Rancang Bangun Aplikasi Prediksi Saham Menggunakan Long Short-Term Memory Recurrent Neural Network

Saham merupakan sebuah surat berharga atau selembaran kertas yang berisikan sebagai bukti penyertaan atau kepemilikan suatu perusahaan. Dalam melakukan jual beli saham, informasi harga saham sangatlah penting bagi para investor karena pembelian saham biasanya akan dilakukan pada saat saham berada pada titik terendahnya dan penjualan saham akan dilakukan pada saat titik tertingginya. Fokus dari penelitaian ini adalah menggunakan algoritma Long Short Term Memory untuk memprediksi saham pada perusahaan otomotif. Algoritma Long Short Term Memory sudah sering digunakan pada aplikasi prediksi seperti pada Analisis dan Implementasi Long Short Term Memory Neural Network untuk Prediksi Harga Bitcoin. Penelitian ini dilakukan dengan menggunakan lima data saham otomotif yang datanya diambil dari Yahoo Finace. Dalam penelitian dilakukan eksperimen terkait dengan pengaruh jumlah hidden layer dan epoch terhadap akurasi prediksi saham. Dari hasil uji coba yang didapat, semakin banyak penggunaan hidden layer dan epoch maka hasil akurasi semakin bagus, sehingga mendapatkan kisaran hasil akurasi dari 97% hingga 99%