Pengembangan Sistem Prediksi Harga Saham pada Sektor Perbankan dengan Metode Long Short-Term Memory

Mahatmajaya, I Komang Ari Pandita (2025) Pengembangan Sistem Prediksi Harga Saham pada Sektor Perbankan dengan Metode Long Short-Term Memory. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_58302_2115354014_full.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text (iThenticate) RAMA_58302_2115354014_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text (Cover,Bab 1,Bab 5 dan Referensi) RAMA_58302_2115354014_0013048502_0012059501_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (508kB)

Abstract

Pasar modal Indonesia mengalami pertumbuhan signifikan, khususnya pada sector perbankan yang menjadi pilihan utama investor. Namun, rendahnya literasi finansial masyarakat dan tingginya fluktuasi harga saham menciptakan tantangan dalam pengambilan keputusan investasi. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk membangun sistem prediksi harga saham berbasis website menggunakan metode Long Short-Term Memory (LSTM), yang memiliki kemampuan dalam mengolah data time series dan mengenali pola jangka panjang. Tujuan utama penelitian ini adalah untuk menghasilkan prediksi harga saham dengan akurasi tinggi (MAPE < 10%) serta menyediakan sistem yang dapat diakses secara luas oleh masyarakat umum. Penelitian menggunakan metode Waterfall yang terdiri dari tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi. Data yang digunakan adalah data historis harga penutupan saham dari tiga bank besar (BBCA, BBRI, BMRI) dengan kapitalisasi pasar di atas 400 triliun rupiah, yang diperoleh dari Yahoo Finance. Data diolah melalui proses preprocessing, normalisasi menggunakan Min-Max Scaler, pembentukan dataset berurutan, pelatihan model LSTM, dan evaluasi akurasi menggunakan metrik Mean Absolute Percentage Error (MAPE) dan Mean Squared Error (MSE). Sistem dibangun menggunakan Python dengan Flask untuk backend dan Tailwind CSS untuk frontend, serta dilengkapi visualisasi grafik harga saham dan informasi fundamental seperti ROE, EPS, dan PER. Hasil evaluasi menunjukkan bahwa sistem dapat menghasilkan prediksi dengan akurasi di atas 90%, dan sistem berhasil menyajikan data secara informatif dan mudah digunakan. Kesimpulannya, sistem ini dapat menjadi alat bantu yang efektif bagi investor, khususnya dengan literasi finansial rendah, dalam mengambil keputusan investasi yang lebih terinformasi dan mengurangi risiko kerugian.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Prediksi Saham, LSTM, Website, MAPE, Perbankan
Subjects:	Ilmu Teknik Ilmu Teknik > Teknik Elektro Dan Informatika Ilmu Teknik > Teknik Elektro Dan Informatika > Teknologi Informasi Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Perangkat Lunak Ilmu Ekonomi Ilmu Ekonomi > Ilmu Ekonomi Ilmu Ekonomi > Ilmu Ekonomi > Perbankan
Divisions:	Jurusan Teknologi Informasi > Prodi D4 Teknologi Rekayasa Perangkat Lunak > Skripsi
Depositing User:	I Komang Ari Pandita Mahatmajaya
Date Deposited:	29 Aug 2025 03:07
Last Modified:	29 Aug 2025 03:07
URI:	https://repository.pnb.ac.id/id/eprint/17291

Actions (login required)

View Item