PREDIKSI HARGA SAHAM BMRI TBK MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM)

Abstract

Tingginya jumlah investor pemula di pasar modal Indonesia sering memicu keputusan investasi impulsif (FOMO) akibat kurangnya pemahaman analisis. Sistem prediksi saham dengan algoritma LSTM yang ada saat ini sebagian besar hanya berfokus pada kinerja sistem tanpa kelengkapan fitur yang dibutuhkan investor pemula dalam menganalisis pasar saham. Penelitian  yang berjudul Prediksi Harga Saham BMRI Tbk Menggunakan Algoritma Long Short-Term Memory (LSTM) bertujuan membangun sistem prediksi harga saham PT Bank Mandiri (Persero) Tbk (BMRI) berbasis web menggunakan algoritma Long Short-Term Memory (LSTM) yang akurat dan ramah pengguna. Proses penelitian dimulai dari pengumpulan 1.200 dataset harga historis BMRI yang  ditarik secara otomatis dari Yahoo Finance, dinormalisasi dengan Min-Max Scaler dan dibentuk menjadi sekuens 60 hari. Model dilatih menggunakan tiga lapisan LSTM berkapasitas 50 unit dengan fungsi dropout 0,2. Sistem dikembangkan menggunakan framework Flask dengan integrasi indikator teknikal (RSI, MACD, Bollinger Bands), estimasi order book, dan dashboard admin. Hasil pengujian terhadap model LSTM menunjukkan tingkat akurasi yang sangat tinggi dengan nilai metrik MAPE sebesar 2,63% dan metrik RMSE 138,0517. Pengujian blackbox pada 10 skenario mengonfirmasi seluruh fitur berjalan sesuai harapan. Sistem yang dikembangkan terbukti efektif sebagai alat bantu analisis praktis bagi investor pemula dalam membaca arah pergerakan harga saham BMRI