PENERAPAN DATA MINING DALAM PREDIKSI HARGA SAHAM DI INDONESIA MENGGUNAKAN ALGORITMA LSTM

PENERAPAN DATA MINING DALAM PREDIKSI HARGA SAHAM DI INDONESIA MENGGUNAKAN ALGORITMA LSTM

• By Tomi Prasetyo;
• Skripsi
• 4
• 1-9

Prediksi harga saham yang akurat merupakan tantangan besar bagi pelaku pasar modal Indonesia, mengingat volatilitas dan kompleksitas pasar saham. Model prediksi konvensional seringkali memiliki keterbatasan dalam menangkap pola non-linear dan faktor spesifik di pasar modal Indonesia. Penelitian ini bertujuan untuk mengembangkan model prediksi harga saham yang akurat dan handal menggunakan data mining dan algoritma Long Short-Term Memory (LSTM), guna membantu investor dalam pengambilan keputusan investasi yang optimal di pasar modal Indonesia. Penelitian ini menggunakan pendekatan kuantitatif dengan mengumpulkan data historis harga saham PT. AKR Corporindo Tbk dari tahun 2005 hingga 2024. Data tersebut diolah melalui tahapan preprocessing, normalisasi, dan pembagian menjadi data latih dan data uji. Model LSTM dibangun dan dioptimasi menggunakan teknik hyperparameter tuning dengan framework Optuna. Hasil penelitian menunjukkan bahwa model LSTM yang dioptimasi dengan hyperparameter tuning menghasilkan akurasi prediksi yang tinggi, dengan nilai MAPE sebesar 0,019% pada data uji, mengindikasikan akurasi prediksi mencapai 99,981%. Faktor yang paling berpengaruh terhadap prediksi harga saham AKRA adalah harga penutupan pada periode sebelumnya, menunjukkan ketergantungan temporal yang kuat. Hasil penelitian ini menunjukkan potensi besar penerapan algoritma LSTM dalam prediksi harga saham di pasar modal Indonesia.

• Katakunci Prediksi harga saham, LSTM (Long Short-Term Memory), Pasar modal Indonesia
• URL https://ejournal.bsi.ac.id/ejurnal/index.php/ijcit/index
• Penerbit IJCIT LPPM Universitas Bina Sarana Informatika, Jakarta Jawa Barat

REFERENSI

Arfan, A., & ETP, L. (2020). Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia. PETIR, 13(1), 33–43. https://doi.org/10.33322/petir.v13i1.858

Arfan, A., & Lussiana ETP, dan. (2019). Prediksi Harga Saham Di Indonesia Menggunakan Algoritma Long Short-Term Memory. Universitas Gunadarma Jl. Margonda Raya No, 3(1). https://www.ofx.com

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, 5(2), 45. https://doi.org/10.21111/fij.v5i2.4449

Gede Iwan Sudipa, I., Andi Putra, T. E., Jurnaidi Wahidin, A., Alfa Syukrilla, W., Khrisna Wardhani, A., Heryana, N., Indriyani, T., Willyanto Santoso Tutuk Indriyani, L., & Willyanto Santoso, L. (2023). DATA MINING (S. Kom. , M. Kom. A. Y. M. Pd. Dina Ediana, Ed.; Vol. 1). PT GLOBAL EKSEKUTIF TEKNOLOGI. www.globaleksekutifteknologi.co.id

Henrique, B. M., Sobreiro, V. A., & Kimura, H. (2019). Literature review: Machine learning techniques applied to financial market prediction. Expert Systems with Applications, 124, 226–251. https://doi.org/10.1016/j.eswa.2019.01.012

Heny Handayani, H. M., Wisnu Mawardi, & Robiyanto Robiyanto. (2019). Determinants of the Stock Price Volatility in the Indonesian Manufacturing Sector. International Research Journal of Business Studies, 11(3), 179–193. https://doi.org/https://doi.org/10.21632/irjbs

Ibidokun Ekundayo. (2020). OPTUNA OPTIMIZATION BASED CNN-LSTM MODEL FOR PREDICTING ELECTRIC POWER ENERGY CONSUMPTION MSc Research Project MSc DATA ANALYTICS IBIDOKUN EKUNDAYO Project Title: … OPTUNA Optimization-based CNN-LSTM Networks for Predicting Energy Consumption.

Irwansyah Saputra. (2023). Belajar Mudah Data Mining untuk Pemula (Vol. 1). Informatika Bandung.

