ABSTRAK Michael Timotius Oei
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Michael Timotius Oei
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 1 Michael Timotius Oei
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 2 Michael Timotius Oei
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 3 Michael Timotius Oei
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 4 Michael Timotius Oei
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 5 Michael Timotius Oei
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Michael Timotius Oei
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Salah satu metode yang dapat diterapkan untuk memprediksi nilai indeks saham
adalah Bidirectional Long-Short Term Memory (BLSTM). Pada metode BLSTM,
informasi mengalir maju dan mundur melalui jaringan sehingga memungkinkan
pemodelan yang lebih baik untuk mengantisipasi pola tren dan mengenali pola
kompleks berdasarkan data historis saham. Selanjutnya, diterapkan
hyperparameter tunning untuk menemukan nilai kombinasi terbaik dari
hyperparameter BLSTM (epoch, batch size, learning rate, dam number of neurons)
agar diperoleh output yang optimal. Sebagai metode pembanding, maka digunakan
Long-Short Term Memory (LSTM) dan juga Gaussian Process Regression (GPR).
Penelitian ini bertujuan untuk menganalisis performa BLSTM dan pengaruh dari
hyperparameter tunning terhadap hasil prediksi indeks saham yang cenderung
mengalami perubahan indeks signifikan dengan adanya pandemi. Data yang
digunakan merupakan data saham LQ45 pada periode Maret 2017 – Juli 2023. Data
tersebut terbagi menjadi data latih, data uji, dan data prediksi. Data latih meninjau
periode Maret 2017 – April 2022. Sedangkan data uji dan prediksi masing-masing
meninjau rentang waktu pada April 2021 – Juli 2023 dan Agustus 2023 – Oktober
2023. Berdasarkan hasil analisis dan pengolahan data LQ45, maka diperoleh
akurasi hasil prediksi sebesar 93.222% untuk metode BLSTM hyperparameter
tunning, 93.086% untuk metode LSTM hyperparameter tunning, dan 93.212%
untuk metode GPR. Selain itu, juga didapatkan grafik indeks saham di masa yang
akan datang serta grafik buy & sell berdasarkan penerapan Moving Average (MA),
yang mana diharapkan dapat menjadi bahan pertimbangan dalam berinvestasi