Search for collections on Unika Repository

PENGEMBANGAN APLIKASI PREDIKSI SAHAM MENGGUNAKAN LSTM DAN INDIKATOR TEKNIKAL

MULYADINATA, NATASHA (2025) PENGEMBANGAN APLIKASI PREDIKSI SAHAM MENGGUNAKAN LSTM DAN INDIKATOR TEKNIKAL. S1 thesis, UNIVERSITAS KATOLIK SOEGIJAPRANATA.

[img]
Preview
Text
21.G4.0010-NATASHA MULYADINATA-COVER_a.pdf

Download (836kB) | Preview
[img] Text
21.G4.0010-NATASHA MULYADINATA-ISI_a.pdf
Restricted to Registered users only

Download (2MB)
[img]
Preview
Text
21.G4.0010-NATASHA MULYADINATA-DAPUS_a.pdf

Download (749kB) | Preview
[img] Text
21.G4.0010-NATASHA MULYADINATA-LAMP_a.pdf
Restricted to Registered users only

Download (762kB)

Abstract

Pasar saham memiliki pergerakan yang sangat dinamis dan berfluktuatif yang dipengaruhi oleh berbagai faktor ekonomi serta sentiment pasar. Dalam menghadapi dinamika pasar saham, alat bantu yang mampu memberikan prediksi pergerakan harga saham menjadi kebutuhan dari investor. Penelitian ini dibuat untuk memenuhi kebutuhan tersebut yaitu mengembangkan sebuah aplikasi prediksi saham berbasis web dengan memanfaatkan model Long Short-Term Memory (LSTM) dan indikator teknikal yaitu Simple Moving Average (SMA), Moving Average Convergence Divergence (MACD), dan Relative Strength Index (RSI). Aplikasi ini dikembangkan bahasa pemrograman Python dan Streamlit untuk memberikan tampilan antarmuka ke pengguna. Data yang digunakan dalam penelitian ini meliputi data historis Indeks Harga Saham Gabungan (IHSG) periode 2000-2024 yang didapatkan dari Yahoo Finance. Lalu, data ini akan melewati tahap pengumpulan data hingga evaluasi data dan hasilnya akan diimplementasikan ke dalam sistem bersama dengan logika analisis menggunakan indikator teknikal. Aplikasi yang dikembangkan ini diuji menggunakan 3 saham yaitu BBCA, ASII, dan ADRO dimana hasilnya menunjukkan Mean Absolute Percentage Error (MAPE) dengan hasil berurutan sebesar 2,46%, 2,99%, dan 4,34% yang menandakan bahwa aplikasi mampu memberikan prediksi yang cukup akurat. Kata kunci: LSTM, saham, prediksi harga, indikator teknikal, Streamlit, machine learning

Item Type: Thesis (S1)
Subjects: 600 Technology (Applied sciences) > 650 Management > 657 Accounting
Divisions: Faculty of Economics and Business > Department of Accounting
Depositing User: mr Dwi Purnomo
Date Deposited: 18 Nov 2025 07:30
Last Modified: 18 Nov 2025 07:30
URI: http://repository.unika.ac.id/id/eprint/39035
Keywords: UNSPECIFIED

Actions (login required)

View Item View Item