
ABSTRAK Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

COVER Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 1 Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 2 Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 3 Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 4 Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 5 Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

PUSTAKA Dascha Gularni Purnawulan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Ekonofisika merupakan ilmu yang menerapkan konsep dan metode yang pada
awalnya dikembangkan oleh fisikawan untuk dapat memecahkan permasalahan
ekonomi. Salah satu aplikasi dari ekonofisika adalah pemodelan pergerakan harga
saham. Penelitian ini memanfaatkan model Bidirectional Gated Recurrent Unit (BiGRU) yang terinspirasi dari konsep fisika, seperti hukum kekekalan momentum
dan hukum kekekalan energi. Pada model Bi-GRU, terdapat hyperparameter dan
fungsi aktivasi yang dapat diatur agar menghasilkan model yang lebih optimal.
Tujuan penelitian ini adalah menentukan efek variasi jenis dan nilai
hyperparameter, serta menentukan fungsi aktivasi yang memberikan kinerja model
Bi-GRU terbaik dalam memprediksi harga saham agensi entertainment k-pop.
Penelitian dilakukan dengan memvariasikan tiga hyperparameter, yaitu epoch,
learning rate, dan batch size. Setelah itu, pemodelan dilakukan dengan
memvariasikan tiga fungsi aktivasi, yaitu fungsi sigmoid, fungsi tanh, dan fungsi
ReLu. Pada hasil penelitian, didapatkan bahwa nilai epoch terlalu besar
menyebabkan model menjadi overfitting, sedangkan nilai epoch terlalu kecil
menyebabkan model menjadi underfitting. Nilai learning rate terlalu besar
menyebabkan model melakukan overshooting, sedangkan nilai learning rate terlalu
kecil menyebabkan model terlalu lambat menuju solusi optimal. Nilai batch size
terlalu besar menyebabkan proses komputasi menjadi lambat, sedangkan nilai batch
size terlalu kecil menyebabkan model menjadi overfitting