<![CDATA[Pasar saham merupakan salah satu instrumen investasi yang memiliki peran penting dalam pertumbuhan ekonomi dan pengembangan pasar keuangan. Peningkatan jumlah investor di Indonesia mendorong kebutuhan akan metode analisis yang lebih akurat untuk memprediksi pergerakan harga saham. Saham PT Bank Central Asia Tbk (BBCA) sebagai salah satu emiten dengan kapitalisasi pasar terbesar di Bursa Efek Indonesia menjadi objek penting dalam analisis prediksi harga saham. Namun, karakteristik data pasar saham yang bersifat non-linear, dinamis, dan dipengaruhi berbagai faktor membuat proses prediksi menjadi kompleks. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model prediksi harga tertinggi (High_next) dan harga terendah (Low_next) saham BBCA menggunakan pendekatan Temporal Convolutional Network (TCN) dengan memanfaatkan kombinasi indikator teknikal dan indikator makroekonomi. Penelitian ini menggunakan pendekatan kuantitatif eksperimental dengan framework CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data yang digunakan merupakan data historis bulanan periode Januari 2009 hingga Agustus 2025 yang terdiri dari indikator teknikal saham serta indikator makro seperti IHSG, nilai tukar USD/IDR, dan suku bunga Bank Indonesia. Hasil penelitian menunjukkan bahwa model TCN mampu menghasilkan prediksi yang akurat dengan kinerja terbaik pada skenario TECH untuk prediksi High_next dan skenario ALL untuk prediksi Low_next, serta secara konsisten mengungguli model baseline linear berdasarkan metrik MAE, RMSE, sMAPE, dan MASE. Dengan demikian, model TCN terbukti efektif dalam memodelkan deret waktu keuangan dan dapat digunakan sebagai alat bantu analisis bagi investor dalam pengambilan keputusan investasi berbasis data.]]>
