Perpustakaan Digital ITB

Sejak tahun 1990, istilah Ekonofisika semakin populer. Ilmu yang dikembangkan oleh fisikawan untuk memecahkan permasalahan dalam bidang ekonomi ini kerap digunakan untuk memprediksi saham dengan pendekatan machine learning, yang salah satu bagian nya adalah Long Short-Term Memory (LSTM) dan Bidirectional LSTM (Bi-LSTM). Fisika statistik memiliki peran dalam menghitung regresi kernel yang diaplikasikan dalam Nadaraya-Watson Envelope Non-Repainting, yang berguna untuk memberikan batas atas dan bawah, berfungsi untuk indikator beli atau jual. Penelitian ini bertujuan untuk menciptakan sebuah model prediksi indeks dan membandingkan keuntungan yang diraup dengan model LSTM, Bi-LSTM, dan investor. Dimulai dengan mengambil serta membersihkan data, lanjut ke tahap preprocessing data, lalu membuat dan melatih model yang kemudian akan diukur tingkat keakuratan nya dengan RMSE, MAE, dan koefisien korelasi. Dalam penelitian ini, metode BiLSTM dianggap sebagai model prediksi yang lebih baik dengan RMSE sebesar 12,28, MAE sebesar 9,24, dan koefisien korelasi sebesar 0,95 dibandingkan dengan LSTM yang memiliki RMSE sebesar 12,9, MAE sebesar 9,66, dan koefisien korelasi sebesar 0,94. Model juga disimulasikan untuk profit taking, dengan keuntungan yang diraup oleh model LSTM sebesar 3,58% dan Bi-LSTM sebesar 5,75%.