RINALDY HIDAYAT Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Matematika 2023

Skripsi

Kecerdasan buatan telah menjadi alat yang semakin penting dalam berbagai aspek kehidupan manusia, termasuk dalam analisis peramalan saham. Penelitian ini mengkaji implementasi kecerdasan buatan dengan menggunakan Recurrent Neural Network (RNN) berupa Long Short-Term Memory (LSTM) dalam konteks peramalan harga saham Bank Central Asia (BCA). Data historis penutupan harga saham BCA sebanyak 993 data harian digunakan untuk merumuskan model peramalan yang efektif. Model LSTM yang diusulkan dalam penelitian ini terdiri dari dua lapisan LSTM dengan 100 unit pada setiap lapisan, serta dua lapisan dense dengan 25 dan 1 unit masing-masing. Hasil peramalan menggunakan model ini dievaluasi terhadap data aktual dari 26 November 2021 hingga 21 September 2022. Dari hasil penelitian, ditemukan bahwa model LSTM yang diimplementasikan memiliki kinerja peramalan yang baik. Nilai rata-rata kesalahan prediksi (RMSE) model pada saat uji prediksi model lebih kecil yaitu 13.32 dibandingkan dengan model yang dicoba pada saat uji validasi model sebesar 7.733,06 serta diperoleh nilai uji MAPE sebesar 5.13 %, artinya model LSTM memiliki tingkat kesalahan rata-rata sebesar 5.13% dalam memprediksi penutupan harga saham BCA. Kata Kunci: LSTM, Peramalan, Saham, RMSE, MAPE 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 114447 2023-09-08 10:37:40 2023-09-08 11:08:33 machine generated