<![CDATA[Perubahan harga saham dipengaruhi oleh berbagai faktor, termasuk data historis harga saham dan sentimen yang terkandung dalam berita keuangan. Penelitian ini bertujuan untuk mengembangkan model prediksi harga saham yang lebih akurat dengan memanfaatkan Spatial-Temporal Attention-Based Convolutional Network (STACN). Model ini dirancang untuk menggali hubungan kompleks antara data historis harga saham dan informasi dari berita finansial. Metode yang digunakan melibatkan integrasi Convolutional Neural Network (CNN) untuk mengekstraksi fitur dari thought vectors berita, Long Short-Term Memory (LSTM) untuk menangkap pola temporal dari data harga saham, dan Spatial-Temporal Attention Network (STAN) untuk memberikan perhatian pada fitur-fitur yang relevan. Studi kasus dilakukan pada saham sektor energi yang terdaftar di Bursa Efek Indonesia, dengan menggunakan data historis harga saham dan berita dari portal bisnis Indonesia. Hasil eksperimen menunjukkan bahwa model STACN Bi-LSTM menghasilkan akurasi yang lebih tinggi dibandingkan dengan model-model lain seperti LSTM dan Bi-LSTM konvensional, dengan nilai MAE sebesar 24.2776, RMSE 32.9127, dan R² 0.9365. Temuan ini membuktikan bahwa integrasi analisis spasial-temporal dan mekanisme perhatian efektif dalam meningkatkan akurasi prediksi harga saham.]]>
Copyrights © 2025
