Pemodelan dan Prediksi Harga Saham ANTM Menggunakan Long Short-Term Memory (LSTM)
(ANTM) Stock Price Prediction and Modelling Using Long Short Term Memory (LSTM)
DOI:
https://doi.org/10.57152/ijirse.v6i2.3119Keywords:
Artifcial Intelligence, Long Short Term Memory, Machine Learning, Prediksi Pergerakan Harga SahamAbstract
Saham merupakan salah satu perangkat atau alat investasi yang digunakan oleh banyak orang, Saham mempunyai pilihan menarik yaitu saham bisa disimpan atau diinvestasikan dan mampu memberikan return yang menarik berdasarkan pertumbuhan korporasi atau perusahaan. Banyak faktor yang dapat mempengaruhi pergerakan harga saham, diantaranya faktor internal perusahaan, maupun faktor dari external perusahaan. Penelitian ini menggunakan salah satu perusahaan terkenal di Indonesia. Perusahaan pertambangan dan logam mulia terkemuka di indonesia, bergerak dalam eksplorasi, penambangan, pengolahan, serta pemasaran komoditas mineral seperti emas, nikel dan bauksit. Machine Learning adalah salah satu topik populer untuk memberikan wawasan dan rekomendasi mengenai pergerakan harga saham. Dalam penelitian ini, peneliti akan menggunakan salah satu machine learning Long Short Term Memory dalam memprediksi pergerakan harga saham. Dengan menggunakan data harga saham ANTM dari tahun 2022 hingga 2026. Menunjukkan hasil bahwa LSTM mampu memberikan hasil evaluasi R-squared sebesar 0.92, RMSE sebesar 128.91 dan MAPE sebesar 0.027, dan memiliki kesimpulan bahwa LSTM menunjukkan performa yang sangat bagus dengan akurasi tinggi yang dilihat dari R2, Nilai toleransi yang wajar dengan nilai RMSE.
References
Bansal, M., Goyal, A., & Choudhary, A. (2022). Stock Market Prediction with High Accuracy using Machine Learning Techniques. Procedia Computer Science, 215, 247–265. https://doi.org/10.1016/j.procs.2022.12.028
Bichri, H., Chergui, A., & Hain, M. (2024). Investigating the Impact of Train / Test Split Ratio on the Performance of Pre-Trained Models with Custom Datasets. In IJACSA) International Journal of Advanced Computer Science and Applications (Vol. 15, Number 2). www.ijacsa.thesai.org
Brzozowska, J., Pizo?, J., Baytikenova, G., Gola, A., Zakimova, A., & Piotrowska, K. (2023). DATA ENGINEERING IN CRISP-DM PROCESS PRODUCTION DATA – CASE STUDY. Applied Computer Science, 19(3), 83–95. https://doi.org/10.35784/acs-2023-26
Chavhan, S., Raj, P., Raj, P., Dutta, A. K., & Rodrigues, J. J. P. C. (2024). Deep Learning Approaches for Stock Price Prediction: A Comparative Study of LSTM, RNN, and GRU Models. 2024 9th International Conference on Smart and Sustainable Technologies (SpliTech), 01–06. https://doi.org/10.23919/SpliTech61897.2024.10612666
Dattatreya Barve, T., Yograj Samant, A., & Suresh Kulaye, M. (2025). International Journal of Computer Technology and Electronics Communication (IJCTEC) A Comparative Study of Optimization Algorithms in Deep Learning: SGD, Adam, And Beyond. | An ISO, 9001, 11018. https://doi.org/10.15680/IJCTECE.2025.0804003
Dwivedi, S. A., Attry, A., Parekh, D., & Singla, K. (2021). Analysis and forecasting of Time-Series data using S-ARIMA, CNN and LSTM. Proceedings - IEEE 2021 International Conference on Computing, Communication, and Intelligent Systems, ICCCIS 2021, 131–136. https://doi.org/10.1109/ICCCIS51004.2021.9397134
Farhadi, A., Zamanifar, A., Alipour, A., Taheri, A., & Asadolahi, M. (2025). A Hybrid LSTM-GRU Model for Stock Price Prediction. IEEE Access, 13, 117594–117618. https://doi.org/10.1109/ACCESS.2025.3586558
Gao, Z. (2021). Stock Price Prediction with ARIMA and Deep Learning Models. 2021 IEEE 6th International Conference on Big Data Analytics, ICBDA 2021, 61–68. https://doi.org/10.1109/ICBDA51983.2021.9403037
Ketut, I., Enriko, A., Nizar Gustiyana, F., Putra, R. H., & Kunci, K. (2023). JURNAL MEDIA INFORMATIKA BUDIDARMA Komparasi Hasil Optimasi Pada Prediksi Harga Saham PT. Telkom Indonesia Menggunakan Algoritma Long Short Term Memory. https://doi.org/10.30865/mib.v7i2.5822
Mittal, S., & Chauhan, A. (2021). A RNN-LSTM-Based Predictive Modelling Framework for Stock Market Prediction Using Technical Indicators. International Journal of Rough Sets and Data Analysis, 7(1), 1–13. https://doi.org/10.4018/ijrsda.288521
Otoritas Jasa Keuangan. (2019, November 25). PENYEBAB NAIK TURUN HARGA SAHAM SUATU PERUSAHAAN. Https://Sikapiuangmu.Ojk.Go.Id/FrontEnd/CMS/Article/10507. https://sikapiuangmu.ojk.go.id/FrontEnd/CMS/Article/10507
Pete, C., Julian, C., Randy, K., Thomas, K., Thomas, R., Colin, S., & Wirth, R. (2000). Crisp-Dm 1.0. CRISP-DM Consortium, 76.
Puspadini, M. (2024, January 25). BEI Sebut Investor RI Dua Kali Lipat dari Singapura, Tapi... CNBC Indonesia.
Yan, X., Weihan, W., & Chang, M. (2021). Research on financial assets transaction prediction model based on LSTM neural network. Neural Computing and Applications, 33(1), 257–270. https://doi.org/10.1007/s00521-020-04992-7
Yohannes, E., Febriansyah, A., Septiyanti, N. D., Suparji, Wiyono, A., Indriyanti, A. D., Utaminingrum, F., Lin, C.-Y., Muchtar, K., & Enkhbat, A. (2025). Forecasting Stock Prices with Sequential Deep Learning: A Long Short-Term Memory Approach. 2025 Eight International Conference on Vocational Education and Electrical Engineering (ICVEE), 177–183. https://doi.org/10.1109/ICVEE66651.2025.11281457
