Alhamdulillah, segala puji syukur kehadirat Allah SWT yang melimpahkan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini dengan baik yang berjudul “Prediksi Harga Saham Syariah Menggunakan Metode Long-Short-Term Memory (LSTM)”. Keberhasilan penulisan skripsi ini tidak lepas dari bimbingan, dukungan dan bimbingan dari berbagai pihak baik berupa pemikiran, ide, motivasi dan doa. Khurul Wardati, M.Si., selaku Dekan Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Kalijaga Yogyakarta.
Mohammad Farhan Qudratullah, S.Si., M.Si., selaku pembimbing skripsi yang telah memberikan ilmu dan pengalaman berharga kepada penulis, sehingga ilmu yang diperoleh dapat mempermudah dalam penyusunan skripsi ini. Bapak/Ibu Dosen dan Staf Fakultas Ilmu Pengetahuan Alam dan Teknologi Universitas Islam Negeri Sunan Kalijaga atas ilmu, bimbingan dan pengabdiannya selama perkuliahan hingga penyusunan skripsi ini selesai. Semua pihak yang telah memberikan dukungan dan doa kepada penulis dalam penyelesaian skripsi ini yang tidak dapat penulis sebutkan satu persatu.
Data historis harga saham merupakan rangkaian variabel data saham yang dikumpulkan dari waktu ke waktu untuk suatu peristiwa tertentu dan diklasifikasikan sebagai data deret waktu. Data runtun waktu dapat dianalisis menggunakan analisis runtun waktu dengan berbagai metode, penelitian ini menggunakan metode Long Short Term Memory (LSTM). Data historis harga saham merupakan rangkaian variabel data saham yang disusun dari waktu ke waktu dalam suatu peristiwa tertentu dan diklasifikasikan sebagai data runtun waktu.
Time series data can be analyzed using time series analysis with multiple methods, this study uses the Long Short Term Memory (LSTM) method.
DAFTAR SIMBOL
Xmin : Nilai minimum seluruh data Xmax : Nilai maksimum seluruh data Xt : Nilai normal data.
PENDAHULUAN
- Latar Belakang
- Rumusan Masalah
- Batasan Masalah
- Tujuan Penelitian
- Manfaat Penelitian
- Tinjauan Pustaka
- Sistematika Penulisan
- BAB I PENDAHULUAN
- BAB II LANDASAN TEORI
- BAB III METODE PENELITIAN
- BAB IV PEMBAHASAN
- BAB V STUDI KASUS
- BAB VI PENUTUP
Data indeks saham syariah termasuk dalam Indeks Saham Syariah Indonesia (ISSI), saham tergolong data time series, dimana data tersebut disusun menurut urutan waktu atau data yang dikumpulkan secara berkala (Audina et al., 2021). Fluktuasi tersebut tentunya akan menyulitkan investor dalam berinvestasi, harga saham yang fluktuatif cenderung meningkatkan tingkat risiko. Dengan berkembangnya penelitian mengenai teknik peramalan metode LSTM, peneliti tertarik untuk menggunakan metode tersebut untuk meramalkan fluktuasi harga saham dengan judul penelitian “Peramalan Harga Saham Periode Syariah Menggunakan Metode Long-Short-Term Memory”.
Bagaimana perubahan jumlah data, periode waktu, neuron dan pengoptimal pada model memori jangka pendek mempengaruhi keakuratan hasil prediksi harga saham. Mengetahui pengaruh perubahan jumlah data, periode waktu, neuron dan optimizer pada model memori jangka pendek mempengaruhi keakuratan hasil prediksi harga saham. Menambah dan memperkaya pengetahuan penulis pada khususnya dan pembaca pada umumnya mengenai peramalan harga saham dengan menggunakan metode Long Short Term memory.
Menjadi bahan acuan bagi peneliti selanjutnya mengenai peramalan harga saham dengan menggunakan metode Short-Term Long-Term Memory. Penelitian yang dilakukan oleh Yotenka & Huda (2020) menguji parameter-parameter yang dapat mengoptimalkan metode memori jangka pendek, antara lain parameter jumlah neuron, jumlah epoch, dan model pengoptimal, hanya pada jumlah epoch yang Yotenka dan Huda melakukannya. tidak ada bukti tapi langsung ditentukan jumlah epoch yang dibutuhkan.yang digunakan adalah 250 epoch. Objek yang digunakan dalam penelitian ini adalah saham perusahaan perkebunan dengan menggunakan data harga saham SSMS, LSIP dan SIMP periode 1 Juli 2014–.
