Article Per Year (5 Year)
p-Index From 2021 - 2026
1.497
P-Index
This Author published in this journals
All Journal Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Indonesian Journal of Artificial Intelligence and Data Mining JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Journal of Advanced in Information and Industrial Technology (JAIIT) Teknika Decode: Jurnal Pendidikan Teknologi Informasi JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Informatika Teknologi dan Sains (Jinteks) Knowbase : International Journal of Knowledge in Database
Slamet Kacung, Slamet
Unknown Affiliation
Aerospace Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM)

 1 
PREDIKSI HARGA SAHAM PT TELKOM MENGGUNAKAN METODE CNN-LSTM Pratama, Ferdian Rizki; Santoso, Budi; Kacung, Slamet
Journal of Information System Management (JOISM) Vol. 7 No. 1 (2025): Juni
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2025v7i1.2087

Abstract

PT Telkom sebagai perusahaan informasi dan komunikasi terbesar di Indonesia, memiliki harga saham yang menarik minat investor. Penelitian ini bertujuan untuk mengembangkan aplikasi yang mampu memprediksi harga saham PT Telkom menggunakan metode CNN-LSTM. Tantangan dalam memprediksi harga saham meliputi volatilitas pasar, keterbatasan data historis, dan kompleksitas faktor-faktor yang mempengaruhi harga. Metode CNN digunakan untuk mengenali pola spasial dalam data, sementara LSTM mengatasi masalah vanishing gradient dan menangkap dependensi jangka panjang. Model CNN-LSTM diuji dengan berbagai kombinasi hyperparameter, termasuk learning rate (0.001, 0.0001, dan 0.0005), kernel size (3, 5, dan 7), dan jumlah epoch (30, 50, dan 100). Hasil terbaik diperoleh dengan konfigurasi learning rate 0.0005, kernel size 7, dan 100 epoch, yang menghasilkan nilai Mean Absolute Error (MAE) sebesar 56.13, Root Mean Squared Error (RMSE) sebesar 75.75, dan koefisien determinasi (R²) sebesar 0.973. Hasil ini menunjukkan kemampuan prediksi yang baik dari model. Penelitian ini diharapkan dapat memberikan solusi bagi investor dalam memprediksi harga saham PT Telkom dan membantu pengambilan keputusan investasi.
Co-Authors Achmad Muzakki Anastasia Lidya Maukar Anik Vega Vitianingsih Budi Santoso Damayanti, Erika Fardhan Maulana, Abelardi Fauzi, Ariq Ammar Fitri Ana Wati, Seftin Hengki Suhartoyo, Hengki Larisa, Damasya Ine Lidya Maukar, Anastasia Muhammad Nasrullah Poetra, Akbar Rizki Prasetyo, Prasetyo Tri Utomo Pratama, Ferdian Rizki Pujiono, Halim Putri, Natasya Kurnia Sutejo, Davip Wati, Seftin Fiti Ana Wati, Seftin Fitri Ana Yasin, Verdi Yudha Adhi Jaya, Villa Indra