Prediksi Harga Saham Menggunakan Metode Long-Short Term Memory Studi Kasus: Saham Intel Corporation

Indah  Winarni; Nunik Pratiwi

doi:10.51454/decode.v5i2.1192

Authors

Indah Winarni Teknik Informatika Universitas Muhammadiyah Prof. DR. HAMKA
Nunik Pratiwi Teknik Informatika Universitas Muhammadiyah Prof. DR. HAMKA

DOI:

https://doi.org/10.51454/decode.v5i2.1192

Keywords:

Deep Learning, Intel Corporation, Kecerdasan Buatan, Long Short-Term Memory, Prediksi Harga Saham

Abstract

Perkembangan dalam bidang teknologi kecerdasan buatan telah mendorong penerapan teknik deep learning dalam analisis pasar keuangan, khususnya dalam meramalkan harga saham. Penelitian ini bertujuan untuk membuat sebuah model yang bisa memperkirakan harga saham Intel Corporation menggunakan metode Long Short-Term Memory (LSTM) untuk mendukung pengambilan keputusan dalam investasi. Metode yang dilakukan mencakup pengumpulan data historis dari Kaggle, preprocessing data (cleansing, scaling, dan membagi data untuk pelatihan dan pengujian), merancang model LSTM, dan melakukan evaluasi dengan menggunakan Root Mean Squared Error (RMSE). Model ini dilatih menggunakan 150 epoch dengan fungsi aktivasi tanh dan optimizer Adam. Hasil dari pengujian ini menunjukkan bahwa model LSTM mendapatkan nilai RMSE sebesar 0.0230 paling rendah, serta menunjukkan pola pergerakan harga yang sangat realistis. Hasil ini menunjukkan bahwa LSTM merupakan metode yang efisien untuk memodelkan data deret waktu dalam memprediksi harga saham, serta dapat berfungsi sebagai sumber informasi bagi investor dalam merancang strategi investasi yang didasarkan pada data.

References

Achyar, A. A., Olow, A. M., Perdana, M. R., Sundawijaya, A., & Goenawan, A. D. (2022). Identifikasi Ras Wajah Dengan Menggunakan Metode Deep Learning Model Keras. Jurnal Teknik Mesin, Industri, Elektro Dan Informatika, 1(1), 29-37. https://doi.org/10.55606/jtmei.v1i1.779

Agusta, A., Ernawati, I., & Muliawati, A. (2021). Prediksi Pergerakan Harga Saham Pada Sektor Farmasi Menggunakan Algoritma Long Short-Term Memory. Informatik : Jurnal Ilmu Komputer, 17(2), 164-173. https://doi.org/10.52958/iftk.v17i2.3651

Alex Khr. (2024). INTEL stocks price from 2019-01-01 to 2024-09-27. Kaggle. https://www.kaggle.com/datasets/alexkhr/intel-stocks-price-from-2019-01-01-to-2024-09-27

Damayanti, E., Vitianingsih, A. V., Kacung, S., Suhartoyo, H., & Lidya Maukar, A. (2024). Sentiment Analysis of Alfagift Application User Reviews Using Long Short-Term Memory (LSTM) and Support Vector Machine (SVM) Methods. Decode: Jurnal Pendidikan Teknologi Informasi, 4(2), 509–521. https://doi.org/10.51454/decode.v4i2.478

Gumelar, F., Adha, F. Z., Rafi, F. A., Pontoh, R. S. (2022). Peramalan Harga Saham Bank BUMN Indonesia Menggunakan Long Short-Term Memory (LSTM). Seminar Nasional Statistika Aktuaria I, 1(1), 1–8.

Hamdani, A. F., & Saputra, A. J. (2023, January). Prediksi Harga Saham Tesla Menggunakan Algoritma Neural Prophet Berbasis Mobile. In Seminar Nasional Teknologi & Sains 2(1), 129-136.

Janastu, I. N. C., & Wutsqa, D. U. (2024). Prediksi Harga Saham Pada Sektor Perbankan Menggunakan Algoritma Long Short-Term Memory. Jurnal Statistika Dan Sains Data, 1(2), 1–14.

Julian, R., & Pribadi, M. R. (2021). Peramalan Harga Saham Pertambangan Pada Bursa Efek Indonesia (BEI) Menggunakan Long Short Term Memory (LSTM). JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(3), 1570–1580. https://doi.org/10.35957/jatisi.v8i3.1159

Kiramy, R. Al, Permana, I., & Marsal, A. (2024). Perbandingan Performa Algoritma RNN dan LSTM dalam Prediksi Jumlah Jamaah Umrah pada PT. Hajar Aswad, 4(4), 1224–1234. https://doi.org/10.57152/malcom.v4i4.1373

Lestari, Y. D., Santoso, E., & Ridok, A. (2021). Prediksi Harga Saham Menggunakan Metode Extreme Learning Machine ( ELM ) ( Studi Kasus : Saham PT Bank Rakyat Indonesia ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(7), 2801–2808.

