IMPLEMENTASI BIDIRECTIONAL LONG-SHORT TERM MEMORY (BiLSTM) DAN ALGORITMA GRID SEARCH DALAM PREDIKSI HARGA SAHAM SYARIAH (Studi Kasus pada PT. Telkom Indonesia Tbk)

Abstract

Perkembangan pasar saham di Indonesia saat ini berkembang cukup pesat. Hal ini dapat dilihat berdasarkan jumlah investor yang mengalami peningkatan setiap tahunnya. Saham syariah diluncurkan pertama kali di Indonesia pada tahun 2011 dan dapat diketahui bahwa harga saham tidak selalu stabil atau dapat mengalami kenaikan maupun penurunan, sehingga diperlukan strategi dalam memprediksi harga saham agar dapat mengambil keputusan yang tepat dalam berinvestasi. Dalam penelitian ini, data yang digunakan merupakan data histori harga penutupan saham syariah PT. Telkom Indonesia Tbk dan berdasarkan hasil pengujian RESET test, data pergerakan harga saham tersebut memiliki pola non linear. Oleh karena itu, digunakan metode dengan pendekatan machine learning yang dapat memprediksi data berpola non linear yaitu metode Bidirectional Long Short-Term Memory (BiLSTM). Dalam memperoleh model prediksi, diperlukan tuning parameter menggunakan algoritma grid search untuk memperoleh nilai parameter terbaik seperti epoch, batch, neurons, dan dropout. Berdasarkan hasil pengujian diperoleh bahwa nilai Mean Absolute Percentage Error (MAPE) terkecil berada pada model BiLSTM-Grid Search pada pembagian data dengan persentase 90% data training dan 10% data testing serta nilai parameter berdasarkan tuning menggunakan grid search yaitu neuron 25, epoch 50, batch 4, dan dropout 0,2. Nilai MAPE yang diperoleh dalam penelitian ini yaitu 10,83% dan berdasarkan kriteria nilai MAPE, maka model prediksi yang diperoleh termasuk dalam kriteria akurat.

Description

Keywords

Bidirectional Long Short Term Memory, Grid Search, Harga Saham Syariah

Citation