Logo UNTAN Universitas
Tanjungpura
Pontianak

Perbandingan Metode Bi-LSTM dan GRU untuk Prediksi Harga Saham PT. Blue Bird Tbk

Weni, Weni (2025) Perbandingan Metode Bi-LSTM dan GRU untuk Prediksi Harga Saham PT. Blue Bird Tbk. Skripsi thesis, Universitas Tanjungpura.

[img] PDF (Cover-Bab1)
Cover-Bab1_H1101211013.pdf - Published Version

Download (529kB)
[img] PDF (H1101211013_WENI)
H1101211013_WENI.pdf - Accepted Version
Restricted to Repository staff only

Download (2MB)

Abstract

Pergerakan harga saham yang dinamis menuntut metode prediksi yang akurat untuk mendukung pengambilan keputusan investasi. Penelitian ini membandingkan dua algoritma deep learning, yaitu Bidirectional Long Short-Term Memory (Bi-LSTM) dan Gated Recurrent Unit (GRU), dalam memprediksi harga saham PT. Blue Bird Tbk menggunakan data historis dari Januari 2015 hingga September 2024 yang diperoleh dari Yahoo Finance. Setelah melalui tahap preprocessing, data dibagi ke dalam empat skenario 80% data pelatihan 20% data pengujian, 70% data pelatihan 30% data pengujian, 60% data pelatihan 40% data pengujian, 90% data pelatihan 10% data pengujian dan di uji menggunakan metrik MAPE, MSE, dan RMSE. Hasil evaluasi menunjukkan bahwa GRU memberikan hasil prediksi yang lebih akurat dibandingkan Bi-LSTM. Rata-rata MAPE GRU sebesar 2,46%, MSE 3,72×10−5, dan RMSE 0,0056, sedangkan Bi-LSTM memiliki MAPE rata-rata 3,44%, MSE 6,29×10−5, dan RMSE 0,0080. Pada skenario terbaik yaitu skenario 90% data latih dan 10% data uji, GRU mencapai MAPE 1,50%, jauh lebih baik dari Bi-LSTM yang mencatat 2,67%. Dengan demikian, hasil penelitian menunjukkan bahwa metode GRU memberikan performa prediksi yang lebih akurat dibandingkan Bi LSTM, dengan keduanya tetap menunjukkan kemampuan yang baik dalam memodelkan data. Penelitian ini dapat menjadi referensi dalam pemilihan metode yang sesuai untuk analisis dan prediksi harga saham menggunakan pendekatan deep learning di Indonesia.

Item Type: Thesis (Skripsi)
Creators:
CreatorsNomor Induk Mahasiswa (NIM)Email
Weni, WeniNIMH1101211013UNSPECIFIED
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Sistem Informasi S1
SWORD Depositor: Rudiarti Rudiarti
Depositing User: Rudiarti Rudiarti
Date Deposited: 14 Sep 2026 02:44
Last Modified: 14 Sep 2026 02:46
URI: https://repository.untan.ac.id/id/eprint/8297

Actions (login required)

View Item View Item