Saham merupakan salah satu surat berharga yang diterbitkan dan dijual oleh perusahaan,yang telah memenuhi syarat, di Bursa Efek Indonesia. Prinsip dasar yang dimiliki olehsaham adalah High Risk High Reward, yang menggambarkan bahwa saham memangdapat memiliki hasil yang besar, namun memiliki risiko yang tinggi pula. Denganprinsip High Risk High Reward, tentunya para investor harus lebih hati-hati dalammenentukan langkah yang akan mereka lakukan. Salah satu cara yang dapat digunakanuntuk mengurangi risiko, yaitu melakukan prediksi tren harga saham menggunakanMachine Learning. Menggunakan data historis saham pada Bursa Efek Indonesia,yaitu open, high, low, dan close price, algoritma Machine Learning dapat melakukanprediksi tren harga saham yang selanjutnya akan digunakan sebagai strategi investasipara investor. Terdapat banyak metode Machine Learning yang dapat digunakan untukmelakukan prediksi, salah satu metode yang dapat digunakan adalah Recurrent NeuralNetwork yaitu Long Short Term Memory (LSTM). Pada metode LSTM, data historisharga saham akan dibawa ke depan melalui seluruh gerbang LSTM yaitu: ForgetGate, Input Gate, dan Output Gate. Selanjutnya akan dicari nilai loss dari model,setelah didapat nilai loss, model akan ditinjau kembali setiap tahapannya, dimulai daribelakang. Langkah pengulangan tesebut dilakukan agar mendapat variabel Weight danBias yang optimal. Kemudian, tingkat akurasi dari metode tersebut akan ditentukanmenggunakan: Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE).Penelitian ini menggunakan data historis perusahaan yang termasuk pada Indeks LQ45dan dapat diambil melalui website, finance.yahoo.com. Dari penelitian ini, diketahuibahwa, masing-masing masalah memiliki model terbaiknya, untuk penyelesaian masalahtersebut.
Stock is a part of ownership of a company, that have fulfill the requirement to be sold atBursa Efek Indonesia. The basic principal of stock market is High Risk High Reward,which describe that stock market indeed have a chance to get a great profit, but it alsocome with a high risk. This principal is the reason that all investor must be cautious indeciding their move. There’s many method to do this, with one of the being, forecastingthe stock market trend with machine learning. With the historical data, that includeopen, high, low, dan close price, the machine learning algorithm, could forecast the stockmarket direction for the next days, which will be one of the deciding factor for investor tochoose their move. Nowadays, there’s many machine learning method that can be used toforecast, one of them is the branch method of Recurrent Neural Network, which is, LongShort Term Memory (LSTM). LSTM use the historical data, and bring them forward to,Forget Gate, Input Gate, Memory State, Output Gate. Then the loss value of the modelwill be calculated. After all the process the model will be re-evaluated. The re-evaluationstep is to update all the weights and biases in the model. Then the accuracy of the modelwill be evaluated with Root Mean Squared Error (RMSE) and Mean Absolute Error(MAE). This study uses the historical data of the companys that’s included in the indexLQ45, and the data is taken from the website, finance.yahoo.com. From this research, itis known that every problem has their own preference model to solve. |
S-Sulthan Ali Pasha.pdf :: Unduh