Analisis Komparasi Model Algoritma Long Short Term Memory dan Regresi Linear pada Prediksi Harga Saham BBRI Periode 2001 – 2022 / Fachrizal Bayu Utama / 44190451 / Pembimbing: Budi Wasito

Utama, Fachrizal Bayu (2023) Analisis Komparasi Model Algoritma Long Short Term Memory dan Regresi Linear pada Prediksi Harga Saham BBRI Periode 2001 – 2022 / Fachrizal Bayu Utama / 44190451 / Pembimbing: Budi Wasito. Institut Bisnis dan Informatika Kwik Kian Gie, Jakarta.

	Text HALAMAN JUDUL.pdf - Published Version Download (1MB)
	Text Bab I PENDAHULUAN.pdf - Published Version Download (582kB)
	Text BAB II KAJIAN PUSTAKA.pdf - Published Version Download (771kB)
	Text BAB III METODE PENELITIAN.pdf - Published Version Download (823kB)
	Text BAB IV HASIL ANALISA DAN PEMBAHASAN (CLOSED).pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text BAB V SIMPULAN DAN SARAN.pdf - Published Version Download (593kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (559kB)
	Text LAMPIRAN.pdf - Published Version Download (1MB)
	Text PERNYATAAN ORIGINALITAS.pdf - Published Version Restricted to Repository staff only Download (565kB)
	Text RESUME.pdf - Published Version Download (1MB)

Abstract

Perkembangan teknologi telah memengaruhi dunia investasi, termasuk investasi saham. Saham Bank Rakyat Indonesia (BRI) menjadi populer di pasar modal Indonesia karena kinerja keuangan yang baik. Namun, investor sering kesulitan dalam memilih saham yang tepat karena kurangnya informasi yang akurat dan efektif. Oleh karena itu, diperlukan analisis yang akurat dalam memilih saham yang tepat. Salah satu model prediksi adalah model algoritma LSTM yang memanfaatkan teknologi kecerdasan buatan (AI) dan machine learning. Penelitian ini bertujuan untuk membandingkan kinerja model algoritma LSTM dengan regresi linear dalam memprediksi harga saham BRI periode 2001-2022 untuk mengevaluasi keefektifannya dalam memprediksi harga saham BRI di masa depan. Data mining merupakan sebuah proses untuk mencari informasi yang berguna dalam penyimpanan yang besar berdasarkan metodologi CRISP-DM (Cross Industry Standard Process For Data Mining). Sumber data dalam penelitian ini adalah data saham BBRI dari tahun 2001-2022. Peneliti mendapatkan data pada website kaggle.com. Penelitian ini membandingkan tingkat akurasi prediksi pada algoritma Long ShortTerm Memory (LSTM) dan Regresi Linear berbasis Python maupun aplikasi Orange. Hasil komparasi ditentukan berdasarkan skor Root Mean Square Error (RMSE). Hasil prediksi disajikan dalam bentuk Graphic User Interface dengan media antarmuka. Hasil komparasi algoritma prediksi terhadap dua model dalam data mining, maka model yang lebih akurat adalah algoritma Regresi Linear pada Python. Hal ini dibuktikan dengan nilai RMSE yang lebih rendah, yaitu 286.992.

Actions (login required)

View Item