%0 Thesis
%9 Skripsi
%A Irfan Chairurrachman, NIM.: 18106050016
%B FAKULTAS SAINS DAN TEKNOLOGI
%D 2022
%F digilib:53738
%I UIN SUNAN KALIJAGA YOGYAKARTA
%K LSTM, vanilla, CNN-LSTM, bidirectional-LSTM, ICBP, saham
%P 68
%T PENERAPAN LONG SHORT-TERM MEMORY PADA DATA TIME SERIES UNTUK PREDIKSI HARGA SAHAM PT. INDOFOOD CBP SUKSES MAKMUR TBK (ICBP)
%U https://digilib.uin-suka.ac.id/id/eprint/53738/
%X Dalam dunia trading, prediksi saham memainkan peran penting dalam mengembangkan strategi trading yang efektif untuk mencapai keuntungan yang maksimum. Belakangan ini, deep learning, khususnya long short-term memory (LSTM) telah dirancang untuk bekerja dengan prediksi urutan. Keunggulan LSTM terletak pada kemampuan menangani masalah exploding/vanishing gradient. Dalam penelitian ini, tiga jenis LSTM yang digunakan bernama vanilla LSTM, CNN-LSTM, bidirectional LSTM dibandingkan untuk memprediksi suatu saham, lebih tepatnya harga saham ICBP (PT. Indofood CBP Sukses Makmur). Hasil penelitian menunjukkan CNN-LSTM adalah jenis LSTM terbaik dengan nilai MAE dan R2 berurutan sebesar 74.1365 dan 96,6%.
%Z Pembimbing : Nurochman, S.Kom., M.Kom.