Perbandingan LSTM dan Bidirectional LSTM pada Sistem Prediksi Harga Saham Berbasis Website
##plugins.themes.academic_pro.article.main##
Published
Nov 16, 2024
Abstract
Saham memainkan peranan penting dalam perekonomian suatu negara karena pasar saham merupakan tempat pertukaran modal yang memengaruhi berbagai aspek perekonomian. Kinerja pasar saham berdampak langsung terhadap kesejahteraan ekonomi negara tersebut. Investasi saham dapat dilakukan di berbagai tempat. Namun, penting bagi investor untuk mengetahui bahwa saham adalah produk keuangan yang memiliki risiko tinggi, meskipun menawarkan imbal hasil yang tinggi. Nilai saham yang berfluktuasi setiap saat tidak mudah diprediksi hanya dengan logika. Hal ini dapat menimbulkan masalah bagi investor yang ingin berinvestasi di pasar saham. Oleh karena itu, penelitian ini bertujuan untuk memprediksi harga saham. Prediksi harga saham dilakukan terhadap enam perusahaan yang berbeda, yaitu PT Bank Mandiri (Persero) Tbk, PT Bank Central Asia Tbk, PT Bank Rakyat Indonesia (Persero) Tbk, PT Aneka Tambang Tbk, PT Adaro Energy Indonesia Tbk, dan PT Timah Tbk. Dalam melakukan prediksi harga saham, digunakan perbandingan antara algoritma Long Short-Term Memory (LSTM) dan Bidirectional Long Short-Term Memory (BiLSTM). Hasil penelitian ini menunjukkan bahwa model LSTM sedikit lebih unggul dibandingkan model BiLSTM dalam memprediksi kinerja PT Bank Rakyat Indonesia (BBRI), dengan selisih sekitar 0,14% berdasarkan MAPE dan 0,0009 berdasarkan MAE. Hal ini menunjukkan bahwa perbedaan kinerja antara LSTM dan BiLSTM tidak terlalu signifikan.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution 4.0 International License.
Hak Cipta :
Penulis yang mempublikasikan manuskripnya di jurnal ini menyetujui ketentuan berikut:
- Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mengakui bahwa Ranah Research : Journal of Multidisciplinary Research and Development berhak menjadi yang pertama menerbitkan dengan lisensi Creative Commons Attribution 4.0 International (Attribution 4.0 International CC BY 4.0) .
- Penulis dapat mengirimkan artikel secara terpisah, mengatur distribusi non-eksklusif manuskrip yang telah diterbitkan dalam jurnal ini ke versi lain (misalnya, dikirim ke repositori institusi penulis, publikasi ke dalam buku, dll.), dengan mengakui bahwa manuskrip telah diterbitkan pertama kali di Ranah Research.
How to Cite
Kwanda, K., Herwindiati , D. E. and Lauro, M. D. (2024) “Perbandingan LSTM dan Bidirectional LSTM pada Sistem Prediksi Harga Saham Berbasis Website”, Ranah Research : Journal of Multidisciplinary Research and Development, 7(1), pp. 26-35. doi: 10.38035/rrj.v7i1.1255.
References
Agusta, A., Ernawati, I., & Muliawati, A. (2021). Prediksi Pergerakan Harga Saham Pada Sektor Farmasi Menggunakan Algoritma Long Short-Term Memory. Informatik : Jurnal Ilmu Komputer, 17(2), 164. https://doi.org/10.52958/iftk.v17i2.3651
Article, G. (2024). Apa itu Diversifikasi ? Mengapa Penting dalam Investasi ? Apa Itu Diversifikasi ? In ICDX Group (pp. 1–10).
Ayunda, N., Ningsih, L., & Sari, A. N. (2022). Pengujian Model Multiplicative Holt Winter’s Exponential Smoothing dalam Pengujian Model Multiplicative Holt Winter’s Exponential Smoothing dalam Peramalan Data Time-Series Terdampak Covid-19. Online) Teknologi: Jurnal Ilmiah Sistem Informasi, 12(1), 41–49.
