Open AccessOptimasi Deep Learning untuk Prediksi Saham di Masa Pandemi Covid-19
Author(s) -
Widi Hastomo,
Adhitio Satyo Bayangkari Karno,
Nawang Kalbuana,
Erviisfiani,
Lussiana Etp
Publication year - 2021
Publication title -
jepin (jurnal edukasi dan penelitian informatika)
Language(s) - Portuguese
Resource type - Journals
eISSN - 2548-9364
pISSN - 2460-0741
DOI - 10.26418/jp.v7i2.47411
Subject(s) - artificial intelligence , layer (electronics) , computer science , pattern recognition (psychology) , chemistry , organic chemistry
Penelitian ini bertujuan untuk meningkatkan akurasi dengan menurunkan tingkat kesalahan prediksi dari 5 data saham blue chip di Indonesia. Dengan cara mengkombinasikan desain 4 hidden layer neural nework menggunakan Long Short Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Dari tiap data saham akan dihasilkan grafik rmse-epoch yang dapat menunjukan kombinasi layer dengan akurasi terbaik, sebagai berikut; (a) BBCA dengan layer LSTM-GRU-LSTM-GRU (RMSE=1120,651, e=15), (b) BBRI dengan layer LSTM-GRU-LSTM-GRU (RMSE =110,331, e=25), (c) INDF dengan layer GRU-GRU-GRU-GRU (RMSE =156,297, e=35 ), (d) ASII dengan layer GRU-GRU-GRU-GRU (RMSE =134,551, e=20 ), (e) TLKM dengan layer GRU-LSTM-GRU-LSTM (RMSE =71,658, e=35 ). Tantangan dalam mengolah data Deep Learning (DL) adalah menentukan nilai parameter epoch untuk menghasilkan prediksi akurasi yang tinggi.