DEPLOYMENT MODEL PREDIKSI HARGA SAHAM APPLE INC PADA BEBERAPA BURSA EFEK MENGGUNAKAN METODE MULTIVARIATE GATED RECURRENT UNIT

Saham menjadi salah satu instrumen pasar keuangan dan investasi yang banyak diminati oleh investor. Pergerakan harga saham yang nonlinear dan nonstasioner yang dipengaruhi oleh banyak faktor, sehingga sangat sulit untuk meramalkan harga saham. Salah satu metode yang cocok untuk digunakan dalam memprediksi harga saham yang bersifat nonlinear adalah Recurrent Neural network (RNN). Penelitian ini menggunakan salah satu arsitektur RNN yaitu Gated Recurrent Unit (GRU) untuk memprediksi harga saham dengan menggunakan model multivariate GRU. Evaluasi kinerja yang digunakan untuk mengukur tingkat kesalahan prediksi adalah MAE, RMSE, MAPE dan RMSPE. Berdasarkan hasil MAE dan RMSE dari AAPL(Nasdaq), APC.F(Frankfurt) dan AAPL.MX(Mexico) memberikan hasil tingkat kesalahan yang bernilai kecil. Adapun berdasarkan hasil evaluasi MAPE dan RMSPE memberikan hasil yang sangat baik dengan masing-masing persentase kesalahan yang dihasilkan < 10%. Kemudian didapatkan hasil yang baik pada hasil evaluasi RMSPE prediksi data train pada AAPL.MX(Mexico) dengan masing masing persentase kesalahan yang dihasilkan berada pada 10% ≤ RMSPE < 20%. Kemudian hasil model di deploy ke dalam website menggunakan framework Streamlit yang menampilkan proses prediksi dengan menampilkan data, visualisasi data prediksi, hasil evaluasi dari model dan terakhir memberikan hasil prediksi pada satu hari bursa berikutnya untuk harga low, open, close dan high