YOHANES, EVAN RISKY (2023) PREDIKSI PERGERAKAN HARGA INDEKS SEKTOR TEKNOLOGI PADA BURSA EFEK INDONESIA MENGGUNAKAN LSTM. S1 thesis, Universitas Atma Jaya Yogyakarta.

Text (EVAN RISKY YOHANES)
18 07 09899 0.pdf

File Pdf (622kB)
Text
18 07 09899 1.pdf

File Pdf (464kB)
Text
18 07 09899 2.pdf

File Pdf (452kB)
Text
18 07 09899 3.pdf
Restricted to Registered users only

File Pdf (692kB)
Text
18 07 09899 4.pdf
Restricted to Registered users only

File Pdf (922kB)
Text
18 07 09899 5.pdf
Restricted to Registered users only

File Pdf (3MB)
Text
18 07 09899 6.pdf

File Pdf (521kB)

Abstract

Semenjak virus COVID-19 menyebar di Indonesia pada 2020, masyarakat
banyak yang di PHK sehingga membuat masyarakat berinvestasi agar tetap
mendapatkan penghasilan. Perdagangan saham di Indonesia dilakukan melalui Bursa
Efek Indonesia yang didalamnya terdapat Indeks Sektor Teknologi (IDXTECHNO).
Terdapat dua metode dalam analisa suatu saham yaitu analisa teknikal dan analisa
fundamental. Pada penelitian ini analisa teknikal dapat dilakukan menggunakan
machine learning. Berdasarkan penelitian ini, ditemukan permasalahan mengenai
metode apa yang dapat digunakan dalam melakukan prediksi harga suatu indeks yang
memiliki akurasi tinggi, tingkat kesalahan terkecil serta kesesuaian prediksi dengan
harga sebenarnya.
Penelitian diawali dengan melakukan pengumpulan dan analisa pada dataset
harga IDXTECHNO dengan rentang waktu 25 Januari 2021 hingga 31 Maret 2022.
Proses selanjutnya yaitu preprocessing data, mengembangkan model, melakukan
pelatihan dan membuat evaluasi. Peroses akhir yang dilakukan yaitu melakukan
prediksi menggunakan model yang telah dibuat agar mendapatkan hasil serta
melakukan analisis, pembahasan dan pembandingan berdasarkan hasil yang telah
didapatkan.
Berdasarkan hasil pembahasan, hasil terbaik dalam memprediksi harga
didapatkan oleh metode BLSTM 150. Hal ini karena hasil dari evaluasi yang dilakukan memiliki nilai yang terendah dibandingkan dengan LSTM, GRU dan prophet. Nilai
yang didapatkan berupa RMSE sebesar 537,949, MAE sebesar 717,898 dan MAPE
sebesar 6,92%.

Item Type: Thesis (S1)
Uncontrolled Keywords: IDXTECHNO, LSTM, BLSTM, GRU, Prophet
Subjects: Teknik Informatika > Soft Computing
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Date Deposited: 27 Feb 2023 07:12
Last Modified: 27 Feb 2023 07:12
URI: https://repository.uajy.ac.id/id/eprint/28573

Actions (login required)

View Item
View Item