedings of Engineering, 5(2)
Arfan, A & Lussiana (2019). Prediksi Harga Saham di Indonesia Menggunakan Algoritma Long Short-Term Memory. Seminar Nasional Teknologi Informasi dan Komunikasi STI&K (SeNTIK) Vol. 3 (1) : 225-230.
Arfan, A., & Lussiana, E. T. P. (2020). Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia.
Bank Indonesia (22 Agustus 2022). Data Inflasi. Diakses pada 22 Agustus 2022, dari https://www.bi.go.id/id/statistik/indikator/data-inflasi.aspx
Bank Indonesia (22 Agustus 2022). Data Kurs Rupiah. Diakses pada 22 Agustus 2022, dari https://www.bi.go.id/id/statistik/informasi-kurs/jisdor/default.aspx
Bank Indonesia (22 Agustus 2022). Data Suku Bunga. Diakses pada 22 Agustus 2022, dari https://www.bi.go.id/id/statistik/indikator/bi-7day-rr.aspx
Fadilah, W.R.U., Agfiannisa, D., Azhar, Y. (2020) Analisis Prediksi Harga Saham PT. Telekomunikasi Indonesia Menggunakan Metode Support Vector Machine, Fountain of Informatics Journal, Vol. 5 (2) : 45-51.
Faishol, M. A., Endroyono, E., & Irfansyah, A. N. (2020). Predict Urban Air Pollution in Surabaya Using Recurrent Neural Network–Long Short Term Memory. JUTI J. Ilm. Teknol. Inf, 18(2), 102.
Gao, T., Chai, Y., & Liu, Y. (2017, November). Applying long short term momory neural networks for predicting stock closing price. In 2017 8th IEEE international conference on software engineering and service science (ICSESS) (pp. 575-578). IEEE.
Juanda, R. A., Jondri, & Rohmawati, A. A. (2018). Prediksi Harga Bitcoin Dengan Menggunakan Recurrent Neural Network. eproc, 3684.
Maulana, R., & Kumalasari, D. (2019). Analisis Dan Perbandingan Algoritma Data Mining Dalam Prediksi Harga Saham Ggrm. Jurnal Informatika Kaputama (JIK), 3(1), 22-28.
Mukhlisin, Y., Imrona, M., & Murdiansyah, D. T. (2020). Prediksi Harga Beras Premium Dengan Metode Algoritma K-nearest Neighbor. eProceedings of Engineering, 7(1).
Ojk.go.id. Informasi pasar modal. Diakses pada 18 Agustus 2022, dari
https://www.ojk.go.id/id/kanal/pasar-modal/Pages/Pengelolaan-Investasi.aspx
Olah, C. (2015, 8 27). Understanding LSTM Networks. Retrieved 8 11, 2018, from github: https://colah.github.io/posts/2015-08-Understanding-LSTMs/
Pandji, B.Y., Indwiarti, Rohmawati, A.A. (2019). Perbandingan Prediksi Harga Saham Dengan Model Arima Dan Artificial Neural Network, Ind. Journal on Computing Vol. 4 (2) : 189-198.
Qiu, J., Wang, B., & Zhou, C. (2020). Forecasting stock prices with long-short term memory neural network based on attention mechanism. PloS one, 15(1), e0227222.
Riyantoko, P. A., Fahruddin, T. M., Hindrayani, K. M., & Safitri, E. M. (2020, December). Analisis Prediksi Harga Saham Sektor Perbankan Menggunakan Algoritma Long-Short Terms Memory (Lstm). In Seminar Nasional Informatika (SEMNASIF) (Vol. 1, No. 1, pp. 427-435).
Riyanto, E.(2017). Peramalan Harga Saham Menggunakan Jaringan Syaraf Tiruan Secara Supervised Learning Dengan Algoritma Backpropagation. Jurnal Informatika Upgris Vol. 3 (2) : 137-142.
Simanjuntak, J. D. H., Indwiarti, I., & Rohmawati, A. A. (2019). Comparison Of Stock Price Prediction With Generalized Autoregressive Conditional Heteroscedasticity Model And Artificial Neural Network. eProceedings of Engineering, 6(2).
Soebiantoro, U. (2021). Perdagangan Saham yang Paling Moncer dalam Masa Pandemi Covid 19. Jurnal Ilmu Ekonomi Pembangunan, 15(01).
T. Gao, Y. Chai, and Y. Liu (2018), “Applying long short term momory neural networks for predicting stock closing price,” Proc. IEEE Int. Conf. Softw. Eng. Serv. Sci. ICSESS, vol. 2017-Novem, pp. 575–578, 2018.
Telkom Indonesia. (18 Agustus 2022). Informasi saham PT Telekomunikasi Indonesia. Diakses pada 18 Agustus 2022, dari https://www.telkom.co.id/sites/abouttelkom/id_ID/page/profil-dan-riwayat-singkat-22
Wiranda, L., & Sadikin, M. (2019). Penerapan Long Short Term Memory Pada Data Time Series Untuk Memprediksi Penjualan Produk Pt. Metiska Farma. Jurnal Nasional Pendidikan Teknik Informatika: JANAPATI, 8(3), 184-196.
Yahoo Finance. (21 Maret 2022). Perusahaan Perseroan (Persero) PT Telekomunikasi Indonesia Tbk (TLKM.JK). Diakses pada 21 Maret 2022, dari https://finance.yahoo.com/quote/TLKM.JK
Zhao, H., Sun, S., & Jin, B. (2017). Sequential Fault Diagnosis Based On LSTM Network. 4.
