:: UI - Skripsi Membership :: Kembali

UI - Skripsi Membership :: Kembali

Prediksi Tren Harga Saham Menggunakan Metode Long Short Term Memory = Forecasting Stock Market Trend Using Long Short Term Memory Method

Sulthan Ali Pasha; Hengki Tasman, supervisor; Bevina Desjwiandra Handari, examiner; Siti Aminah, examiner (Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2023)

 Abstrak

Saham merupakan salah satu surat berharga yang diterbitkan dan dijual oleh perusahaan,
yang telah memenuhi syarat, di Bursa Efek Indonesia. Prinsip dasar yang dimiliki oleh
saham adalah High Risk High Reward, yang menggambarkan bahwa saham memang
dapat memiliki hasil yang besar, namun memiliki risiko yang tinggi pula. Dengan
prinsip High Risk High Reward, tentunya para investor harus lebih hati-hati dalam
menentukan langkah yang akan mereka lakukan. Salah satu cara yang dapat digunakan
untuk mengurangi risiko, yaitu melakukan prediksi tren harga saham menggunakan
Machine Learning. Menggunakan data historis saham pada Bursa Efek Indonesia,
yaitu open, high, low, dan close price, algoritma Machine Learning dapat melakukan
prediksi tren harga saham yang selanjutnya akan digunakan sebagai strategi investasi
para investor. Terdapat banyak metode Machine Learning yang dapat digunakan untuk
melakukan prediksi, salah satu metode yang dapat digunakan adalah Recurrent Neural
Network yaitu Long Short Term Memory (LSTM). Pada metode LSTM, data historis
harga saham akan dibawa ke depan melalui seluruh gerbang LSTM yaitu: Forget
Gate, Input Gate, dan Output Gate. Selanjutnya akan dicari nilai loss dari model,
setelah didapat nilai loss, model akan ditinjau kembali setiap tahapannya, dimulai dari
belakang. Langkah pengulangan tesebut dilakukan agar mendapat variabel Weight dan
Bias yang optimal. Kemudian, tingkat akurasi dari metode tersebut akan ditentukan
menggunakan: Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE).
Penelitian ini menggunakan data historis perusahaan yang termasuk pada Indeks LQ45
dan dapat diambil melalui website, finance.yahoo.com. Dari penelitian ini, diketahui
bahwa, masing-masing masalah memiliki model terbaiknya, untuk penyelesaian masalah
tersebut.

Stock is a part of ownership of a company, that have fulfill the requirement to be sold at
Bursa 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 also
come with a high risk. This principal is the reason that all investor must be cautious in
deciding their move. There’s many method to do this, with one of the being, forecasting
the stock market trend with machine learning. With the historical data, that include
open, high, low, dan close price, the machine learning algorithm, could forecast the stock
market direction for the next days, which will be one of the deciding factor for investor to
choose their move. Nowadays, there’s many machine learning method that can be used to
forecast, one of them is the branch method of Recurrent Neural Network, which is, Long
Short 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 model
will be calculated. After all the process the model will be re-evaluated. The re-evaluation
step is to update all the weights and biases in the model. Then the accuracy of the model
will 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 index
LQ45, and the data is taken from the website, finance.yahoo.com. From this research, it
is known that every problem has their own preference model to solve.

 File Digital: 1

Shelf
 S-Sulthan Ali Pasha.pdf :: Unduh

LOGIN required

 Kata Kunci

 Metadata

No. Panggil : S-pdf
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Subjek :
Penerbitan : Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2023
Program Studi :
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : computer
Tipe Carrier : online resource
Deskripsi Fisik : xiv, 47 pages ; illustration ; 28 cm + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI
  • Ketersediaan
  • Ulasan
No. Panggil No. Barkod Ketersediaan
S-pdf 14-24-13696374 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 9999920541358