PREDIKSI HARGA SAHAM PT. BANK BCA Tbk. DENGAN MENGGUNAKAN MACHINE LEARNING LONG SHORT-TERM MEMORY - Periode 2014-2024 - Evaluasi dengan RMSE MAE MAPE

Aug 4, 2026

Prediksi harga saham menggunakan teknologi artificial intelligence dengan pendekatan machine learning Long Short-Term Memory (LSTM) diterapkan pada saham PT. Bank BCA Tbk periode 2014–2024. Penelitian memproses 2503 observasi melalui Python, dengan pembagian 80% data untuk pelatihan dan 20% untuk pengujian. Evaluasi performa dilakukan memakai metrik RMSE, MAE, dan MAPE serta membandingkan hasil prediksi terhadap data aktual. Hasil menunjukkan kedekatan yang cukup kuat antara prediksi dan realisasi, sehingga model dinilai cukup andal untuk peramalan harga saham jangka panjang.

BahasaIndonesian

KategoriPenelitian & Laporan

FormatPDF

Halaman5

Waktu Membaca8 mnt

AksesGratis untuk diunduh

Daftar Isi

Pendahuluan

Tinjauan Literatur

Metode Penelitian

Hasil Penelitian dan Pembahasan

PREDIKSI HARGA SAHAM PT. BANK BCA Tbk. DENGAN MENGGUNAKAN MACHINE LEARNING LONG SHORT-TERM MEMORY PERIODE 2014-2024 Reinandus Aditya Gunawan Universitas Katolik Indonesia Atma Jaya [aditya.gunawan@atmajaya.ac.id](aditya.gunawan@atmajaya.ac.id) ABSTRACT One of the most advanced tools for predicting current stock prices is using artificial intelligence, specifically machine learning using the Long Short-Term Memory (LTSM) method, which is a development of the previous recurrent neural network method. This prediction trial was conducted on one of the largest banking stocks in Indonesia, namely PT. Bank BCA shares for the 2014-2024 period. The research was processed with machine learning using Python coding with a total of 2503 data observations where the model was divided into 80% for training and 20% for testing. Next, an evaluation of model performance was carried out using RMSE (Root Mean Squared Error), MAE (Mean Absolute Error), and MAPE (Mean Absolute Percentage Error) and conducted a test of predicted vs. actual data. The results of the study showed that the predicted results were quite close to the actual results, therefore it was concluded that stock price prediction with the LTSM method was quite reliable. Keywords : artificial intelligence, machine learning, LTSM, python PENDAHULUAN Saat ini kemajuan teknologi khususnya di dalam dunia investasi saham adalah banyaknyaalat untuk memprediksi harga saham, salah satu alat yang paling muktahir sekarang adalah dengan menggunakan artificial intelligence khususnya machine learning yang digunakan oleh analis saham maupun investor sebagai acuan berinvestasi. Salah satu tools yang digunakanuntuk memprediksi harga saham adalah menggunakan Long Short-Term Memory atau yang biasa disingkat dengan LTSM. LTSM merupakan salah satu metode pengembangan dari metode sebelumnya yaitu recurrent neural network (Jia, 2015) . Uji coba prediksi harga saham menggunakan LTSM ini diuji terhadap harga saham salah satu bank yang terbesar di Indonesia yaitu PT. Bank BCA, Tbk. menggunakan data selama 10 tahun dari tahun 2014- 2024. Bank BCA digunakan sebagai sumber data dikarenakan merupakan salah satu saham blue chip dengan likuiditas yang cukup tinggi di Bursa Efek Indonesia (BEI) . Ada berbagai macam hal yang harus dipertimbangkan dalam memilih saham di BEI salah satunya adalah berdasarkan volatilitas harga saham yang dipengaruhi oleh faktor fundamental, dan teknikal. LTSM merupakan salah satu model yang efektif untuk permodelan time series secara jangka panjang. Jadi tujuan di dalam penelitian ini adalahuntuk membangun sebuah model yang memprediksi harga saham khususnya harga saham Bank BCA (BBCA) secara jangka panjang lalu mengevaluasi performa model dengan RMSE (Root Mean Squatred Error) , MAE (Mean Absolute Error) dan MAPE (Mean Absolute Percentage Error) . TINJAUAN LITERATUR Dari penelitian terdahulu yaitu dari Fischer & Krauss (2018) menunjukan bahwa LTSM memberikan akurasi yang lebih baik dibandingkan dengan ARIMA dan SVM. Begitu jugamenurut penelitian dari Jia (2016) menunjukkan bahwa metode LTSM lebih efektifdaripada RMSE pada algoritma yang lebih sederhana. Penelitian yang lain dari Qiu, Wang & Zhou (2020) juga menunjukkan bahwa LTSM adalah alat prediksi yang lebih baik dibandingkan dengan alat prediksi saham lainnya. Studi lain dari Kumar & Ningombam (2018) juga menunjukkan bahwa merupakan alat yang bisa diandalkan untuk mempredikasi arah pergerakkan pasar dan indikator ekonomi lainya. Begitu juga menurut penelitian dari Ta, Liu, & Tadesse (2020) mengatakan bahwa LTSM merupakan alat yanhg cukup akurat di dalam memprediksi harga saham. Sementara penelitian lain dari Chung & Shin (2018) yang dilakukan pada bursa efek di Korea menunjukkan bahwa LTSM belum menjadi alat yang efektif dalam mempredikasi pergerakkan bursa saham tetapi masih harus ditambah dengan variabel kontrol lainnya. Hasil ini sejalan dengan penelitian dari Chen & Zhou (2021) yang mencoba kefektifan LT

Pertanyaan Umum

Mengapa PT. Bank BCA dipilih sebagai objek penelitian?

Bank BCA dipilih karena termasuk saham blue chip dengan likuiditas yang cukup tinggi di Bursa Efek Indonesia (BEI).

Bagaimana cara data dipersiapkan untuk model LSTM?

Data bersumber dari Yahoo Finance selama 2014–2024, dinormalisasi, lalu dibagi 80% untuk training dan 20% untuk testing serta dibentuk dataset X dan Y untuk LSTM.

Metode evaluasi apa yang digunakan untuk menilai performa model?

Performa dievaluasi menggunakan RMSE, MAE, dan MAPE, kemudian dilakukan uji perbandingan prediksi versus data aktual.

Aug 4, 2026

Unggah oleh Evangeline