Prediksi harga saham Bank Syariah Indonesia menggunakan metode Independent Recurrent Neural Network

INDONESIA:
Fluktuasi harga saham yang dinamis menuntut metode prediksi yang andal untuk menangkap pola pergerakan secara akurat. Penelitian ini bertujuan memprediksi harga saham PT Bank Syariah Indonesia Tbk (BRIS) untuk 30 hari ke depan menggunakan Independent Recurrent Neural Network (IndRNN) dengan dataset 1.203 data harian. Sebanyak 32 skenario eksperimen diuji dengan memvariasikan window size, jumlah hidden unit, fungsi aktivasi (ReLU, PReLU, ELU, Tanh), dan rasio pembagian data. Evaluasi dilakukan menggunakan RMSE, MAPE, Directional Accuracy (DA), dan durasi pelatihan. Hasil penelitian menunjukkan bahwa rasio pembagian data 80:20 secara konsisten memberikan tingkat kesalahan terendah. Konfigurasi model terbaik untuk akurasi nilai diperoleh pada kombinasi window size 30 dan 128 hidden unit dengan fungsi aktivasi ReLU, yang menghasilkan RMSE sebesar 286,69 dan MAPE 8,18%. Sebaliknya, akurasi arah tren tertinggi dicapai oleh kombinasi window size 20 dan 128 hidden unit dengan fungsi aktivasi ELU sebesar 52,29%. Dari sisi efisiensi, fungsi aktivasi Tanh pada arsitektur sederhana terbukti memiliki waktu komputasi tercepat. Penelitian ini menyimpulkan bahwa terdapat perbedaan karakteristik antara akurasi nilai dan akurasi arah, di mana window size yang lebih besar unggul dalam menangkap tren jangka panjang, sedangkan window size yang lebih pendek lebih responsif terhadap perubahan arah pergerakan harga.

ENGLISH:
Dynamic stock price fluctuations demand reliable prediction methods to accurately capture movement patterns. This study aims to predict the stock price of PT Bank Syariah Indonesia Tbk (BRIS) for the next 30 days using Independent Recurrent Neural Network (IndRNN) with a dataset of 1,203 daily records. A total of 32 experimental scenarios were tested by varying window size, number of hidden units, activation functions (ReLU, PReLU, ELU, Tanh), and data split ratios. Evaluation was performed using RMSE, MAPE, Directional Accuracy (DA), and training duration. The results show that the 80:20 data split ratio consistently provided the lowest error rates. The best model configuration for value accuracy was obtained in the combination of window size 30 and 128 hidden units with the ReLU activation function, yielding an RMSE of 286.69 and MAPE of 8.18%. Conversely, the highest trend direction accuracy was achieved by the combination of window size 20 and 128 hidden units with the ELU activation function, at 52.29%. In terms of efficiency, the Tanh activation function on a simple architecture proved to have the fastest computational time. This study concludes that there is a characteristic difference between value accuracy and directional accuracy, where a larger window size excels in capturing long-term trends, while a shorter window size is more responsive to changes in price movement direction.

ARABIC:
تتطلب التقلبات الديناميكية في أسعار الأسهم طرق تنبؤ موثوقة لالتقاط أنماط الحركة بدقة. تهدف هذه الدراسة إلى التنبؤ بأسعار أسهم شركة بنك الشريعة الإندونيسي للأيام 30 القادمة باستخدام الشبكة العصبية المتكررة المستقلة(IndRNN) بالاعتماد على مجموعة بيانات تضم 1203 سجلاً يومياً. تم اختبار ما مجموعه 32 سيناريو تجريبي من خلال تنويع حجم النافذة، وعدد الوحدات المخفية، ودوال التنشيط (ReLU، PReLU، ELU، Tanh)، ونسب تقسيم البيانات. تم إجراء التقييم باستخدام جذر متوسط مربع الخطأ، ومتوسط نسبة الخطأ المطلق، ودقة الاتجاه، ومدة التدريب. أظهرت النتائج أن نسبة تقسيم البيانات 20:80 قدمت بشكل متسق أدنى معدلات للأخطاء. تم الحصول على أفضل تكوين للنموذج لدقة القيمة من خلال الجمع بين حجم نافذة 30 و 128 وحدة مخفية مع دالة التنشيط RELU، مما RMSE 286.69% وMAPE 8.18%. في المقابل، تم تحقيق أعلى دقة لاتجاه المسار من خلال الجمع بين حجم نافذة 20 و 128 وحدة مخفية مع دالة التنشيط ELU بنسبة 52.29%. من حيث الكفاءة، أثبتت دالة التنشيط تانه في البنية البسيطة أنها تمتلك أسرع وقت للمعالجة الحسابية. تخلص هذه الدراسة إلى وجود اختلاف في الخصائص بين دقة القيمة ودقة الاتجاه، حيث يتفوق حجم النافذة الأكبر في التقاط الاتجاهات طويلة الأجل، بينما يكون حجم النافذة الأصغر أكثر استجابة للتغيرات في اتجاه حركة الأسعار.