<![CDATA[Pasar modal memegang peranan strategis sebagai indikator stabilitas ekonomi suatu negara, di mana saham berfungsi sebagai instrumen vital untuk pertukaran modal yang memengaruhi berbagai sektor keuangan. Mengingat sifat harga saham yang fluktuatif dan non-linear, prediksi yang akurat menjadi sangat krusial bagi investor untuk meminimalisir risiko kerugian. Penelitian ini bertujuan untuk memprediksi harga saham tertinggi (high price) pada PT Bank Rakyat Indonesia (Persero) Tbk menggunakan pendekatan Deep Learning, yaitu metode Bidirectional Long Short-Term Memory (Bi-LSTM). Dalam metodologi penelitian, skenario pembagian data dilakukan dengan komposisi 50% data latih dan 50% data uji. Penelitian ini melakukan serangkaian eksperimen tuning hyperparameter yang meliputi variasi learning rate, jumlah neuron, dan jumlah epoch. Berdasarkan hasil pengujian, arsitektur model paling optimal diperoleh dengan konfigurasi 50 neuron, penggunaan algoritma optimasi Adam, learning rate sebesar 0,001, batch size 1, dan 5 kali epoch. Evaluasi kinerja model menunjukkan hasil yang sangat impresif, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,24998952%. Mengacu pada standar evaluasi di mana nilai MAPE < 10%, kemampuan prediksi model ini dikategorikan sebagai "sangat baik". Hasil ini mengindikasikan bahwa model Bi-LSTM yang dibangun sangat andal dan dapat dimanfaatkan oleh investor sebagai acuan strategis dalam pengambilan keputusan investasi saham BBRI.]]>
Copyrights © 2025
