PERAMALAN HARGA SAHAM APPLE DENGAN METODE HYBRID VECTOR AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (VARIMA) - LONG SHORT TERM MEMORY (LSTM)

DEA , SAFITRI (2023) PERAMALAN HARGA SAHAM APPLE DENGAN METODE HYBRID VECTOR AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (VARIMA) - LONG SHORT TERM MEMORY (LSTM). FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM , UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (4Mb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (4Mb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (4Mb) | Preview

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

Saham adalah salah satu instrument keuangan jangka panjang yang diperjual belikan di pasar modal dan merupakan alternatif yang popular bagi investor untuk melakukan investasi. Harga saham dapat mengalami kenaikan dan penurunan dalam jangka waktu tertentu sehingga dapat menimbulkan beberapa pola tertentu. Para investor membutuhkan peramalan untuk memperkirakan harga saham di masa yang akan datang untuk memaksimalkan keuntungan. Salah satu metode peramalan data deret waktu yang dapat digunakan adalah VARIMA, namun VARIMA terbatas pada pola linier data deret waktu. Peramalan dapat juga dapat dilakukan menggunakan metode deep learning, salah satunya yaitu LSTM. Metode LSTM mampu menangkap pola linier atau pola non linier data. Oleh karena itu, penelitian ini menggunakan metode hybrid VARIMA-LSTM untuk peramalan harga saham. Metode hybrid VARIMA-LSTM terdiri dari 2 model utama yaitu model pertama merupakan model yang dibangun dengan data prediksi dari VARIMA sedangkan model kedua dibangun dengan data residual dari VARIMA. Model hybrid VARIMA-LSTM terbaik pada penelitian ini menghasilkan RMSE sebesar 34.0735 dan MAPE sebesar 0.0297 dengan menggunakan splitting data 80% data training dan 20% data testing. Kata kunci : Saham, Prediksi, Peramalan, VARIMA, LSTM, Hybrid VARIMA LSTM ABSTRACT Stock is one of the long-term financial instruments that are sold buy in the capital market and is a popular alternative for investors to make an investment. Stock prices can increase and decrease in a certain period of time so that it can give rise to certain patterns. Investors need forecasting to estimate stock prices in the future to maximize profits. One method forecasting time series data that can be used is VARIMA, however VARIMA is limited to linear patterns of time series data. Forecasting can also be carried out using deep learning methods, one of which is LSTM. The LSTM method is capable of capturing linear patterns or non-linear data patterns. By Therefore, this study uses the VARIMA-LSTM hybrid method for stock price forecasting. VARIMA-LSTM hybrid method consists of 2 models. The main thing is that the first model is a model built with predictive data from VARIMA while the second model was built with residual data from VARIMA. The best VARIMA-LSTM hybrid model in this study produce an RMSE of 34.0735 and a MAPE of 0.0297 with using splitting data 80% training data and 20% testing data. Keywords : Stock, Prediction, Forecasting, VARIMA, LSTM, Hybrid VARIMA 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:	2301092331 . Digilib
Date Deposited:	22 Aug 2023 01:10
Terakhir diubah:	22 Aug 2023 01:10
URI:	http://digilib.unila.ac.id/id/eprint/75060

Actions (login required)

Lihat Karya Akhir