<![CDATA[Latar belakang penelitian ini adalah fluktuasi harga saham BNI yang signifikan, serta kurangnya pengetahuan investor pemula dalam menentukan strategi investasi. Penelitian ini bertujuan untuk merancang dan membangun sistem prediksi harga saham Bank Negara Indonesia (BNI) berbasis Android menggunakan algoritma Long Short-Term Memory (LSTM). Data historis harga saham dikumpulkan melalui Yahoo Finance dan dinormalisasi menggunakan metode Min-Max Scaling. Model LSTM dibangun dan dioptimasi dengan teknik deep learning, kemudian diintegrasikan ke dalam aplikasi Android melalui backend Django. Hasil evaluasi performa model dilakukan menggunakan metrik Mean Absolute Error (MAE) adalah 0.075030, Mean Squared Error (MSE) adalah 0.008613, dan Root Mean Squared Error (RMSE) adalah 0.092806. Hasil penelitian menunjukkan bahwa model LSTM mampu memprediksi tren harga saham BNI secara efektif, sehingga dapat menjadi alat bantu bagi investor dalam mengambil keputusan investasi yang lebih informatif. Aplikasi yang dihasilkan juga memberikan visualisasi prediksi dalam bentuk grafik dan tabel, sehingga lebih mudah dipahami oleh pengguna.]]>
Copyrights © 2025
