PREDIKSI HARGA SAHAM-SAHAM LQ45 MENGGUNAKAN METODE TEMPORAL CONVOLUTIONAL NETWORK

FIKRI ASTAMA PUTRA, . (2026) PREDIKSI HARGA SAHAM-SAHAM LQ45 MENGGUNAKAN METODE TEMPORAL CONVOLUTIONAL NETWORK. Skripsi thesis, UPN "VETERAN" YOGYAKARTA.

	Text 123220108_Cover - Fikri Astama.pdf Download (153kB)
	Text 123220108_Abstrak - Fikri Astama.pdf Download (216kB)
	Text 13220108_Halaman Pengesahan - Fikri Astama.pdf Download (917kB)
	Text 123220108_Daftar Isi - Fikri Astama.pdf Download (275kB)
	Text 123220108_Daftar Pustaka - Fikri Astama.pdf Download (219kB)
	Text 123220108_Fulltext - Fikri Astama.pdf Restricted to Repository staff only Download (4MB)

Abstract

Pasar saham merupakan salah satu instrumen investasi yang memiliki potensi keuntungan tinggi, tetapi juga disertai risiko akibat pergerakan harga yang fluktuatif. Saham-saham yang tergabung dalam indeks LQ45 memiliki tingkat likuiditas tinggi dan banyak digunakan sebagai acuan oleh investor, sehingga prediksi harga saham pada kelompok ini menjadi penting untuk mendukung proses analisis dan pengambilan keputusan. Pergerakan harga saham dipengaruhi oleh berbagai faktor, baik internal maupun eksternal, sehingga pola harga historis sering kali bersifat dinamis dan sulit diprediksi. Oleh karena itu, diperlukan metode yang mampu mempelajari pola deret waktu secara efektif. Penelitian ini bertujuan untuk menerapkan model Temporal Convolutional Networks (TCN) dalam memprediksi harga penutupan saham-saham LQ45 serta mengevaluasi kinerjanya menggunakan metrik regresi.
Data yang digunakan dalam penelitian ini berupa data historis harian saham-saham LQ45 pada periode 1 Januari 2015 sampai dengan 30 Desember 2025 yang diperoleh dari Yahoo Finance. Data awal terdiri atas Open, High, Low, Close, dan Volume, kemudian setelah proses pembersihan data, fitur input dibatasi pada Open, High, Low, dan Close (OHLC). Penelitian ini menggunakan dua skenario input, yaitu Close-only dan OHLC, dengan target prediksi berupa harga Close selama 5 hari perdagangan ke depan. Tahapan penelitian meliputi pembersihan data, seleksi fitur, pembentukan sekuens menggunakan sliding window, pembagian data menggunakan Walk-Forward Validation dengan TimeSeriesSplit sebanyak 3 fold, normalisasi menggunakan MinMaxScaler pada setiap fold, serta pemodelan menggunakan TCN. Proses pencarian parameter terbaik dilakukan menggunakan grid search terhadap time_steps, nb_filters, kernel_size, dropout_rate, dan learning_rate. Kinerja model dievaluasi menggunakan MAE, MSE, RMSE, dan MAPE.
Hasil penelitian menunjukkan bahwa model TCN dapat diterapkan untuk memprediksi harga penutupan saham-saham LQ45 dengan performa yang bervariasi pada setiap emiten. Dari 45 saham yang diuji, skenario Close-only menjadi skenario terbaik pada 25 emiten, sedangkan skenario OHLC menjadi skenario terbaik pada 20 emiten. Hal ini menunjukkan bahwa penambahan fitur Open, High, dan Low tidak selalu meningkatkan performa model pada seluruh saham, karena setiap emiten memiliki karakteristik pergerakan harga yang berbeda. Nilai MAPE terbaik diperoleh pada saham DEWA.JK dengan skenario OHLC sebesar 1,57%, sedangkan nilai MAPE tertinggi pada skenario terbaik diperoleh pada saham WIFI.JK dengan skenario OHLC sebesar 10,53%. Pada contoh saham BBCA.JK, skenario Close-only menghasilkan MAPE sebesar 1,85%, sedangkan skenario OHLC menghasilkan MAPE sebesar 1,92%. Dengan demikian, penelitian ini menunjukkan bahwa TCN mampu digunakan sebagai pendekatan prediksi deret waktu harga saham, tetapi pemilihan fitur input dan hyperparameter perlu disesuaikan dengan karakteristik masing-masing emiten.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	prediksi harga saham, LQ45, Temporal Convolutional Networks, OHLC, Walk-Forward Validation
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	09 Oct 2026 06:33
Last Modified:	09 Oct 2026 06:33
URI:	http://eprints.upnyk.ac.id/id/eprint/49670

Actions (login required)

View Item