Peramalan Harga Saham di Indonesia menggunakan Long Short Term Memory dan Genetic Algorithm

Abstract

Saham merupakan salah satu alternatif investasi yang populer di Indonesia. Untuk memaksimalkan keuntungan dan mengurangi risiko kerugian, kemampuan pelaku pasar untuk meramalkan pergerakan harga saham secara akurat menjadi salah satu hal yang krusial. Akan tetapi, hal tersebut sangat sulit dilakukan karena ketidakpastian dan noise dalam data saham serta pergerakan pasar saham yang sangat dipengaruhi oleh berbagai faktor. Selain itu, volatilitas harga saham juga meningkatkan kesulitan peramalan harga saham meskipun saham yang volatil memiliki potensi keuntungan yang lebih besar. Kompleksitas data tersebutlah yang mendorong penggunaan algoritma machine learning untuk meramalkan harga saham secara akurat, dan telah terbukti dalam bidang ini dapat meningkatkan efisiensi peramalan dibandingkan dengan metode-metode tradisional seperti analisis teknikal dan analisis fundamental. Berdasarkan uraian di atas, dalam penelitian ini digunakan algoritma Long Short Term Memory yang dioptimalkan menggunakan Genetic Algorithm untuk meramalkan harga saham. GA digunakan untuk menentukan hyperparameter neuron, time window, batch size, dan epochs yang optimal bagi LSTM dalam meramalkan harga saham 1, 7, dan 30 hari kedepan. Peramalan dilakukan menggunakan sebelas data saham yang paling volatil dari masing-masing sebelas sektor yang ada di Indonesia sejak Oktober 2013 hingga Oktober 2023. Hasil peramalan menunjukkan penggunaan GA dapat meningkatkan kemampuan LSTM dalam meramalkan harga saham.