Prediksi Harga Saham Syariah Menggunakan Algoritma Long Short-Term Memory (LSTM)

Penulis

  • Gunawan Budiprasetyo Politeknik Negeri Malang
  • Mamluatul Hani'ah Politeknik Negeri Malang
  • Darin Zahira Aflah Politeknik Negeri Malang

DOI:

https://doi.org/10.25077/TEKNOSI.v8i3.2022.164-172

Kata Kunci:

Prediksi harga saham, Peramalan harga saham, Saham syariah, Deep Learning, LSTM

Abstrak

Semakin pesatnya perkembangan pasar saham di Indonesia membuat semakin banyak investor yang bergabung di bursa saham. Indonesia pada tahun 2011 meluncurkan saham syariah dimana harga saham syariah dapat mengalami kenaikan dan penurunan. Hal ini tentunya harus diwaspadai oleh investor, agar investor tidak mengalami kerugian dalam jual-beli saham.  Untuk itu, prediksi harga sahan menjadi salah satu upaya untuk menentukan nilai dari suatu saham di masa kedepannya. Pada penelitian ini, prediksi saham dilakukan dengan menggunakan metode Long Short-Term Memory dalam memprediksi harga saham. Dilakukan uji coba dengan menggunakan beberapa parameter pada layers, epoch dan time step untuk mendapatkan model prediksi yang optimal. Arsitektur dari LSTM yang digunakan pada penelitian ini menggunakan multiple layer LSTM dengan empat dan delapan layer yang masing-masing layer memiliki 96 neurons. Terdapat satu Dense layer yang berfungsi mengubah output dari layer sebelumnya menjadi nilai hasil prediksi. Hasil eksperimen menunjukkan bahwa Long Short-Term Memory dapat digunakan untuk melakukan prediksi harga saham dengan akurat, jumlah layer mempengaruhi MAPE yang dihasilkan. LSTM dengan jumlah layer 8 memiliki performa yang lebih baik. Pada PT Aneka Tambang Tbk didapatkan model terbaik dengan nilai MAPE sebesar 2,64. Untuk emiten Erajaya Swasembada Tbk didapatkan nilai MAPE sebesar 2,24. Untuk Kalbe Farma didapatkan nilai MAPE sebesar 1,51. Untuk Semen Indonesia didapatkan nilai MAPE sebesar 1,83. Sedangkan pada Wijaya Karya didapatkan nilai MAPE sebesar 2,66.

Biografi Penulis

Gunawan Budiprasetyo, Politeknik Negeri Malang

Pengajar di Jurusan Teknologi Informasi Politeknik Negeri Malang. Minat penelitan pada bidang Sistem Cerdas, Sistem Informasi, Terdistribusi, Big Data dan Semantik Web.

Mamluatul Hani'ah, Politeknik Negeri Malang

Staf pengajar di jurusan Teknologi Informasi, Politeknik Negeri Malang. Minat penelitian pada bidang Data Science, Data Mining, Information Retrieval, dan kecerdasan buatan.

