Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Petir Prosiding SeNTIK STI&K
Adhib Arfan
Universitas Gunadarma
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia Adhib Arfan; Lussiana ETP
PETIR Vol 13 No 1 (2020): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (709.824 KB) | DOI: 10.33322/petir.v13i1.858

Abstract

Banyak investor masih ragu dengan risiko dalam berinvestasi, hal ini disebabkan oleh fluktuasi indeks harga saham dalam waktu singkat. Telah banyak dikembangkan metode untuk memperkirakan harga saham yang akan datang namun masih memiliki keterbatasan di antaranya adalah ketergantungan jangka panjang. Tujuan penelitian yang ingin dicapai adalah menghasilkan model peramalan harga saham yang lebih efektif dan memberikan hasil yang akurat. Tahapan yang dilakukan terdiri dari pengumpulan data, preprocessing data, pembagian data, perancangan LSTM, pelatihan LSTM dan melakukan pengujian. Berdasarkan hasil pengujian, LTSM mampu memprediksi harga saham pada tahun 2017-2019 dengan performa yang baik dan tingkat kesalahan yang relatif kecil. Sedangkan pengujian menggunakan metode Support Vector Regression (SVR), LSTM memiliki nilai loss lebih baik dari algoritma SRV. Rentang data pada LSTM mempengaruhi waktu latih yang digunakan, semakin besar rentang data maka semakin lama waktu latih yang digunakan. Rentang data pada SVR mempengaruhi nilai loss, semakin besar rentang data maka semakin besar nilai loss yang dihasilkan. Dengan demikian dapat disimpulkan bahwa LSTM mampu menanggulangi ketergantungan jangka panjang dan mampu memprediksi harga saham dengan hasil yang akurat.
Prediksi Harga Saham Di Indonesia Menggunakan Algoritma Long Short-Term Memory Adhib Arfan; Lussiana ETP
Prosiding Seminar SeNTIK Vol. 3 No. 1 (2019): Prosiding SeNTIK 2019
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Prediksi Harga Saham Di Indonesia Menggunakan Algoritma Long Short-Term Memory
Co-Authors Lussiana ETP