Labiba, A., Rasmini, M., & Kostini, N. (2021). Pengaruh earning per share (eps) terhadap harga saham (Issue 3). http://journal.feb.unmul.ac.id/index.php/INOVASI

Muallif, I. S., Budiman, H., Ransi, N., Studi, P., Komputer, I., Matematika, F., Ilmu, D., & Alam, P. (2023). Penerapan Data Mining untuk Prediksi Pergerakan Harga Saham Menggunakan Algoritma K-Nearest Neighbor (Vol. 1, Issue 1).

Nur Iman, F., & Wulandari, D. (2023). PREDIKSI HARGA SAHAM MENGGUNAKAN METODE LONG SHORT TERM MEMORY. https://journal.mediapublikasi.id/index.php/logic

Pang, X., Zhou, Y., Wang, P., Lin, W., & Chang, V. (2020). An innovative neural network approach for stock market prediction. Journal of Supercomputing, 76(3), 2098–2118. https://doi.org/10.1007/s11227-017-2228-y

Parra-Ullauri, J., Zhang, X., Bravalheri, A., Nejabati, R., & Simeonidou, D. (2023). Federated Hyperparameter Optimisation with Flower and Optuna. Proceedings of the ACM Symposium on Applied Computing, 1209–1216. https://doi.org/10.1145/3555776.3577847

PT AKR Corporindo Tbk (AKRA.JK) Stock Historical Prices & Data - Yahoo Finance. (2024). https://finance.yahoo.com/quote/AKRA.JK/history/

Rosyd, A., Irma Purnamasari, A., & Ali, I. (2024). PENERAPAN METODE LONG SHORT TERM MEMORY (LSTM) DALAM MEMPREDIKSI HARGA SAHAM PT BANK CENTRAL ASIA. In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Issue 1).

Setiawan, L., Susanti, D., & Riaman, R. (2023). Analisis Perbandingan Hasil Peramalan Harga Saham Menggunakan Model Autoregresive Integrated Moving Average dan Long Short Term Memory. Jurnal Matematika Integratif, 19(2), 223. https://doi.org/10.24198/jmi.v19.n2.42164.223-234

Shekhar, S., Bansode, A., & Salim, A. (2022). A Comparative study of Hyper-Parameter Optimization Tools. http://arxiv.org/abs/2201.06433

Siami-Namini, S., Tavakoli, N., & Siami Namin, A. (2019). A Comparison of ARIMA and LSTM in Forecasting Time Series. Proceedings - 17th IEEE International Conference on Machine Learning and Applications, ICMLA 2018, 1394–1401. https://doi.org/10.1109/ICMLA.2018.00227

Staudemeyer, R. C., & Morris, E. R. (2019). Understanding LSTM -- a tutorial into Long Short-Term Memory Recurrent Neural Networks. http://arxiv.org/abs/1909.09586

Syahputra, J., Dias Ramadhani, R., & Burhanudin, A. (2022). Terbit online pada laman web jurnal: http://journal.ittelkom-pwt.ac.id/index.php/dinda Journal of Dinda Prediksi Harga Saham Bank Bri Menggunakan Algoritma Linear Regresion Sebagai Strategi Jual Beli Saham. Data Institut Teknologi Telkom Purwokerto, 2(1), 1–10. http://journal.ittelkom-pwt.ac.id/index.php/dinda

Winny Lian Seventeen, & Seftya dwi shinta. (2021). Pengaruh Economic Value Added dan return On Equity (ROE) Terhadap Harga Saham pada perusahaan Investasi yang Terdaftar Di BEI Tahun 2016-2019. JURNAL AKUNTANSI UNIHAZ -JAZ, 4(1), 138–146.

Yolanda, E. (2023). Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Data Pasien Rehabilitasi Narkoba. Media Online), 4(1), 182–191. https://doi.org/10.30865/klik.v4i1.1107

Yosevin Gloria Angesti, L. S. (2019). Faktor-Faktor Yang Mempengaruhi Volatilitas Harga Saham Perusahaan Manufaktur. Jurnal Ekonomi, 24(1), 46. https://doi.org/10.24912/je.v24i1.450

Yu, Y., Si, X., Hu, C., & Zhang, J. (2019). A review of recurrent neural networks: Lstm cells and network architectures. In Neural Computation (Vol. 31, Issue 7, pp. 1235–1270). MIT Press Journals. https://doi.org/10.1162/neco_a_01199

Yusuf, M., Yahya, Y., & Hamid, Abd. (2021). PENGARUH MODAL MINIMAL INVESTASI DAN RETURN TERHADAP MINAT INVESTASI MASYARAKAT KOTA PALEMBANG DI PASAR MODAL. Jurnal Neraca: Jurnal Pendidikan Dan Ilmu Ekonomi Akuntansi, 5(1), 83. https://doi.org/10.31851/neraca.v5i1.5889