Perpustakaan Digital ITB

Dinamika harga saham perusahaan batubara dipengaruhi oleh kondisi batubara baik global maupun nasional. Sebagai salah satu negara dengan produksi dan ekspor batubara terbesar di dunia, perusahaan batubara Indonesia memiliki prospek yang menjanjikan. Namun, tantangan seperti peralihan Energi Baru dan Terbarukan (EBT) menyebabkan penurunan permintaan batubara oleh beberapa negara. Ketidakpastian kondisi batubara global ini menyebabkan adanya dinamika harga saham yang merupakan cerminan dari kinerja perusahaan. Dinamika tersebut dapat dianalisa dengan Ekonofisika, yang merupakan ilmu interdispliner yang menggunakan pendekatan fisika statistik dalam memahami permasalahan ekonomi dan keuangan. Pasar keuangan dianggap sebagai sistem kompleks yang dibangun oleh bagian – bagian kecil yang disebut sebagai “partikel ekonomi” yang berinteraksi sehingga menciptakan pola. Karena kompleksitasnya cukup tinggi, dilakukan prediksi harga saham dengan bantuan algoritma Recurrent Neural Network (RNN), yaitu Long – Short Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Objek yang digunakan pada penelitian ini adalah saham batubara dengan volatilitas yang dihitung berdasarkan standar deviasi. Terdapat saham dengan volatilitas rendah, yaitu PTBA, dan saham dengan volatilitas tinggi, yaitu ARII. Penelitian ini bertujuan untuk melakukan perbandingan kinerja kedua algoritma dengan hyperparameter tuning dalam memprediksi harga saham dengan volatilitas tinggi dan rendah. Hasil yang diperoleh adalah GRU memiliki performa yang lebih baik dalam memprediksi harga saham volatilitas tinggi sementara LSTM memiliki performa yang lebih ungggul dalam memprediksi harga saham volatilitas rendah.