Melola Discovery

← Melola Discovery

Jurnal

PEMODELAN HARGA SAHAM MENGGUNAKAN METODE LONG SHORT TERM MEMORY

Unnes Journal of Mathematics · Vol. 11 No. 2 (2023) · hlm. 141–152

DOI
10.15294/ujm.v11i2.59758
ISSN
2460-5859, 2252-6943
Terbit
2023-07-07
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

Penelitian ini bertujuan untuk mengetahui peramalan harga saham PT XL Axiata Tbk, PT Indosat Tbk, dan PT Telkom Indonesia Tbk menggunakan Long Short Term Memory (LSTM) dan Automatic ARIMA (auto ARIMA) melalui program python. Data harga penutupan saham mulai tanggal 01 Januari 2015 sampai 31 Desember 2020 dibagi menjadi dua, yaitu 80% data training dan 20% data testing. Data diproses menggunakan masing-masing metode secara terpisah. Tahapan penelitian pada metode LSTM yaitu, data preprocessing, build model, model selection, dan peramalan. Paramater fokus pada metode LSTM yaitu jumlah epoch dan jumlah neuron. Tahapan penelitian pada metode auto ARIMA yaitu, data preparation, build model, dan peramalan. Setelah kedua data diramalkan, data dibandingkan dengan metriks akurasi MSE dan RMSE. Pada penelitian ini, disimpulkan bahwa metode auto ARIMA lebih baik dibandingkan dengan metode LSTM untuk meramalkan saham PT XL Axiata Tbk dan PT Telkom Indonesia Tbk, serta metode LSTM lebih baik dibandingkan dengan metode auto ARIMA untuk meramalkan saham PT Indosat Tbk.

Jaringan kolaborasi para penulis

40 penulis · 74 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Tadulako University
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Zaenuri ZaenuriState University of Semarang3
Fajar Sodik PamungkasAfiliasi tidak diketahui3
Dedy KurniantoAfiliasi tidak diketahui3
Mohammad AsikinState University of Semarang2
Muhammad AshimAfiliasi tidak diketahui2
Nur HasanahTadulako University2
Rohimatul AzizahAfiliasi tidak diketahui2
Bayu Dwi PrasetyaAfiliasi tidak diketahui2
Fatkhurokhman FauziAfiliasi tidak diketahui2
Alfina AkmalinaAfiliasi tidak diketahui1
Elya Gita AstutiAfiliasi tidak diketahui1
Annisa IkrimahAfiliasi tidak diketahui1
Supriyono SupriyonoAfiliasi tidak diketahui1
Mohammad Jefrie Ilham AkbarAfiliasi tidak diketahui1
Faris Febri RahantoAfiliasi tidak diketahui1
Muhammad Nurul MuttaqinAfiliasi tidak diketahui1
WardonoAfiliasi tidak diketahui1
MunaAfiliasi tidak diketahui1
Tri Sri Noor AsihAfiliasi tidak diketahui1
St. Budi WaluyaAfiliasi tidak diketahui1
Rizki Ahid NurhasanahAfiliasi tidak diketahui1
Petronela Ivoni SusantyAfiliasi tidak diketahui1
Kartono KartonoState University of Semarang1
Luluk Ulfa ChasaniAfiliasi tidak diketahui1
Tri Sri Noor AsihAfiliasi tidak diketahui1
Wardono WardonoAfiliasi tidak diketahui1
Alif Aulia RahmanAfiliasi tidak diketahui1
Nurlaela Eka CahyatiAfiliasi tidak diketahui1
Dahayu WidyadhanAfiliasi tidak diketahui1
Rina Budi HastutiAfiliasi tidak diketahui1
Muhammad Arif Nurman AryaAfiliasi tidak diketahui1
Putri Anis QoriAfiliasi tidak diketahui1
Dhama Sekar OktafaniAfiliasi tidak diketahui1
Meishita Inelza PutriAfiliasi tidak diketahui1
Insyiraah Oxaichiko ArissintaAfiliasi tidak diketahui1
Indah Dwi SulistiyawatiAfiliasi tidak diketahui1
Detalia Noriza MunahefiAfiliasi tidak diketahui1
Firdha Dwi LestariAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/ujm/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">PEMODELAN HARGA SAHAM MENGGUNAKAN METODE LONG SHORT TERM MEMORY</dc:title>
	<dc:creator>Lubis, Jannatun Khustia</dc:creator>
	<dc:creator>Kharisudin, Iqbal</dc:creator>
	<dc:description xml:lang="en-US">Penelitian ini bertujuan untuk mengetahui peramalan harga saham PT XL Axiata Tbk, PT Indosat Tbk, dan PT Telkom Indonesia Tbk menggunakan Long Short Term Memory (LSTM) dan Automatic ARIMA (auto ARIMA) melalui program python. Data harga penutupan saham mulai tanggal 01 Januari 2015 sampai 31 Desember 2020 dibagi menjadi dua, yaitu 80% data training dan 20% data testing. Data diproses menggunakan masing-masing metode secara terpisah. Tahapan penelitian pada metode LSTM yaitu, data preprocessing, build model, model selection, dan peramalan. Paramater fokus pada metode LSTM yaitu jumlah epoch dan jumlah neuron. Tahapan penelitian pada metode auto ARIMA yaitu, data preparation, build model, dan peramalan. Setelah kedua data diramalkan, data dibandingkan dengan metriks akurasi MSE dan RMSE. Pada penelitian ini, disimpulkan bahwa metode auto ARIMA lebih baik dibandingkan dengan metode LSTM untuk meramalkan saham PT XL Axiata Tbk dan PT Telkom Indonesia Tbk, serta metode LSTM lebih baik dibandingkan dengan metode auto ARIMA untuk meramalkan saham PT Indosat Tbk.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2023-07-07</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/ujm/article/view/59758</dc:identifier>
	<dc:identifier>10.15294/ujm.v11i2.59758</dc:identifier>
	<dc:source xml:lang="en-US">Unnes Journal of Mathematics; Vol 11 No 2 (2022); 141-152</dc:source>
	<dc:source>2460-5859</dc:source>
	<dc:source>2252-6943</dc:source>
	<dc:source>10.15294/ujm.v11i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/ujm/article/view/59758/24666</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2022 Unnes Journal of Mathematics</dc:rights>
</oai_dc:dc>