<![CDATA[Pasar modal Indonesia memiliki peran vital, dengan saham sebagai instrumen investasi yang diminati namun memiliki volatilitas tinggi. Penelitian ini membandingkan algoritma deep learning arsitektur Recurrent Neural Network (RNN), yaitu Long Short-Term Memory F(LSTM) dan Gated Recurrent Unit (GRU), untuk memprediksi harga penutupan saham PT Telkom Indonesia Tbk (TLKM). Penelitian kuantitatif ini memanfaatkan 1.384 data historis harian saham TLKM dari Yahoo Finance (1 Januari 2020 hingga 1 Oktober 2025). Tahapan pemrosesan data meliputi pembersihan, normalisasi Min-Max Scaler, dan pembagian rasio data uji, latih, serta validasi. Pengujian model memvariasikan parameter time step (5, 10, 20, 40, 60) dan rasio data validasi (10%, 15%). Berdasarkan hasil pengujian metrik evaluasi Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE), model GRU menunjukkan performa lebih unggul dibandingkan LSTM. Skenario terbaik model LSTM dicapai pada time step 20 dan rasio validasi 10% (RMSE 66,66; MAPE 1,90%). Performa terbaik GRU berada pada time step 40 dan rasio validasi 10% (RMSE 61,22; MAPE 1,74%). Hasil metrik evaluasi tersebut sejalan dengan hasil prediksi model GRU yang lebih mendekati harga aktual dibandingkan model LSTM.]]>
Copyrights © 2026
