| dc.description.abstract | Saham merupakan salah satu instrument keuangan utama yang memiliki peran
sentral dalam pasar modal, dimana volatilitas dan dinamika harga saham menjadi
faktor penting yang mempengaruhi keputusan investasi. Saham Bank Syariah
Indonesia (BSI) menjadi salah satu instrumen yang menarik minat investor,
terutama dalam konteks ekonomi syariah. Untuk meminimalisisr risiko kerugian
dan mengoptimalkan potensi keuntungan, diperlukan suatu pendekatan analisis
prediktif yang akurat dalam meramalkan pergerakan saham. Penelitian ini berfokus
pada penggunaan model Recurrent Neural Network (RNN) dan Long Short Term
Memory (LSTM) sebagai metode prediksi harga saham BSI. Kedua model ini
dipilih karena kemampuannya dalam menangani data deret waktu yang kompleks
dan dinamis, yang merupakan karateristik utama dalam prediksi harga saham. Hasil
penelitian menunjukkan bahwa model LSTM secara signifikan lebih unggul
dibandingkan dengan RNN dalam hal akurasi prediksi. Hal ini dibuktikan dengan
nilai MAPE yang dicapai oleh model LSTM sebesar 2.22% yang jauh lebih rendah
dibandingkan nilai MAPE pada model RNN yang sebesar 24.80%. penelitian ini
mengidentifikasi adanya penurunan nilai loss yang konsisten seiring dengan
peningkatan jumlah epoch pada kedua model, meskipun LSTM menunjukkan
penurunan loss yang lebih stabil dan cepat. Penelitian ini mengidentifikasikan
bahwa model LSTM memiliki kemampuan yang lebih baik dalam menangkap pola-
pola temporal yang kompleks dalam data harga saham BSI, sehingga dapat
digunakan sebagai alat prediksi yang lebih akurat bagi investor. Dengan demikian,
model LSTM dapat memberikan kontribusi yag signifikan dalam keputusan
investasi. | en_US |