Cahyani, N. N. M., & Mahyuni, L. P. (2020). Akurasi Moving Average Dalam Prediksi Saham Lq45 Di Bursa Efek Indonesia. E-Jurnal Manajemen Universitas Udayana, 9(7), 2769. https://doi.org/10.24843/ejmunud.2020.v09.i07.p15
Carnegie, M. D. A., & Chairani. (2023). Perbandingan Long Short Term Memory (LSTM) dan Gated Recurrent Unit (GRU) Untuk Memprediksi Curah Hujan. Jurnal Media Informatika Budidarma, 7(3), 1022–1032. https://doi.org/10.30865/mib.v7i3.6213
Dewi, S. P., Nurwati, N., & Rahayu, E. (2022). Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor. Building of Informatics, Technology and Science (BITS), 3(4), 639–648. https://doi.org/10.47065/bits.v3i4.1408
Hanafiah, A., Arta, Y., Nasution, H. O., & Lestari, Y. D. (2023a). Penerapan Metode Recurrent Neural Network dengan Pendekatan Long Short-Term Memory (LSTM) Untuk Prediksi Harga Saham. Bulletin of Computer Science Research, 4(1), 27–33. https://doi.org/10.47065/bulletincsr.v4i1.321
Hanafiah, A., Arta, Y., Nasution, H. O., & Lestari, Y. D. (2023b). Penerapan Metode Recurrent Neural Network dengan Pendekatan Long Short-Term Memory (LSTM) Untuk Prediksi Harga Saham. Bulletin of Computer Science Research, 4(1), 27–33. https://doi.org/10.47065/bulletincsr.v4i1.321
Hartatik, Nurhayati, S. D., & Widayani, W. (2021). Sistem Rekomendasi Wisata Kuliner di Yogyakarta dengan Metode Item-Based Collaborative Filtering Yogyakarta Culinary Recommendation System with Item-Based Collaborative Filtering Method. JACIS : Journal Automation Computer Information System, 1(2), 55–63.
Iman, F. N., & Wulandari, D. (2023). Prediksi Harga Saham Menggunakan Metode Long Short Term Memory. LOGIC : Jurnal Ilmu Komputer Dan Pendidikan, 1(3), 601–616.
Ji, X., Wang, J., & Yan, Z. (2021). A stock price prediction method based on deep learning technology. International Journal of Crowd Science, 5(1), 55–72. https://doi.org/10.1108/IJCS-05-2020-0012
Karyadi, Y. (2022). Prediksi Kualitas Udara Dengan Metoda LSTM, Bidirectional LSTM, dan GRU. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(1), 671–684. https://doi.org/10.35957/jatisi.v9i1.1588
Lestari, M. P., Witarsyah, D. J., & Hamami, F. (2021). Peramalan Pertambahan Pasien Covid-19 Menggunakan Support Vector Regression. E-Proceeding of Engineering, 8(5), 9497–9507.
liang Chan, K., & Hoang, M. (2023). The Promise And Pitfalls Of Indonesia’s Nickel Boom. 1–22.
Mahfuzh, M. F., & Yuliantari, R. V. (2022). Analisis Penerapan Artificial Neural Network Algoritma Propagasi Balik untuk Meramalkan Harga Saham pada Bursa Efek Indonesia. Journal of Applied Electrical Engineering, 6(1), 1–3. https://doi.org/10.30871/jaee.v6i1.3814
Ningtias, I. P., Rosyadi, J., Hadinata, W., Diprianti, A., Faizal, A., Wijaya, H., Perbendaharaan, D. J., & Keuangan, K. (2022). Analisis Data untuk Memprediksi Pagu Minus dan Membantu PPK dalam Pelaksanaan Pengujian Material. Jurnal Manajemen Perbendaharaan, 3(1), 37–56. https://doi.org/10.33105/jmp.v3i1.422
Nurillah, R. A. S., Imrona, M., & Alamsyah, A. (2021). Prediksi Pola Penyebaran Penyakit DBD di Kota Pagar Alam Menggunakan Long Short Term Memory (LSTM). 8(1), 867–882.
Parameshwaran, S. (2023). How Diversification Helps Banks Lend More, Cut Risk, and Boost the Economy - Knowledge at Wharton. 1–6.
Parendra, A., Firmansyah, A., & Prakosa, D. K. (2020). Ukuran Perusahaan, Leverage, Risiko Saham di Perusahaan Perbankan. Dinamika Akuntansi, Keuangan Dan Perbankan, 9(2), 119–132.
Rahayu, P., Rochmana, S., Aprilia, V., & Djuanda, G. (2023). Harga Dan Nilai Saham Pada Sektor Industri Manufaktur Di Pasar Modal Syariah. Tahta Media Group, 1–91.
Rosita, A., Puspitasari, N., & Kamila, V. Z. (2022). Rekomendasi Buku Perpustakaan Kampus Dengan Metode Item-Based Collaborative Filtering. Sebatik, 26(1), 340–346. https://doi.org/10.46984/sebatik.v26i1.1551
Sanglap, R., & Ramos, M. (2023). Indonesian banks keep top slots in market cap ranking on solid economic recovery. Spglobal. https://www.spglobal.com/marketintelligence/en/news-insights/latest-news-headlines/indonesian-banks-keep-top-slots-in-market-cap-ranking-on-solid-economic-recovery-76485501#:~:text=Indonesian banks keep top slots in market cap ranking on solid economic recovery,-Share&text=Indonesian lenders took three of,as the country’s economy recovered.
