Evaluasi Performansi Principal Component Analysis Long Short Term Memory dalam Peramalan Harga Saham Sektor Perbankan di Indonesia
Penelitian ini membahas tentang harga saham sektor perbankan Indonesia. Melakukan prediksi harga saham sektor perbankan Indonesia yang tercatat di Bursa Efek Indonesia yang terdiri dari BCA, Danamon, BNI, BRI, BTN, Mandiri, BSI menggunakan data harga saham 2018 hingga 2021. Dengan mempertimbangkan 6 variabel dari data tersebut dan mereduksinya menggunakan analisis komponen utama menjadi 2 variabel untuk BCA
dan Danamon dan 1 variabel untuk BNI, BRI, BTN, Mandiri dan BSI. Setelah itu mengalokasikan data tersebut ke dalam data latih dan uji coba dan juga membuat data berurut dengan 10 periode. Dengan menggunakan LSTM pada dataset yang direduksi dan menerapkan penyetelan hyperparameter untuk menemukan nilai optimal untuk setiap parameter, kemudian membuat model prediksi untuk semua sektor perbankan yang
disebutkan. Terakhir, dilakukan evaluasi model dengan RMSE, NRMSE, MAPE dan juga membandingkannya dengan model lain yang terdiri dari CNN, MLP dan Moving Average. Hasil dari penelitian ini menunjukkan bahwa PCA-LSTM memiliki akurasi prediksi yang sangat baik berdasarkan NRMSE, prediksi yang sangat akurat berdasarkan MAPE dan berkinerja lebih baik dalam memprediksi harga saham dibandingkan dengan CNN, MLP dan Moving Average.
Ketersediaan
Detail Information
Judul | Evaluasi Performansi Principal Component Analysis Long Short Term Memory dalam Peramalan Harga Saham Sektor Perbankan di Indonesia |
---|---|
Pengarang | Angga Chandra Putra - Personal Name |
No. Panggil | SKRIPSI ANG e 2023 |
Subyek | Harga Saham Analisis Komponen Utama Long Short-Term Memory Deep Learning Deret Waktu |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2023 |
Penerbit | Fakultas Teknik |
Jurusan | Teknik Industri |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY