Qolbie, Nashila Farafisha (2025) Prediksi harga saham menggunakan algoritma lstm dan gru berbasis web (studi kasus: PT Bank rakyat Indonesia (bbri)) / Nashila Farafisha Qolbie</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p Perkembangan pasar modal Indonesia mendorong investor untuk mengeksplorasi peluang dan mengatur strategi dalam memitigasi risiko agar memperoleh keuntungan di tengah dinamika pasar. Penelitian ini bertujuan untuk mengembangkan sistem prediksi harga saham berbasis web menggunakan algoritma deep learning Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dengan studi kasus pada saham PT Bank Rakyat Indonesia Tbk (BBRI). Data yang digunakan adalah harga penutupan harian dari tanggal 10 Juni 2019 hingga 10 Maret 2025. Pengembangan sistem dilakukan menggunakan kerangka Waterfall dan diimplementasikan dalam framework Flask. Model dilatih dengan maksimum epoch 200 batch size 32 dan time step 7 serta diuji menggunakan metrik Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model GRU dengan konfigurasi rasio data latih dan data uji 80 20 64 neuron dan dropout 0.1 menghasilkan akurasi tertinggi dengan MAPE sebesar 1.60% sementara model LSTM terbaik dengan konfigurasi rasio data latih dan data uji 80 20 128 neuron dan dropout 0.2 menghasilkan MAPE sebesar 1.80%. Sistem yang dibangun memungkinkan pengguna untuk memprediksi harga saham hingga 13 hari ke depan dan menampilkan hasil dalam bentuk grafik dan tabel. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | library UM |
| Date Deposited: | 20 May 2025 04:29 |
| Last Modified: | 09 Sep 2025 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/421216 |
Actions (login required)
 |
View Item |