IMPLEMENTASI MACHINE LEARNING DENGAN MODEL LSTM UNTUK FORECASTING HARGA SAHAM MENGGUNAKAN DATA YAHOO FINANCE

Abstract

Fluktuasi harga saham yang tinggi dan kompleks menjadi tantangan utama bagi investor dalam mengambil keputusan. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi efektivitas model Machine Learning, khususnya Long Short-Term Memory (LSTM), untuk melakukan forecasting (peramalan) harga saham. Data yang digunakan adalah data historis harga penutupan harian (closing price) saham Apple Inc. (AAPL) dari 1 Januari 2022 hingga 31 Desember 2024, yang diperoleh melalui Yahoo Finance. Proses penelitian meliputi tahapan preprocessing data dengan normalisasi MinMaxScaler dan pembentukan dataset sekuensial menggunakan metode sliding window. Model LSTM dengan arsitektur dua lapis kemudian dibangun dan dilatih menggunakan framework TensorFlow dan Keras. Kinerja model dievaluasi menggunakan metrik Root Mean Squared Error (RMSE) dan Mean Absolute Error (MAE) untuk mengukur tingkat akurasi prediksi. Hasil penelitian menunjukkan bahwa model LSTM yang diimplementasikan berhasil menangkap tren umum pergerakan harga saham dengan baik, dibuktikan dengan perolehan nilai RMSE sebesar 3.31 dan MAE sebesar 2.68. Penelitian ini memberikan kontribusi empiris mengenai penerapan praktis model LSTM dalam domain keuangan dan menunjukkan alur kerja yang sistematis untuk membangun sistem peramalan harga saham yang dapat diandalkan.