Prediksi Pergerakan Harga Saham Pada Sektor Farmasi Menggunakan Algoritma Long Short-Term Memory
DOI:
https://doi.org/10.52958/iftk.v17i2.3651Kata Kunci:
Prediksi, Saham, Long Short-Term MemoryAbstrak
Saham adalah dokumen berharga sebagai bukti kepemilikan bagian suatu perusahaan. Harga saham bersifat fluktuatif dikarenakan berbagai faktor internal dan eksternal perusahaan. Di tengah pandemi Covid-19 yang terjadi sangat berdampak bagi harga saham tiap perusahaan, salah satunya perusahaan yang bergerak di bidang farmasi. Perusahaan farmasi diperkirakan mengalami penurunan saham karena pandemi, tetapi perusahaan juga bisa mendapatkan kenaikan harga saham karena makin banyaknya penjualan dan riset obat bagi masyarakat. Dengan adanya perubahan harga saham yang tak menentu ini maka diperlukan suatu sistem untuk memprediksi pergerakan harga saham. Dalam memprediksi harga saham, penelitian ini menggunakan algoritma Long Short-Term Memory, dimana data perusahan Kalbe Farma dipilih sebagai salah satu perusahan farmasi. Data yang telah diperoleh dari situs yahoo finance akan dilakukan pengolahan data dengan pengujian pada model yang dibentuk dengan menggunakan paramater hidden layer, units serta variasi epoch dan batch size yang menghasilkan hasil prediksi harga saham dengan rerata nilai RMSE 27.310.Referensi
A. Arfan and L. ETP, “Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia,” PETIR, 2020, doi: 10.33322/petir.v13i1.858.
A. Satyo, B. Karno, W. Hastomo, E. Nisfiani, and S. Lukman, “Optimais Deep Learning untuk Prediksi Data Saham Di Era Pandemi Covid -19,” SANTEI, pp. 43–54, 2020.
J. V Mangindaan and H. Manossoh, “Analisis Perbandingan Harga Saham PT Garuda Indonesia Persero (Tbk.) Sebelum dan Sesudah Pandemi Covid-19,” J. Adm. Bisnis (JAB …, 2020.
R. Yotenka and F. F. El Huda, “Implementasi Long Short-Term Memory Pada Harga Saham Perusahaan Perkebunan Di Indonesia,” Unisda J. Math. Comput. Sci., vol. 6, no. 01, pp. 9–18, 2020, doi: 10.52166/ujmc.v6i01.1927.
M. Awaludin and Y. Z. Rahwanto, “PENGEMBANGAN ALGORITMA NEURAL NETWORK BERDASARKAN RENTANG WAKTU UNTUK PREDIKSI HARGA PERDAGANGAN VALUTA ASING,” CKI SPOT, 2017.
R. B. Purnama, “Perancangan Prediksi Untuk Menentukan Indeks Harga Saham Menggunakan Jaringan Syaraf Tiruan,” Kinetik, 2017, doi: 10.22219/kinetik.v2i2.190.
M. L. Ashari and M. Sadikin, “Prediksi Data Transaksi Penjualan Time Series Menggunakan Regresi Lstm,” J. Nas. Pendidik. Tek. Inform., vol. 9, no. 1, p. 1, 2020, doi: 10.23887/janapati.v9i1.19140.
M. K. Nammous, K. Saeed, and P. Kobojek, “Using a small amount of text-independent speech data for a BiLSTM large-scale speaker identification approach,” J. King Saud Univ. - Comput. Inf. Sci., 2020, doi: 10.1016/j.jksuci.2020.03.011.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA
Syarat yang harus dipenuhi oleh Penulis sebagai berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).