Deskripsi Fisik

xxi + 235 hal; 21 X 30 cm

Subyek

Saham

Kata Kunci

Anotasi

ABSTRAK Latar Belakang: Pasar saham merupakan salah satu instrumen investasi yang banyak diminati oleh investor karena memiliki potensi keuntungan yang besar. Di antara berbagai jenis saham, saham blue chip adalah saham yang dianggap paling stabil dan menguntungkan karena berasal dari perusahaan-perusahaan besar dan terpercaya dengan fundamental yang kuat. Di Indonesia, saham-saham dalam kategori blue chip umumnya tergabung dalam Indeks LQ45, yaitu indeks yang terdiri dari 45 perusahaan teratas dengan likuiditas tinggi serta kapitalisasi pasar besar. Meskipun saham blue chip lebih stabil dibandingkan jenis saham lainnya, pergerakan harga saham tetap menjadi tantangan karena dipengaruhi oleh banyak faktor, seperti kondisi ekonomi global, kebijakan pemerintah, inflasi, serta kinerja perusahaan. Oleh karena itu, dibutuhkan metode analisis yang dapat memahami pola dan tren data historis untuk membantu memprediksi harga di masa mendatang. Salah satu metode yang dapat digunakan adalah Long Short-Term Memory (LSTM), karena kemampuannya dalam mengenali pola jangka pendek dan panjang dalam data time series. Tujuan: Penelitian ini bertujuan untuk membangun model prediksi harga saham blue chip menggunakan metode Long Short-Term Memory (LSTM) dan mengevaluasi hasil prediksi berdasarkan metrik evaluasi yang digunakan. Metode: Penelitian ini menggunakan metode Long Short-Term Memory (LSTM) untuk melakukan prediksi harga saham blue chip pada indeks LQ45. Data yang digunakan adalah data historis lima saham sektor keuangan, yaitu BBCA, BBNI, BBRI, BBTN, dan BMRI, dalam periode 1 Januari 2018 hingga 1 Januari 2024. Data diambil dari Yahoo Finance dan dilakukan normalisasi menggunakan Min-Max Scaler, pembagian data latih dan uji, serta pelatihan model dengan variasi parameter seperti epoch, batch size, dan jumlah neuron. Evaluasi model dilakukan menggunakan MAE, MSE, RMSE, dan F1-Score. Hasil: Penelitian ini menghasilkan aplikasi prediksi harga saham berbasis web menggunakan metode LSTM. Data yang digunakan berasal dari lima saham sektor keuangan yang tergabung dalam indeks LQ45. Evaluasi dilakukan berdasarkan enam variasi parameter pelatihan. Hasil pengujian menunjukkan performa terbaik diperoleh pada saham BBCA dalam skenario prediksi harian, dengan nilai MAE sebesar 1,18% dan RMSE sebesar 1,53%. Hasil ini menunjukkan bahwa LSTM cukup efektif untuk memprediksi harga saham dalam jangka pendek. Kesimpulan: Evaluasi model prediksi harga saham menggunakan LSTM terhadap lima saham sektor keuangan dalam indeks LQ45 menunjukkan bahwa LSTM mampu menghasilkan prediksi yang cukup akurat, khususnya untuk skenario prediksi jangka pendek. Performa terbaik diperoleh pada saham BBCA dalam skenario prediksi harian, dengan MAE sebesar 1,18% dan RMSE sebesar 1,53%. Nilai evaluasi lainnya seperti MSE dan F1-Score juga menunjukkan bahwa model dapat mengenali pola data historis dengan baik. Hasil ini membuktikan bahwa metode LSTM efektif digunakan dalam memprediksi harga saham blue chip dan dapat dimanfaatkan sebagai alat bantu dalam pengambilan keputusan investasi. Model dapat ditingkatkan lebih lanjut melalui optimasi parameter dan pembaruan data secara berkala.