Perbandingan LSTM dan 1D CNN dalam Prediksi Harga Saham BCA

Abstract

Investasi merupakan salah satu aktivitas yang banyak diminati masyarakat, baik dalam bentuk real asset maupun financial asset, salah satunya adalah saham. Saham menjadi instrumen investasi yang memiliki potensi keuntungan tinggi, namun harga saham di pasar modal bersifat fluktuatif sehingga sulit diprediksi. Penelitian ini bertujuan untuk menganalisis dan membandingkan metode Long Short Term Memory (LSTM) dan One Dimensional Convolutional Neural Network (1D CNN) dalam prediksi harga saham PT Bank Central Asia Tbk (BBCA). Saham BBCA dipilih karena PT Bank Central Asia merupakan salah satu bank dengan jumlah pelanggan terbesar di Indonesia pada tahun 2024. Metode LSTM dipilih karena mampu menangani permasalahan vanishing gradient pada data sekuensial jangka panjang, sedangkan metode 1D CNN digunakan untuk mengekstraksi pola data time series secara efektif. Penelitian dilakukan melalui beberapa tahap pengujian parameter, meliputi time series, jumlah hidden neuron, max epoch, dan batch size untuk memperoleh model prediksi yang optimal. Hasil pengujian menunjukkan bahwa parameter terbaik diperoleh pada time series sebesar 5, hidden neuron sebesar 5, max epoch sebesar 50, dan batch size sebesar 4. Model yang dihasilkan memperoleh nilai Root Mean Square Error (RMSE) sebesar 117,266 dan Mean Absolute Percentage Error (MAPE) sebesar 2,980%. Nilai MAPE yang kurang dari 10% menunjukkan bahwa metode LSTM dan 1D CNN memiliki tingkat akurasi yang baik dalam melakukan prediksi harga saham BBCA. Penelitian selanjutnya disarankan menggunakan data yang lebih besar dan menambahkan indikator teknikal untuk meningkatkan performa prediksi.

GS Cited Analysis