Prediksi Harga Saham dengan BiLSTM dan Improved-FA
DOI:
https://doi.org/10.55601/jsm.v27i2.2090Abstract
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
Issue
Section
License
Copyright (c) 2026 Nadiyah Shofa Salsabila, Arwin Halim, Heru Kurniawan

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.








