Prediksi harga saham Telkom Indonesia TBK (TLKM) menggunakan LSTM dengan Hyperparameter Tuning Dan Regulasi Model

ABSTRAK:

Penelitian ini bertujuan mengimplementasikan model LSTM untuk memprediksi harga saham TLKM berdasarkan data historis harga Close selama empat tahun. Optimasi model difokuskan pada Hyperparameter Tuning dan regulasi dalam batasan penggunaan single feature. Metodologi melibatkan preprocessing data dan perancangan arsitektur simple LSTM, di mana tuning dilakukan menggunakan Randomized Search yang dikombinasikan dengan Time Series Cross-Validation (TSCV). Untuk memastikan validitas pengujian, data dibagi ke dalam tiga skenario perbandingan (70:30, 80:20, 90:10) dengan tambahan variasi time step (15,30,45,60). Hasil komparasi hyperparameter tuning telah mengidentifikasi adanya dua kandidat model terbaik, yaitu model akurasi absolut terbaik (time step 60 hari, Rasio 80:20) dan model daya generalisasi terbaik (time step 60 hari, Rasio 70:30) model daya generalisasi unggul dengan R² sebesar 0,9781. Hasil eksperimen menunjukkan bahwa variasi time step 60, Rasio 80:20 mencapai kinerja optimal. Kinerja model terbaik divalidasi dengan metrik R² sebesar 0,8697, MAPE 1,63%, dan RMSE 61,69. Meskipun akurasi metrik tinggi, keterbatasan single feature menyebabkan prediksi cenderung garis mulus, menyoroti tantangan LSTM dalam menangkap volatilitas tinggi pasar finansial. Penelitian ini menegaskan pentingnya Hyperparameter Tuning dalam menghasilkan model prediksi yang efisien dan stabil.

ABSTRACT:

This study aims to implement an LSTM model to predict TLKM stock prices based on historical Close price data for four years. The optimization model focuses on Hyperparameter Tuning and regulation within the constraints of using a single feature. The methodology involves data preprocessing and simple LSTM architecture design, where tuning is performed using Randomized Search combined with Time Series Cross- Validation (TSCV). To ensure the validity of the test, the data is divided into three comparison scenarios (70:30, 80:20, 90:10) with additional time step variations (15,30,45,60). The results of the hyperparameter tuning comparison have identified two best model candidates, namely the best absolute accuracy model (time step 60 days, Ratio 80:20) and the best generalization power model (time step 60 days, Ratio 70:30) the superior generalization power model with R² of 0.9781. The experimental results show that the variation of time step 60, Ratio 80:20 achieves optimal performance. The best- performing model was validated with an R² of 0.8697, a MAPE of 1.63%, and an RMSE of 61.69. Despite its high accuracy, the limitation of a single feature causes the predictions to be linear, highlighting the challenges of LSTM in capturing the high volatility of financial markets. This study emphasizes the importance of hyperparameter tuning in producing efficient and stable prediction models

مستخلص البحث:

تدف هذه الدراسة إىل تطبيق منوذجLSTMللتنبؤ أبسعار أسهمTLKMاستنادًا إىل بياانت أسعار اإلغالق كز الدراسة على حتسني النموذج من خالل ضبط املعلمات الفائقة والتحكم فيه ضمن قيود استخدام ميزةالتارخيية ألربع سنوات. وتر واحدة. تتضمن املنهجية معاجلة البياانت املسبقة وتصميم بنيةLSTMبسيطة، حيث يتم الضبط ابستخدام البحث العشوائي مع التحقق املتقاطع للسالسل الزمنية (TSCV). ولضمان صحة االختبار، قُسّمت البياانت إىل ثالث سيناريوهات مقارنة (70:30، 80:20،90:10)بفواصل زمنية خمتلفة(15،30،45،60). وقد حددت نتائج مقارنة ضبط املعلمات الفائقة منوذجني مرشحني كأفضل منوذجني، ومها: منوذجالدقة املطلقة األفضل (فاصل زمين60يومًا، نسبة80:20) ومنوذج قوة التعميم األفضل (فاصل زمين 60يومًا، نسبة70:30)، حيث حقق منوذج قوة التعميم األفضل قيمةR²بلغت0.9781. تُظهر النتائج التجريبية أن تغيري خطوة الزمن إىل60، ونسبة80:20، حيقق األداء األمثل. وقد مت التحقق من صحة النموذج األفضل أداء ً مبعامل حتديد (R²) قدره 0.8697، ومتوسطاخلطأ املطلق النسيب (MAPE) بنسبة1.63%، وجذر متوسطمربع اخلطأ (RMSE) بنسبة61.69. على الرغم من دقته العالية، فإن االعتماد على ميزة واحدة فقط يؤدي إىل تنبؤ خطي سلس، مما يُربز حتدايت منوذجLSTMيف رصد كد هذه الدراسة على أمهية ضبط املعلمات الفائقة إلنتاج مناذج تنبؤ فعالة ومستقرة.تقلبات السوق املالية العالية.