PERAMALAN HARGA SAHAM PERBANKAN PADA BURSA EFEK INDONESIA (BEI) MENGGUNAKAN BIDIRECTIONAL LONG SHORT TERM MEMORY (BiLSTM) DENGAN OPTIMASI ADAPTIVE MOMENT ESTIMATION (ADAM) = Forecasting the Price Of Banking Stock on the Indonesia Stock Exchange (ISE) using Bidirectional Long Short Term Memory (BiLSTM) with Adaptive Moment Estimation (ADAM) Optimation

Investasi dalam bentuk kepemilikan saham suatu perusahaan memiliki ketertarikan tersendiri karena dapat menjanjikan keuntungan yang cukup besar dan membuat para investor menggunakan berbagai cara untuk memprediksi pergerakan harga saham. Saham termasuk kedalam kategori investasi yang berisiko tinggi karena pergerakan harga saham yang sensitif yang dapat dipengaruhi oleh faktor luar negeri maupun dari dalam negeri. Saham menandakan keikutsertaan modal investor pada perusahaan yang menerbitkan saham atau biasa disebut emiten. Empat dari sepuluh emiten terbesar berdasarkan kapitalisasi pasarnya merupakan emiten yang bergerak pada sektor perbankan. Metode yang digunakan dalam penelitian ini adalah metode Bidirectional Long Short Term Memory (BiLSTM) dengan optimasi Adaptive Moment Estimation (ADAM). Penelitian ini bertujuan untuk mendeskripsikan peramalan harga saham perbankan pada Bursa Efek Indonesia (BEI) yang menggunakan metode BiLSTM dengan optimasi ADAM. Terdapat 4 data saham yang diuji pada penelitian ini. Data saham tersebut adalah PT. Bank Centra Asia Tbk., PT. Bank Rakyat Indonesia Tbk., PT. Bank Mandiri Tbk., dan PT. Bank Negara Indonesia Tbk. Peneliti menganalisis parameter jumlah neuron dan epochs yang paling tepat digunakan. Hasil dari penelitian ini menunjukkan bahwa dengan menggunakan neuron sebesar 40 dan epochs sebesar 500 untuk bank BCA, neuron sebesar 50 dan epochs sebesar 1000 untuk bank BRI, neuron 50 dan epochs sebesar 1000 untuk bank Mandiri, serta neuron 40 dan epochs sebesar 1000 untuk bank BNI, maka menghasilkan nilai MAPE yang sangat akurat secara berurutan yaitu 1,08294%, 1,27922%, 1,32050% dan 1,40739%, dan RMSE secara beurut yaitu 111,92341, 72,99261, 72,55303 dan 69,34809. Penggunaan metode BiLSTM pada Saham Bank BCA yang berfluktuasi tinggi menghasilkan sela yang cukup besar antara data harga aktual dan data harga prediksi dari sekitar hari ke 200.