Sidig, M. (2021). SITEM PREDIKSI PENJUALAN BARANG ELETRONIK MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING DI TOKO HAMBA ELEKTRONIKA. Doctoral Dissertation, Universitas Islam Lamongan.
Soebiantoro, U. (2021). PERDAGANGAN SAHAMYANG PALINGMONCER DALAMMASA PANDEMI COVID. Jurnal Ilmu Ekonomi Pembangunan.
Subowo, E., Artanto, F. A., Putri, I., & Umaedi, W. (2022). BLTSM untuk analisis sentimen berbasis aspek pada aplikasi belanja online dengan cicilan. Jurnal Fasilkom, 12(2), 132–140.
Waroi, E. N., Setyanto, A., & Khusnawi. (2024). Prediksi Harga Laptop Menggunakan Algoritma GRU dan BILSTM. 4(7), 408–424.
Yeng, H., & Siahaan, M. (2024). Perancangan Sistem Prediksi Harga Saham Berbasis Website Menggunakan Algoritma Hybrid (ARIMA-LSTM). Jutisi : Jurnal Ilmiah Teknik Informatika Dan Sistem Informasi, 13(1), 61. https://doi.org/10.35889/jutisi.v13i1.1620
Yusuf, N. Z. (2024). PEMBUATAN MODEL QUALITY CONTROL RAW MILL SEMEN MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK DAN LONG- SHORT TERM MEMORY (STUDI KASUS: PT INDOCEMENT TUNGGAL PRAKARSA Tbk. PLANT- CIREBON).
Article, G. (2024). Apa itu Diversifikasi ? Mengapa Penting dalam Investasi ? Apa Itu Diversifikasi ? In ICDX Group (pp. 1–10).
Ayunda, N., Ningsih, L., & Sari, A. N. (2022). Pengujian Model Multiplicative Holt Winter’s Exponential Smoothing dalam Pengujian Model Multiplicative Holt Winter’s Exponential Smoothing dalam Peramalan Data Time-Series Terdampak Covid-19. Online) Teknologi: Jurnal Ilmiah Sistem Informasi, 12(1), 41–49.
Cahyani, N. N. M., & Mahyuni, L. P. (2020). Akurasi Moving Average Dalam Prediksi Saham Lq45 Di Bursa Efek Indonesia. E-Jurnal Manajemen Universitas Udayana, 9(7), 2769. https://doi.org/10.24843/ejmunud.2020.v09.i07.p15
Carnegie, M. D. A., & Chairani. (2023). Perbandingan Long Short Term Memory (LSTM) dan Gated Recurrent Unit (GRU) Untuk Memprediksi Curah Hujan. Jurnal Media Informatika Budidarma, 7(3), 1022–1032. https://doi.org/10.30865/mib.v7i3.6213
Dewi, S. P., Nurwati, N., & Rahayu, E. (2022). Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor. Building of Informatics, Technology and Science (BITS), 3(4), 639–648. https://doi.org/10.47065/bits.v3i4.1408
Hanafiah, A., Arta, Y., Nasution, H. O., & Lestari, Y. D. (2023a). Penerapan Metode Recurrent Neural Network dengan Pendekatan Long Short-Term Memory (LSTM) Untuk Prediksi Harga Saham. Bulletin of Computer Science Research, 4(1), 27–33. https://doi.org/10.47065/bulletincsr.v4i1.321
Hanafiah, A., Arta, Y., Nasution, H. O., & Lestari, Y. D. (2023b). Penerapan Metode Recurrent Neural Network dengan Pendekatan Long Short-Term Memory (LSTM) Untuk Prediksi Harga Saham. Bulletin of Computer Science Research, 4(1), 27–33. https://doi.org/10.47065/bulletincsr.v4i1.321
Hartatik, Nurhayati, S. D., & Widayani, W. (2021). Sistem Rekomendasi Wisata Kuliner di Yogyakarta dengan Metode Item-Based Collaborative Filtering Yogyakarta Culinary Recommendation System with Item-Based Collaborative Filtering Method. JACIS : Journal Automation Computer Information System, 1(2), 55–63.
Iman, F. N., & Wulandari, D. (2023). Prediksi Harga Saham Menggunakan Metode Long Short Term Memory. LOGIC : Jurnal Ilmu Komputer Dan Pendidikan, 1(3), 601–616.
