KOMPARASI METODE LSTM DAN ARIMA DALAM PREDIKSI HARGA SAHAM NVIDIA PERIODE 2012-2025

Abstract

Pergerakan harga saham yang fluktuatif dan dinamis menjadikan proses prediksi harga saham sebagai salah satu topik penting dalam analisis time series finansial. Namun, pemilihan metode prediksi yang mampu menghasilkan akurasi tinggi masih menjadi tantangan karena karakteristik data saham yang kompleks dan berubah-ubah. Penelitian ini bertujuan untuk membandingkan performa metode Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM) dalam memprediksi harga saham NVIDIA Corporation menggunakan data historis periode 2012-2025. Dataset yang digunakan terdiri atas 3.415 data adjusted closing price yang dibagi menjadi data training dan testing dengan rasio 80:20. Model yang diuji meliputi ARIMA(5,1,0), LSTM-20, LSTM-50, dan LSTM-ES dengan mekanisme EarlyStopping. Evaluasi dilakukan menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa ARIMA menghasilkan performa terbaik dengan nilai MAE sebesar 1.9576, RMSE sebesar 3.0646, dan MAPE sebesar 2.3933%, sedangkan LSTM-ES menjadi model terbaik pada kelompok LSTM dengan nilai MAPE sebesar 3.4719%. Temuan ini menunjukkan bahwa ARIMA masih mampu memberikan prediksi yang lebih akurat pada data saham NVIDIA yang memiliki pola autoregresif dominan