<![CDATA[Investasi sektor saham pada saat ini telah berkembang dan didukung dengan teknologi berbasis AI. terdapat satu pendekatan yang efektif adalah model time series berbasis Recurrent Neural Networks (RNN). Dalam ranah RNN, Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). LSTM dikenal unggul dalam menangani ketergantungan jangka panjang dan masalah vanishing gradient, sementara GRU menawarkan struktur yang lebih sederhana dengan kecepatan pelatihan yang lebih tinggi, tanpa banyak mengorbankan akurasi. penelitian ini bertujuan untuk membandingkan kinerja algoritma LSTM dan GRU dalam memprediksi harga saham FAST, serta mengevaluasi pengaruh variasi rentang waktu data terhadap akurasi prediksi. Penelitian ini bersifat analitik dan eksperimental dengan menggunakan pendekatan kuantitatif. Persian matematika harus diberi nomor urut dalam kurung biasa dan harus diacu dalam tulisan. Metode penelitian yang diterapkan adalah eksperimen komputasional dengan teknik time series forecasting, di mana data historis harga saham dianalisis menggunakan model deep learning. Algoritma Gated Recurrent Unit (GRU) memiliki kinerja yang lebih unggul dibandingkan Long Short-Term Memory (LSTM) dalam memprediksi harga saham PT. Fast Food Indonesia Tbk (FAST). Keunggulan GRU ditunjukkan oleh nilai evaluasi MAPE dan RMSE yang lebih rendah, Sementara itu, LSTM menunjukkan performa kompetitif pada rentang waktu pendek, namun kurang stabil pada rentang waktu yang lebih panjang.]]>
Copyrights © 2025
