Perbandingan LSTM dan Bidirectional LSTM pada Sistem Prediksi Harga Saham Berbasis Website

Abstract

Saham memainkan peranan penting dalam perekonomian suatu negara karena pasar saham merupakan tempat pertukaran modal yang memengaruhi berbagai aspek perekonomian. Kinerja pasar saham berdampak langsung terhadap kesejahteraan ekonomi negara tersebut. Investasi saham dapat dilakukan di berbagai tempat. Namun, penting bagi investor untuk mengetahui bahwa saham adalah produk keuangan yang memiliki risiko tinggi, meskipun menawarkan imbal hasil yang tinggi. Nilai saham yang berfluktuasi setiap saat tidak mudah diprediksi hanya dengan logika. Hal ini dapat menimbulkan masalah bagi investor yang ingin berinvestasi di pasar saham. Oleh karena itu, penelitian ini bertujuan untuk memprediksi harga saham. Prediksi harga saham dilakukan terhadap enam perusahaan yang berbeda, yaitu PT Bank Mandiri (Persero) Tbk, PT Bank Central Asia Tbk, PT Bank Rakyat Indonesia (Persero) Tbk, PT Aneka Tambang Tbk, PT Adaro Energy Indonesia Tbk, dan PT Timah Tbk. Dalam melakukan prediksi harga saham, digunakan perbandingan antara algoritma Long Short-Term Memory (LSTM) dan Bidirectional Long Short-Term Memory (BiLSTM). Hasil penelitian ini menunjukkan bahwa model LSTM sedikit lebih unggul dibandingkan model BiLSTM dalam memprediksi kinerja PT Bank Rakyat Indonesia (BBRI), dengan selisih sekitar 0,14% berdasarkan MAPE dan 0,0009 berdasarkan MAE. Hal ini menunjukkan bahwa perbedaan kinerja antara LSTM dan BiLSTM tidak terlalu signifikan.