Electronic Theses and Dissertation

Harga saham merupakan salah satu indikator dalam dunia investasi dan peramalan harga saham merupakan aspek yang penting dalam mendukung pengambilan keputusan investasi. Penelitian ini bertujuan untuk menerapkan metode Gated Recurrent Unit (GRU) dalam meramalkan harga penutupan saham PT Adaro Energy Indonesia Tbk. GRU merupakan salah satu varian dari Recurrent Neural Network (RNN) yang efektif dalam memodelkan data time series. Data yang digunakan dalam penelitian ini sebanyak 1231 harga penutupan saham harian PT Adaro Energy Indonesia Tbk dimulai dari tanggal 2 Januari 2019 sampai dengan 29 Desember 2023. Metode GRU dilatih dengan variasi ukuran batch size 16 dan 32 dengan masing-masing epoch 100, 200, 300, dan 400. Kinerja model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa variasi ukuran batch size dan epoch mempengaruhi akurasi model GRU. Batch size 32 dan epoch 300 menghasilkan nilai MAPE terendah yaitu sebesar 1,78% pada proses pengujian. Hasil model tersebut digunakan untuk memprediksi harga saham periode 2 Januari 2024 sampai dengan 31 Mei 2024. Tingkat akurasi hasil prediksi yang dievaluasi dengan MAPE adalah sebesar 1,30%, artinya hasil prediksi termasuk kategori yang sangat baik.

Kata kunci: Gated Recurrent Unit, MAPE, Saham.

Stock Price is one of the indicators in the investment world and stock Price forecasting is an important aspect in supporting investment decision making. This research aims to apply the Gated Recurrent Unit (GRU) method in forecasting the closing stock Price of PT Adaro Energy Indonesia Tbk. GRU is a variant of Recurrent Neural Network (RNN) which is effective in modeling time series data. The data used in this study were 1231 daily closing stock Prices of PT Adaro Energy Indonesia Tbk starting from January 2, 2019 to December 29, 2023. The GRU method was trained with batch size variations of 16 and 32 with each epoch of 100, 200, 300, and 400. Model performance was evaluated using Mean Absolute Percentage Error (MAPE). The results showed that variations in batch size and epoch affected the accuracy of the GRU model. Batch size 32 and epoch 300 produced the lowest MAPE value of 1,78% in the testing process. The model results are used to predict stock Prices for the period January 2, 2024 to May 31, 2024. The accuracy of the prediction results evaluated by MAPE is 1,30%, meaning that the prediction results are in a very good category. Keywords: Gated Recurrent Unit, MAPE, Stock.