Article Per Year (5 Year)
p-Index From 2021 - 2026
1.055
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Teknologi Informasi dan Ilmu Komputer Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Teknologi dan Sistem Komputer JOURNAL OF SCIENCE AND SOCIAL RESEARCH J-Dinamika: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi dan Riset Terapan (JATRA) Jurnal Bawaslu Provinsi Kepulauan Riau Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Matulatan, Tekad
Universitas Maritim Raja Ali Haji
Aerospace Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Social Sciences Transportation

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
PERBANDINGAN KINERJA LONG SHORT-TERM MEMORY (LSTM) DAN BIDIRECTIONAL LONG SHORT-TERM MEMORY (BiLSTM) PADA PREDIKSI HARGA PENUTUPAN SAHAM PERBANKAN INDONESIA Muhammad Septi; Tekad Matulatan; Feri Irawan
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 4 (2026): August 2026 (1)
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i4.6898

Abstract

Pergerakan harga saham yang bersifat fluktuatif dan nonlinier menuntut penggunaan model prediksi yang mampu menangkap pola deret waktu secara efektif. Penelitian ini bertujuan membandingkan kinerja metode Long Short-Term Memory (LSTM) dan Bidirectional Long Short-Term Memory (BiLSTM) dalam memprediksi harga penutupan saham sektor perbankan Indonesia, yaitu BBCA, BBRI, dan BMRI. Data yang digunakan berupa data historis harian yang diperoleh dari Yahoo Finance periode 1 Januari 2019 hingga 30 Desember 2024 dengan jumlah 1.469 data untuk setiap emiten. Tahapan penelitian meliputi preprocessing, uji korelasi, normalisasi Min-Max, pembentukan data menggunakan sliding window, pembagian data secara kronologis dengan proporsi 70% data pelatihan, 15% data validasi, dan 15% data pengujian, serta hyperparameter tuning. Kinerja model dievaluasi menggunakan Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model LSTM memberikan performa terbaik pada saham BBRI dengan MAPE 1,85% dan BMRI dengan MAPE 1,57%, sedangkan model BiLSTM menghasilkan performa terbaik pada saham BBCA dengan MAPE 1,57%. Secara keseluruhan, kedua model mampu menghasilkan prediksi dengan tingkat akurasi yang tinggi (MAPE < 2%), namun model yang optimal bergantung pada karakteristik masing-masing saham.
Co-Authors ADJI SURADJI MUHAMMAD Alena Uperiati Aras Hardi Cusinia Eka Suswaini Feri Irawan Hayaty, Nurul Hendra Kurniawan Hidayati, Nuraisa Novia Martaleli Bettiza Muhamad Radzi Rathomi Muhammad Septi Nikentari, Nerfita Nola Ritha Novrizal Fattah Fahmitra Nurfalinda, Nurfalinda Purnamasari, Dwi Amalia Raif, M. Irfan RAMANDA RUDWI HANTORO Resha, Muhammad Resha, Muhammad Ritha, Nola Serly Eldina