Analisis Perbandingan Hasil Peramalan Harga Saham Menggunakan Model Autoregresive Integrated Moving Average dan Long Short Term Memory

Abstract

Saham menjadi salah satu instrumen investasi yang populer di tengah masyarakat modern. Saham berpotensi memberikan keuntungan yang besar namun juga memiliki risiko yang besar, oleh sebab itu dibutuhkan peramalan harga saham untuk menghadapi risiko dalam berinvestasi saham. Data harga saham termasuk ke dalam data deret waktu sehingga diperlukan analisis deret waktu dalam meramalkannya. Terdapat dua model populer dalam meramalkan data deret waktu yaitu Model Autoregressive Integrated Moving Average (ARIMA) dan Model Long Short Term Memory (LSTM). Tujuan dalam penelitian ini adalah untuk menemukan model ARIMA terbaik dan kombinasi hyperparameter model LSTM terbaik, serta membandingkan akurasi hasil peramalan kedua model tersebut untuk memperoleh model yang terbaik dalam meramalkan harga saham terpilih. Metode Maximum Likelihood Estimation digunakan dalam mengestimasi parameter model ARIMA dan Metode Trial and Error digunakan dalam menentukan kombinasi hyperparameter model LSTM. Data yang digunakan adalah data harga penutupan saham BBCA, BBTN, dan BMRI selama 1 tahun (1 April 2021 – 31 Maret 2022). Hasil penelitian menunjukkan bahwa model LSTM merupakan model terbaik dalam meramalkan data harga saham BBCA, sementara itu model ARIMA (1,1,0) merupakan model terbaik dalam meramalkan data harga saham BBTN dan BMRI. Seluruh hasil peramalan dengan menggunakan model terbaik untuk masing-masing saham, masuk ke dalam kriteria peramalan yang sangat akurat karena memiliki nilai MAPE <10%.

Keywords

• analisis deret waktu
• arima
• lstm
• saham