Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Rahmadi, Anang Bagus
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Prediksi Indeks Harga Saham Perusahaan Teknologi Menggunakan Long Short-Term Memory dan Analisis Hyperparameter Rahmadi, Anang Bagus; Yudistira, Novanto; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 7 (2025): Juli 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pergerakan harga saham perusahaan teknologi merupakan salah satu indikator penting untuk mengukur sentimen pasar terhadap industri Artificial Intelligence (AI). Prediksi yang akurat terhadap tren harga saham ini dapat memberikan wawasan strategis bagi para analis dan investor. Penelitian ini bertujuan untuk merancang dan menerapkan algoritme Long Short-Term Memory (LSTM) untuk memprediksi indeks harga saham gabungan dari perusahaan-perusahaan teknologi terkemuka. Metode penelitian ini mencakup beberapa tahapan utama, yaitu agregasi data historis harga saham, normalisasi data menggunakan metode Min-Max, pembentukan data menjadi format sekuens, dan implementasi model LSTM dari awal. Kinerja model dievaluasi secara sistematis melalui 60 skenario pengujian hyperparameter yang mencakup sequence length, jumlah unit LSTM, dan jumlah epoch. Evaluasi dilakukan menggunakan metrik Mean Squared Error (MSE) dan Mean Absolute Error (MAE) pada data skala asli. Hasil pengujian menunjukkan bahwa konfigurasi model yang paling optimal dicapai dengan menggunakan sequence length 10 bulan, 82 unit pada lapisan LSTM, dan durasi pelatihan selama 250 epoch. Kombinasi ini menghasilkan nilai MAE terendah pada data uji, yaitu sebesar $69,63. Penelitian ini membuktikan bahwa algoritme LSTM merupakan metode yang efektif untuk pemodelan prediksi harga saham, dengan performa optimal yang sangat bergantung pada pemilihan konfigurasi hyperparameter yang tepat.
Co-Authors Budi Darma Setiawan Novanto Yudistira