Prediksi Harga Saham menggunakan Metode Recurrent Neural Network

Abstract

Saham merupakan salah satu pilihan investasi yang
menarik karena dapat diperoleh untung yang besar
dibandingkan dengan usaha lainnya. Untuk meminimalkan
resiko kerugian, diperlukan perhatian yang jeli terhadap
pergerakan saham dan perkembangan pasar modal merupakan
salah satu indikator yang perlu dipantau. Dengan teknologi
pemrosesan prediksi dan pembelajaran mesin saat ini,
identifikasi prediksi harga saham dapat dilakukan secara
otomatis. Deep Learning merupakan salah satu bagian dari
pembelajaran mesin, dan memiliki akurasi pengenalan yang
tinggi dengan data yang sangat banyak. Penelitian ini
menggunakan analisis history harga saham dalam suatu
perusahaan, dan Recurrent Neural Network (RNN) untuk
melakukan prediksi terhadap nilai saham dari history harga
saham. Fitur yang diidentifikasi yaitu harga terendah, harga
tertinggi, harga buka, harga tutup, volume, rata-rata harga, dan
pergerakan. Prediksi tujuh fitur variabel dengan RNN
menghasilkan akurasi sebesar 94% untuk data latih dan 55%
untuk data uji. Akurasi diperoleh setelah pelatihan dengan
menggunakan 1218 data.