Show simple item record

dc.contributor.authorLaila, Latifah Nur
dc.date.accessioned2025-08-21T05:06:57Z
dc.date.available2025-08-21T05:06:57Z
dc.date.issued2023
dc.identifier.uridspace.uii.ac.id/123456789/57511
dc.description.abstractThe Walt Disney Company dikenal sebagai perusahaan terbesar yang bergerak di bidang hiburan dan media. Memiliki banyak lini bisnis dengan profitabilitas yang cukup menarik minat para investor untuk berinvestasi. Produk investasi yang ditawarkan The Walt Disney Company terdaftar di New York Stock Exchange dengan simbol saham DIS. Kondisi saham Disney sendiri mengalami penurunan pada awal pandemi Covid-19 dan berangsur membaik sejalan dengan perbaikan perekonomian dunia setelah pandemi Covid-19. Secara umum saham berpotensi tinggi disertai dengan resiko tinggi. Hal ini tentunya membutuhkan analisis prediksi untuk meminimalisir efek kerugian dari ketidakpastian pergerakan harga saham. Salah satu metode prediksi yang dapat digunakan yaitu algoritma machine learning seperti atrificial neural network untuk pengolah data berurutan seperti harga saham. Penelitian ini bertujuan mengetahui implementasi Long Short-Term Memory dan Extreame Learning Machine dalam memprediksi harga saham The Walt Disney Company (DIS) menggunakan data historis close price harian pada Juli 2017 sampai Juli 2022. Menggunakan pembagian data training sebesar 80% dan data testing sebesar 20%, diperoleh model terbaik untuk LSTM menggunakan neuron 10 dan epoch 500, sedangkan ELM menggunakan neuron 50 dan 100 repetisi. Nilai akurasi berdasarkan MAPE untuk model terbaik LSTM sebesar 3.47% ddengan lebih tinggi dari ELM dengan akurasi sebesar 14.06 % sehingga mampu memprediksi harga saham lebih baik.en_US
dc.publisherUniversitas Islam Indonesiaen_US
dc.subjectExtreame Learning Machineen_US
dc.subjectHarga Sahamen_US
dc.subjectLong Short Term Memoryen_US
dc.subjectPrediksien_US
dc.titlePrediksi Harga Saham Disney menggunakan Metode Long Short Term Memory dan Extreme Learning Machine (Studi Kasus : Close Price Saham Disney (DIS) pada Juli 2017 – Juli 2022)en_US
dc.typeThesisen_US
dc.Identifier.NIM18611104


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record