Mohamed, Mohamed (2026) Efektivitas model Hibrida Hierarchical Decomposition-based Forecasting (HDF) untuk prediksi harga saham syariah. Sarjana thesis, UIN Sunan Gunung Djati.
|
Text
1_cover.pdf Download (500kB) | Preview |
|
|
Text
2_abstrak.pdf Download (163kB) | Preview |
|
|
Text
3_skbebasplagiarism.pdf Download (106kB) | Preview |
|
|
Text
4_daftarisi.pdf Download (212kB) | Preview |
|
|
Text
5_bab1.pdf Download (194kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text
6_bab2.pdf Restricted to Registered users only Download (673kB) | Request a copy |
|
|
Text
7_bab3.pdf Restricted to Registered users only Download (276kB) | Request a copy |
|
|
Text
8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
|
Text
9_bab5.pdf Restricted to Registered users only Download (99kB) | Request a copy |
|
|
Text
10_daftarpustaka.pdf Restricted to Registered users only Download (333kB) | Request a copy |
Abstract
Pertumbuhan investor di pasar saham dan surat berharga meningkat pesat dari tahun ke tahun. Tercatat terdapat peningkatan sebanyak 3,52 % investor dari jumlah SID pada bulan Desember 2025 dibandingkan jumlah SID pada bulan November 2025 yang menunjukkan adanya antusiasme yang kuat terhadap investasi di pasar modal terkhusus pada instrumen keuangan saham dan surat berharga lainnya. Di lain sisi saham-saham syariah menunjukkan pertumbuhan yang positif dari tahun ke tahun dengan pertumbuhan sebesar 12,67 %. Mayoritas literatur sebelumnya mencetuskan penggunaan model ensemble deep learning yang kompleks untuk mendapatkan tingkat akurasi yang tinggi namun metode tersebut dinilai tidak efisien dikarenakan membutuhkan sumber daya dan biaya komputasi yang cenderung tinggi. Model Hierarchical Decomposition-based Forecasting (HDF) memanfaatkan metode pemrosesan sinyal seperti CEEMDAN dan VMD yang diintegrasikan dengan model Gated Recurrent Unit (GRU) dan algoritma K-means memiliki akurasi yang lebih tinggi dan efisien dibandingkan dengan model baseline ataupun model ensemble yang kompleks namun masih belum banyak yang menerapkan metode ini. Maka dari itu, penelitian ini berfokus untuk menerapkan model HDF serta menunjukkan seberapa optimal penggunaan metode CEEMDAN, VMD, K-means, dan GRU dalam meningkatkan akurasi prediksi pada harga saham syariah. Hasil penelitian membuktikan bahwa model HDF memiliki efektivitas yang tinggi dengan unggul pada 8 dari 10 saham syariah yang diuji coba. Penerapan pemrosesan sinyal terbukti meningkatkan performa prediksi secara signifikan dengan capaian rata-rata MAE sebesar 740.34, RMSE sebesar 917.85, MAPE sebesar 17.27%, dan R-squared sebesar -2.5505. Performa ini melampaui model baseline seperti GRU (MAE: 908.97; RMSE: 1239.08; MAPE: 15.08%; R-squared: 0.4208) dan model LSTM (MAE: 1382.90; RMSE: 1734.49; MAPE: 20.09%; R-squared: -0.0984). Meski demikian, penelitian ini menemukan bahwa konvergensi optimal ketiga model dipengaruhi oleh jumlah baris data historis, karakteristik pola tren harga saham emiten, serta proporsi pembagian data latih dan uji.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Deep Learning; CEEMDAN; VMD; Saham syariah; K-Means |
| Subjects: | Special Computer Methods > Artificial Intelligence Technology, Applied Sciences |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Mohamed |
| Date Deposited: | 07 Oct 2026 02:45 |
| Last Modified: | 07 Oct 2026 02:45 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/143700 |
Actions (login required)
 |
View Item |
