Implementasi Metode Bidirectional Long Short Term Memory Untuk Prediksi Harga Penutupan Saham Blue Chip

Investasi saham semakin diminati masyarakat, khususnya pada saham blue chip yang memiliki kapitalisasi pasar besar dan cenderung lebih stabil. Namun, harga saham bersifat fluktuatif sehingga diperlukan metode peramalan yang akurat untuk mendukung pengambilan keputusan investasi. Penelitian ini bertujuan untuk melakukan peramalan harga penutupan saham blue chip pada emiten BBRI, ANTM, dan TLKM yang terdaftar di Bursa Efek Indonesia (BEI) menggunakan metode Bidirectional Long Short Term Memory (BiLSTM) dengan optimasi hyperparameter menggunakan Bayesian optimization. Pengujian dilakukan menggunakan enam skenario yang merupakan kombinasi rasio pembagian data 70:30, 80:20, dan 90:10 serta jumlah iterasi Bayesian optimization sebanyak 25 dan 50. Kinerja model dievaluasi menggunakan Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa skenario terbaik pada saham BBRI menghasilkan RMSE sebesar 134,88 dan MAPE sebesar 2,58%, pada saham ANTM menghasilkan RMSE sebesar 62,30 dan MAPE sebesar 2,17%, serta pada saham TLKM menghasilkan RMSE sebesar 59,49 dan MAPE sebesar 1,35%. Seluruh nilai MAPE yang diperoleh berada di bawah 10%, sehingga menunjukkan bahwa metode BiLSTM yang dioptimasi menggunakan Bayesian optimization mampu menghasilkan tingkat kesalahan peramalan yang rendah dan memberikan performa yang sangat baik dalam peramalan harga penutupan saham blue chip.