Rijki, Rijki (2024) Perbandingan algoritma LSTM & RNN untuk prediksi harga pasar saham pada keuangan syariah. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
coper.pdf Download (57kB) | Preview |
|
|
Text (ABSTRACT)
abstract.pdf Download (23kB) | Preview |
|
|
Text (DAFTAR ISI)
DAFTAR ISI.pdf Download (106kB) | Preview |
|
|
Text (BAB I)
BAB I.pdf Download (112kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (361kB) |
|
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (353kB) |
|
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (2MB) |
|
|
Text (BAB IV)
BAB V.pdf Restricted to Registered users only Download (23kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (101kB) |
Abstract
Penelitian ini dilatarbelakangi oleh tantangan dalam memprediksi pergerakan harga saham sektor keuangan syariah yang memiliki karakteristik dan volatilitas yang berbeda dengan saham konvensional. Ketidakpastian dan fluktuasi harga saham syariah membutuhkan metode prediksi yang akurat untuk membantu investor dalam pengambilan keputusan. Penelitian ini membandingkan kinerja algoritma Long Short-Term Memory (LSTM) dan Recurrent Neural Network (RNN) dalam memprediksi harga saham pada sektor keuangan syariah. Dataset yang digunakan berasal dari dua bank syariah di Indonesia selama periode 2022 hingga pertengahan 2024, dengan fitur-fitur seperti Open, High, Low, Close, Adjusted Close, dan Volume. Metode CRISP-DM digunakan dalam pemrosesan data, dan pengujian dilakukan dengan pembagian data 60:40 70:30 dan 80:20 serta variasi epoch (30, 50, 80). Hasil menunjukkan bahwa RNN memiliki performa lebih baik dibandingkan LSTM, dengan akurasi tertinggi 58% untuk RNN dan 53% untuk LSTM. Dalam hal Mean Squared Error (MSE) dan Root Mean Squared Error (RMSE), model LSTM mencatat MSE sebesar 0.5744, sementara RNN menunjukkan nilai MSE yang lebih tinggi. Evaluasi juga menggunakan precision, recall, dan F1-score. Kesimpulannya, RNN lebih unggul dalam prediksi harga saham di sektor keuangan syariah.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Perbandingan algoritma; Saham; LSTM; RNN; Prediksi |
| Subjects: | Numerical Analysis Numerical Analysis > Algorithms |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | rijki iki iki |
| Date Deposited: | 03 Dec 2024 04:26 |
| Last Modified: | 03 Dec 2024 04:26 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/102089 |
Actions (login required)
 |
View Item |