Ningrum, A. R., & Seru, F. (2022). Penerapan gerak Brown geometrik untuk memprediksi harga saham PT. Astra International Tbk. pada masa pandemi COVID-19. Jurnal Riset Dan Aplikasi Matematika (JRAM), 6(2), 93-104.

Pipin, S. J., Purba, R., & Kurniawan, H. (2023). Prediksi Saham Menggunakan Recurrent Neural Network (RNN-LSTM) dengan Optimasi Adaptive Moment Estimation. Journal of Computer System and Informatics (JoSYC), 4(4), 806–815. https://doi.org/10.47065/josyc.v4i4.4014

Puteri, D. I. (2023). Implementasi Long Short Term Memory (LSTM) dan Bidirectional Long Short Term Memory (BiLSTM) Dalam Prediksi Harga Saham Syariah. Euler : Jurnal Ilmiah Matematika, Sains Dan Teknologi, 11(1), 35–43. https://doi.org/10.34312/euler.v11i1.19791

Putra. (2024). Analisis Perbandingan Model Prediksi Harga Saham melalui Pendekatan Long-Short Term Memory (LSTM) Dan Autoregressive Integrated Moving Average (ARIMA) (Studi Kasus: Alfamart dan Alfamidi) TUGAS.

Rasyidi, M. A. (2023). Rancang Model Algoritma Long Short Term Memory Dengan Metode Rolling Windows Cross Validation: Studi Kasus Nilai Tukar Rupiah Terhadap Dollar Amerika. https://repository.uinjkt.ac.id/dspace/handle/123456789/74144

Riadi, I., Umar, R., & Anggara, R. (2024). Prediksi Kelulusan Tepat Waktu Berdasarkan Riwayat Akademik Menggunakan Metode Naïve Bayes. Decode: Jurnal Pendidikan Teknologi Informasi, 4(1), 191-203. https://doi.org/10.51454/decode.v4i1.308

Riatma, D. L., Rahman, Y. F., Roshinta, T. A., Sani, A. F., Khoirunisa, R., & Haqimi, N. A. (2025). Model Prediksi Manajemen Stok Produk Berbasis Deep Learning Gated Recurrent Unit untuk Optimalisasi Rantai Pasok E-Commerce. 5(1), 314–323.

Riyantoko, P. A., Fahruddin, T. M., Hindrayani, K. M., & Safitri, E. M. (2020). Analisis Prediksi Harga Saham Sektor Perbankan Menggunakan Algoritma Long-Short Terms Memory (Lstm). In Seminar Nasional Informatika (SEMNASIF), 1(1), 427–435.

Sautomo, S., & Pardede, H. F. (2021). Prediksi belanja pemerintah Indonesia menggunakan long short-term memory (LSTM). J. RESTI (Rekayasa Sist. dan Teknol. Informasi), 5(1), 99-106. https://doi.org/10.29207/resti.v5i1.2815

Setiawan, D., Stefani, K., Shandy, Y. J., & Patra, C. A. F. (2023). Sistem Analisa Harga Saham Menggunakan Algoritma Long Short Term Memory (LSTM). Media Informatika, 21(3), 264–279. https://doi.org/10.37595/mediainfo.v21i3.159

Sofi, K., Sunge, A. S., Riady, S. R., & Kamalia, A. Z. (2021). Perbandingan algoritma linear regression, LSTM, dan GRU dalam memprediksi harga saham dengan model time series. PROSIDING SEMINASTIKA, 3(1), 39-46. https://doi.org/10.47002/seminastika.v3i1.275

Tauran, E. R. (2021). Prediksi Harga Saham Pt Bank Central Asia Tbk Berdasarkan Data Dari Bursa Efek Indonesia Menggunakan Metode K-Nearest Neighbors (Knn). TeIKa, 11(2), 123–129. https://doi.org/10.36342/teika.v11i2.2609

Wijaya, E., Tarigan, F. A., & Michael. (2021). Aplikasi Prediksi Penentuan Kelancaran Pembayaran Koperasi Dengan Algoritma C5.0. Jurnal TIMES, 10(1), 31–38. https://doi.org/10.51351/jtm.10.1.2021648