ANALISIS PERBANDINGAN METODE LSTM DAN BILSTM UNTUK PREDIKSI HARGA SAHAM MENGGUNAKAN ALPHA VANTAGE API

Abstract

Pasar saham Indonesia menunjukkan pertumbuhan signifikan dengan meningkatnya jumlah investor, namun fluktuasi harga saham yang tinggi masih menjadi tantangan besar dalam pengambilan keputusan investasi. Prediksi harga saham menjadi upaya penting untuk meminimalkan risiko dan meningkatkan akurasi strategi investasi. Penelitian ini bertujuan untuk membandingkan performa dua metode deep learning, yaitu Long Short-Term Memory (LSTM) dan Bidirectional LSTM (BiLSTM), dalam memprediksi harga saham harian dua emiten blue chip Indonesia, yaitu PT Bank Central Asia Tbk (BBCA) dan PT Telkom Indonesia Tbk (TLKM), dengan menggunakan data historis dari Alpha Vantage API periode 2019–2023.Proses preprocessing dilakukan melalui ekstraksi harga penutupan (Close), normalisasi dengan MinMaxScaler, serta pembentukan sliding window untuk data time series. Model LSTM dan BiLSTM kemudian dilatih dan diuji menggunakan framework TensorFlow-Keras, dengan tuning hyperparameter melalui pendekatan Grid Search terhadap kombinasi jumlah neuron, batch size, epoch, dan dropout rate.Evaluasi dilakukan menggunakan tiga metrik utama, yaitu Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil menunjukkan bahwa BiLSTM memberikan akurasi prediksi yang lebih tinggi dibandingkan LSTM pada kedua saham yang diuji, terutama karena kemampuannya membaca urutan data dua arah. Penelitian ini memberikan kontribusi terhadap pengembangan model prediksi saham berbasis deep learning yang lebih akurat dan sistematis, serta dapat direplikasi oleh peneliti maupun praktisi pasar modal lainnya.