Investasi saham selama ini memiliki resiko kerugian yang sangat besar dikarenakan pergerakan harga saham sangat tidak menentu, dalam meminimalkan resiko kerugian diperlukan pengetahuan dalam membaca pergerakan harga saham. Dengan perkembangan teknologi kecerdasan buatan dan pemrosesan perdiksisaat ini, pergerakan harga saham dapat di identifikasi dengan cara otomatis secara perhitungan matematis yang sangat kompleks. Perhitungan ini adalah Deep Learning yang merupakan salah satu teknologi kecerdasan buatan yang memiliki akurasi pengenalan yang tinggi dengan data yang banyak. Penelitihan ini menggunakan teknik Deep learning, Recurrent Neural Networks (RNN) modul pemrosesan Long-Short Term Memory (LSTM) untuk melakukan prediksi harga saham. Fitur yang digunakan dalam pemrosesan prediksi yaitu Data harga penutupan saham (harga closing) PT Semen Indonesia (Persero) Tbk, dari tanggal (09/01/2014) sampai (09/01/2020), sebanyak 1500 data. Dengan adanya gerbang - gerbang didalam metode Neural Network algoritma LSTM ini dapat menyeleksi data yang perlu diingat ataupun dilupakan dalam proses perhitungannya. Berdasarkan hasil prediksi harga saham menghasilkan keakuratan yang sangat bagus dengan 100 proses pelatihan dari 13 proses uji coba dengan berbagai nilai parameter learning rate yang berbeda - beda dan mendapatkan rata-rata akurasi 94,92 %. Dan yang menghasilkan hasil terbaik adalah skenario ke tiga dengan parameter epoch 50, learning rate 0.2 dan menghasilkan MSE 0.51 dan MAPE 0.38%, akurasinya 99.62%


Deskripsi Lain

Investment in shares so far has a very large risk of loss due to the movement of stock prices is very uncertain, in minimizing the risk of loss of knowledge required in reading stock price movements. With the development of artificial intelligence technology and current processing processes, stock price movements can be identified by automated means of very complex mathematical calculations. This calculation is Deep Learning which is an artificial intelligence technology which has a high recognition accuracy with a lot of data. This research uses Deep learning technique, Recurrent Neural Networks (RNN) Long-Short Term Memory (LSTM) processing module to predict stock prices. The features used in prediction processing are data on closing price of shares (closing price) of PT Semen Indonesia (Persero) Tbk, from the date (01/09/2014) to (09/01/2020), as many as 1500 data. With the gates in the Neural Network method this LSTM algorithm can select data that needs to be remembered or forgotten in the calculation process. Based on the results of stock price predictions produce very good accuracy with 100 training processes from 13 trial processes with various values ​​of learning rate parameters - different and get an average accuracy of 94.92%. And the one that produces the best results is the third scenario with epoch 50 parameters, learning rate 0.2 and produces MSE 0.51 and MAPE 0.38%, accuracy 99.62%

• Pengenalan Obyek Berbasis Deep Learning Dengan Menggunakan Convolutional Neural Network
• Pengenalan Wajah Menggunakan Metode Preprocessing Image Fusion dan Ekstraksi Fitur Modified Two Dimensional Linear Discriminant Analysis
• IMPLEMENTASI SELEKSI FITUR INFORMATION GAIN DAN KLASIFIKASI REGRESI LOGISTIK UNTUK DIAGNOSA PENDERITA GINJAL KRONIS
• Multi-class Seleksi Fitur F-Score Berbasis Statistik dan K-nearest Neighbor untuk Diagnosa Penyakit Sapi
• SISTEM PENCARIAN TEKS AL-QURAN TERJEMAHAN BERBAHASA INDONESIA DENGAN METODE DICE SIMILARITY DAN NAZIEF DAN ADRIANI

• Pengenalan Obyek Berbasis Deep Learning Dengan Menggunakan Convolutional Neural Network
• Pengenalan Wajah Menggunakan Metode Preprocessing Image Fusion dan Ekstraksi Fitur Modified Two Dimensional Linear Discriminant Analysis
• IMPLEMENTASI SELEKSI FITUR INFORMATION GAIN DAN KLASIFIKASI REGRESI LOGISTIK UNTUK DIAGNOSA PENDERITA GINJAL KRONIS
• Multi-class Seleksi Fitur F-Score Berbasis Statistik dan K-nearest Neighbor untuk Diagnosa Penyakit Sapi
• SISTEM PENCARIAN TEKS AL-QURAN TERJEMAHAN BERBAHASA INDONESIA DENGAN METODE DICE SIMILARITY DAN NAZIEF DAN ADRIANI