Analisis Perbandingan Metode Peramalan Saham Lstm, Gru dan Meta Prophet dengan Evaluasi Risiko Var-Es

Abstract

Penelitian ini membandingkan kinerja tiga model machine learning, yaitu Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), dan Meta Prophet, dalam memprediksi harga saham sektor real estate di Bursa Efek Indonesia (BEI) periode 2019 hingga 2024. Selain itu, penelitian ini menganalisis risiko investasi menggunakan Value at Risk (VaR) dan Expected Shortfall (ES) untuk memberikan gambaran potensi kerugian maksimum dan kerugian ekstrem. Data historis saham melalui proses normalisasi dan pembagian dataset menjadi latih dan uji dengan rasio 70:30, 80:20, dan 90:10. Penelitian menggunakan konfigurasi time step 40, 60, dan 100, serta tiga lapisan dense dengan 25 dan 50 neuron. Evaluasi kinerja dilakukan menggunakan metrik Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa GRU memiliki akurasi terbaik untuk saham PWON, ASRI, dan DILD, dengan nilai error yang lebih rendah dibandingkan LSTM dan Prophet. Pada saham PWON, GRU mencatatkan MSE sebesar 120,7436, RMSE 10,9883, MAE 7,8569, dan MAPE 1,7254, mengungguli LSTM dengan MSE sebesar 135,3501, RMSE 11,6340, MAE 8,2847, dan MAPE 1,8083, serta Prophet dengan MSE sebesar 1.094,4632, RMSE 33,0827, MAE 25,7171, dan MAPE 5,7051. Hasil serupa juga terlihat pada saham ASRI dan DILD, di mana GRU menghasilkan nilai error terendah, diikuti oleh LSTM, sementara Prophet memiliki kinerja terendah. Dalam analisis risiko menggunakan VaR dan ES pada tingkat kepercayaan 95%, saham PWON memiliki VaR 3,49% dan ES 5,08%, yang berarti dengan investasi Rp100.000.000, potensi kerugian maksimum adalah Rp3.490.000, sedangkan rata-rata kerugian tambahan jika melebihi VaR adalah Rp5.080.000. Pada saham ASRI, VaR sebesar 4,11% dan ES sebesar 5,93% menunjukkan potensi kerugian maksimum Rp4.110.000 dan rata-rata kerugian tambahan Rp5.930.000. Untuk saham DILD, VaR sebesar 3,51% dan ES sebesar 5,12% menunjukkan potensi kerugian maksimum Rp3.510.000 dan rata-rata kerugian tambahan Rp5.120.000. Prophet menunjukkan risiko terendah pada data historis, tetapi mencatatkan risiko tertinggi dalam peramalan 150 hari ke depan, membuatnya kurang ideal untuk pasar yang sangat fluktuatif. GRU dan LSTM lebih akurat dalam menangkap fluktuasi harga saham dibandingkan Prophet, terutama pada perubahan harga tajam. GRU memberikan estimasi risiko yang lebih realistis, sehingga membantu investor memahami potensi kerugian maksimum dan mempersiapkan strategi mitigasi yang lebih baik. Prophet, meskipun cocok untuk tren jangka panjang yang stabil, tidak ideal untuk pasar saham dengan volatilitas tinggi. Penelitian ini menyimpulkan bahwa GRU adalah model terbaik untuk memprediksi harga saham sektor real estate, dengan akurasi tinggi dan kemampuan menangkap tren pasar secara efektif. Hasil penelitian ini dapat menjadi acuan bagi investor dan manajer portofolio dalam menyusun strategi investasi yang lebih strategis dan informasional. Penelitian lanjutan dapat dilakukan dengan mengintegrasikan GRU dengan model lain, menggunakan dataset yang lebih luas, dan menerapkan metode ini pada sektor ekonomi lainnya.