Article Per Year (5 Year)
p-Index From 2020 - 2025
1.066
P-Index
This Author published in this journals
All Journal Prosiding Semhavok Informatika Bulletin of Science Education Management Research and Behavior Journal Pamasa: Jurnal Pengabdian kepada Masyarakat Journal of Computer Science and Information Technology
Rendy Saputra
STMIK Amikom Yogyakarta
Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Computer Science and Information Technology

 1 
ANALISIS PREDIKSI SAHAM TESLA MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY (LSTM) Saputra, Rendy; Alamsyah, Alfin Gusti; Dandi; Tjoanda, Michael; Kent Nick; Cornelius, Alten
Journal of Computer Science and Information Technology Vol. 2 No. 1 (2024): Desember
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v2i1.1482

Abstract

Penelitian ini mengkaji penggunaan algoritma Long Short-Term Memory (LSTM) untuk memprediksi harga saham Tesla, mengingat tingginya volatilitas harga saham yang menjadi tantangan bagi investor dalam mengambil keputusan investasi. Tujuan penelitian adalah merancang dan mengevaluasi model prediksi harga saham menggunakan LSTM. Data yang digunakan berasal dari Yahoo Finance periode Mei 2020 hingga Mei 2024, mencakup harga pembukaan, tertinggi, terendah, dan penutupan. Metodologi penelitian meliputi preprocessing data menggunakan StandardScaler, pembagian data training-testing dengan rasio 80:20, dan implementasi arsitektur LSTM dua lapisan dengan masing-masing 50 neurons. Hasil penelitian menunjukkan performa yang baik dengan nilai RMSE 0.042 dan MAPE 18.7%. Model berhasil mengikuti pola pergerakan harga saham dengan akurat, terutama dalam menangkap tren dan fluktuasi signifikan selama periode September 2023 hingga April 2024. Proses pelatihan dengan 100 epoch dan batch size 4 menunjukkan konvergensi yang stabil tanpa tanda-tanda overfitting. Penelitian ini memberikan kontribusi dalam pengembangan metode prediksi harga saham yang dapat membantu investor dalam mengambil keputusan investasi yang lebih informed.
Co-Authors Abdul Gofur Ade Putra Alamsyah, Alfin Gusti Chairunnisa, Fitri Cornelius, Alten Dandi Efrans Christian Eka Sari, Ema Ferdinan, Bryan Desmonda Hidayat, Febrian Nur Kent Nick Muhammad Iqbal Risdayanti, Risdayanti Roswiyani, Roswiyani Sry Rosita Tjoanda, Michael Ummah, Nahdatul Viktor Handrianus Pranatawijaya Wijaya, Supriadi