%D 2023
%L katalog8055
%T PREDIKSI HARGA SAHAM PADA INDEKS KOMPAS100 MENGGUNAKAN BIDIRECTIONAL LONG SHORT-TERM MEMORY DENGAN FAKTOR FOREIGN FLOW
%K Saham, BiLSTM, Bursa Efek Indonesia, Foreign Flow, KOMPAS100, Pearson Correlation, RMSPE
%A Nathanael Ivan Pratama
%I Universitas Kristen Duta Wacana
%X Saham merupakan instrumen investasi yang memiliki peluang keuntungan besar jika dilakukan analisis yang baik dan benar. Long Short-Term Memory(LSTM) menjadi salah satu algoritma yang dipakai untuk menganalisis harga saham. Penggunaan LSTM yang bekerja dua arah (BiLSTM) untuk memprediksi harga closing saham di beberapa penelitian lain memiliki hasil evaluasi yang baik. Ditambahnya faktor lain, dalam hal ini Arus Asing (Foreign Flow) diharapkan mampu menghasilkan model BiLSTM yang lebih baik lagi. Hasil penelitian pada tahap pengembangan model terbaik menggunakan saham dari berbagai sektor dalam Indeks KOMPAS100 menunjukkan bahwa tidak semua emiten saham berhasil memperoleh performa yang baik dengan metode BiLSTM. Hanya 41,67% dari total emiten saham yang menghasilkan prediksi yang lebih baik saat menggunakan BiLSTM. Saat perbandingan faktor Foreign Flow, 25% emiten saham menunjukkan performa yang lebih baik, tetapi beberapa juga menunjukkan hasil yang sebaliknya. Korelasi positif dalam Pearson Correlation tidak selalu terjadi pada saham dengan hasil baik saat menggunakan Foreign Flow meskipun 75% emiten saham menunjukkan korelasi positif. Mayoritas emiten saham (64,28%) lebih baik dalam prediksi saat menggunakan single BiLSTM, mengindikasikan bahwa prediksi saham yang akurat tidak selalu memerlukan model yang kompleks. Beberapa saham seperti BBCA, INDF, ICBP, SIDO, dan MYOR menunjukkan hasil terbaik dalam penelitian ini. Secara keseluruhan, penggunaan metode BiLSTM dengan faktor Foreign Flow tidak selalu menghasilkan prediksi yang baik untuk semua saham yang diperjualbelikan oleh asing setiap harinya, dan terkadang prediksi yang akurat dapat dicapai dengan model yang lebih sederhana.