PREDIKSI HARGA SAHAM SEKTOR ASURANSI MENGGUNAKAN ALGORITMA LONG-SHORT TERM MEMORY (LSTM)

Nurina Nurina; Ali Mahmudi; Suryo Adi Wibowo

doi:10.33365/jtst.v7i1.1004

Nurina Nurina Institut Teknologi Nasional Malang
Ali Mahmudi Institut Teknologi Nasional Malang
Suryo Adi Wibowo Institut Teknologi Nasional Malang

DOI: https://doi.org/10.33365/jtst.v7i1.1004

Keywords: Prediksi Harga Saham, LSTM, Sektor Asuransi, Deep Learning, RMSE

Abstract

Investasi saham merupakan salah satu instrumen keuangan yang diminati untuk memperoleh keuntungan yang lebih tinggi. Namun, dalam melakukan investasi saham diperlukan analisis mendalam terhadap data historis perusahaan untuk mengetahui potensi kenaikan atau penurunan harga saham. Fluktuasi harga yang dinamis memerlukan pemodelan data yang mampu memberikan prediksi secara akurat. Salah satu algoritma yang dikembangkan untuk mengatasi permasalahan data berurutan dengan jangka waktu panjang adalah Long Short-Term Memory (LSTM). Penelitian ini bertujuan untuk memprediksi harga saham pada asuransi yang terdaftar di Bursa Efek Indonesia, yaitu PT Asuransi Tugu Pratama Indonesia Tbk (TUGU.JK), PT Asuransi Multi Artha Guna Tbk (AMAG.JK), dan PT Asuransi Harta Aman Pratama Tbk (AHAP.JK). Berdasarkan hasil pengujian dengan beberapa variasi epoch, diperoleh nilai Root Mean Square Error (RMSE) terbaik pada masing-masing saham, yaitu TUGU.JK dengan 150 epoch menghasilkan RMSE sebesar 15,89, AMAG.JK dengan 100 epoch menghasilkan RMSE sebesar 7,96, dan AHAP.JK dengan 200 epoch menghasilkan RMSE sebesar 2,56. Hasil tersebut menunjukkan bahwa model LSTM mampu mengenali pola pergerakan harga saham dengan baik dan memberikan hasil prediksi yang akurat, sehingga dapat membantu investor dalam pengambilan keputusan investasi yang lebih tepat dan berbasis data historis

Author Biographies

Ali Mahmudi, Institut Teknologi Nasional Malang

Dosen Pembimbing 1

Suryo Adi Wibowo, Institut Teknologi Nasional Malang

Dosen Pembimbing 2

References

[1] Maulana, I. (2022). jurnaL INVESTASI ISLAM. Investasi Islam, 7, 5–6. http://dx.doi.org/10.32505/jii
[2] Lumantow, I. P., & Karuntu, M. M. (2022). Analisis Rasio Solvabilitas Dan Profitabilitas Pada Perusahaan Sub Sektor Asuransi Yang Terdaftar Di Bursa Efek Indonesia Tahun 2018-2020 Solvency and Profitability Ratio Analysis of Insurance Sub Sector Companies Listed on the Indonesia Stock Exchange Ye. 458 Jurnal EMBA, 10(3), 458–465. www.idx.co.id.
[3] Septiani, M., & Endang, W. (2024). Faktor-Faktor Yang Mempengaruhi Volatilitas Harga. 8(01), 1–5.
[4] Misbachul Munir, M., Agus Pranoto, Y., & Adi Wibowo, S. (2023). Penerapan Metode Regresi Linier Dalam Perancangan Aplikasi Prediksi Jumlah Calon Peserta Didik Baru Berbasis Website. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 805–811. https://doi.org/10.36040/jati.v7i1.6129
[5] Wanto Anjar, W. A. P. (2017). Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan MWanto, A. (2019). Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation. Jurnal & Penelitian Teknik Infor. Jurnal & Penelitian Teknik Informatika, 2(2), 37–44. https://zenodo.org/record/1009223#.Wd7norlTbhQ
[6] Dwik Suryacahyani Gunadi, N. L., & Widyatama, J. (2021). Perhitungan Sebagai Seorang Investor Saham Atas Besaran Pajak Yang Harus Dibayarkan Kepada Negara. Jurnal Locus Delicti, 2(1), 13–23. https://doi.org/10.23887/jld.v2i1.455
[7] Julian, R., & Pribadi, M. R. (2021). Peramalan Harga Saham Pertambangan Pada Bursa Efek Indonesia (BEI) Menggunakan Long Short Term Memory (LSTM). JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(3), 1570–1580. https://doi.org/10.35957/jatisi.v8i3.1159
[8] Prasetyo, D. S., Auliasari, K., & Pranoto, Y. A. (2025). Analisis Sentimen Pada Komentar Media Sosial Terkait Isu Joki Dengan Menggunakan Metode LSTM Sentiment Analysis on Social Media Comments Regarding Jockey Issues Using the LSTM Method. Journal of Computer Engineering, System and Science, 10(1), 39–52. https://jurnal.unimed.ac.id/2012/index.php/cess
[9] Fahira, F., & Prianto, C. (2023). Prediksi Pola Kedatangan Turis Mancanegara dan Menganalisis Ulasan Tripadvisor dengan LSTM dan LDA. Jurnal Tekno Insentif, 17(2), 69–83. https://doi.org/10.36787/jti.v17i2.1096
[10] Iman, F. I., & Wulandari, D. (2020). Prediksi harga beras menggunakan Metode Long Short Term Memory (LSTM). Skripsi-2020, 1(3), 601–616. http://repository.trisakti.ac.id/usaktiana/index.php/home/detail/detail_koleksi/8/SKR/th_terbit/00000000000000102258/2020
[11] Saputra, R., Alamsyah, A. G., Dandi, Tjoanda, M., Kent Nick, & Cornelius, A. (2024). Analisis Prediksi Saham Tesla Menggunakan Algoritma Long Short Term Memory (Lstm). Journal of Computer Science and Information Technology, 2(1), 81–90. https://doi.org/10.70248/jcsit.v2i1.1482