Referensi

[1] S. Elviani, R. Simbolon, and S. P. Dewi, “FAKTOR-FAKTOR YANG MEMPENGARUHI HARGA SAHAM PERUSAHAAN TELEKOMUNIKASI,†JRAM (Jurnal Riset Akuntansi Multiparadigma), vol. 6, no. 1, Jul. 2019, Accessed: Aug. 22, 2022. [Online]. Available: https://jurnal.uisu.ac.id/index.php/JRAM/article/view/1408 [2] H. Mazaya Lathifah et al., “Dampak Pandemi Covid-19 Terhadap Nilai Harga Saham Syariah di Indonesia,†Jurnal Ilmiah Ekonomi Islam, vol. 7, no. 1, pp. 223–229, Mar. 2021, doi: 10.29040/JIEI.V7I1.1772. [3] S. M. Idrees, M. A. Alam, and P. Agarwal, “A Prediction Approach for Stock Market Volatility Based on Time Series Data,†IEEE Access, vol. 7, pp. 17287–17298, 2019, doi: 10.1109/ACCESS.2019.2895252. [4] S. Siami-Namini, N. Tavakoli, and A. Siami Namin, “A Comparison of ARIMA and LSTM in Forecasting Time Series,†Proceedings - 17th IEEE International Conference on Machine Learning and Applications, ICMLA 2018, pp. 1394–1401, Jan. 2019, doi: 10.1109/ICMLA.2018.00227. [5] T. Gao, Y. Chai, and Y. Liu, “Applying long short term momory neural networks for predicting stock closing price,†Proceedings of the IEEE International Conference on Software Engineering and Service Sciences, ICSESS, vol. 2017-November, pp. 575–578, Apr. 2018, doi: 10.1109/ICSESS.2017.8342981. [6] M. Khashei, M. Bijari, and G. A. Raissi Ardali, “Improvement of Auto-Regressive Integrated Moving Average models using Fuzzy logic and Artificial Neural Networks (ANNs),†Neurocomputing, vol. 72, no. 4–6, pp. 956–967, Jan. 2009, doi: 10.1016/J.NEUCOM.2008.04.017. [7] A. Arfan and L. ETP, “Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia,†PETIR, vol. 13, no. 1, pp. 33–43, Mar. 2020, doi: 10.33322/PETIR.V13I1.858. [8] S. K. Dirjen, P. Riset, D. Pengembangan, R. Dikti, A. Santoso, and S. Hansun, “Prediksi IHSG dengan Backpropagation Neural Network,†Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 3, no. 2, pp. 313–318, Aug. 2019, doi: 10.29207/RESTI.V3I2.887. [9] G. S. Lilipaly, D. Hatidja, and J. S. Kekenusa, “PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average),†JURNAL ILMIAH SAINS, vol. 14, no. 2, pp. 60–67, Oct. 2014, doi: 10.35799/JIS.14.2.2014.5927. [10] W. Hastomo, A. Satyo, B. Karno, N. Kalbuana, E. Nisfiani -4, and L. Etp -, “Optimasi Deep Learning untuk Prediksi Saham di Masa Pandemi Covid-19,†JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 7, no. 2, pp. 133–140, Aug. 2021, doi: 10.26418/JP.V7I2.47411. [11] A. G. Salman, Y. Heryadi, E. Abdurahman, and W. Suparta, “Single Layer & Multi-layer Long Short-Term Memory (LSTM) Model with Intermediate Variables for Weather Forecasting,†Procedia Computer Science, vol. 135, pp. 89–98, Jan. 2018, doi: 10.1016/J.PROCS.2018.08.153. [12] L. Wiranda and M. Sadikin, “PENERAPAN LONG SHORT TERM MEMORY PADA DATA TIME SERIES UNTUK MEMPREDIKSI PENJUALAN PRODUK PT. METISKA FARMA,†Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI, vol. 8, no. 3, pp. 184–196, 2019, doi: 10.23887/JANAPATI.V8I3.19139. [13] H. N. Bhandari, B. Rimal, N. R. Pokhrel, R. Rimal, K. R. Dahal, and R. K. C. Khatri, “Predicting stock market index using LSTM,†Machine Learning with Applications, vol. 9, p. 100320, Sep. 2022, doi: 10.1016/J.MLWA.2022.100320. [14] W. Kurnia Sari, D. Palupi Rini, R. Firsandaya Malik, and I. B. Saladin Azhar, “Multilabel Text Classification in News Articles Using Long-Term Memory with Word2Vec,†Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 4, no. 2, pp. 276–285, Apr. 2020, doi: 10.29207/RESTI.V4I2.1655. [15] A. Moghar and M. Hamiche, “Stock Market Prediction Using LSTM Recurrent Neural Network,†Procedia Computer Science, vol. 170, pp. 1168–1173, Jan. 2020, doi: 10.1016/J.PROCS.2020.03.049. [16] A. Bode and A. Bode, “K-NEAREST NEIGHBOR DENGAN FEATURE SELECTION MENGGUNAKAN BACKWARD ELIMINATION UNTUK PREDIKSI HARGA KOMODITI KOPI ARABIKA,†ILKOM Jurnal Ilmiah, vol. 9, no. 2, pp. 188–195, Aug. 2017, doi: 10.33096/ilkom.v9i2.139.188-195. [17] M. A. Maricar, P. Widiadnyana, and W. A. Wijaya, “Analysis of data mining for forecasting total goods delivery with moving average method,†International Journal of Engineering and Emerging Technology, vol. 2, no. 1, pp. 7–10, 2017. [18] M. Hani’ah, I. K. Putri, and A. R. T. H. Ririd, “Parameter Optimization of Holt - Winters Exponential Smoothing Using Golden Section Method for Predicting Indonesian Car Sales,†Proceedings - IEIT 2021: 1st International Conference on Electrical and Information Technology, pp. 21–26, Sep. 2021, doi: 10.1109/IEIT53149.2021.9587379. [19] G. Liu et al., “Short-term runoff prediction using deep learning multi-dimensional ensemble method,†Journal of Hydrology, vol. 609, p. 127762, Jun. 2022, doi: 10.1016/J.JHYDROL.2022.127762. [20] P. Hewage, M. Trovati, E. Pereira, and A. Behera, “Deep learning-based effective fine-grained weather forecasting model,†Pattern Analysis and Applications, vol. 24, no. 1, pp. 343–366, Feb. 2021, doi: 10.1007/S10044-020-00898-1/FIGURES/12.

Unduhan

Diterbitkan

2023-01-21

Cara Mengutip

Budiprasetyo, G., Hani’ah, M., & Aflah, D. Z. (2023). Prediksi Harga Saham Syariah Menggunakan Algoritma Long Short-Term Memory (LSTM). Jurnal Nasional Teknologi Dan Sistem Informasi, 8(3), 164–172. https://doi.org/10.25077/TEKNOSI.v8i3.2022.164-172

Terbitan

Vol 8 No 3 (2022): Desember 2022

Bagian

Articles

Lisensi

Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.

 

Kami menyatakan bahwa:

  1. Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
  2. Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
  3. Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.

    Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.

    Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.

 

Hak / Syarat dan Ketentuan yang dipertahankan :

  1. Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
  2. Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya  ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta  dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
  3. Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.