PREDIKSI HARGA SAHAM MENGGUNAKAN MODEL HYBRID CEEMDAN-LSTM DENGAN DENOISING METHOD WAVELET TRANSFORM

Yaser, Adnanfadhil (2025) PREDIKSI HARGA SAHAM MENGGUNAKAN MODEL HYBRID CEEMDAN-LSTM DENGAN DENOISING METHOD WAVELET TRANSFORM. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 2_Cover_123190098_Adnanfadhil Yaser.pdf Download (171kB)
	Text 4_Halaman Pengesahan_123190098_Adnanfadhil Yaser.pdf Download (75kB)
	Text 5_Daftar Isi_123190098_Adnanfadhil Yaser.pdf Download (62kB)
	Text 6_Daftar Pustaka_123190098_Adnanfadhil Yaser.pdf Download (165kB)
	Text 1_Skripsi full_123190098_Adnanfadhil Yaser.pdf Restricted to Repository staff only Download (2MB)

Abstract

Pergerakan harga saham yang sangat fluktuatif dan dipengaruhi berbagai faktor
eksternal membuat prediksi harga saham menjadi tantangan besar dalam bidang keuangan.
Banyak metode tradisional seperti regresi linier dan ARIMA memiliki keterbatasan dalam
menangani data yang bersifat nonlinier dan mengandung noise tinggi. Oleh karena itu,
diperlukan pendekatan yang lebih adaptif dan akurat untuk meningkatkan kemampuan
sistem dalam meramalkan harga saham di tengah dinamika pasar yang kompleks.
Penelitian ini mengusulkan pendekatan hybrid dengan menggabungkan metode
dekomposisi sinyal CEEMDAN dan model Long Short-Term Memory (LSTM) yang
disesuaikan untuk masing-masing kelompok frekuensi. Data saham didekomposisi
menggunakan CEEMDAN menjadi beberapa komponen Intrinsic Mode Functions (IMF),
kemudian dikelompokkan menjadi tiga kategori frekuensi: tinggi, sedang, dan rendah. Setiap
kelompok diprediksi menggunakan arsitektur LSTM yang dirancang khusus untuk
menangani karakteristik masing-masing frekuensi. Hasil prediksi dari setiap kelompok IMF
kemudian digabungkan dengan bobot tertentu untuk menghasilkan prediksi akhir.
Hasil pengujian menunjukkan bahwa pendekatan ini mampu meningkatkan akurasi
prediksi dibandingkan metode LSTM tunggal. Evaluasi dilakukan menggunakan metrik
seperti RMSE, MAE, dan R², yang menunjukkan performa lebih baik dalam memodelkan
fluktuasi jangka pendek maupun tren jangka panjang. Penelitian ini memberikan kontribusi
dalam pengembangan metode prediksi harga saham yang lebih presisi dan adaptif terhadap
kompleksitas data keuangan, serta memperkuat penerapan teknik pemrosesan sinyal dan
deep learning dalam bidang informatika.
Kata Kunci: prediksi saham, CEEMDAN, LSTM, IMF, time series

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Adnanfadhil Yaser (Penulis - 123190098) ; Heru Cahya Restamaji (Pembimbing)
Uncontrolled Keywords:	prediksi saham, CEEMDAN, LSTM, IMF, time series
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	10 Nov 2025 02:54
Last Modified:	10 Nov 2025 02:54
URI:	http://eprints.upnyk.ac.id/id/eprint/45332

Actions (login required)

View Item