Ji, X., Wang, J., & Yan, Z. (2021). A stock price prediction method based on deep learning technology. International Journal of Crowd Science, 5(1), 55–72. https://doi.org/10.1108/IJCS-05-2020-0012
Karyadi, Y. (2022). Prediksi Kualitas Udara Dengan Metoda LSTM, Bidirectional LSTM, dan GRU. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(1), 671–684. https://doi.org/10.35957/jatisi.v9i1.1588
Lestari, M. P., Witarsyah, D. J., & Hamami, F. (2021). Peramalan Pertambahan Pasien Covid-19 Menggunakan Support Vector Regression. E-Proceeding of Engineering, 8(5), 9497–9507.
liang Chan, K., & Hoang, M. (2023). The Promise And Pitfalls Of Indonesia’s Nickel Boom. 1–22.
Mahfuzh, M. F., & Yuliantari, R. V. (2022). Analisis Penerapan Artificial Neural Network Algoritma Propagasi Balik untuk Meramalkan Harga Saham pada Bursa Efek Indonesia. Journal of Applied Electrical Engineering, 6(1), 1–3. https://doi.org/10.30871/jaee.v6i1.3814
Ningtias, I. P., Rosyadi, J., Hadinata, W., Diprianti, A., Faizal, A., Wijaya, H., Perbendaharaan, D. J., & Keuangan, K. (2022). Analisis Data untuk Memprediksi Pagu Minus dan Membantu PPK dalam Pelaksanaan Pengujian Material. Jurnal Manajemen Perbendaharaan, 3(1), 37–56. https://doi.org/10.33105/jmp.v3i1.422
Nurillah, R. A. S., Imrona, M., & Alamsyah, A. (2021). Prediksi Pola Penyebaran Penyakit DBD di Kota Pagar Alam Menggunakan Long Short Term Memory (LSTM). 8(1), 867–882.
Parameshwaran, S. (2023). How Diversification Helps Banks Lend More, Cut Risk, and Boost the Economy - Knowledge at Wharton. 1–6.
Parendra, A., Firmansyah, A., & Prakosa, D. K. (2020). Ukuran Perusahaan, Leverage, Risiko Saham di Perusahaan Perbankan. Dinamika Akuntansi, Keuangan Dan Perbankan, 9(2), 119–132.
Rahayu, P., Rochmana, S., Aprilia, V., & Djuanda, G. (2023). Harga Dan Nilai Saham Pada Sektor Industri Manufaktur Di Pasar Modal Syariah. Tahta Media Group, 1–91.
Rosita, A., Puspitasari, N., & Kamila, V. Z. (2022). Rekomendasi Buku Perpustakaan Kampus Dengan Metode Item-Based Collaborative Filtering. Sebatik, 26(1), 340–346. https://doi.org/10.46984/sebatik.v26i1.1551
Sanglap, R., & Ramos, M. (2023). Indonesian banks keep top slots in market cap ranking on solid economic recovery. Spglobal. https://www.spglobal.com/marketintelligence/en/news-insights/latest-news-headlines/indonesian-banks-keep-top-slots-in-market-cap-ranking-on-solid-economic-recovery-76485501#:~:text=Indonesian banks keep top slots in market cap ranking on solid economic recovery,-Share&text=Indonesian lenders took three of,as the country’s economy recovered.
Sidig, M. (2021). SITEM PREDIKSI PENJUALAN BARANG ELETRONIK MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING DI TOKO HAMBA ELEKTRONIKA. Doctoral Dissertation, Universitas Islam Lamongan.
Soebiantoro, U. (2021). PERDAGANGAN SAHAMYANG PALINGMONCER DALAMMASA PANDEMI COVID. Jurnal Ilmu Ekonomi Pembangunan.
Subowo, E., Artanto, F. A., Putri, I., & Umaedi, W. (2022). BLTSM untuk analisis sentimen berbasis aspek pada aplikasi belanja online dengan cicilan. Jurnal Fasilkom, 12(2), 132–140.
Waroi, E. N., Setyanto, A., & Khusnawi. (2024). Prediksi Harga Laptop Menggunakan Algoritma GRU dan BILSTM. 4(7), 408–424.
Yeng, H., & Siahaan, M. (2024). Perancangan Sistem Prediksi Harga Saham Berbasis Website Menggunakan Algoritma Hybrid (ARIMA-LSTM). Jutisi : Jurnal Ilmiah Teknik Informatika Dan Sistem Informasi, 13(1), 61. https://doi.org/10.35889/jutisi.v13i1.1620
Yusuf, N. Z. (2024). PEMBUATAN MODEL QUALITY CONTROL RAW MILL SEMEN MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK DAN LONG- SHORT TERM MEMORY (STUDI KASUS: PT INDOCEMENT TUNGGAL PRAKARSA Tbk. PLANT- CIREBON).