ANALISIS DATA DERET WAKTU MENGGUNAKAN METODE HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN LONG SHORT TERM MEMORY (LSTM) DALAM MEMPREDIKSI HARGA SAHAM

ZIDNY, ILMA ZAIN (2023) ANALISIS DATA DERET WAKTU MENGGUNAKAN METODE HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN LONG SHORT TERM MEMORY (LSTM) DALAM MEMPREDIKSI HARGA SAHAM. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK - ABSTRACT.pdf Download (75Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (3333Kb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2884Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Analisis deret waktu mempelajari hubungan deret waktu yang satu dengan waktu yang lain untuk menemukan cara dan model yang tepat dalam mengekspresikan hubungan periode waktu yang terstruktur antara beberapa data yang kemudian dilakukan prediksi deret waktu dari satu atau lebih data deret waktu. Salah satu metode tradisional dalah metode ARIMA atau dikenal sebagai BoxJenkins baik digunakan dalam memodelkan hubungan linear, tetapi tidak cukup untuk memodelkan hubungan yang tidak linear. Metode lain berdasar pada ANN atau jaringan syaraf tiruan adalah metode LSTM, dapat memodelkan hubungan yang linear dan tidak linear tetapi tidak dapat memberikan hasil yang sama untuk setiap kumpulan data yang digunakan. Model Hybrid merupakan kombinasi dari ARIMA dan LSTM yang dapat membantu untuk mendapatkan pola tertentu yang tidak bisa diberikan oleh salah satu model jika tidak mendapatkan dukungan dari yang lain. Penelitian ini untuk penerapan metode Hybrid ARIMA – LSTM dalam meningkatkan akurasi dan memprediksi harga saham media konvenisonal dengan data uji dan data latih 80% dan 20% serta 70% dan 30%. Diperoleh hasil prediksi terbaik model hybrid ARIMA-LSTM sebesar 99,99% untuk kedua data latih dan data uji berdasarkan akurasi MAPE. Kata Kunci: Analisis Deret Waktu, Hybrid ARIMA-LSTM

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	2301428451 . Digilib
Date Deposited:	13 Jun 2023 03:58
Terakhir diubah:	13 Jun 2023 03:58
URI:	http://digilib.unila.ac.id/id/eprint/72040

Actions (login required)

Lihat Karya Akhir