Prediksi Harga Saham dengan BiLSTM dan Improved-FA

Authors

  • Nadiyah Shofa Salsabila Universitas Mikroskil
  • Arwin Halim Universitas Mikroskil
  • Heru Kurniawan Universitas Mikroskil

DOI:

https://doi.org/10.55601/jsm.v27i2.2090

Abstract

Pergerakan harga saham yang fluktuatif menjadikan prediksi harga saham sebagai salah satu tantangan dalam pengambilan keputusan investasi. Penelitian ini bertujuan melakukan prediksi harga saham dengan menggabungkan model Bidirectional Long Short-Term Memory (BiLSTM) dan Improved Firefly Algorithm (IFA). Dataset yang digunakan berupa data historis saham PT Aneka Tambang Tbk (ANTM), PT Indofood Sukses Makmur Tbk (INDF), dan PT Unilever Indonesia Tbk (UNVR) yang diperoleh dari Yahoo Finance periode 2 Januari 2020 hingga 30 Desember 2025. Model usulan dioptimasi dengan menggunakan hyperparameter terhadap hidden neuron, batch size, dan dropout rate. Data dibagi menjadi 70% data pelatihan, 10% data validasi, dan 20% data pengujian. Evaluasi model menggunakan RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa model IFA-BiLSTM memperoleh nilai MAPE sebesar 2,47% pada ANTM, 1,46% pada INDF, dan 2,20% pada UNVR. Hasil tersebut menunjukkan bahwa penerapan IFA mampu meningkatkan rata-rata performa model BiLSTM untuk memprediksi harga saham.

Downloads

Published

31-10-2026