Perbandingan Metode Xlstm dan Bi-Lstm untuk Prediksi Harga Saham di Indonesia
Lie, Po (2026) Perbandingan Metode Xlstm dan Bi-Lstm untuk Prediksi Harga Saham di Indonesia. Skripsi thesis, Universitas Tanjungpura.
|
PDF (Cover-Bab1)
Cover-Bab1_H1101221039.pdf - Published Version Download (655kB) |
|
|
PDF (H1101221039_LIE_PO)
H1101221039_LIE_PO.pdf - Accepted Version Restricted to Repository staff only Download (5MB) |
Abstract
Penelitian ini membandingkan performa dari dua metode prediksi deep learning, yaitu Extended Long Short-Term Memory (xLSTM) dan Bidirectional Long Short- Term Memory (Bi-LSTM) dalam memprediksi harga saham INDF.JK, CPIN.JK, dan BRPT.JK yang menggunakan data historis dari Januari 2014 hingga Desember 2024 yang diperoleh dari Yahoo Finance. CRISP-DM memiliki tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Selama data preparation, data dibersihkan, dilakukan pemilihan atribut, dan pembagian data latih dan data uji menjadi 3 rasio yakni 90:10, 80:20, dan 70:30, kemudian data dinormalisasikan, hingga pembuatan sequence. Metode xLSTM dan Bi-LSTM dilatih dengan data latih pada setiap skenario pada setiap emiten, kemudian dievaluasi menggunakan RMSE dan MAPE. Hasil evaluasi menunjukkan xLSTM memiliki performa sedikit lebih optimal dibandingkan Bi- LSTM. Rata-rata MAPE dari xLSTM sebesar 1,70% dan Bi-LSTM sebesar 1,95%, xLSTM unggul 0,25% dibandingkan Bi-LSTM. Skenario INDF.JK 90:10, xLSTM memiliki RMSE 82,29, MAPE 0,92%, Bi-LSTM memiliki RMSE 98,16, MAPE 1,10%. INDF.JK 80:20, xLSTM memiliki RMSE 83,88, MAPE 0,96%, Bi-LSTM memiliki RMSE 87,15, MAPE 1,03%. INDF.JK 70:30, xLSTM memiliki RMSE 89,42, MAPE 1,08%, Bi-LSTM memiliki RMSE 93,74, MAPE 1,18%. CPIN.JK 90:10, xLSTM memiliki RMSE 84,65, MAPE 1,29%, Bi-LSTM memiliki RMSE 90,99, MAPE 1,40%. CPIN.JK 80:20, xLSTM memiliki RMSE 97,03, MAPE 1,44%, Bi-LSTM memiliki RMSE 105,41, MAPE 1,57%. CPIN.JK 70:30, xLSTM memiliki RMSE 98,03, MAPE 1,43%, Bi-LSTM memiliki RMSE 106,26, MAPE 1,58%. BPRT.JK 90:10, xLSTM memiliki RMSE 52,41, MAPE 2,92%, Bi-LSTM memiliki RMSE 65,95, MAPE 3,91%. BPRT.JK 80:20, xLSTM memiliki RMSE 49,56, MAPE 2,75%, Bi-LSTM memiliki RMSE 50,99, MAPE 3,04%. BPRT.JK 70:30, xLSTM memiliki RMSE 39,73, MAPE 2,50%, Bi-LSTM memiliki RMSE 45,67, MAPE 2,76%. Dengan demikian, hasil penelitian ini menunjukkan bahwa metode xLSTM memberikan performa prediksi yang sedikit lebih optimal dibandingkan dengan Bi-LSTM dalam memprediksi harga saham.
| Item Type: | Thesis (Skripsi) | ||||||
|---|---|---|---|---|---|---|---|
| Creators: |
|
||||||
| 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: | Sri Yulihartini | ||||||
| Depositing User: | Sri Yulihartini | ||||||
| Date Deposited: | 11 Nov 2026 09:29 | ||||||
| Last Modified: | 11 Nov 2026 09:29 | ||||||
| URI: | https://repository.untan.ac.id/id/eprint/10664 |
Actions (login required)
![]() |
View Item |
