<![CDATA[Prediksi harga saham merupakan salah satu bidang yang sangat menantang dan memiliki dampak signifikandalam dunia keuangan. Penelitian ini menggunakan metode Bidirectional Long Short-Term Memory(BiLSTM) yang dioptimasi dengan Nesterov Adaptive Moment (Nadam) untuk memprediksi harga sahamharian PT Bank Rakyat Indonesia (BBRI). Metode BiLSTM merupakan variasi dari metode Long ShortTerm Memory (LSTM) yang memecahkan ketergantungan jangka pajang LSTM dengan RNN (RecurrentNeural Network). BiLSTM ini memiliki kemampuan untuk menangkap pola temporal dari masa lalu danmasa depan sehingga efektif dalam analisis deret waktu. Sedangkan, optimasi Nadam digunakan untukmeningkatkan kecepatan konvergensi dan akurasi prediksi dengan memanfaatkan kelebihan darimomentum Nesterov dan adaptivitas Adam. Metode BiLSTM yang dioptimalkan dengan optimasi Nadamtersebut menghasilkan model prediksi harga saham harian terbaik dengan konfigurasi optimal 30 neuronper lapisan tersembunyi, batch size 256, dan 500 epoch. Konfigurasi ini efektif dalam menangkap polafluktuasi harga saham harian dengan MSE 0,000415. Pada evaluasi kinerja model dengan MAPE, diperolehnilai MAPE 1,7511% pada data training serta 1,5432% pada data testing, yang menunjukkan bahwa modeltersebut akurat dengan tingkat kesalahan prediksi di bawah 10%. Hasil prediksi menunjukkan kenaikanstabil setiap hari dengan harga saham terendah 4496,028 pada 1 Juni 2024 dan tertinggi 4819,317 pada 29Juni 2024. Kata Kunci : BiLSTM, Nesterov Adam, Prediksi, Saham]]>
Copyrights © 2024
