Perbandingan Model RNN, Model LSTM, dan Model GRU dalam Memprediksi Harga Saham-Saham LQ45
Andrew Nilsen
Abstract
Harga saham selalu mengalami fluktuasi, dapat naik dan dapat turun. Ketidakpastian tersebut dapat menyebabkan kerugian, jika salah dalam memprediksi arah pergerakan harga saham. Prediksi arah pergerakan harga saham yang lebih akurat dapat mengurangi risiko kerugian. Pada penelitian ini, prediksi arah pergerakan harga saham menggunakan faktor yang mempengaruhi arah pergerakan saham itu sendiri, yaitu harga saham sebagai variabel prediktor. Pada penelitian ini dilakukan perbandingan antara model Recurrent Neural Network (RNN), model Long Short-Term Memory (LSTM), dan model Gated Recurrent Unit (GRU) dalam memprediksi harga saham. Data harga saham yang digunakan pada penelitian ini adalah data harga saham-saham yang terdaftar di indeks LQ45. Performa model-model yang digunakan dievaluasi dengan Root Mean Squared Error, Mean Squared Error, dan Mean Absolute Error. Pada penelitian digunakan hyperparameter yang sama untuk semua model yaitu {epoch = 200, batch size = 32, dan units = 24}. Dari rata-rata RMSE, rata-rata MSE, dan MAE yang dihasilkan dari 3 model yang digunakan, disimpulkan bahwa model GRU memiliki akurasi yang lebih baik dari model Recurrent Neural Network (RNN) dan model Long Short-Term Memory (LSTM).