Azwir, Andrea Micola (2024) PREDIKSI PERGERAKAN HARGA SAHAM PADA PRODUK INVESTASI REKSADANA MENGGUNAKAN METODE LONG SHORT TERM MEMORY. S1 thesis, Universitas Malikussaleh.

	Text COVER.pdf Download (133kB)
	Text ABSTRAK.pdf Download (461kB)
	Text BAB I.pdf Download (2MB)
	Text DAFTAR PUSTAKA.pdf Download (1MB)
	Text Full-text.pdf Restricted to Registered users only Download (15MB)

Abstract

Penelitian ini bertujuan untuk memprediksi pergerakan harga saham pada produk investasi reksadana menggunakan metode Long Short Term Memory (LSTM), yaitu sebuah jenis jaringan saraf tiruan yang dirancang untuk menangani data urutan dengan mengingat informasi penting dalam jangka waktu yang panjang. Data yang digunakan dalam penelitian ini mencakup periode dari 1 Maret 2022 hingga 1 Maret 2024. Model yang diterapkan adalah model "sequential" dengan arsitektur yang terdiri dari dua lapisan LSTM, satu lapisan Dropout, dan satu lapisan Dense, yang menghasilkan total 31,651 parameter yang dapat dilatih. Dalam penelitian ini, berbagai variasi batch size (4, 16, 64, dan 128) serta epochs(50, 100, 150, dan 200) diuji untuk menemukan kombinasi terbaik. Model terbaik diperoleh dengan batch size 4 dan epochs 100, yang kemudian dilatih kembali untuk melakukan prediksi. Evaluasi model menunjukkan nilai Root Mean Squared Error (RMSE) sebesar 1.26 dan Mean Absolute Percentage Error (MAPE) sebesar 1.26%, yang mengindikasikan bahwa model LSTM yang digunakan memiliki kemampuan prediksi yang baik dalam memproyeksikan pergerakan harga saham pada produk investasi reksadana. Kata Kunci : Investasi, Long Short Term Memory, Reksadana, Prediksi, Saham

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	ANDREA MICOLA AZWIR
Date Deposited:	26 Aug 2024 08:45
Last Modified:	26 Aug 2024 08:45
URI:	https://rama.unimal.ac.id/id/eprint/5169

Actions (login required)

View Item