Text

PREDIKSI HARGA INDEKS SAHAM KOMPAS 100 DENGAN MODEL LONG SHORT-TERM MEMORY DAN CONVOLUTIONAL NEURAL NETWORK

---

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja dua model deep learning, yaitu Long Short-Term Memory (LSTM) dan Convolutional Neural Network (CNN), dalam memprediksi harga saham yang tergabung dalam Indeks Kompas 100 berdasarkan data historis. Dengan menggunakan data harga penutupan harian dari 100 saham pada periode 1 Januari 2019 hingga 31 Desember 2024, model dilatih dan dievaluasi menggunakan metrik Mean Absolute Percentage Error (MAPE) untuk mengukur akurasi prediksi. Hasil penelitian menunjukkan bahwa model LSTM secara konsisten memiliki akurasi yang lebih tinggi dibandingkan CNN, dengan rata-rata nilai MAPE sebesar ±1,84, dibandingkan CNN sebesar ±2,17. Sebanyak 72% saham menunjukkan performa prediktif yang lebih baik menggunakan LSTM. Temuan ini memberikan indikasi bahwa pasar saham Indonesia belum sepenuhnya efisien dalam bentuk lemah, karena informasi historis masih memiliki daya prediktif yang signifikan. Dengan demikian, pendekatan machine learning berbasis data historis dapat digunakan untuk meningkatkan pengambilan keputusan investasi dan menguji validitas teori Efficient Market Hypothesis dan Random Walk dalam konteks pasar negara berkembang.

---

Availability

30007790

7790

RLC MM (Rak Tesis)

Available

Detail Information

Series Title

-

Statement of Responsibility

Ammar Iskandar Zulkarnain

Call Number

7790

Publisher

Salemba, Jakarta : Magister Manajemen FEB UI., 2025

Collation

xii, 288 p. : ill. ; 30 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

650

Content Type

-

Edition

-

Subject(s)

Manajemen Keuangan
Tesis
Empirik
Long Short-Term Memory (LSTM)
Stock Price Prediction
Kompas 100 Index
Convolutional Neural Network (CNN)
Mean Absolute Percentage Error (MAPE)

Specific Detail Info

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment