<![CDATA[IMPLEMENTASI ALGORITMA LONG SHORT TERM MEMORY UNTUK PREDIKSI HARGA SAHAM BANK TABUNGAN NEGARA (BTN)]]>
Nona Rhizma Afriana
Pengarang
Muhammad Fuad Asnawi., S>KOM M.M.
Dosen Pembimbing 2
Adi Suwondo, M.Kom
Dosen Pembimbing 1
Saifu Rohman, M.Kom.
Penguji 1
Nur Hasanah, M.Kom.
Penguji 2
Adi Suwondo, M.Kom
Ketua Penguji
Dalam dunia investasi, prediksi harga saham merupakan aspek krusial yangmempengaruhi keputusan investasi. Fluktuasi harga saham menjadi tantanganbagiinvestor BTN dalam mengambil keputusan yang tepat. Penelitian ini bertujuanuntuk membangun modelprediksi harga saham BTN menggunkan algoritma LongShort Term Memory (LSTM), yang efektif dalam memprediksi urutan datatemporal. Data historis harga saham BTN diambil dari situs Kaggle. Tahapanpenelitian meliputi pengumpulan data, preprocessing data, dan Pembangunanmodel LSTM. Evaluasi model dilakukan dengan menghitung Mean AbsolutePercentage Error (MAPE) untuk mengukur akurasi prediksi. Hasil prediksimenunjukkan bahwa algoritma LSTM berhasil diterapkan untuk memprediksiharga saham BTN. Model LSTM dibangun dengan arsitektur yang terdiri dari 1input layer, 3 LSTM layers, 3 Dropout layers, dan 2 Dense layers. Pengujian modeldilakukan dengan variasi jumlah epoch (50, 75, 100, 150, 175, 200) menggunakanoptimizer Nadam dan Adam. Model terbaik diperoleh pada epoch 200 denganoptimizer Nadam, menghasilkan loss sebesar 1.886 dan waktu komputasi 91 detik.Akurasi model prediksi dievaluasi menggunakan metrik MAPE menunjukkan nilai3,97%, yang berarti model sangat akurat.
Kata Kunci : Long Short Term Memory, BTN, MAPE, Prediksi, Harga Saham.