KHAERUNNISA, Amara Putri (2025) PENERAPAN ALGORITMA LONG SHORT-TERM MEMORY PADA PREDIKSI HARGA SAHAM META. Bachelor thesis, UNIVERSITAS PERADABAN.
![[img]](http://repository.peradaban.ac.id/style/images/fileicons/other.png) |
PDF (HALAMAN AWAL)
COVER-AMARA PUTRI KHAERUNNISA-42421003-SKRIPSI-2025.pdf - Published Version Download (653kB) |
![[img]](http://repository.peradaban.ac.id/style/images/fileicons/text.png) |
Text (ABSTRAK)
ABSTRACT-AMARA PUTRI KHAERUNNISA-42421003-SKRIPSI-2025.docx - Published Version Download (18kB) |
|
PDF (BAB I)
BAB I-AMARA PUTRI KHAERUNNISA-42421003-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (194kB) |
|
PDF (BAB II)
BAB II-AMARA PUTRI KHAERUNNISA-42421003-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (774kB) |
|
PDF (BAB III)
BAB III-AMARA PUTRI KHAERUNNISA-42421003-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (1MB) |
|
PDF (BAB IV)
BAB IV-AMARA PUTRI KHAERUNNISA-42421003-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (1MB) |
|
PDF (BAB V)
BAB V-AMARA PUTRI KHAERUNNISA-42421003-SKRIPSI-2025.pdf - Published Version Download (177kB) |
|
PDF (DAFTAR PUSTAKA)
DAFTAR PUSTAKA-AMARA PUTRI KHAERUNNISA-42421003-SKRIPSI-2025.pdf - Published Version Download (410kB) |
|
PDF (LAMPIRAN)
LAMPIRAN-AMARA PUTRI KHAERUNNISA-42421003-SKRIPSI-2025.pdf - Published Version Restricted to Repository staff only Download (401kB) |
Abstract
Perkembangan teknologi dan meningkatnya minat masyarakat terhadap investasi saham menuntut adanya metode prediksi harga saham yang akurat dan adaptif. Penelitian ini bertujuan untuk menerapkan algoritma Long Short-Term Memory (LSTM) dalam memprediksi harga saham perusahaan teknologi global, yaitu Meta Platforms Inc., dengan menggunakan data historis harga saham. Data diperoleh dari Yahoo Finance untuk periode Januari 2021 hingga Desember 2024, mencakup fitur harga pembukaan, harga penutupan, serta volume perdagangan. Sebelum digunakan dalam proses pelatihan, data terlebih dahulu melalui tahap preprocessing yang meliputi normalisasi, pembentukan sequence, serta pembagian data latih dan data uji. Evaluasi performa model dilakukan menggunakan metrik Root Mean Square Error (RMSE) dengan hasil $22.12, serta Mean Absolute Percentage Error (MAPE) sebesar 3.44%. Hasil penelitian menunjukkan bahwa model LSTM mampu mempelajari pola historis pergerakan harga saham META dengan tingkat akurasi yang sangat baik. Dengan demikian, penelitian ini membuktikan bahwa algoritma LSTM efektif digunakan untuk prediksi harga saham yang bersifat fluktuatif dan kompleks.
| Item Type: | Thesis (Bachelor) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Uncontrolled Keywords: | Prediksi Harga Saham, LSTM, Deep Learning, Data Time Series, META | |||||||||
| Subjects: | 000 Ilmu Komputer, Informasi dan Karya Umum > 000 Ilmu Umum; Ilmu Komputer dan Informasi > 006-Metode Komputer Tertentu > Kecerdasan Buatan;Sistem Pakar; Neural Network; Data Mining; Machine learning; Computer Vision; Pengolahan Citra | |||||||||
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Informatika - S1 | |||||||||
| Depositing User: | S.E. Khozin Khozin | |||||||||
| Date Deposited: | 10 Mar 2026 02:20 | |||||||||
| Last Modified: | 10 Mar 2026 02:20 | |||||||||
| URI: | http://repository.peradaban.ac.id/id/eprint/2372 |
Actions (login required)
 |
View Item |