PENERAPAN ALGORITMA LONG-SHORT TERM MEMORY UNTUK PREDIKSI HARGA SAHAM

Investasi saham selama ini memiliki resiko kerugian yang sangat besar dikarenakan pergerakan harga saham sangat tidak menentu, dalam meminimalkan resiko kerugian diperlukan pengetahuan dalam membaca pergerakan harga saham. Dengan perkembangan teknologi kecerdasan buatan dan pemrosesan perdiksisaat ini, pergerakan harga saham dapat di identifikasi dengan cara otomatis secara perhitungan matematis yang sangat kompleks. Perhitungan ini adalah Deep Learning yang merupakan salah satu teknologi kecerdasan buatan yang memiliki akurasi pengenalan yang tinggi dengan data yang banyak. Penelitihan ini menggunakan teknik Deep learning, Recurrent Neural Networks (RNN) modul pemrosesan Long-Short Term Memory (LSTM) untuk melakukan prediksi harga saham. Fitur yang digunakan dalam pemrosesan prediksi yaitu Data harga penutupan saham (harga closing) PT Semen Indonesia (Persero) Tbk, dari tanggal (09/01/2014) sampai (09/01/2020), sebanyak 1500 data. Dengan adanya gerbang - gerbang didalam metode Neural Network algoritma LSTM ini dapat menyeleksi data yang perlu diingat ataupun dilupakan dalam proses perhitungannya. Berdasarkan hasil prediksi harga saham menghasilkan keakuratan yang sangat bagus dengan 100 proses pelatihan dari 13 proses uji coba dengan berbagai nilai parameter learning rate yang berbeda - beda dan mendapatkan rata-rata akurasi 94,92 %. Dan yang menghasilkan hasil terbaik adalah skenario ke tiga dengan parameter epoch 50, learning rate 0.2 dan menghasilkan MSE 0.51 dan MAPE 0.38%, akurasinya 99.62%