Prediksi Harga Saham Bluechip Menggunakan Metode Deep Learning Berbasis RNN Berdasarkan Integrasi Analisis Teknikal Saham, Analisis Fundamental Perusahaan dan Analisis Sentimen Berita

Adiatmaja, Gagatsatya (2025) Prediksi Harga Saham Bluechip Menggunakan Metode Deep Learning Berbasis RNN Berdasarkan Integrasi Analisis Teknikal Saham, Analisis Fundamental Perusahaan dan Analisis Sentimen Berita. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of Buku.pdf] Text
Buku.pdf - Accepted Version
Restricted to Repository staff only until 1 April 2027.
Download (13MB) | Request a copy
[thumbnail of 6026231008-Master_Thesis.pdf] Text
6026231008-Master_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 April 2027.
Download (13MB) | Request a copy

Abstract

Prediksi harga saham merupakan aspek penting dalam pengambilan keputusan
investasi di pasar modal. Fluktuasi harga saham yang tidak pasti disebabkan oleh
berbagai faktor ekonomi global, kebijakan moneter dan sentimen pasar. Penelitian
ini bertujuan untuk mengembangkan model prediksi harga saham menggunakan
metode deep learning berbasis Reccurent Neural Network (RNN), seperti Long
Short Term Memory (LSTM), dengan mengintegrasikan analisis teknikal,
fundamental dan sentimen berita. Data yang digunakan mencakup tiga saham blue�chip Indonesia yaitu Bank BCA (BBCA), Astra International (ASII) dan Telkom
Indonesia (TLKM), yang termasuk dalam indeks LQ45 dan IDX30. Analisis
teknikal melibatkan indikator seperti moving average dan volume perdagangan,
sementara analisis fundamental memanfaatkan rasio keuangan tahunan, serta
sentimen berita dari portal berita detik.com yang diekstraksi menggunakan
IndoBERT. Secara keseluruhan, kombinasi ketiga fitur teknikal, fundamental dan
sentimen berita memberikan hasil prediksi terbaik. Model Bi-LSTM dan Bi-GRU
terbukti lebih baik, dimana pada saham TLKM model terbaik yaitu Bi-LSTM
dengan nilai RMSE sebesar 65.2. Pada saham BBCA model terbaik adalah Bi-GRU
dengan RMSE sebesar 97.79 dan pada saham ASII model Bi-LSTM memberikan
RMSE terendah sebesar 119.49. Hasil penelitian ini diharapkan dapat memberikan
kontribusi signifikan dalam pengembangan metode prediksi harga saham yang
lebih akurat dan komprehensif.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Prediksi harga saham, Deep learning, Analisis teknikal, Analisis fundamental, Sentimen berita. Stock price prediction, Deep learning, Technical analysis, Fundamental analysis, News sentiment
Subjects: T Technology > T Technology (General) > T174 Technological forecasting
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 59101-(S2) Master Thesis
Depositing User: Gagatsatya Adiatmaja
Date Deposited: 03 Feb 2025 01:19
Last Modified: 03 Feb 2025 01:19
URI: http://repository.its.ac.id/id/eprint/117511

Actions (login required)

View Item View Item