Kemudian model LSTM terbaik pada saham LSIP dengan menggunakan Adam optimizer dan 80 Hidden Neuron menghasilkan nilai RMSE sebesar 33,097. Penelitian Riyanto et al (2020) melakukan optimasi metode dengan menguji dua parameter yaitu parameter epoch dan parameter optimizer. Hasil penelitian menunjukkan bahwa algoritma LSTM mempunyai tingkat prediksi yang akurat dalam meramalkan data harga saham, ditunjukkan pada nilai RMSE dan model data yang diperoleh dengan mengubah nilai epoch.
Penelitian Lubis & Kharisudin hanya memberikan penjelasan dan langkah-langkah penerapan metode Long Short Term Memory tanpa mengoptimalkan metode yang sudah ada. Perbedaan yang terlihat jelas adalah objek penelitian ini menggunakan historis harga saham syariah (ISSI) dan parameter yang akan digunakan dalam penelitian ini mencakup semua parameter yang telah diteliti sebelumnya, antara lain parameter jumlah neuron, parameter jumlah neuron, dan jumlah neuron. jumlah epoch dan juga variasi optimizer ditambah parameter baru yaitu jumlah data yang digunakan. Bab ini memuat teori-teori yang mendukung pembahasan dalam menyusun penelitian peramalan harga saham syariah dengan metode Long Short Term Memory.
Bab ini berisi pembahasan mengenai prediksi harga saham syariah dengan menggunakan metode memori jangka pendek. Bab ini berisi tentang penerapan metode memori jangka pendek untuk memprediksi harga saham syariah.
PENUTUP
Kesimpulan
LSTM telah berhasil diterapkan untuk memprediksi harga saham syariah dengan metode tester-optimized. Prakiraan harga saham syariah PT Indosat Tbk (ISAT.JK) periode 1 Januari 2018 sampai dengan 31 Desember 2020 memberikan hasil yang sangat akurat dengan nilai error yang sangat kecil yaitu MAPE 3,3%. Pada grafik hasil peramalan juga terlihat bahwa plot pergerakan hasil peramalan mengikuti pola data stok sebenarnya, artinya hasil peramalan memiliki pola pergerakan yang sama dengan data aktual yang ada.
Saran
DAFTAR PUSTAKA
Haniva, A., dkk, 2021, Perbandingan Metode Lstm dan Gru (Rnn) untuk Klasifikasi Berita Palsu Indonesia, Engineering Dynamics Vol. Julpan, dkk, 2015, Analisis Fungsi Aktivasi Binary Sigmoid dan Bipolar Sigmoid pada Algoritma Backpropagation pada Prediksi Bakat Siswa, Jurnal Teknologi, Vol.02, Edisi. Perbandingan metode pemulusan eksponensial ganda dan pemulusan eksponensial rangkap tiga pada parameter tingkat kesalahan rata-rata persentase kesalahan absolut (MAPE) dan deviasi absolut rata-rata (MAD).
2021, Metode Long Short Term Memory dan Generalized Autoregressive Conditional Heteroscedasticity untuk Pemodelan Data Saham, Prisma 4 (Prosiding Seminar Nasional Matematika), 652-658. Pemerintah Indonesia, 2011, Fatwa Dewan Syariah Nasional No: 80/Dsn-Mui/Iii/2011 Tentang Penerapan Prinsip Syariah Dalam Mekanisme Perdagangan Efek di Pasar Reguler Bursa Efek, Dewan Syariah Nasional. Pratiwi, N.K.C., dkk., 2021, Deteksi Parasit Plasmodium Pada Gambar Mikroskopis Apusan Darah Menggunakan Metode Deep Learning, Elkomika: Jurnal Teknik Energi Listrik, Teknik Telekomunikasi, & Teknik Elektronika.
Riyanto, P.A., dkk, 2020, Analisis prakiraan harga saham pada sektor perbankan menggunakan algoritma short-term memory (Lstm), Semnasif 2020, Universitas Pembangunan Nasional Veteran Yogyakarta, 427-435. Rizki, M., Basuki, S., Azhar, Y., 2020, Penerapan deep learning menggunakan arsitektur short-term memory untuk peramalan curah hujan di kota Malang, Repository. Sautomo, S., Pardede, H.F., 2021, Perkiraan pengeluaran pemerintah Indonesia menggunakan long short term memory (LSTM), Jurnal Resti (Rekayasa Sistem dan Teknologi Informasi).
