Prediksi Harga Saham Jakarta Islamic Index Menggunakan Metode Long Short-Term Memory

Chandranegara, Didih Rizki and Afif, Raffi Ainul and Aditya, Christian Sri Kusuma and Suharso, Wildan and Wibowo, Hardianto (2023) Prediksi Harga Saham Jakarta Islamic Index Menggunakan Metode Long Short-Term Memory. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 9 (1). pp. 129-135. ISSN 2460-0741

[thumbnail of Lampiran B.7 - Chandranegara Afif Aditya Suharso Wibowo - Prediksi Harga Saham Jakarta Islamic Index Menggunakan Metode Long.pdf]
Preview
Text
Lampiran B.7 - Chandranegara Afif Aditya Suharso Wibowo - Prediksi Harga Saham Jakarta Islamic Index Menggunakan Metode Long.pdf

Download (502kB) | Preview
[thumbnail of Lampiran B.7 - Similarity - Chandranegara Afif Aditya Suharso Wibowo - Investment Prediction LSTM RMSE MAPE.pdf]
Preview
Text
Lampiran B.7 - Similarity - Chandranegara Afif Aditya Suharso Wibowo - Investment Prediction LSTM RMSE MAPE.pdf

Download (2MB) | Preview

Abstract

Saat ini investasi sudah sangat menyebar luas dan banyak dari kita sedang melakukannya. Investasi ini berguna untuk mengatasi kebutuhan hidup dimasa mendatang yang tidak menentu. Salah satu penyebab tidak menentunya kebutuhan dimasa mendatang adalah inflasi. Salah satu contoh investasi adalah saham. Di dalam jual beli saham di Indonesia terdapat Jakarta Islamic Index (JII). JII adalah salah satu index yang ada di pasar modal Indonesia yang mengelompokkan beberapa saham yang masuk dalam kriteria syariah dan dihitung rata-rata dari harga saham – saham tersebut. Dalam berinvestasi saham, kita tidak bisa melakukan pergerakan yang sembarangan karena saham yang relatif berubah-ubah menjadi penyebab kegagalan dalam berinvestasi saham. Dengan demikian ketika melakukan investasi saham harus dilakukan analisa yang tepat. Perkembangan teknologi saat ini sangat maju dan juga dapat membantu kita dalam melakukan analisa dalam berinvestasi dengan melakukan prediksi harga. Pada penelitian ini, akan dimanfaatkan kemajuan teknologi tersebut dengan melakukan penelitian prediksi, penelitian ini dilakukan menggunakan metode Long short Term-Memory (LSTM). Model LSTM yang diusulkan dapat memperoleh performa yang cukup baik dengan hasil RMSE mencapai 5.20877667554, dan MAPE 0.08658576985.

Item Type: Article
Keywords: Investment; Prediction; LSTM; RMSE; MAPE
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Faculty of Engineering > Department of Informatics (55201)
Depositing User: christianskaditya Christian Sri Kusuma Aditya, S.Kom., M.Kom
Date Deposited: 29 Apr 2024 04:31
Last Modified: 29 Apr 2024 04:31
URI: https://eprints.umm.ac.id/id/eprint/5926

Actions (login required)

View Item
View Item