<![CDATA[Fluktuasi harga merupakan salah satu sumber risiko di pasar saham. Bagi investor yang belum berpengalaman, perubahan harga tersebut tidak selalu mudah diterjemahkan menjadi gambaran tingkat risiko. Penelitian ini mengembangkan sistem untuk memperkirakan volatilitas dan mengelompokkannya sebagai risiko rendah, sedang, atau tinggi pada saham BUMI.JK melalui gabungan Long Short-Term Memory (LSTM) dan Random Forest. Data Open, High, Low, Close, Adjusted Close, serta Volume diambil secara otomatis dari Yahoo Finance API. Setelah data dibersihkan, log return dihitung dan volatilitas diukur menggunakan standar deviasi log return untuk jendela 7 dan 30 hari. LSTM memodelkan pola berurutan pada data dan menghasilkan estimasi volatilitas; estimasi tersebut beserta fitur temporal yang relevan kemudian menjadi masukan Random Forest untuk menentukan kelas risiko. Ambang risiko ditetapkan sebagai kriteria operasional penelitian, yakni volatilitas di bawah 2% tergolong rendah, 2% sampai 5% sedang, dan di atas 5% tinggi. Aplikasi dikembangkan dengan Flask dan menyajikan angka volatilitas, kategori risiko, grafik pergerakan historis, serta tanggal data terakhir pada dashboard web. Pada evaluasi regresi, LSTM menghasilkan MAE 0,01240401 dan RMSE 0,01665610 dalam satuan log return. Untuk klasifikasi, model gabungan mencapai Accuracy 86,45%, Weighted Precision 86,19%, Weighted Recall 86,45%, dan Weighted F1-Score 86,27%. Perhitungan pada data terkini menghasilkan volatilitas 7,7418% untuk jendela 7 hari dan 5,8185% untuk jendela 30 hari; keduanya masuk kelas risiko tinggi menurut batas yang diterapkan. Sistem yang dihasilkan menyatukan estimasi dan pengelompokan risiko dalam bentuk informasi yang dapat dipakai sebagai analisis awal.]]>
Copyrights © 2026
