PREDIKSI HARGA SAHAM BLUE CHIP MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM)

Abstract

ABSTRACT

 Artificial Intelligence (AI) technology has emerged as an effective tool to assist investors in technical analysis and stock price forecasting. This research aims to demonstrate the accuracy of stock price forecasting for blue-chip companies listed on the LQ45 index of the Indonesia Stock Exchange (BEI) using AI with the Recurrent Neural Network (RNN) algorithm. Secondary data was collected through documentation methods from BEI's official website, official websites of listed companies, and Yahoo Finance. The data analyzed in this study comprises audited annual financial reports to obtain financial data used for Debt to Equity Ratio (DER) calculations in sample selection criteria and historical closing stock prices adjusted to the Composite Stock Price Index (IHSG). The research population includes all companies listed in the LQ45 index for the period 2019-2022, totaling 28 companies. The study employs purposive sampling, resulting in 17 companies as the sample. The sample selection criteria include companies with a DER below one, indicating low debt usage, and exclude banking companies due to their high DER ratios. Predictions of closing stock prices adjusted using AI with the RNN algorithm, specifically the Long Short-Term Memory (LSTM) method, exhibit a high level of accuracy, with an average Mean Absolute Percentage Error  value of approximately 2.6 percent. This research demonstrates that using AI, especially the LSTM method, can provide highly accurate stock price predictions. These findings suggest that AI has the potential to assist investors in making more precise investment decisions in the complex and dynamic world of the stock market.

 Keywords: artificial intelligence, long short-term memory, prediction, stock, investment

ABSTRAK

Investor terus berupaya mengembangkan metode yang tepat untuk membantu pengambilan keputusan investasi yang lebih akurat sehingga mampu bertahan dalam dunia pasar modal yang kompleks dan dinamis. Teknologi artificial intelligence (AI) muncul sebagai alat yang efektif dalam membantu para investor melakukan analisis teknikal dan peramalan harga saham. Penelitian ini bertujuan untuk membuktikan keakuratan hasil peramalan harga saham perusahaan blue chip pada indeks LQ45 di Bursa Efek Indonesia (BEI) dengan penerapan AI dengan algoritma Recurrent Neural Network (RNN). Data sekunder dikumpulkan dengan metode dokumentasi dari BEI yang diperoleh melalui website resmi BEI maupun web resmi perusahaan yang terdaftar dan juga website resmi Yahoo Finance. Data yang dianalisis dalam penelitian ini adalah data laporan keuangan tahunan yang telah diaudit untuk memperoleh data keuangan yang digunakan untuk perhitungan Debt to Equity Ratio (DER) dalam kriteria pemilihan sampel dan historis harga saham penutupan yang disesuaikan pada Indeks Harga Saham Gabungan (IHSG). Populasi penelitian merupakan seluruh perusahaan yang terdaftar dalam indeks LQ45 selama periode 2019-2022 sebanyak 28 perusahaan. Penelitian ini menerapkan metode purposive sampling, diperoleh 17 perusahaan sebagai sampel. Adapun kriteria pemilihan sampel penelitian yakni pertama perusahaan dengan DER di bawah satu, yang menunjukkan penggunaan utang yang rendah. Kedua, perusahaan perbankan tidak dijadikan sampel karena memiliki rasio DER yang tinggi. Hasil prediksi harga saham penutupan yang disesuaikan menggunakan AI dengan algoritma Recurrent Neural Network (RNN) metode Long Short-Term Memory (LSTM) memiliki tingkat akurasi yang tinggi dan mendekati nilai aslinya yaitu dengan nilai rata – rata Mean Absolute Percentage Error (MAPE) sebesar 2,6 persen.

Kata Kunci: kecerdasan buatan, long short-term memory, prediksi, saham, investasi.