Prediksi Harga Saham BBCA Menggunakan LSTM Dengan Optimasi Epoch

Abstract

Perkiraan harga saham adalah contoh kondisi pada analisis rentetan waktu keuangan karena dipengaruhi oleh perubahan pasar, model bukan linier, serta ketidakpastian yang besar. Penelitian ini memiliki tujuan untuk menilai kemampuan model Long Short-Term Memory (LSTM) dalam memperkirakan harga akhir tiap hari saham PT Bank Central Asia Tbk (BBCA), salah satu bidang perbankan dengan nilai pasar tertinggi di Indonesia. Data yang dipakai berupa data lampau harga saham yang diolah melalui tahap normalisasi. Pergeseran​‍​‌‍​‍‌ harga saham yang sering kali berfluktuasi serta dipengaruhi oleh pola temporal menjadikan permasalahan untuk memprediksi harga saham sebagai tantangan sekaligus suatu keharusan dalam pengambilan keputusan investasi. Metode penelitian yang digunakan adalah kuantitatif eksperimental dengan data historis harga saham yang telah melalui proses normalisasi Min–Max dan format deret waktu dibuat sebelum data dibagi menjadi data pelatihan dan pengujian. Evaluasi kinerja model dilakukan menggunakan Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), and Root Mean Squared Error (RMSE). Hasil eksperimen menunjukkan bahwa variasi epoch mempengaruhi akurasi prediksi, dimana konfigurasi terbaik diperoleh pada epoch 75 dengan nilai RMSE sebesar 249.196945, MAE sebesar 183.249475, dan MAPE sebesar 2.099024%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa pemilihan jumlah epoch yang optimal berperan penting dalam meningkatkan kemampuan generalisasi model LSTM serta meminimalkan kesalahan prediksi, sehingga model lebih stabil dan tidak mudah mengalami overfitting.