creators_name: A. Gilang, Aleyusta Savada creators_id: 2015061017 type: other datestamp: 2025-02-05 05:23:46 lastmod: 2025-02-05 05:23:46 metadata_visibility: show title: IMPLEMENTASI MODEL HYBRID VECTOR AUTOREGRESSIVE - LONG SHORT TERM MEMORY (VAR-LSTM) PADA PERAMALAN INDEKS HARGA SAHAM GABUNGAN DAN KURS RUPIAH ispublished: pub subjects: 620 full_text_status: restricted abstract: Fluktuasi signifikan pada harga saham dan nilai tukar Rupiah menimbulkan ketidakpastian bagi investor dalam pengambilan keputusan investasi. Selanjutnya, model peramalan harga tradisional seperti Vector Autoregressive (VAR) hanya mampu menangkap pola linier, sementara model deep learning seperti Long Short Term Memory (LSTM) lebih efektif dalam menangani pola nonlinier namun memerlukan data yang besar untuk performa optimal. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model peramalan hybrid dengan mengintegrasikan pendekatan VAR dan LSTM guna memprediksi Indeks Harga Saham Gabungan (IHSG) dan Kurs Rupiah terhadap Dollar Amerika (USD/IDR). Model hybrid ini memanfaatkan keunggulan VAR dalam menganalisis pola linier dan LSTM dalam menangkap pola nonlinier pada data deret waktu. Penelitian ini menggunakan kerangka kerja OSEMN (Obtain, Scrub, Explore, Model, iNterpret) untuk memastikan proses analisis data dilakukan secara sistematis dan komprehensif. Data historis dari Januari 2004 hingga Desember 2023 digunakan untuk membangun model, sementara data dari Januari hingga Juli 2024 digunakan untuk validasi. Evaluasi kinerja model dilakukan menggunakan Mean Absolute Error (MAE) untuk mengukur tingkat kesalahan prediksi serta visualisasi pola pasar yang kompleks. Hasil penelitian mengungkapkan bahwa model Hybrid VAR- LSTM berhasil meningkatkan akurasi prediksi pada data validasi dibandingkan dengan penggunaan model VAR atau LSTM secara individu. Peningkatan ini terlihat dari nilai MAE yang lebih rendah pada model Hybrid VAR-LSTM saat melakukan peramalan terhadap data validasi variabel IHSG dan Kurs Rupiah. Kata Kunci: Hybrid VAR-LSTM, Peramalan Deret Waktu, Indeks Harga Saham Gabungan, Kurs Rupiah, Kerangka Kerja OSEMN. Significant fluctuations in stock prices and the Rupiah exchange rate create uncertainty for investors in making investment decisions. Furthermore, traditional forecasting models like Vector Autoregressive (VAR) are only capable of capturing linear patterns, whereas deep learning models such as Long Short Term Memory (LSTM) are more effective in handling non-linear patterns but require large datasets for optimal performance. Therefore, this study aims to develop a hybrid forecasting model by integrating the VAR and LSTM approaches to predict the Composite Stock Price Index (IHSG) and Rupiah exchange rate against the US Dollar (USD/IDR). The hybrid model leverages the strength of VAR in analyzing linear patterns and LSTM in capturing non-linear patterns in time series data. This study employs the OSEMN framework (Obtain, Scrub, Explore, Model, iNterpret) to ensure that the data analysis process is conducted systematically and comprehensively. Historical data from January 2004 to December 2023 is used to build the model, while data from January to July 2024 is used for validation. Model performance evaluation is conducted using Mean Absolute Error (MAE) to measure prediction error rates and visualize complex market patterns. The results reveal that the Hybrid VAR-LSTM model successfully improves prediction accuracy on the validation data compared to using either the VAR or LSTM models individually. This improvement is evident from the lower MAE values achieved by the Hybrid VAR-LSTM model when forecasting validation data for the IHSG and Rupiah exchange rate variables. Keywords: Hybrid VAR-LSTM, Time Series Forecasting, Composite Stock Price Index, Rupiah Exchange Rate, OSEMN Framework. date: 2024-09-20 date_type: published publisher: TEKNIK place_of_pub: UNIVERSITAS LAMPUNG citation: A. Gilang, Aleyusta Savada (2024) IMPLEMENTASI MODEL HYBRID VECTOR AUTOREGRESSIVE - LONG SHORT TERM MEMORY (VAR-LSTM) PADA PERAMALAN INDEKS HARGA SAHAM GABUNGAN DAN KURS RUPIAH. TEKNIK, UNIVERSITAS LAMPUNG. document_url: http://digilib.unila.ac.id/82155/1/1.%20ABSTRAK%20-%20A.%20GILANG%20ALEYUSTA%20SAVADA.pdf document_url: http://digilib.unila.ac.id/82155/2/2.%20SKRIPSI%20FULL%20-%20A.%20GILANG%20ALEYUSTA%20SAVADA.pdf document_url: http://digilib.unila.ac.id/82155/3/3.%20SKRIPSI%20TANPA%20BAB%20PEMBAHASAN%20-%20A.%20GILANG%20ALEYUSTA%20SAVADA.pdf