ANALISIS PREDIKSI HARGA SAHAM SEKTOR PERBANKAN MENGGUNAKAN ALGORITMA LONG-SHORT TERMS MEMORY (LSTM)

Prismahardi Aji Riyantoko, Tresna Maulana Fahruddin, Kartika Maulida Hindrayani, Eristya Maya Safitri

Abstract


Abstract
Investing, buying or selling activity on the stock exchange requires knowledge and skill in the field of data analysis. The movement of the curve in the stock market place is very dynamic, hence it requires data modelling to predict stock prices in order to get a price with a high degree of accuracy. Currently, machine learning has a good level of accuracy in processing and predicting data. In this work, we proposed the data modelling using the Long-Short Term Memory (LSTM) algorithm to predict stock prices. The main purpose for this research is to analyze the accuracy of the machine learning algorithm in predicting stock price data and analyzing the number of epochs in the optimal model formation. The results of our study indicate that the LSTM algorithm has an accurate level of prediction as indicated by the RMSE value and the data model obtained the variation of the epochs value.
Keywords : LSTM Algorithm, Stock Price, Analysis Prediction, Machine Learning
Untuk melakukan investasi atau jual beli di bursa saham memerlukan pemahaman dibidang analisis data. Pergerakan kurva pada pasar saham sangat dinamis, sehingga memerlukan pemodelan data untuk melakukan prediksi harga saham agar mendapatkan harga dengan tingkat akurasi yang tinggi. Machine Learning pada saat ini memiliki tingkat keakuratan yang baik dalam mengolah dan memprediksi data. Pada penelitian ini kami melakukan pemodelan data menggunakan algoritma Long-Short Term Memory (LSTM) untuk memprediksi harga saham. Tujuan utama pada jurnal ini adalah untuk menganalisis tingkat keakuratan algoritma Machine Learning dalam melakukan prediksi data harga saham serta melakukan analisis pada banyaknya epochs dalam pembentukan model yang optimal. Hasil penelitian kami menunjukkan bahwa algoritma LSTM memiliki tingkat prediksi yangg akurat dengan ditunjukkan pada nilai RMSE serta model data yang di dapatkan pada variasi nilai epochs.
Kata Kunci : Algoritma LSTM, Harga Saham, Analisis Prediksi, Machine Learning


Keywords


Algoritma LSTM; Harga Saham; Analisis Prediksi; Machine Learning

Full Text:

PDF

Refbacks

  • There are currently no refbacks.