Ni Asa Rembokowati
Universitas Koperasi Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan Algoritma Long Short-Term Memory pada Prediksi Harga Saham Harian PT Bank Syariah Indonesia (BRIS) Muhammad Haris Fadhillah; Indri Nur Sukmawati; Siti Nurhayati; Ni Asa Rembokowati
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 2 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i2.22

Abstract

Fluktuasi harga saham yang dinamis dan nonlinear menjadi tantangan besar dalam manajemen risiko investasi, khususnya pada sektor perbankan syariah yang perkembangannya kian akseleratif. Penelitian ini bertujuan untuk memprediksi harga penutupan (close price) harian saham PT Bank Syariah Indonesia Tbk (BRIS) dengan pendekatan kecerdasan buatan berbasis jaringan saraf tiruan Long Short-Term Memory (LSTM). Data historis sekuensial bersumber dari Investing.com ditransformasikan ke dalam format supervised learning melalui rekayasa fitur jendela bergeser (sliding window) berukuran 3 hari (t-3, t-2, t-1), dengan rentang nilai batas ekstrem Rp1.100 hingga Rp3.160. Dataset dibagi secara kronologis dengan rasio 80% untuk data pelatihan dan 20% untuk data pengujian. Hasil pengujian empiris menunjukkan bahwa model komputasi LSTM yang dibangun mampu melacak arah pergerakan tren dengan sangat presisi dan menghasilkan tingkat galat yang minim, ditunjukkan oleh perolehan nilai Mean Absolute Error (MAE) sebesar Rp50,09. Penelitian ini secara ilmiah membuktikan ketangguhan arsitektur LSTM dalam mengatasi masalah vanishing gradient dan keterbatasan model statistik linear konvensional, sehingga sangat andal direkomendasikan sebagai sistem pendukung keputusan yang akurat bagi para investor dalam melakukan perdagangan saham jangka pendek.