Melola Discovery

← Melola Discovery

Jurnal

Metode Long Short Term Memory dan Generalized Autoregressive Conditional Heteroscedasticity untuk Pemodelan Data Saham

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 4 (2021) · hlm. 652–658

ISSN
2613-9189
Terbit
2021-02-23
Penerbit
Jurusan Matematika FMIPA UNNES
Bahasa
eng

Abstrak

Salah satu investasi yang diminati masyarakat saat ini adalah investasi pada saham. Terdapat risiko dalam berinvestasi, sehingga diperlukan peramalan untuk meminimalisir kerugian. Banyak metode peramalan yang dapat digunakan, baik linier maupun nonlinier. Artikel ini membahas tentang metode Long Short Term Memory (LSTM) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH) untuk pemodelan data saham. Data yang digunakan adalah data harga penutupan saham Alphabet Inc dengan kode GOOGL. Tujuan dari penelitian ini adalah mendapatkan metode terbaik dalam peramalan harga saham, sehingga memberikan peramalan yang lebih efektif dan hasil yang lebih akurat.

Jaringan kolaborasi para penulis

40 penulis · 73 tautan kepenulisan bersama · 2 lintas organisasi · 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
  • Universitas Halu Oleo
  • Universitas Airlangga
  • 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
St. Budi WaluyaAfiliasi tidak diketahui2
Alif Aulia RahmanAfiliasi tidak diketahui2
Mohammad AsikinAfiliasi tidak diketahui2
Muhammad AshimAfiliasi tidak diketahui2
Nur HasanahUniversitas Halu Oleo2
Rohimatul AzizahAfiliasi tidak diketahui2
Bayu Dwi PrasetyaAfiliasi tidak diketahui2
Fatkhurokhman FauziAfiliasi tidak diketahui2
MulyonoAfiliasi tidak diketahui1
Noviana Dini RahmawatiAfiliasi tidak diketahui1
Alfina AkmalinaAfiliasi tidak diketahui1
Elya Gita AstutiAfiliasi tidak diketahui1
Mira Dwi UtamiAfiliasi tidak diketahui1
Nike Yustina OktavianiAfiliasi tidak diketahui1
Luthfiyah AstutiningtyasAfiliasi tidak diketahui1
Riska Nur FitrianingsihAfiliasi 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
Iwan JunaediState University of Semarang1
Sanianajiba Nugroho PutriAfiliasi tidak diketahui1
Hendrik SutrisnoAfiliasi tidak diketahui1
Yeni NurochmahAfiliasi tidak diketahui1
WardonoAfiliasi tidak diketahui1
MunaAfiliasi tidak diketahui1
Tri Sri Noor AsihAfiliasi tidak diketahui1
Rizki Ahid NurhasanahAfiliasi tidak diketahui1
Petronela Ivoni SusantyAfiliasi tidak diketahui1
Kartono KartonoUniversitas Airlangga1
Luluk Ulfa ChasaniAfiliasi tidak diketahui1
Tri Sri Noor AsihAfiliasi tidak diketahui1
Wardono WardonoAfiliasi tidak diketahui1
Nurlaela Eka CahyatiAfiliasi 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/prisma/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">Metode Long Short Term Memory dan Generalized Autoregressive Conditional Heteroscedasticity untuk Pemodelan Data Saham</dc:title>
	<dc:creator>Lubis, Jannatun Khustia</dc:creator>
	<dc:creator>Kharisudin, Iqbal</dc:creator>
	<dc:description xml:lang="en-US">Salah satu investasi yang diminati masyarakat saat ini adalah investasi pada saham. Terdapat risiko dalam berinvestasi, sehingga diperlukan peramalan untuk meminimalisir kerugian. Banyak metode peramalan yang dapat digunakan, baik linier maupun nonlinier. Artikel ini membahas tentang metode Long Short Term Memory (LSTM) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH) untuk pemodelan data saham. Data yang digunakan adalah data harga penutupan saham Alphabet Inc dengan kode GOOGL. Tujuan dari penelitian ini adalah mendapatkan metode terbaik dalam peramalan harga saham, sehingga memberikan peramalan yang lebih efektif dan hasil yang lebih akurat.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2021-02-23</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/prisma/article/view/44897</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 4 (2021): PRISMA, Prosiding Seminar Nasional Matematika; 652-658</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/44897/18314</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2021 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>