Skripsi

Prediksi harga saham menggunakan algoritma lstm dan gru berbasis web (studi kasus: PT Bank rakyat Indonesia (bbri)) / Nashila Farafisha Qolbie

Abstrak
Perkembangan pasar modal Indonesia mendorong investor untuk mengeksplorasi peluang dan mengatur strategi dalam memitigasi risiko agar memperoleh keuntungan di tengah dinamika pasar. Penelitian ini bertujuan untuk mengembangkan sistem prediksi harga saham berbasis web menggunakan algoritma deep learning Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dengan studi kasus pada saham PT Bank Rakyat Indonesia Tbk (BBRI). Data yang digunakan adalah harga penutupan harian dari tanggal 10 Juni 2019 hingga 10 Maret 2025. Pengembangan sistem dilakukan menggunakan kerangka Waterfall dan diimplementasikan dalam framework Flask. Model dilatih dengan maksimum epoch 200 batch size 32 dan time step 7 serta diuji menggunakan metrik Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model GRU dengan konfigurasi rasio data latih dan data uji 80 20 64 neuron dan dropout 0.1 menghasilkan akurasi tertinggi dengan MAPE sebesar 1.60% sementara model LSTM terbaik dengan konfigurasi rasio data latih dan data uji 80 20 128 neuron dan dropout 0.2 menghasilkan MAPE sebesar 1.80%. Sistem yang dibangun memungkinkan pengguna untuk memprediksi harga saham hingga 13 hari ke depan dan menampilkan hasil dalam bentuk grafik dan tabel.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2025.

Deskripsi Fisik

xii, 36 hlm. : ilus.

Bahasa

Indonesia

No Reg

2134/RS/25

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2025

Subjek

1. ALGORITMA - HARGA SAHAM
2. ALGORITHM - STOCK PRICE

Pembimbing

1. Lucky Tri Oktoviana, S.si, M.kom

Lampiran Berkas