<![CDATA[Prediksi harga saham merupakan salah satu tantangan yang penting dalam analisis pasar modal sebab perubahan harga saham memiliki sifat fluktuatif serta dipengaruhi oleh berbagai elemen baik eksternal maupun internal. penelitian ini memiliki tujuan untuk membandingkan performa metode Deep Learning dan Machine Learning, yaitu Gated Recurrent Unit (GRU) dan Extreme Gradient Boosting (XGBoost), dalam memprediksi nilai penutupan saham ADRO. Data yang digunakan berupa data time series multivariat yang terdiri dari harga saham ADRO, harga Batubara dunia, dan nilai tukar USD/IDR yang diperoleh dari Yahoo Finance. Tahapan penelitian meliputi pengumpulan dataset, preprocessing data, normalisasi menggunakan Min-Max Normalization, pembentukan sequence dengan teknik sliding window, pelatihan model, denormalisasi, serta evaluasi model menggunakan tiga metrik yaitu MAE, RMSE, dan MAPE. Hasil dari penelitian ini memperlihatkan bahwa model GRU memiliki performa yang lebih baik dibandingkan dengan XGBoost dengan nilai MAE sebesar 50.59, RMSE sebesar 87.85, dan MAPE sebesar 2.12%, sedangkan model XGBoost memperoleh nilai MAE sebesar 66.04, RMSE sebesar 103.47, dan MAPE sebesar 2.60%. berdasarkan hasil tersebut, metode GRU lebih efektif dalam mempelajari pola temporal dan dependensi jangka panjang pada data deret waktu harga saham ADRO sehingga menghasilkan prediksi yang lebih akurat,]]>
Copyrights © 2026
