PREDIKSI HARGA SAHAM BUMN MENGGUNAKAN LONG SHORT-TERM MEMORY UNTUK PENINGKATAN MODEL AKURASI

Ricky Tanuwijaya; Dia Ade Kurnia; Yudhistira Arie Wijaya; Puji Pramudya Marta

Authors

Ricky Tanuwijaya STMIK IKMI Cirebon, Indonesia
Dia Ade Kurnia STMIK IKMI Cirebon, Indonesia
Yudhistira Arie Wijaya STMIK IKMI Cirebon, Indonesia
Puji Pramudya Marta STMIK IKMI Cirebon, Indonesia

Keywords:

LSTM, Prediksi Harga Saham, Time Series, BBRI, Deep Learning

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi harga saham BUMN, khususnya Bank Rakyat Indonesia (BBRI), menggunakan metode Long Short-Term Memory (LSTM) sebagai pendekatan deep learning yang mampu menangkap pola temporal kompleks pada data deret waktu. Harga saham memiliki karakteristik dinamis, non-linear, dan dipengaruhi oleh berbagai faktor fundamental maupun sentimen pasar, sehingga diperlukan model prediksi yang mampu mempelajari hubungan jangka panjang antar data historis secara efektif. Data penelitian diperoleh dari Yahoo Finance mencakup 2.475 observasi harga penutupan harian BBRI periode 2015–2025. Tahap pra-pemrosesan meliputi pemeriksaan missing values, normalisasi MinMaxScaler, dan pemilihan variabel Close Price sebagai fokus prediksi. Exploratory Data Analysis (EDA) menunjukkan adanya tren kenaikan jangka panjang, volatilitas tinggi terutama pada masa pandemi 2020, serta korelasi kuat antarvariabel harga. Transformasi data dilakukan menggunakan metode windowing dengan panjang jendela 60 hari sehingga menghasilkan 2.415 sequence sebagai input model. Selanjutnya, data dibagi menjadi 80% data latih dan 20% data uji tanpa pengacakan untuk menjaga integritas temporal. Model LSTM dibangun menggunakan dua lapis LSTM dengan dropout dan satu lapisan Dense sebagai output. Hasil pelatihan menunjukkan bahwa model mampu mempelajari pola historis dengan baik. Evaluasi model menggunakan RMSE, MAE, dan MAPE menghasilkan nilai masing-masing 101.49, 81.31, dan 1.78%, yang menunjukkan akurasi prediksi lebih dari 98%. Grafik perbandingan antara harga aktual dan prediksi memperlihatkan kesesuaian pola yang sangat tinggi, bahkan pada periode volatilitas signifikan. Penelitian ini menyimpulkan bahwa LSTM merupakan metode yang efektif dan akurat untuk memprediksi harga saham BBRI dalam jangka pendek. Model ini berpotensi digunakan sebagai alat pendukung keputusan dalam analisis pasar modal serta dapat dikembangkan lebih lanjut melalui penambahan fitur teknikal, model arsitektur alternatif, dan integrasi variabel eksternal.

References

Aditio, H., & Nurhadi, N. (2020). Prediksi harga saham berbasis jaringan saraf tiruan menggunakan LSTM pada sektor energi. Jurnal Teknologi Informasi.

Aji Riyantoko, P., Maulana Fahruddin, T., Maulida Hindrayani, K., & Maya Safitri, E. (n.d.). ANALISIS PREDIKSI HARGA SAHAM SEKTOR PERBANKAN MENGGUNAKAN ALGORITMA LONG-SHORT TERMS MEMORY (LSTM). Seminar Nasional Informatika, 2020.

Arfan, A., & ETP, L. (2020). Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia. PETIR, 13(1), 33–43. https://doi.org/10.33322/petir.v13i1.858

Bank, W. (2024). Indonesia Economic Prospects 2024. The World Bank.

Budiprasetyo, G., Hani’ah, M., & Aflah, D. Z. (2023). Prediksi Harga Saham Syariah Menggunakan Algoritma Long Short-Term Memory (LSTM). Jurnal Nasional Teknologi Dan Sistem Informasi, 8(3), 164–172. https://doi.org/10.25077/teknosi.v8i3.2022.164-172

BUMN, K. (2023). Laporan Kinerja BUMN 2023.

BUMN, K. (2024). Klasifikasi dan Pengelompokan BUMN Berdasarkan Sektor.

Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17(3), 37.

Faza Inaku, R., & Chandra, J. C. (2023). Implementasi Data Mining dalam Prediksi Harga Saham Menggunakan Metode Long Short Term Memory (LSTM). Jurnal TICOM: Technology of Information and Communication, 12(1).

Genta, C., Simatupang, K., Swastika, W., & Suganda, T. R. (2022). PERANCANGAN APLIKASI BERBASIS WEB UNTUK PREDIKSI HARGA SAHAM DENGAN METODE LSTM. In SAINSBERTEK Jurnal Ilmiah Sains & Teknologi (Vol. 3).

Han, J., Kamber, M., & Pei, J. (2022). Data Mining: Concepts and Techniques (4, Ed.). Morgan Kaufmann.

Hanafiah, A., Arta, Y., Nasution, H. O., & Lestari, Y. D. (2023). Penerapan Metode Recurrent Neural Network dengan Pendekatan Long Short-Term Memory (LSTM) Untuk Prediksi Harga Saham. Bulletin of Computer Science Research, 4(1), 27–33. https://doi.org/10.47065/bulletincsr.v4i1.321

Hastomo, W. (2021). Optimasi Deep Learning untuk Prediksi Saham di Masa Pandemi Covid-19. Jurnal Teknologi Informasi.

