PREDIKSI INDEKS HARGA SAHAM GABUNGAN INDONESIA MENGGUNAKAN MODEL CNN-CA-LSTM DAN APLIKASI WEBSITE STREAMLIT

Abstract

Prediksi suatu harga di Indeks Harga Saham Gabungan (IHSG) di Indonesia menjadi hal yang menantang untuk dilakukan. Harga pada saham (IHSG) sering mengalami fluktuasi harga, tren yang mengalami kenaikan serta penurunan, dan volatilitas yang tinggi serta Fluktuasi harga serta volatilitas harga pasar saham yang tinggi mengakibatkan risiko untuk berinvestasi pada instrumen ini menjadi cukup menantang bagi para investor dalam melihat peluang yang ada. Penelitian ini, ikut ambil dalam eksplorasi pada permasalahan ini yaitu untuk memprediksi serta memodelkan dari data dari IHSG pada rentang waktu tertentu. Metode untuk memprediksi harga IHSG, dengan menggunakan Deep Learning. Penelitian ini memiliki fokus untuk mengeksplorasi Model Modifikasi CNN-LSTM dengan Modul Attention, seperti CNN-CA-LSTM, CNN-SE-LSTM, dan CNN-SCSA-LSTM. Matriks evaluasi yang digunakan dalam penelitian ini yaitu RMSE, MAPE, R, dan R². Hasil yang ditemukan bahwa CNN-CA-LSTM memiliki nilai RMSE 61.51, MAPE 0.66%, R 0.9495, dan R² 0.8870. Berdasarkan hasil dari matriks evaluasi, diketahui Model CNN-CA-LSTM memiliki tingkat kesalahan MAPE yang sangat kecil di bawah 1%, tingkat poin kesalahan prediksi berdasarkan RMSE yang kecil, serta Model ini dapat mengerti pergerakan dan perilaku harga IHSG berdasarkan matriks R dan R².