EUVIMEDSkopri EUVIMED
Open access · CC BY 4.0

Penerapan Long Short-Term Memory (LSTM) untuk Peramalan Harga Penutupan Saham BBCA.JK

Pinokio Pinokio, Muhammad Akbar, Cindi Wulandari, Harma Oktafia Lingga Wijaya

Journal Artificial: Informatika dan Sistem Informasi · 2026-10-31 · 4 (2) · 344-361

DOI: 10.54065/artificial.2010 ↗

At a glance

Journal article in Journal Artificial: Informatika dan Sistem Informasi, published online on 2026-10-31. Written by Pinokio Pinokio and 3 co-authors. The full text is freely available (open access, CC BY 4.0).

AstrattDettalji biblijografiċiCiteRelated studies

Abstract (original language)

Peramalan harga saham merupakan permasalahan yang kompleks karena pergerakan harga bersifat dinamis, fluktuatif, dan memiliki ketergantungan temporal antarperiode. Kondisi tersebut mendorong penggunaan metode deep learning yang mampu mempelajari pola historis pada data deret waktu. Penelitian ini bertujuan mengembangkan dan mengevaluasi model Long Short-Term Memory (LSTM) untuk meramalkan harga penutupan saham PT Bank Central Asia Tbk (BBCA.JK) berdasarkan data historis perdagangan. Data penelitian terdiri atas 1.201 observasi harian pada periode 8 Agustus 2020 hingga 15 Agustus 2025 yang diperoleh dari Kaggle. Dataset mencakup atribut Open, High, Low, Close, dan Volume, sedangkan harga Close digunakan sebagai fitur utama dalam pemodelan. Data dinormalisasi menggunakan Min-Max Scaling dan dibentuk menjadi sekuens menggunakan sliding window 60 hari, kemudian dibagi secara kronologis dengan rasio 80:20 untuk data pelatihan dan pengujian. Model LSTM dibangun menggunakan satu lapisan LSTM dengan 96 unit yang diikuti lapisan Dense serta dilatih menggunakan optimizer Adam dan Huber Loss dengan dukungan Early Stopping, Model Checkpoint, dan ReduceLROnPlateau. Hasil pengujian menghasilkan MAE sebesar 128,57, RMSE sebesar 164,44, R² sebesar 0,9417, dan MAPE sebesar 1,41%. Model juga digunakan untuk menghasilkan estimasi harga selama 30 hari perdagangan berikutnya. Hasil penelitian menunjukkan bahwa LSTM mampu memodelkan pola temporal harga penutupan BBCA.JK dengan tingkat kesalahan relatif rendah pada dataset dan konfigurasi penelitian yang digunakan.

Cite

APA

Pinokio, P., Akbar, M., Wulandari, C., & Wijaya, H. O. L. (2026). Penerapan Long Short-Term Memory (LSTM) untuk Peramalan Harga Penutupan Saham BBCA.JK. Journal Artificial: Informatika dan Sistem Informasi, 4(2), 344-361. https://doi.org/10.54065/artificial.2010

Vancouver

Pinokio P, Akbar M, Wulandari C, Wijaya HOL. Penerapan Long Short-Term Memory (LSTM) untuk Peramalan Harga Penutupan Saham BBCA.JK. Journal Artificial: Informatika dan Sistem Informasi. 2026;4(2):344-361. doi:10.54065/artificial.2010

BibTeX
@article{Pinokio2026,
  author = {Pinokio, Pinokio and Akbar, Muhammad and Wulandari, Cindi and Wijaya, Harma Oktafia Lingga},
  title = {Penerapan Long Short-Term Memory (LSTM) untuk Peramalan Harga Penutupan Saham BBCA.JK},
  journal = {Journal Artificial: Informatika dan Sistem Informasi},
  year = {2026},
  volume = {4},
  number = {2},
  pages = {344--361},
  doi = {10.54065/artificial.2010}
}
Start for free →