Analisis Perbandingan Model ARIMA, LSTM, dan BLSTM dalam Memprediksi Harga Saham Terendah Sektor Teknologi (IDXTECHNO) di Indonesia = Comparative Analysis of ARIMA, LSTM, and BLSTM Models in Predicting the Lowest Stock Prices of the Technology Sector (IDXTECHNO) in Indonesia

Latar Belakang. Minat masyarakat Indonesia terhadap investasi saham, khususnya di sektor teknologi, terus meningkat seiring potensi pertumbuhan yang tinggi dan volatilitas besar pada sektor ini. Hal ini mendorong perlunya metode prediksi harga saham yang akurat untuk mendukung keputusan investasi. Tujuan. Penelitian ini bertujuan menganalisis dan membandingkan performa model Autoregressive Integrated Moving Average (ARIMA), Long Short-Term Memory (LSTM), dan Bidirectional LSTM (BiLSTM) dalam memprediksi harga saham terendah sektor teknologi (IDXTECHNO) di Indonesia, serta menentukan model dengan akurasi terbaik. Metode. Pendekatan penelitian menggunakan kuantitatif deskriptif dengan metode eksperimental prediktif. Data berupa harga terendah harian lima saham sektor teknologi (GOTO, BELI, BUKA, EMTK, WIRG) diolah menggunakan model ARIMA, LSTM, dan BiLSTM. Evaluasi model dilakukan dengan Mean Absolute Error, Mean Squared Error, dan Root Mean Squared Error. Hasil. Hasil penelitian menunjukkan bahwa BiLSTM memberikan kinerja paling unggul dengan nilai RMSE dan MAPE terkecil pada sebagian besar saham, yaitu BUKA (RMSE 7,3089; MAPE 5,23%), GOTO (RMSE 4,6105; MAPE 7,80%), dan WIRG (RMSE 5,7119; MAPE 5,12%). LSTM menjadi model terbaik pada saham EMTK (RMSE 11,0302; MAPE 1,78%), sedangkan ARIMA hanya unggul pada saham BELI (RMSE 1,2870; MAPE 0,10%). Secara keseluruhan, BiLSTM terbukti mampu menangkap pola kompleks harga saham dengan lebih baik dibanding ARIMA dan LSTM. Kesimpulan. BiLSTM merupakan model yang paling akurat dan stabil untuk prediksi harga saham sektor teknologi, unggul dalam mengenali pola data fluktuatif sehingga layak dijadikan pilihan dalam strategi investasi.

Keyword : Prediksi saham, ARIMA, LSTM, BLSTM, IDXTECHNO.