PREDIKSI HARGA SAHAM MENGGUNAKAN MACHINE LEARNING BERBASIS SISTEM INFORMASI

Alreska Febrian, . (2025) PREDIKSI HARGA SAHAM MENGGUNAKAN MACHINE LEARNING BERBASIS SISTEM INFORMASI. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_Cover_122210140.pdf Download (169kB)
	Text 2_Abstrak_122210140.pdf Download (210kB)
	Text 3_Halaman Pengesahan_122210140.pdf Download (259kB)
	Text 4_Daftar Isi_122210140.pdf Download (227kB)
	Text 5_Daftar Pustaka_122210140.pdf Download (222kB)
	Text 6_Skripsi Full_122210140.pdf Restricted to Repository staff only Download (6MB)

Abstract

Saham PT United Tractors Tbk (UNTR) sebagai emiten di sektor perindustrian di Bursa Efek Indonesia menunjukkan pergerakan harga yang fluktuatif dari waktu ke waktu. Pada 9 Desember 2024 harga saham per lembar berada di Rp 28.500 kemudian turun hingga Rp 20.100 pada 8 April 2025, dan kembali naik mencapai Rp 27.200 pada 9 September 2025. Ketidakpastian ini menimbulkan tantangan bagi investor karena kesalahan dalam memperkirakan harga saham dapat mengakibatkan kerugian yang signifikan
Penelitian ini bertujuan untuk membangun model machine learning yang dapat melakukan prediksi harga saham dan mengimplementasikan ke dalam sistem informasi. Model yang digunakan adalah Convolutional Neural Network (CNN) dan Gated Recurrent Unit (GRU). Penelitian ini melakukan optimasi hyperparameter menggunakan algoritma Particle Swarm Optimization (PSO). Evaluasi model dilakukan dengan empat metrik error yaitu Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Model terbaik diimplementasikan ke dalam sistem informasi prediksi harga saham berbasis website. Perancangan sistem informasi dilakukan melalui metode SDLC.
Hasil penelitian menunjukkan bahwa optimasi hyperparameter melalui PSO mampu meningkatkan akurasi model prediksi. Berdasarkan hasil pengujian, model PSO-GRU memberikan performa terbaik dengan nilai MAPE sebesar 1,45% Dibandingkan dengan PSO-CNN, PSO-GRU konsisten menghasilkan nilai kesalahan yang lebih rendah pada seluruh metrik evaluasi. Sistem informasi prediksi saham dilakukan pengujian black box dan dinyatakan berhasil secara keseluruhan untuk semua skenario uji.

Kata kunci: prediksi harga saham, machine learning, Gated Recurrent Unit, Particle Swarm Optimization, sistem informasi

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Alreska Febrian (Penulis - 122210140) ; Puryani (Pembimbing)
Uncontrolled Keywords:	prediksi harga saham, machine learning, Gated Recurrent Unit, Particle Swarm Optimization, sistem informasi
Subjek:	H Social Sciences > HG Finance Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik Industri > (S1) Teknik Industri
Depositing User:	Bayu Pambudi
Date Deposited:	28 Oct 2025 05:10
Last Modified:	28 Oct 2025 05:10
URI:	http://eprints.upnyk.ac.id/id/eprint/45087

Actions (login required)

View Item