IMPLEMENTASI PREDIKSI HARGA SAHAM MENGGUNAKAN MODEL LONG SHORT-TERM MEMORY (LSTM) dan GATED RECURRENT UNIT (GRU) PADA PERUSAHAAN SEKTOR PROPERTI

Mulyani, Ananta Nely (2025) IMPLEMENTASI PREDIKSI HARGA SAHAM MENGGUNAKAN MODEL LONG SHORT-TERM MEMORY (LSTM) dan GATED RECURRENT UNIT (GRU) PADA PERUSAHAAN SEKTOR PROPERTI. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32602100026_fullpdf.pdf Download (2MB)
	Text Teknik Informatika_32602100026_pernyataan_publikasi.pdf Restricted to Registered users only Download (921kB)

Abstract

Perkembangan teknologi informasi yang semakin maju memberikan dampak yang cukup signifikan salah satunya yaitu pasar saham. Pasar saham dianggap memiliki peranan yang cukup fundamental dalam bidang perekonomian di sebuah negara tentunya di Indonesia. Akan tetapi dalam proses transaksi ini sering kali memberikan resiko yang cukup tinggi karena pergerakan fluktuasi harga saham yang sulit ditebak oleh investor. Hal ini yang menjadikan para investor memiliki keraguan dalam proses jual beli saham. Hal ini lah yang mendasari penelitian ini untuk menggunakan machine learning dalam memprediksi harga saham. Metode yang digunakan yaitu LSTM dan GRU yang dimana kedua metode ini digunakan untuk mengolah data yang bersifat time series. Data yang digunakan ini berasal dari perusahaan sektor properti yang terdaftar dalam BEI yang diambil dari yahoo finance. Terdapat 3 perusahaan yang digunakan yaitu PT. Pakuwon Jati Tbk, PT. Agung Podomoro Land Tbk dan PT.Ciputra Development Tbk. Dari dataset yang sudah disiapkan dibagi menjadi 80% untuk data pelatihan dan 20% untuk data pengujian model. Dari proses pengolahan ini akan menggunakan RMSE untuk mengukur akurasi dari hasil prediksi. Dimana skor RMSE yang semakin kecil maka semakin baik juga model yang digunakan. Dalam penelitian ini metode GRU lebih unggul dibandingkan dengan model LSTM karena GRU memiliki skor RMSE yang lebih kecil daripada LSTM di ketiga perusahaan. Kata Kunci: Prediksi saham, LSTM, GRU, Machine learning, RMSE

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 1 UNISSULA
Date Deposited:	12 Jun 2025 01:58
URI:	http://repository.unissula.ac.id/id/eprint/40033

Actions (login required)

View Item