Peramalan Harga Saham Bank Negara Indonesia Menggunakan Metode Long Short-Term Memory Neural Network

Dewana, Fransiskus Xaverius Ganang (2021) Peramalan Harga Saham Bank Negara Indonesia Menggunakan Metode Long Short-Term Memory Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 05211440000137-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (5MB) | Request a copy

Abstract

Investasi adalah sebuah tindakan yang dilakukan oleh setiap investor ketika ia ingin mendapatkan keuntungan di masa mendatang. Tindakan tersebut dapat dilakukan dengan menggunakan sejumlah uang untuk membeli barang atau aset dengan nilai tukar yang selalu meningkat beriring berjalannya waktu, atau dengan menanamkan sejumlah uang yang dimiliki oleh investor kedalam sebuah objek investasi yang dapat mengembalikan biaya investasi, serta memberikan keuntungan kepada investor. Salah satu objek investasi yang dapat memberikan keuntungan adalah saham perusahaan, dimana investor dapat menanamkan modal kedalam sebuah perusahaan, lalu mendapatkan keuntungan melalui penjualan modal dengan harga yang lebih tinggi, atau melalui dividen yang diberikan secara langsung oleh perusahaan. Berdasarkan daftar perusahaan terbesar di dunia yang dimuat oleh Forbes, Global 2000 The World’s Largest Public Companies pada tanggal 15 Mei 2019 lalu, Indonesia memiliki 6 perusahaan yang termasuk dalam daftar tersebut, sehingga dengan menanamkan investasi kedalam perusahaan, investor akan memiliki kemungkinan dalam mendapatkan keuntungan yang cukup baik. Dalam investasi harga saham perusahaan, investor perlu menentukan kapan akan membeli saham, dan kapan akan menjual saham. Hal ini dapat dilakukan dengan melakukan peramalan terhadap data dan pola data masa lampau yang diketahui. Long Short-Term Memory Neural Network merupakan salah satu metode peramalan yang dapat digunakan dalam menghadapi ketidakstabilan pola data yang sering terjadi pada harga saham perusahaan. Tugas akhir ini memberikan model peramalan harga saham pada perusahaan di Indonesia. Hasil dari penelitian ini adalah sebuah model peramalan yang memiliki Mean Absolute Percentage Error sebesar 4,1 persen. Hasil penelitian ini dapat membantu investor dalam menentukan perusahaan yang akan ditentukan sebagai objek investasi..
================================================================================================
Investation is done by investors when they want to gain profit. It is done by using a certain amount of money to gain items or assets that has an increasing value over time, or by putting a certain amount of money into an object of investation that return and give more money to investors. One object that could give profit is a company stock, where investors would use their money to buy stocks of a company, then gain profit by selling them on a higher price, or through a dividen that is given directly from the company. Based on a list made by Forbes, Global 2000 The World's Largest Public Companies on 15th of May 2019, Indonesia has 6 companies that is included on the list, investors who invest in companies will have a relatively good chance to gain profit. In company stock investation, investors need to know when to buy stocks, and when to sell stocks. This can be done by predicting future data using old data and patterns that we already know. Long Short-Term Memory Neural Network is a forecasting method that can be used to forecast company stock prices, due to its ability to handle data pattern unstability that company stock prices usually have. This final project provides a forecasting model for companies in Indonesia. The results of this study is a forecasting model with a Mean Absolute Percentage Error of 4,1 percent, which is expected to help investors determine which companies to use as an investation object.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Investasi, Saham, Peramalan Harga Saham,Investation, Stock, Stock Price Forecasting
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Fransiskus Xaverius Ganang Dewana
Date Deposited:	23 Aug 2021 03:20
Last Modified:	23 Aug 2021 03:20
URI:	http://repository.its.ac.id/id/eprint/88552

Actions (login required)

View Item