Prediksi pergerakan harga indeks saham berdasarkan metode Long Short-Term Memory – Convolutional Neural Network (LSTM-CNN): Studi kasus Indeks Harga Saham Gabungan Indonesia

Mutmainah, A'syifa (2024) Prediksi pergerakan harga indeks saham berdasarkan metode Long Short-Term Memory – Convolutional Neural Network (LSTM-CNN): Studi kasus Indeks Harga Saham Gabungan Indonesia. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (211kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (246kB) | Preview
Preview	Text (LEMBAR PERNYATAAN KARYA SENDIRI) 3_skbebasplagiarism.pdf Download (100kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (246kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (260kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (344kB)
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (478kB)
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (368kB)
	Text (BAB IV) 9_bab5.pdf Restricted to Registered users only Download (200kB)
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (142kB)
	Text (LAMPIRAN) 11_lampiran.pdf Restricted to Repository staff only Download (325kB)

Abstract

Seiring dengan meningkatnya kebutuhan untuk memprediksi pergerakan harga saham secara lebih akurat, berbagai teknik machine learning telah dikembangkan. Tujuan dari penelitian ini adalah untuk menjelaskan langkah-langkah metode Long Short-Term Memory – Convolutional Neural Network (LSTM-CNN) dan membandingkan metode Long Short-Term Memory (LSTM) dengan Long Short Term Memory – Convolutional Neural Network (LSTM-CNN). Metode yang digunakan dalam penelitian ini merupakan gabungan Long Short-Term Memory (LSTM) dan Convolutional Neural Network (CNN). LSTM memprediksi pergerakan harga berdasarkan time series. CNN mengekstrak fitur dari data harga saham. Hasil eksperimen menunjukan bahwa metode LSTM-CNN berhasil meningkatkan akurasi prediksi yang cukup baik. Penelitian ini menyimpulkan bahwa perbandingan metode Long Short-Term Memory – Convolutional Neural Network (LSTM-CNN) dapat menjadi alat yang efektif dalam memprediksi pergerakan harga saham dan memiliki potensi penerapan yang luas di sektor keuangan. Hasil yang diperoleh, model peramalan dari perbandingan metode LSTM dengan LSTM-CNN masing-masing memiliki nilai RMSE 0.96 dan 0.89 dan metode LSTM-CNN lebih kecil dari pada metode LSTM.

Actions (login required)

View Item