<![CDATA[Dalam era modern, prediksi harga saham menjadi bidang penting dalam dunia keuangan dan investasi karena mampu membantu investor dalam membuat keputusan yang lebih tepat. Penelitian ini bertujuan membangun model prediksi harga saham Bank Rakyat Indonesia (BBRI) dan Bank Central Asia (BBCA) menggunakan metode Long Short-Term Memory (LSTM), yang dikenal efektif untuk mengolah data deret waktu (time series). Data historis harga saham BBRI dan BBCA dikumpulkan dari platform Yahoo Finance dengan rentang waktu 20 Januari 2019 hingga 14 Maret 2025. Sebelum pelatihan model, data dinormalisasi menggunakan teknik MinMaxScaler untuk memastikan skala data seragam. Dataset kemudian dibentuk berdasarkan jendela waktu selama 60 hari untuk menangkap pola tren harga sebelumnya. Model LSTM yang digunakan terdiri dari dua lapisan bertingkat yang memungkinkan pengenalan pola jangka panjang secara lebih akurat. Evaluasi kinerja dilakukan dengan menghitung Root Mean Squared Error (RMSE), yang digunakan untuk mengukur seberapa dekat hasil prediksi dengan data aktual. Hasil prediksi divisualisasikan dalam bentuk grafik agar dapat dibandingkan secara langsung dengan pergerakan harga saham sebenarnya. Berdasarkan evaluasi awal, model menunjukkan kemampuan mengikuti tren harga saham dengan nilai RMSE yang cukup rendah, mengindikasikan performa yang baik. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam pengembangan sistem prediksi harga saham berbasis kecerdasan buatan dan menjadi referensi bermanfaat bagi para investor dalam menentukan strategi investasi yang lebih tepat.]]>
Copyrights © 2025
