Implementasi Long Short Term Memory pada prediksi harga saham perusahaan di bidang pangan

INDONESIA:
Long Short Term Memory (LSTM) adalah salah satu jenis jaringan saraf tiruan yang dirancang untuk mengolah data deret waktu, dengan kemampuan mengingat informasi dalam jangka panjang melalui mekanisme memory cell dan gate units. LSTM efektif dalam mengenali pola historis yang kompleks, seperti pergerakan harga saham. Penelitian ini bertujuan untuk mengevaluasi efektivitas metode LSTM dalam memprediksi harga saham PT Indofood Sukses Makmur Tbk dan mengukur tingkat akurasi prediksinya. Data yang digunakan berupa harga penutupan saham periode 2 Juni 2021 hingga 31 Januari 2025 dari Yahoo Finance, dengan penambahan indikator teknikal Relative Strength Index (RSI) sebagai fitur tambahan. Model terbaik diperoleh dengan kombinasi hidden layer sebanyak 4, 50 neuron, batch size 4, 100 epoch, optimizer Adam, serta fungsi aktivasi tanh dan sigmoid. Hasil pengujian menunjukkan nilai error RMSE sebesar 0,0898 dan MAPE 1,05%. Selain itu, model LSTM juga akan dibandingkan dengan metode Moving Average dan ARIMA, berdasarkan hasil perbandingan model LSTM memberikan hasil prediksi lebih baik dibandingkan metode Moving Average.

ENGLISH:
Long Short-Term Memory (LSTM) is a type of artificial neural network designed to process time series data, with the ability to remember information in the long term through the mechanism of memory cells and gate units. LSTM effectively recognizes complex historical patterns, such as stock price movements. This study aims to evaluate the effectiveness of the LSTM method in predicting the stock price of PT Indofood Sukses Makmur Tbk and measuring the accuracy of its predictions. The data used is the closing stock price period June 2, 2021, to January 31, 2025, from Yahoo Finance, with the addition of the Relative Strength Index (RSI) technical indicator as an additional feature. The best model is obtained with a combination of 4 hidden layers, 50 neurons, batch size 4, 100 epochs, Adam optimizer, and tanh and sigmoid activation functions. The test results show an error value of RMSE of 0,0898 and MAPE of 1,05%. In addition, the LSTM model is also compared with the Moving Average and ARIMA methods, where the comparison results show that the LSTM model provides better prediction performance than the Moving Average method.

:مستخلص البحث
الذاكرة طويلة المدى قصيرة المدى (LSTM) هي نوع من الشبكات العصبية الاصطناعية المصممة لمعالجة بيانات السلاسل الزمنية ، مع القدرة على ذكر المعلومات على المدى الطويل من خلال آليات خلايا الذاكرة ووحدات البوابة. تعتبر LSTMs فعالة في التعرف على الأنماط التاريخية المعقدة ، مثل تحركات أسعار الأسهم. تهدف هذه الدراسة إلى تقييم فعالية طريقة LSTM في التنبؤ بسعر سهم PT Indofood Sukses Makmur Tbk وقياس دقة تنبؤاتها. البيانات المستخدمة هي في شكل أسعار إغلاق الأسهم للفترة من 2 يونيو 2021 إلى 31 يناير 2025 من Yahoo Finance ، مع إضافة المؤشر الفني لمؤشر القوة النسبية (RSI) كميزة إضافية. تم الحصول على أفضل نموذج بمزيج من 4 ، 100 خلية عصبية ، وحجم دفعة من 4 ، و 50 حقبة ، ومحسن آدم ، ووظائف تنشيط tanh و symmoid. أظهرت نتائج الاختبار قيمة خطأ RMSE تبلغ 0,0898 و MAPE بنسبة 1,05٪. بالإضافة إلى ذلك ، ستتم أيضا مقارنة نموذج LSTM بطريقتي المتوسط المتحرك و ARIMA ، بناء على نتائج مقارنة نموذج LSTM لتقديم نتائج تنبؤ أفضل من طريقة المتوسط المتحرك.