Hastomo, W., Satyo, A., Karno, B., Kalbuana, N., Nisfiani -4, E., & Etp -, L. (n.d.). JEPIN (Jurnal Edukasi dan Penelitian Informatika) Optimasi Deep Learning untuk Prediksi Saham di Masa Pandemi Covid-19.

Inaku, R. F., & Chandra, J. C. (2023). Implementasi Data Mining dalam Prediksi Harga Saham Menggunakan LSTM. Jurnal Teknologi Informasi Dan Komputer.

Indonesia, B. E. (2024). Laporan Statistik Pasar Modal Indonesia. BEI.

Jogiyanto, H. (2022). Teori Portofolio dan Analisis Investasi. BPFE Yogyakarta.

Julian, R., & Pribadi, M. R. (2021a). Peramalan Harga Saham Pertambangan BEI Menggunakan LSTM. Jurnal Sistem Informasi.

Julian, R., & Pribadi, M. R. (2021b). Peramalan Harga Saham Pertambangan Pada Bursa Efek Indonesia (BEI) Menggunakan Long Short Term Memory (LSTM). Jurnal Teknik Informatika Dan Sistem Informasi, 8(3). http://jurnal.mdp.ac.id

Keuangan, O. J. (2023). Statistik Pasar Modal Indonesia 2023.

Kwanda, K. (2024). Perbandingan LSTM dan Bidirectional LSTM pada Sistem Prediksi Harga Saham Berbasis Website. Jurnal Teknologi Dan Sistem Informasi.

Kwanda, K., Herwindiati, D. E., Lauro, M. D., & Id, K. K. C. (2024). Perbandingan LSTM dan Bidirectional LSTM pada Sistem Prediksi Harga Saham Berbasis Website. R2J, 7(1). https://doi.org/10.38035/rrj.v7i1

Nguyen, T. (2024). Deep learning for multivariate stock prediction: A systematic analysis. International Journal of Financial Engineering.

Pipin, S. J. (2023). Prediksi Saham Menggunakan RNN-LSTM dengan Optimasi Adam. Jurnal Teknologi Informasi.

Pipin, S. J., Purba, R., & Kurniawan, H. (2023). Prediksi Saham Menggunakan Recurrent Neural Network (RNN-LSTM) dengan Optimasi Adaptive Moment Estimation. Journal of Computer System and Informatics (JoSYC), 4(4), 806–815. https://doi.org/10.47065/josyc.v4i4.4014

Pratama, F. R. (2025). Prediksi Harga Saham PT Telkom Menggunakan Metode CNN–LSTM. Jurnal Sains Komputasi.

Puteri, D. I. (2023a). Implementasi Long Short Term Memory (LSTM) dan Bidirectional Long Short Term Memory (BiLSTM) Dalam Prediksi Harga Saham Syariah. Euler : Jurnal Ilmiah Matematika, Sains Dan Teknologi, 11(1), 35–43. https://doi.org/10.34312/euler.v11i1.19791

Puteri, D. I. (2023b). Implementasi LSTM dan BiLSTM dalam Prediksi Harga Saham Syariah. Jurnal Informatika Dan Sains Data.

Riyantoko, P. A., Fahruddin, Hindrayani, & Safitri. (2020). Analisis Prediksi Harga Saham Sektor Perbankan Menggunakan Algoritma LSTM. Jurnal Teknologi Informasi Dan Komputer.

Rizki Pratama, F., Santoso, B., & Kacung, S. (2025). PREDIKSI HARGA SAHAM PT TELKOM MENGGUNAKAN METODE CNN-LSTM. In Journal of Information System Management (JOISM) e-ISSN (Vol. 7, Issue 1).

Saputra, R. (2024). Analisis Prediksi Saham Tesla Menggunakan LSTM. Jurnal Sistem Cerdas.

Saputra, R., Gusti Alamsyah, A., Tjoanda, M., Nick, K., Cornelius, A., Fery Herdiatmoko, H., & Katolik Musi Charitas, U. (2024). ANALISIS PREDIKSI SAHAM TESLA MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY (LSTM). Journal of Computer Science and Information Technology (JCSIT, 2(1).

Satyo Bayangkari Karno, A., Noer Ali, J. K., & Bekasi, K. (2020). Prediksi Data Time Series Saham Bank BRI Dengan Mesin Belajar LSTM (Long ShortTerm Memory). Journal of Information and Information Security (JIFORTY), 1(1), 1–8. http://ejurnal.ubharajaya.ac.id/index.php/jiforty

Silalahi, R. N., & Muljono, M. (2024a). Perbandingan Kinerja Linear Regression, LSTM, dan GRU untuk Prediksi Harga Saham Coca-Cola. Jurnal Statistika.

Silalahi, R. N., & Muljono, M. (2024b). Perbandingan Kinerja Metode Linear Regression, LSTM dan GRU Untuk Prediksi Harga Penutupan Saham Coco-Cola. Komputika : Jurnal Sistem Komputer, 13(2), 201–211. https://doi.org/10.34010/komputika.v13i2.12265

Simatupang, C. G. K. (2022). Perancangan Aplikasi Berbasis Web untuk Prediksi Harga Saham dengan Metode LSTM. Jurnal Informatika.

Yeng, H., & Siahaan, M. (n.d.). Perancangan Sistem Prediksi Harga Saham Berbasis Website Menggunakan Algoritma Hybrid (ARIMA-LSTM).

Yeng, H., & Siahaan, M. (2024). Perancangan Sistem Prediksi Harga Saham Berbasis Website Menggunakan Algoritma Hybrid (ARIMA–LSTM). Jurnal Teknologi Komputasi.

Zhang, Y. (2021). Stock trend prediction with deep learning: A comprehensive survey. IEEE Access.

Zhao, L., & Zhang, X. (2022). Explainable deep learning models for financial prediction. Expert Systems with Applications.